Skip to main content
このドキュメントは英語の原文から自動翻訳されています。表現に不自然な箇所がある場合があります。正確な内容は英語の原文もあわせてご確認ください。
漢字、数字、単位、記号を含む入力では、書かれた形と話される形がしばしば異なります。normalized_text フィールドを使うと、元のテキストと並べて 発音指向のバージョン を渡すことができ、エンジンは両方を利用してより正確な音声を生成します。 元の text は意味と文脈を保持します。normalized_text はその文がどのように 発話されるべきか を記述します。
normalized_text は現時点で sona_speech_2 および sona_speech_2_flash が利用しており、主に日本語向けに設計されています。

​
正規化テキストが役立つ場面

入力に次のような要素が含まれる場合は、text と一緒に normalized_text を指定してください。
  • 暗黙的な発音を持つ 数字（年号、価格、電話番号）
  • 単位と記号（10%、170cm、$50）
  • 混在スクリプト（英語の略語を含む日本語、韓国語の中のラテン文字単語）
  • 読みが曖昧な漢字
  • 特殊記号（〜、※、→）
オーディオブック、ナレーション、アナウンス、キャラクターボイスのように発音の正確さが重要な場面では 強く推奨されます。カジュアルで短い会話文では、通常は不要です。

​
基本的な使い方

​
LLM を使って正規化日本語テキストを生成する

最も一般的なパターンは、LLM を 1 回呼び出して正規化済みのバージョンを生成し、text と normalized_text の両方を TTS API に渡す方法です。以下のプロンプトは、リクエストにそのままマッピングできるクリーンな JSON 出力を生成します。

​
ヒント

  • text は自然なまま保ちましょう。 text にはふりがなや注釈を含めないでください。発音ヒントはすべて normalized_text に入れます。
  • 意味は一語一語そろえましょう。 normalized_text は text の意味と正確に対応している必要があります — 言い換えや書き換えではなく、表記のみを変換してください。
  • LLM 出力をキャッシュしましょう。 UI 文言や繰り返し使うアナウンスなど決定的な入力では、normalized_text を一度生成して元のテキストと一緒に保存しておきましょう。
  • 不要なら省略しましょう。 数字、単位、曖昧な漢字を含まないカジュアルな会話文では、normalized_text を指定するメリットは通常ありません。

​
関連項目

モデル

どのモデルが normalized_text に対応しているか。

Create speech

TTS リクエストの完全なリファレンス。