ssml-builder-js 2.11.0 → 2.12.0

package/README.md

@@ -236,9 +236,22 @@ const diagnostics = validateAzureSsml(ssml, {
   customVoiceStyleMap: { "my-custom-voice": ["narration"] },
   unknownVoicePolicy: "error", // "error" | "warn" | "ignore"
   allowedAudioOrigins: ["https://cdn.example.com"],
+  maxXmlDepth: 24,
 });
 ```
 
+`maxXmlDepth` は `<speak>` を深さ 1 として XML の過剰なネストを検出します。長文は `splitSsmlDocument` で `<p>`／`<s>` と親の `voice`、`prosody` コンテキストを保ったまま分割できます。
+
+```ts
+import { splitSsmlDocument } from "ssml-builder-js/core";
+
+const blocks = splitSsmlDocument(longSsml, 10_000);
+for (const block of blocks) {
+  // 各 block は独立した <speak> 文書として Azure へ送信できます。
+  await client.synthesize(block);
+}
+```
+
 Azure Speech は `<audio>` の URL を取得するため、任意の URL をそのまま受け付けるサーバーは SSRF の踏み台になり得ます。ユーザー入力の SSML を合成する場合は、HTTPS、許可オリジン、リダイレクト先、応答サイズをサーバー側でも制限し、`allowExternalAudio` だけで無制限に許可しないでください。
 
 ## `ssml-editor-react` の利用方法
@@ -251,10 +264,14 @@ Visual Editor と Code Editor の対応要素は次のとおりです。
 
 | 要素 | Visual Editor | Code Editor |
 | --- | --- | --- |
-| `voice`、`prosody`、`break`、`express-as`、`say-as`、`phoneme` | フォーム操作・構造ツリー | 完全対応 |
+| `voice`、`prosody` | 音声名/effect、rate/pitch/volume/contour/range のフォーム | 完全対応 |
+| `say-as`、`phoneme` | 属性フォーム・構造ツリー | 完全対応 |
+| `audio` | URL、説明、clip、速度、繰り返し、音量のフォーム | 完全対応 |
+| `mark`、`bookmark` | 名前のフォーム | 完全対応 |
+| `mstts:silence`、`mstts:audioduration` | 種別/value・duration のフォーム | 完全対応 |
 | `mstts:dialog` / `mstts:turn` | 話者ターンの追加・音声/話者/本文編集 | 完全対応・補完あり |
 | `mstts:backgroundaudio` | URL、音量、フェードイン/アウト編集 | 完全対応・補完あり |
-| `mstts:ttsembedding`、`mstts:embedding`、`mstts:voiceconversion` | 構造ツリーで保持 | 完全対応 |
+| `mstts:ttsembedding`、`mstts:embedding`、`mstts:voiceconversion` | profile/id/url のフォーム | 完全対応 |
 | 未定義の XML 要素 | 構造ツリーで保持 | `custom` として編集 |
 
 Azure Speech のライフサイクル対応状況は次のとおりです。GA 要素は通常の静的検証対象、プレビュー要素・音声は Warning、非推奨要素・音声は Info の診断を返します。`AzureVoiceDefinition.status` と `AzureValidationOptions.tagStatuses` で外部カタログの状態も指定できます。
@@ -301,7 +318,7 @@ export function App() {
 - `onSsmlChange`: 編集後に生成された SSML 文字列を受け取るコールバック
 - `ref`: `SsmlEditorRef` の `getFullSsml()` で全体の SSML、`getSelectedSsml()` で選択範囲（未選択時は内容が空でないカーソル行）の SSML、`getCurrentLineSsml()` で現在行の SSML を取得。選択範囲やカーソル行が空の場合は `null` を返します
 - `onSelectionChange`: 選択テキスト、文字数、選択状態を受け取るコールバック
-- `onPreviewSelection`: フローティングアクションの試聴ボタン押下時に、選択部分の SSML を受け取るコールバック。省略時は試聴ボタンが無効になります。Azure などの音声 API はこのコールバックから呼び出してください
+- `onPreviewSelection`: フローティングアクションの試聴ボタン押下時に、選択部分を元の `speak` 属性、`voice`、`prosody` などの親コンテキストで包んだ一時 SSML を受け取るコールバック。省略時は試聴ボタンが無効になります。Azure などの音声 API はこのコールバックから呼び出してください
 - `editMode`: 初期編集モード（`"code"` または `"visual"`）。Visual モードは構造ツリーとフォームによる構造化編集を提供します
 - `locale`: 画面表示の言語（`"ja"` または `"en"`）。省略時は `"ja"`。ホバーヘルプを含む UI の翻訳にも使用されます
 - `language`: `locale` の旧名称。既存コードとの互換性のため利用できますが、新しいコードでは `locale` を使用してください
@@ -855,6 +872,22 @@ const catalog = await fetchAzureVoiceCatalog({
 });
 ```
 
+同期情報が必要な場合は `synthesizeSsml`（または `AzureTtsClient.synthesizeSsml`）を使用します。SDK の 100 ナノ秒単位のオフセットはミリ秒へ変換されます。
+
+```ts
+import { synthesizeSsml } from "ssml-builder-js";
+
+const result = await synthesizeSsml(ssml, {
+  subscriptionKey: process.env.AZURE_SPEECH_KEY!,
+  region: process.env.AZURE_SPEECH_REGION!,
+});
+result.audioData; // ArrayBuffer
+result.durationMs;
+result.boundaries; // { text, audioOffsetMs, durationMs }[]
+result.visemes; // { visemeId, audioOffsetMs }[]
+result.bookmarks; // { name, audioOffsetMs }[]
+```
+
 The public updater CLI is `npx ssml-builder sync-voices --region eastus --output ./azure-voices.json`. It reads the key from `AZURE_SPEECH_KEY` (or `--key`) and regions from `AZURE_SPEECH_REGION(S)` (or `--region(s)`).
 
 ```ts

package/dist/{chunk-SNRI43QJ.mjs → chunk-4BVNAUVR.mjs}

@@ -931,6 +931,104 @@ function buildPartialSsml(textOrOptions, context) {
   return serializePartialSsml(textOrOptions.text, textOrOptions);
 }
 
+// packages/ssml-core/src/split.ts
+var DEFAULT_MAX_LENGTH = 1e4;
+function cloneElement(element, children) {
+  return { ...element, children };
+}
+function documentWithChildren(document, children) {
+  return buildSsml({ ...document, children });
+}
+function wrapWithContext(node, context) {
+  return context.reduceRight((current, parent) => cloneElement(parent, [current]), node);
+}
+function documentWithNode(document, node, context) {
+  return documentWithChildren(document, [wrapWithContext(node, context)]);
+}
+function splitTextNode(text, document, context, maxLength) {
+  if (!text) return [text];
+  const parts = [];
+  let start = 0;
+  while (start < text.length) {
+    let end = start + 1;
+    let bestEnd = end;
+    while (end <= text.length) {
+      if (documentWithNode(document, text.slice(start, end), context).length > maxLength) break;
+      bestEnd = end;
+      end += 1;
+    }
+    if (bestEnd === start) {
+      throw new RangeError("maxLength is too small to contain the SSML document wrapper");
+    }
+    const segment = text.slice(start, bestEnd);
+    const boundary = Math.max(segment.lastIndexOf(" "), segment.lastIndexOf("\n"), segment.lastIndexOf("	"));
+    const splitEnd = boundary > 0 ? start + boundary + 1 : bestEnd;
+    parts.push(text.slice(start, splitEnd));
+    start = splitEnd;
+  }
+  return parts;
+}
+function splitNode(document, node, maxLength, context = []) {
+  if (typeof node === "string" || node.type === "text") {
+    const value = typeof node === "string" ? node : node.value;
+    if (documentWithNode(document, node, context).length <= maxLength) return [node];
+    return splitTextNode(value, document, context, maxLength);
+  }
+  if (documentWithNode(document, node, context).length <= maxLength) return [node];
+  const children = node.children ?? [];
+  if (children.length === 0) {
+    throw new RangeError(`maxLength is too small to contain <${node.type}>`);
+  }
+  const splitChildren = children.flatMap((child) => splitNode(document, child, maxLength, [...context, node]));
+  const parts = [];
+  let group = [];
+  const flush = () => {
+    if (group.length > 0) {
+      parts.push(cloneElement(node, group));
+      group = [];
+    }
+  };
+  for (const child of splitChildren) {
+    const candidate = cloneElement(node, [...group, child]);
+    if (documentWithNode(document, candidate, context).length <= maxLength) {
+      group.push(child);
+      continue;
+    }
+    flush();
+    if (documentWithNode(document, cloneElement(node, [child]), context).length > maxLength) {
+      throw new RangeError(`maxLength is too small to contain <${node.type}>`);
+    }
+    group.push(child);
+  }
+  flush();
+  return parts;
+}
+function splitSsmlDocument(ssml, maxLength = DEFAULT_MAX_LENGTH) {
+  if (!Number.isInteger(maxLength) || maxLength <= 0) {
+    throw new RangeError("maxLength must be a positive integer");
+  }
+  const document = parseSsml(ssml);
+  if (ssml.length <= maxLength) return [ssml];
+  const children = document.children ?? [];
+  const splitChildren = children.flatMap((child) => splitNode(document, child, maxLength));
+  const chunks = [];
+  let group = [];
+  for (const child of splitChildren) {
+    const candidate = [...group, child];
+    if (documentWithChildren(document, candidate).length <= maxLength) {
+      group = candidate;
+      continue;
+    }
+    if (group.length > 0) chunks.push(group);
+    group = [child];
+    if (documentWithChildren(document, group).length > maxLength) {
+      throw new RangeError("maxLength is too small to contain the SSML document wrapper");
+    }
+  }
+  if (group.length > 0) chunks.push(group);
+  return chunks.map((chunk) => documentWithChildren(document, chunk));
+}
+
 // packages/ssml-core/src/validation.ts
 var PARSER_POSITION_SUFFIX = / at position (\d+)$/;
 function validateSsml(xmlString) {
@@ -1625,6 +1723,7 @@ function tokenizeElements(source) {
       attributes,
       childElementIndex,
       end,
+      depth: openElements.length + 1,
       name: tokenName,
       parentName: parent?.name,
       parentVoiceName,
@@ -1815,13 +1914,18 @@ function validateAudioSource(token, source, diagnostics, options, elementName2)
     addDiagnostic(diagnostics, source, token.start, `<${elementName2} src> must be an absolute HTTP(S) URL.`);
     return;
   }
+  if (parsed.username || parsed.password)
+    addDiagnostic(diagnostics, source, token.start, `<${elementName2} src> must not contain URL credentials.`);
   if (parsed.protocol !== "https:" && !(options.allowHttpAudio && parsed.protocol === "http:"))
     addDiagnostic(diagnostics, source, token.start, `<${elementName2} src> must use HTTPS.`);
   const isAllowedOrigin = options.allowedAudioOrigins?.some((allowedOrigin) => {
     try {
-      return new URL(allowedOrigin).origin === parsed.origin;
+      const configured = new URL(allowedOrigin);
+      if (configured.protocol !== "https:" && configured.protocol !== "http:" || configured.username || configured.password || configured.pathname !== "/" || configured.search || configured.hash)
+        return false;
+      return configured.origin === parsed.origin;
     } catch {
-      return allowedOrigin === parsed.origin;
+      return false;
     }
   }) ?? false;
   if (options.allowedAudioOrigins && !isAllowedOrigin)
@@ -2029,6 +2133,9 @@ function validateAzureSsml(ssml, options = {}) {
   const maxLength = options.maxLength ?? 1e4;
   if (ssml.length > maxLength)
     addDiagnostic(diagnostics, ssml, maxLength, `SSML exceeds the maximum length of ${maxLength} characters.`);
+  if (options.maxXmlDepth !== void 0 && (!Number.isInteger(options.maxXmlDepth) || options.maxXmlDepth <= 0)) {
+    addDiagnostic(diagnostics, ssml, 0, "maxXmlDepth must be a positive integer.");
+  }
   try {
     parseSsml(ssml);
   } catch (error) {
@@ -2038,6 +2145,18 @@ function validateAzureSsml(ssml, options = {}) {
     return diagnostics;
   }
   const tokens = tokenizeElements(ssml);
+  if (options.maxXmlDepth !== void 0) {
+    for (const token of tokens) {
+      if (token.depth > options.maxXmlDepth) {
+        addDiagnostic(
+          diagnostics,
+          ssml,
+          token.start,
+          `XML nesting depth ${token.depth} exceeds the configured maximum of ${options.maxXmlDepth}.`
+        );
+      }
+    }
+  }
   const speak = tokens.find((token) => token.name.toLowerCase() === "speak");
   const voices = tokens.filter((token) => token.name.toLowerCase() === "voice");
   const backgroundAudioTokens = tokens.filter((token) => token.name.toLowerCase() === "mstts:backgroundaudio");
@@ -2144,6 +2263,7 @@ export {
   buildSsml,
   parseSsml,
   buildPartialSsml,
+  splitSsmlDocument,
   validateSsml,
   extractSsmlText,
   mapSsmlTextNodes,
@@ -2157,4 +2277,4 @@ export {
   getAzureVoiceCatalogMetadata,
   getBuiltInVoiceCatalogMetadata
 };
-//# sourceMappingURL=chunk-SNRI43QJ.mjs.map
+//# sourceMappingURL=chunk-4BVNAUVR.mjs.map