ご利用ガイド

通常ボイスについては、

※…AIボイスについては全て、これらのカウント数は4ポイント換算となります。

Microsoft Azure のボイスはMicrosoft側の規定により、半角英数字は1文字としてカウントされますが、日本語、中国語、韓国語の言語文字はそれぞれ2 文字としてカウントされますのでご留意ください。日本語のボイスでは、「一郎」などのように日本語表記の名前が記載されているボイスがMicrosoft Azure のボイス規定となっております。

また、本サービスではシステムの仕様上、音声出力のために「音量設定」「読み上げ速度設定」を使用する場合には、テキストの前後に以下のような文字列のタグが自動で挿入されます。

<speak><prosody volume="medium" rate="medium">テキスト</prosody></speak>

（自動挿入されるタグの文字列は、選択した音量設定と読み上げ速度設定によって若干変化します）

たとえば、

"テキスト"という文字列を入力した場合、単純に"テキスト"は4文字としてカウントされますが、音声として出力するためにシステム内部で自動的にタグが挿入されますので、実際に処理する文字列は以下のようになります。

<speak><prosody volume="medium" rate="medium">テキスト</prosody></speak>

そのため、音声として出力するために要した文字列の合計は「入力したテキストの文字数と自動挿入されたタグの文字数を合わせた数値」となります。

そのため、単純に"テキスト"は4文字ですが、タグの文字数は64文字としてカウントされますので、合計で68文字としてカウントされる、という仕組みになっています。

（自動挿入されるタグの文字数は、選択した音量設定と読み上げ速度設定によって若干変化します）

つまり、短いテキストで音声ファイルを沢山作るより長文テキストで１つの音声ファイルを作成したほうが、文字数カウントを節約することができます。

【補足】

各有料プランで文字数は「〇〇文字まで」と記載していますが、たとえば「利用可能な残りのポイントが100」の状態で「文字数が100を超えるテキストを入力して音声ファイルを作成」することは可能な仕様にしてあります。これは有料課金したにもかかわらず最後に端数を使い切れない状態となるのを防ぐための措置となります。