Amazon PollyのCloudWatchメトリクスについて #reinvent

AWS re:Invent 2016

#Amazon CloudWatch

#Amazon Polly

#AWS

佐々木大輔

2016.12.20

この記事は公開されてから1年以上経過しています。情報が古い可能性がありますので、ご注意ください。

はじめに

今日はAmazon PollyのCloudWatchメトリクスについて確認してみました。

Amazon PollyのCloudWatchメトリクスについて

メトリクスの種類

Amazon PollyのCloudWatchメトリクスは以下の種類があります。

Operationディメンション	メトリクス	概要	単位
DescribeVoices	2XXCount	DescribeVoices APIに対して正常なレスポンスとして返された200番台のHTTPステータスコード。	個
DescribeVoices	4XXCount	DescribeVoices APIに対してエラーレスポンスとして返された400番台のHTTPステータスコード。	個
DescribeVoices	5XXCount	DescribeVoices APIに対してエラーレスポンスとして返された500番台のHTTPステータスコード。	個
ListLexicons	2XXCount	ListLexicons APIに対して正常なレスポンスとして返された200番台のHTTPステータスコード。	個
ListLexicons	4XXCount	ListLexicons APIに対してエラーレスポンスとして返された400番台のHTTPステータスコード。	個
ListLexicons	5XXCount	ListLexicons APIに対してエラーレスポンスとして返された500番台のHTTPステータスコード。	個
SynthesizeSpeech	2XXCount	SynthesizeSpeech APIに対して正常なレスポンスとして返された200番台のHTTPステータスコード。	個
SynthesizeSpeech	4XXCount	SynthesizeSpeech APIに対してエラーレスポンスとして返された400番台のHTTPステータスコード。	個
SynthesizeSpeech	5XXCount	SynthesizeSpeech APIに対してエラーレスポンスとして返された500番台のHTTPステータスコード。	個
SynthesizeSpeech	ResponseLatency	SynthesizeSpeech APIに対してのリクエストからレスポンスまでのレイテンシー。	ミリ秒
SynthesizeSpeech	RequestCharacters	SynthesizeSpeech APIに対してリクエストされた文字数。SSMLタグはカウントされない。	個

このうちHTTPステータスコードのカウントは試しても面白くないので、SynthesizeSpeech関連のメトリクスを試してみたいと思います。

SynthesizeSpeech: RequestCharacters

まず、以下の文章をPollyに食わせます。

aws polly --region="us-east-1" synthesize-speech \
--text "Classmethodはブログの会社です。" \
--voice-id Mizuki \
--output-format mp3 speech.mp3

レスポンスは以下の通り。21キャラクターです。

{
    "ContentType": "audio/mpeg",
    "RequestCharacters": "21"
}

CloudWatchで確認。ちゃんと21キャラクターと出力されています。

次に、もっと長い文章をPollyに食わせます。

aws polly --region="us-east-1" synthesize-speech \
--text "Classmethodはブログの会社です。年間3000本の技術ブログ記事をアウトプットしています。" \
--voice-id Mizuki \
--output-format mp3 speech.mp3

レスポンスは以下の通り。49キャラクターです。

{
    "ContentType": "audio/mpeg",
    "RequestCharacters": "49"
}

CloudWatchで確認。ちゃんと49キャラクターと出力されています。

SynthesizeSpeech: ResponseLatency

まず、以下の21キャラクターの文章をPollyに食わせます。

aws polly --region="us-east-1" synthesize-speech \
--text "Classmethodはブログの会社です。" \
--voice-id Mizuki \
--output-format mp3 speech.mp3

CloudWatchで確認。ResponseLatencyは124.85msです。

次に、もっと長い49キャラクターの文章をPollyに食わせます。

aws polly --region="us-east-1" synthesize-speech \
--text "Classmethodはブログの会社です。年間3000本の技術ブログ記事をアウトプットしています。" \
--voice-id Mizuki \
--output-format mp3 speech.mp3

CloudWatchで確認。ResponseLatencyは127.64msです。ちょっとレイテンシが上がりました。

ではもっと長文を食わせてみましょう。以下の文章は272キャラクターあります。

aws polly --region="us-east-1" synthesize-speech \
--text "クラスメソッド株式会社は、「クラウド、センサー、ビッグデータ、モバイル」の技術を活用した企業向けの技術支援を行っており、800件を超える実績を残しています。2015年よりAWSプレミアコンサルティングパートナーとして多くのお客様のAWS活用を支援し、お客様ビジネスに貢献しています。全社的な取り組みとして、社員による情報発信に力を入れており、オウンドメディア「Developers.IO」にて約7,000本の技術情報を公開しています。また、多様な働き方を支える取り組みにも力を入れ、2013年に東京ワークライフバランス認定企業に認定されました。" \
--voice-id Mizuki \
--output-format mp3 speech.mp3

CloudWatchで確認。ResponseLatencyは144msです。文章量が5倍になった分レイテンシは上がっていますが、大幅な向上ではありません。早いですね。