Article · AI translation
Amazon Polly 生成式引擎现可提供更自然、更准确的语音输出。我们正在升级 Amazon Polly 生成式引擎，以低延迟提供表现力更强、更准确的语音输出。此次升级新增了覆盖 9 个区域设置的 14 种语音，其中印地语和芬兰语生成式语音首次正式发布。该升级现已正式投入生产使用。值得注意的是，对现有生成式语音而言，这是一次即插即用的升级。语音名称和 API 调用均未改变，因此现有应用程序可继续照常运行。Amazon Polly 是一项完全托管的 AWS 服务，可将文本转换为自然的语音，适用于联络中心、基于大型语言模型（LLM）的智能体应用、媒体和娱乐、电子学习、无障碍功能，以及其他需要大规模可靠语音输出的应用。听听其中的区别。您可以使用音频样本直接评估改进效果。更自然、更真实、更富表现力的语音。听听 Tiffany 如何以令人愉悦的语气欢迎您。“你好！我是 Tiffany，Polly 的一款生成式语音。我经过设计，听起来自然、富有表现力，还有一点讨人喜欢。我们聊些什么呢？”准确读出数字、货币、地址等内容。Kenneth 准确复述订单确认信息，包括追踪号码、日期和时间、金额以及地址。“感谢来电。您的订单，编号 4471 9902，将于今天发往俄勒冈州波特兰市 Harbor View Drive 85 号 4B 公寓，邮编 97209。预计于 10 月 22 日星期四上午 9 点至下午 1 点送达。您的总金额为 $1,284.50，确认码是 K-7-Q-2-X-9。”全新支持的语言。印地语语音 Arjun 和 Kiara，以及芬兰语语音 Suvi。印地语和芬兰语首次在 Amazon Polly 生成式引擎中正式发布。Arjun：您好，您正在收听今天的头条新闻。随着季风从全国许多地区退去，天气变得宜人。（您好，您正在收听今天的头条新闻。随着季风从全国大部分地区退去，天气变得宜人。）Kiara：您好！我叫 Kiara。来吧，今天我给您讲一个小故事。（您好！我叫 Kiara。来吧，今天我给您讲一个小故事。）Suvi：灯塔看守人已经 11 天没有见过船了。随后，就在午夜过后不久，地平线上闪过一道孤零零的灯光。一次。两次。然后，令人难以置信的是，那灯光闪烁着回应了他的名字。（灯塔看守人已经 11 天没有见过船了。随后，就在午夜过后不久，地平线上闪过一道孤零零的灯光。一次。两次。然后，令人难以置信的是，那灯光闪烁着回应了他的名字。）根据文本语境采用不同的说话方式。借助新版 Amazon Polly 生成式引擎，语音无需手动设置，就能根据输入文本更好地体现情绪和韵律。中性：“您的包裹提前到了。”不确定：“所以，呃……您的包裹提前到了。我想是吧？”惊讶：“等等，什么？您的包裹提前到了？”新增语音、语言和区域可用性。Amazon Polly 生成式引擎的总体目录进一步扩大，共有覆盖 11 种语言和 25 个区域设置的 57 种生成式语音。覆盖 9 个区域设置的 14 种新语音——美国英语（Kenneth、Nate）、澳大利亚英语（Russell、Curtis）、印度英语（Kiara、Arjun）、德语（Tina）、美国西班牙语（Carlos）、巴西葡萄牙语（Leo、Carolina）、韩语（Hyunduk）、印地语（Kiara、Arjun）和芬兰语（Suvi）。生成式引擎中正式发布的全新语言——印地语和芬兰语。区域扩展至 AWS GovCloud（美国西部），总计覆盖 11 个 AWS 区域。为企业生产环境中的语音工作流而打造。升级后的 Amazon Polly 生成式引擎使用标准 Amazon Polly API 调用来构建语音应用。使用 Amazon Polly，您可以继续沿用熟悉的 AWS 模式进行构建：调用相同的 Amazon Polly API，使用 AWS Identity and Access Management（IAM）管理访问权限，在现有应用和联络中心流程中使用输出，并监控为客户合成语音的工作负载。此次发布旨在提升您现有 Amazon Polly 实现所输出语音的可感知质量。要使用升级后的语音，无需更改代码。对于已经使用 Amazon Polly 生成式语音的应用，升级会直接在原有服务中完成。对于新应用，同一 SynthesizeSpeech API 可供您使用种类更丰富的生成式语音目录。借助双向流式传输 API StartSpeechSynthesisStream，您可以向 Amazon Polly 流式发送文本，同时接收返回的合成音频。这非常适合语音智能体和游戏中的定制角色等实时应用。具有竞争力的性价比。Amazon Polly 生成式引擎按实际使用量计费，定价具有竞争力。通过此次模型升级，您可以按原价获得质量和准确度更高的语音。费用不会增加，没有新的 SKU，现有集成也无需更改。您可以缓存并重播已合成的静态提示语音，无需支付额外费用。有关完整费用信息，请参阅 Amazon Polly 定价。Amazon Polly 生成式引擎现在可提供更自然、更富表现力的语音，同时提供面向实时应用的低延迟流式传输、用于精细控制的语音合成标记语言（SSML）支持，以及完全托管的 AWS 服务所具备的运行可靠性。这种质量、性能和成本效益的结合可支持广泛的生产用例。您可以构建什么。联络中心。在客户服务对话中，准确性至关重要。来电者查询订单时，若语音能正确读出追踪号码、地址和确认码，就有助于通过自助服务解决问题，而无需转接人工客服。Amazon Polly 生成式语音准确的实体名称发音和低延迟生成能力，让自动交互式语音应答（IVR）听起来更像自然对话。级联式语音智能体。在语音智能体框架中使用 Amazon Polly，您可以将 LLM 的回复文本转换为清晰、自然的语音，并通过 WebSocket 或电话通信渠道近乎实时地传输给用户。这使实时语音对话成为可能。其主要优势是低延迟播放、高可扩展性和成本效益。媒体、本地化和配音。将脚本转换为视频、广告、播客、产品概览和有声读物所需的成品音频。您可以使用一种或多种语音，无需进入录音棚。更自然的语调可减少后期制作工作。区域设置覆盖范围扩大，包括首次提供的生成式印地语和芬兰语语音，意味着您可以通过同一套流程将单份内容本地化，推向更多市场。电子学习和培训。大规模为课程材料、入职培训内容和知识类文章配音，并在源文本发生变化后立即更新。无需重新录制。表现力更强的朗读有助于听众持续投入较长篇幅的内容。无障碍功能。为文章、文档和应用提供清晰、自然的语音版本，让更多人可以通过收听来获取您的内容：朗读、随时随地收听，或借助屏幕阅读器收听。交互和交易体验。为游戏、自助服务终端、IVR 菜单和物联网设备加入语音功能，按需生成回复。在需要语音听起来自然，并可靠读出姓名、数字、产品详情、地址和确认信息时，可使用 Amazon Polly。“在 Sanoma Media Finland，我们使用 Amazon Polly 将实时新闻文章转成音频，让听众可以选择在更适合自己的时间收听。目前，我们每月使用 Polly 的芬兰语神经网络语音发布超过 10,000 篇文章。根据我们的测试，Suvi 的新生成式语音比之前的神经网络语音有明显改进——听起来显著更自然，也为听众带来更愉悦的体验。”——Sanoma Media Finland 产品经理 Justus Reinikainen。入门指南。您可以通过 AWS 管理控制台、AWS 命令行界面（AWS CLI）或 AWS SDK 使用新语音。先决条件：拥有可访问 Amazon Polly 的有效 AWS 账户。已安装并配置 AWS 命令行界面（AWS CLI）。Python 3.10+。已安装 Boto3：pip install boto3。AWS Identity and Access Management（IAM）权限：polly:SynthesizeSpeech。以下是使用 AWS SDK for Python（Boto3）、SynthesizeSpeech API 和生成式语音的简短示例：import boto3 polly = boto3.client("polly", region_name="us-east-1") response = polly.synthesize_speech( Text="Hello! This is Amazon Polly's next-generation generative voice.", VoiceId="Kenneth", # 目录中的任意生成式语音 Engine="generative", OutputFormat="mp3", ) with open("speech.mp3", "wb") as f: f.write(response["AudioStream"].read()) 您也可以使用 AWS CLI 发出相同请求：aws polly synthesize-speech \ --region us-east-1 \ --voice-id Kenneth \ --engine generative \ --output-format mp3 \ --text "Hello! This is Amazon Polly's next-generation generative voice." \ speech.mp3 要通过程序获取完整的最新语音列表，请调用 DescribeVoices。您可以在部署检查中使用它，确认所选生成式语音在应用运行的区域中可用。可用性。下一代生成式引擎和新语音现已正式发布。14 种新生成式语音在以下 AWS 区域提供：美国东部（弗吉尼亚北部）、美国西部（俄勒冈）、欧洲（法兰克福）、欧洲（苏黎世）、欧洲（伦敦）、亚太地区（悉尼）、亚太地区（首尔）、亚太地区（新加坡）、亚太地区（东京）、加拿大（中部）以及 AWS GovCloud（美国西部）。按受众划分的入门方式：开发人员——在现有应用中调用 synthesize_speech，并设置 Engine="generative"。无需其他更改。联络中心团队——改进会自动应用于 Amazon Connect 和 Genesys 流程。所有用户——在 Amazon Polly 控制台中使用任意语音。几点须知：标准语音和神经网络语音不受影响。生成式语音不提供语音标记（与目前相同）。如果您的应用需要语音标记，标准语音和神经网络语音仍支持该功能。生成式引擎继续支持 SSML 标签。有关更多详情，请参阅受支持的 SSML 标签。请在运行时使用当前的语音可用性信息。跨区域部署时，请调用 DescribeVoices 或查看控制台。结语。Amazon Polly 的下一代生成式引擎现已推出，可提供更自然、更准确的语音，新增 14 种语音，包括首次正式发布的印地语和芬兰语生成式语音，而且无需更改代码。有关定价信息，请参阅 Amazon Polly 定价页面。要开始使用，请打开 Amazon Polly 控制台试用这些语音，并参阅 Amazon Polly 文档了解如何用它们构建应用。关于作者。Suyin Wang。Suyin 是 AWS 的高级生成式 AI 解决方案架构师。她拥有多年构建数据驱动和机器学习应用以解决现实问题的经验。她乐于帮助客户确定合适的待解决问题，并构建能创造商业价值的生成式 AI 解决方案。闲暇时，她喜欢唱歌，或在厨房尝试新食谱。Gosia Brylowska。Gosia 是 Amazon IMAX Polly 的项目经理。她在新闻、营销和音视频制作领域拥有近 20 年经验，在项目与产品管理领域拥有超过 10 年经验（最近 7 年从事 Amazon TTS 工作）。她每天都努力精益求精，将工程目标转化为让客户满意的体验。工作之余，您可能会发现她在遛狗，或第 100 次观看《星际迷航：下一代》……也可能正和朋友在斯里兰卡某处冲浪、观光——她总能给人惊喜。Nikie Xiong。Nikie 是 Amazon Polly 的高级技术产品经理。她在 AI、语音技术以及推动消费和企业领域的创新产品从构想到上市方面拥有 10 多年经验。凭借产品设计和媒体娱乐制作背景，她擅长打造令客户喜爱的产品。工作之余，她创作互动艺术作品，也喜欢电子舞曲。