プレーントーク

PlainTalk は、 Apple 社が開発したいくつかの音声合成( MacinTalk ) および音声認識技術の総称です。1990年に、Apple 社は音声認識技術に多大な労力と資金を投入し、この分野の多くの研究者を雇用しました。その結果生まれたのが「PlainTalk」で、 1993 年からMacintosh Quadraシリーズの AV モデルとともにリリースされました。これはSystem 7.1.2で標準システム コンポーネントとなり、それ以降、すべてのPowerPCおよび一部の68k Macintosh に搭載されています。

Apple のテキスト読み上げ機能は、ダイフォンを使用します。音声合成の他の方法と比較すると、リソースをあまり消費しませんが、音声合成の自然さには限界があります。アメリカ英語版とスペイン語版も提供されていましたが、Mac OS X の登場以来、Apple はアメリカ英語の音声のみを出荷しており、他の言語の音声の提供は Acapela Group などのサードパーティ サプライヤーに依存しています (OS X 10.7 では、Apple は多数のサードパーティ音声のライセンスを取得し、音声コントロール パネル内でダウンロードできるようにしました)。

Speech Manager と呼ばれるアプリケーション プログラミング インターフェイスにより、サードパーティの開発者はアプリケーションで音声合成を使用することができます。イントネーションとリズムを微調整するために使用できるさまざまな制御シーケンスがあります。音声の音量、ピッチ、速度も設定できるため、歌うこともできます。

シンセサイザーへの入力は、特殊な音素アルファベットを使用して明示的に制御できます。

最初の Macintosh テキスト読み上げエンジンである MacinTalk (Denise Chandler による命名) は、1984 年にMacintoshが発表された際に Apple によって使用され、このコンピュータが世界にその存在を知らしめた (そして IBM コンピュータの重さをからかった)。Macintosh のオペレーティング システムに組み込まれていたが、Apple による公式サポートは受けていなかった (ただし、プログラミング情報は Apple テクニカル ノート^{[1] [2]}を通じて提供されていた)。MacinTalk は Joseph Katz と Mark Ba​​rton によって開発され、後に SoftVoice, Inc. を設立した。同社は現在、Windows、Linux、組み込みプラットフォーム向けの TTS エンジンを販売している。MacinTalk はオリジナルの Macintosh サウンド ハードウェアに直接アクセスしていたため、Apple によるソース コードのライセンス供与を受けて新しい Mac 向けにアップデートする試みはすべて失敗に終わった。^{[3] [4]}

最終的に、Apple は MacinTalk 2 と呼ばれるサポートされた音声合成システムをリリースしました。これは、システム ソフトウェア 6.0.7以降を実行しているすべての Macintosh をサポートします。MacinTalk 3 および Pro のリリース後も、低速マシンに推奨されるバージョンのままでした。

MacinTalk 3 では、非常に多様な音声が導入されました。標準的な大人の音声「ラルフ」、「フレッド」、「キャシー」、および「プリンセス」( macOS Venturaでは「スーパースター」に名前が変更されました) や「ジュニア」などの子供の音声の他に、「ウィスパー」、「ザルボックス」(メロディックな背景音を伴うロボット音声。「トリノイド」と呼ばれる同様の音声も含まれています)、「チェロ」(エドヴァルド・グリーグの曲「山の王の広間」の 歌詞を歌う音声で、同様の歌声「良い知らせ」、「悪い知らせ」、「パイプオルガン」などがあります)、「アルバート」(しわがれた声)、「ベル」、「ボイン」、「バブルス」など、さまざまな斬新な音声が含まれていました。

これらの音声にはそれぞれ独自のサンプルテキストが付属しており、スピーチコントロールパネルの「テスト」ボタンを押すと読み上げられます。名前、言語、および導入時に使用した MacinTalk のバージョンを言うだけの音声もあります。また、「この高級なコンピューターの中にいるのが本当に好きです」、「喉にカエルがいます... いいえ、本物のカエルです!」、「この不気味な声を喜ばなければなりません」(オルガン音楽による西洋の教会賛美歌のパロディ)、「トンネルの先に見える光は、急速に近づいてくる列車のヘッドランプです」など、面白いことを言う音声もあります。これらの音声は、現在でもmacOSに残っています。(一部の音声名とそのテストテキストはmacOS Venturaで変更され、その後、macOS Sonomaですべてのテストテキストが「こんにちは、私の名前は [音声名] です」に変更されました。)

AV Mac と PowerPC ベースの Macintosh の計算能力の向上により、Apple は合成の品質を向上させることができました。MacinTalk 3 には 33 MHz の 68030 プロセッサが必要で、MacinTalk Pro には68040以上と少なくとも 1 MBのRAMが必要でした。各シンセサイザーは異なる音声セットをサポートしていました。

テキスト読み上げ機能は、すべてのMac OS X (以降の macOS) バージョンに含まれています。Victoria 音声はMac OS X v10.3で大幅に強化され、Vicki として追加されました (Victoria は削除されませんでした)。より高品質の diphone サンプルが使用されたため、サイズはほぼ 20 倍大きくなっていました。

Mac OS X 10.5 Leopardのリリースにより、「Alex」と呼ばれる、より自然な響きの新しい音声がMacのテキスト読み上げ機能のリストに追加されました。 ^[5]

Mac OS X 10.7 Lionでは、追加の米国英語と他の英語アクセント、および21の他の言語で音声が利用可能になりました。 ^[6]

「キーが押されたら選択したテキストを読み上げる」機能を使用すると、任意のアプリケーションで選択したテキストをキーの組み合わせで読み上げることができます。Mac OS X 10.1からMac OS X 10.6では、この機能は選択したテキストをクリップボードにコピーし、そこから読み上げます。Mac OS X 10.7からMac OS X 10.10では、この機能の新しい実装では、ソフトウェア開発者がアプリケーションに音声合成API を実装する必要がありました。 ^{[7] [8]}これにより、クリップボードが上書きされることはなくなりましたが、API を使用しないアプリケーションでは、機能が期待どおりに機能せず、選択したテキストではなくタイトルバーが読み上げられることも意味しました。^{[9] [10]}

macOS Sierra 10.12 では、Mac に Siri が導入されましたが、音声はシステム音声として利用できなかったため、Siri の音声は Siri でのみ使用できました。macOS Catalina 10.15 では、Siri がシステム音声として利用できるようになったため、どのテキストでも使用できるようになりました。Siri の音声はまったく異なる方法で動作し、コマンドsayは Siri を使用できないままです。

macOS Big Sur 11.3 アップデートでは、性別の包括性を促進する Apple の取り組みの一環として、iOS 14.5 および macOS 11.3 以降の Siri 音声の変更に合わせて、すべての音声から性別の言及が削除されました。

Apple は 1990 年に多くの音声認識研究者を雇用しました。約 1 年後、彼らは Casper というコードネームの技術を実証しました。これは 1993 年に PlainTalk パッケージの一部としてリリースされました。すべての PowerPC Macintosh および AV 68k マシンで利用可能でしたが ( Centris 660AVおよびQuadra 840AVのDSPを利用した数少ないアプリケーションの 1 つでした)、Mac OS X より前のデフォルトのシステム インストールには含まれていなかったため、音声認識機能を利用するにはユーザーがカスタム OS インストールを実行する必要がありました。

Mac OS X 10.7 Lion以前では、Apple の音声認識は音声コマンドのみを対象としており、ディクテーション用ではありませんでした。ホットキーが押されたとき、または「コンピュータ」や「Macintosh」などの起動フレーズで指示されたとき、またはプロンプトなしでコマンドをリッスンするように設定できます。多くの場合、アニメーション キャラクターの形式をとるグラフィカル ステータス モニターは、リッスン状態、使用可能なコマンドとアクションに関する視覚的およびテキストによるフィードバックを提供します。また、音声合成を使用してユーザーと通信することもできます。

音声認識の初期バージョンでは、メニューへの完全なアクセスが提供されていました。このサポートは、多くのリソースを必要とし、認識の信頼性が低下するため、後に削除されましたが、Mac OS X 10.3 で音声ユーザー インターフェイスと呼ばれる「ユニバーサル アクセス テクノロジ」として再度追加されました。

ユーザーは、「Speakable Items」と呼ばれる特別なフォルダにあるアイテムを、その名前を話すだけで起動できます (システムがリスニングモードのとき)。Apple はこのフォルダに多数のAppleScript を同梱していますが、エイリアス、ドキュメント、フォルダも同じ方法で開くことができます。

追加の機能は、個々のアプリケーションによって提供されます。アプリケーション プログラミング インターフェイスを使用すると、プログラムは利用可能な語彙を定義および変更できます。たとえば、Finder は、ファイルとウィンドウを操作するための語彙を提供します。

OS X 10.8 Mountain Lionで、Appleは一般的なテキストを対象とした「ディクテーション^{[11] 」を導入しました。当初は、処理のためにオーディオデータをAppleのサーバーに送信する必要がありました。OS} X 10.9 Mavericksで、Appleはインターネット接続なしでディクテーションのサポートをダウンロードするオプションを追加しました。OS X 10.9.3の時点で、8つの言語（19の方言）がサポートされています。

Apple は「Apple PlainTalk Microphone」という製品名で 2 つのマイクを製造した。^[要出典]最初のマイクは Macintosh LC および初期の Performa モデルに同梱され、外観は円形であった。CRTディスプレイの側面に取り付けられたホルダーに収まるように設計されており、話すときには取り出して口に当てる。^{[要出典] 2 番目のモデルは 1993 年に}Macintosh Quadraシリーズの AV モデルとともに発表されたが、別売りもされた。画面の上部に配置され、正面からの音に敏感になるように設計された。どちらのモデルもコネクタが長く、その先端はマイクにバイアス電圧を供給するために使用されていた。

• Folklore.org: オリジナルの Macintosh、Macintosh の導入について
• APIドキュメント:
  • 10.14 以降のフレームワーク: 音声 (認識)、音声合成 (AVFoundation の一部)
  • Cocoa API: NSSpeechSynthesizer と NSSpeechRecognizer
  • Carbon API (ApplicationServices): 音声合成マネージャ ( で使用されるピッチ制御を備えた古い diphone ベースのシステムsay)
• IMDbの MacinTalk
• テクニカルノート TN 22 - MacinTalk - 最終章