概要

• Speech API というものを使って、音声認識、テキストの音声合成ができるらしい。
• COMインターフェイスがあるので、簡単に使える。
• マークアップを埋め込むことで声の大きさを変えたり、高低を変化させたりできる。

テキストの音声合成の例

以下の内容のテキストファイルを、拡張子を「js」にして保存し、そのファイルをダブルクリックすると、Windowsが自らを褒め称える。

var sp = WScript.CreateObject("SAPI.SpVoice");
var speech = "Microsoft Windows is the greatest OS ever.";
sp.Speak(speech);

マークアップを使う

MSの SAPITTS markup language というマークアップを埋め込むことで、音声の大きさや、高低、スピードなどをコントロールできる。ただ、MSDNに情報が見当たらないので詳細がわからない。とりあえず次のような操作が可能。

例えば以下のようにマークアップを埋め込めば、声低めでゆっくり目にしゃべってくれる。Speak メソッドの2つ目の引数には、1つ目の引数がXMLであることを指定するため、8 （SpeechVoiceSpeakFlags.SVSFIsXML）を入れている。

var sp = WScript.CreateObject("SAPI.SpVoice");
var speech = "<rate speed='-3'><pitch middle='-10'>I'm not interested in Google.</pitch></rate>";
var v = sp.Speak(speech, 8);

なお、MSDNをみると、W3Cの仕様であるSSML（Speech Synthesis Markup Language）にも対応していると書かれている。

そのほかにできること

非同期でしゃべらせる

Speak メソッドの2つ目の引数に、1を指定（1ビット目を立たせる）すると、非同期モードになって、しゃべり終わる前に次の行に処理が進む。デフォルトは同期モードなので、しゃべり終わらないと次の行に行かない。実際にアプリ作るのであれば非同期のほうがいいだろうね。

ファイル出力

実際にWAVEやMP3で出力するスクリプトを作っているひとがいる。

音声認識

音声認識もできるようだけど、詳細不明。

参考文献

• Speech API Overview (SAPI 5.3) <http://msdn.microsoft.com/en-us/library/ms720151(VS.85).aspx>
• Speech Synthesis Markup Language (SSML) Version 1.0 <http://www.w3.org/TR/speech-synthesis/>
• SpVoice Interface (SAPI 5.3) <http://msdn.microsoft.com/en-us/library/ms723602(VS.85).aspx>
• 読み上げ <http://www.venus.dti.ne.jp/mw31/apsaly/TextToSpeech.html>
• takayanの雑記帳: SAPI5の音声ファイルを作るWSHスクリプト <http://neu101.seesaa.net/article/93122032.html>