​多様な発話スタイルを実現

 

従来の波形接続型音声合成手法ではなく、最新の統計的パラメトリック音声合成手法を用いているため、多様な発話スタイルの自然な音声を合成することができます。「怒った声」や「悲しい声」といった様々なスタイルの音声を合成できる「感情音声合成技術」や、それらのスタイルを混ぜ合わせることができる「発話スタイル補間技術」を簡単にご利用いただくためのAPIをご提供します。

​

​

​未知単語への対応

​

テキストに出現する固有名詞等の未知単語は、ユーザ辞書に登録することで自然に発話することができるようになります。また、部分的に読み方を変更したい場合には、テキスト内の未知単語部分に簡単なタグを記入し、タグの中で読み方を指定することも可能です。

​

​

高速・軽量なシステム

​

高速に動作するため、テキストを入力してから音声が合成されるまでの遅延がほとんどなく、並列に動かすことで、複数の異なるテキストから同時に音声を合成することも可能です。スマートフォンや組み込み向けプロセッサでも動作確認しており、高性能なコンピュータでなくてもご利用いただけます。

また、統計モデルに基づく音声合成手法であるため、データサイズが非常に小さく、ハードディスク容量を気にせずご利用いただけます。メモリ使用量も小さいため、常時起動させておいても負担が小さいという特徴もあります。

​

​

​容易なアプリケーション開発

​

アプリケーションの効率的な開発のため、テキストを入力して音声を出力するシンプルでわかりやすい APIをご提供します。

また、文単位で声の高さ、大きさ、速さ、声年齢（子供っぽい声から大人っぽい声まで）を調整するAPIや、音素単位で音素長、高さ、大きさを細かく調整するためのAPIもご用意しています。

​

​

​多様な出力形式

​

パソコンやスマートフォンのスピーカーで合成音声を再生できるだけでなく、メモリ上での合成音声データの受け渡しやファイルへの保存などに対応しています。

​

​

​多言語対応

​

日本語、英語、中国語（簡体字）に対応しています。その他の言語に関してもご相談ください。

​

​

柔軟なカスタマイズ性

​

基本的にはC++言語用の静的ライブラリの形で音声合成エンジンをご提供しますが、その他の開発言語への対応もご相談ください。また、Windows以外のOSでもご利用いただけます。