人工智能

Amazon Polly 为其生成式引擎带来重大升级

Amazon Polly 生成式引擎现在可提供更自然、更准确的语音输出。我们正在对 Amazon Polly 生成式引擎 进行升级，使其能够以低延迟提供更具表现力、更准确的语音输出。此次升级新增了 14 种语音，覆盖 9 个 locale，其中包括首次正式提供印地语和芬兰语的生成式语音。该升级现已正式投入生产环境使用。

重要的是，这是一次针对现有生成式语音的原地升级。语音名称和 API 调用均保持不变，因此您现有的应用程序可以像现在一样继续正常工作。

Amazon Polly 是一项完全托管的 AWS 服务，可将文本转换为听起来自然的语音，适用于联络中心、基于大语言模型（LLM）的智能体应用、媒体与娱乐、在线学习、无障碍以及其他需要大规模可靠语音输出的应用。

听听差异

您可以使用示例音频直接评估这些改进。

  • 更自然、更真实、更具表现力的语音。 听听 Tiffany 如何用令人愉悦的语气欢迎您。
    • “嗨！我是 Tiffany，Polly 的生成式语音之一。我的设计目标是听起来自然、富有表现力，还带点令人愉悦的感觉。我们聊点什么好呢？”
  • 对数字、货币、地址等的准确语音生成。 Kenneth 朗读订单确认信息，准确读出包括跟踪号、日期和时间、货币和地址在内的内容。
    • “感谢您的来电。您的订单，编号 4471 9902，将于今天发货至 85 Harbor View Drive, Apartment 4B, Portland, Oregon 97209。预计将于 10 月 22 日星期四上午 9 点至下午 1 点之间送达。您的总金额为 $1,284.50，确认码为 K-7-Q-2-X-9。”
  • 全新语言。 印地语的 Arjun 和 Kiara，以及芬兰语的 Suvi。印地语和芬兰语首次在 Amazon Polly 生成式引擎上正式提供。
    • Arjun：नमस्कार, आप सुन रहे हैं आज की मुख्य ख़बरें। देश के कई हिस्सों में मानसून की विदाई के साथ मौसम सुहाना हो गया है。（您好，您正在收听今天的头条新闻。随着季风在全国大部分地区退去，天气已变得宜人。）
    • Kiara：नमस्ते! मेरा नाम कियारा है। आइए, आज मैं आपको एक छोटी सी कहानी सुनाती हूँ。（您好！我叫 Kiara。来，今天我给您讲一个小故事。）
    • Suvi：Majakanvartija ei ollut nähnyt laivaa yhteentoista päivään. Sitten, vähän puolenyön jälkeen, horisontissa välähti yksi ainoa valo. Kerran. Kahdesti. Ja sitten, uskomatonta kyllä, se vilkutti takaisin hänen nimensä。（灯塔看守人已经十一天没有看到船了。然后，刚过午夜，地平线上闪过一道光。一次。两次。然后，难以置信的是，它闪烁出了他的名字。）
  • 基于文本语境的不同语音表达风格。 由全新的 Amazon Polly 生成式引擎驱动，语音可以根据文本输入更好地体现情感和韵律，无需手动设置。
    • 中性：“您的包裹提前到了。”
    • 不确定：“那个，嗯……您的包裹提前到了。我想？”
    • 惊讶：“等等，什么？您的包裹提前到了？”

新语音、语言和区域可用性

  • Amazon Polly 生成式引擎的整体语音目录进一步扩大 – 共计 57 种生成式语音，覆盖 11 种语言和 25 个 locale。
  • 14 种新语音 覆盖 9 个 locale – 美式英语（Kenneth、Nate）、澳大利亚英语（Russell、Curtis）、印度英语（Kiara、Arjun）、德语（Tina）、美式西班牙语（Carlos）、巴西葡萄牙语（Leo、Carolina）、韩语（Hyunduk）、印地语（Kiara、Arjun）和芬兰语（Suvi）。
  • 生成式引擎中正式提供的全新语言 – 印地语和芬兰语。
  • 区域扩展 至 AWS GovCloud (US-West) – 共计 11 个 AWS 区域。

为企业生产就绪的语音工作流而构建

升级后的 Amazon Polly 生成式引擎使用标准的 Amazon Polly API 调用来构建您的语音应用。借助 Amazon Polly，您可以继续使用熟悉的 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，在现有应用程序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通过现有 Amazon Polly 实现所能听到的语音输出质量。无需更改代码即可获得升级后的语音。对于已经使用 Amazon Polly 生成式语音的应用程序，升级会原地进行。对于新应用程序，相同的 SynthesizeSpeech API 可让您访问更大的生成式语音目录。借助双向流式 API StartSpeechSynthesisStream，您可以向 Amazon Polly 流式传输文本，并同时接收合成后的音频。这非常适合语音智能体和游戏中的定制角色等实时应用。

有竞争力的性价比

Amazon Polly 生成式引擎以按需付费的方式提供有竞争力的价格。通过此次模型升级，您可以在价格不变的情况下获得更好的语音质量和准确性。没有成本增加，没有新的 SKU，也无需更改现有集成。您可以缓存并重放合成的静态提示，无需额外费用。有关完整的成本信息，请参阅 Amazon Polly 定价 。

Amazon Polly 生成式引擎现在可提供更自然、更具表现力的语音，同时具备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 AWS 服务的运营可靠性。质量、性能和成本效率的结合可支持广泛的生产用例。

您可以构建的内容

联络中心。 在客户服务对话中，准确性最为重要。当来电者查询订单时，如果语音能正确复述追踪号、地址和确认码，就有助于在自助服务中解决来电，而不必转接给人工客服。Amazon Polly 生成式语音准确的实体发音和低延迟生成，使自动交互式语音应答（IVR）交互听起来更像对话。

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 响应文本转换为清晰、自然的语音，并通过 WebSocket 或电话渠道近乎实时地流式传回给用户。这使实时对话式语音成为可能。主要优势是低延迟播放、高可扩展性和成本效率。

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的成品音频。您可以使用一个或多个语音，无需录音棚会话。更自然的语调可减少后期制作。扩展的语言区域覆盖范围（包括首次提供的生成式印地语和芬兰语）意味着您可以从同一流程将单一内容本地化到更多市场。

电子学习和培训。 大规模地为课件、入职培训和知识型文章配音，并在源文本更改后立即更新。无需重新录制。更具表现力的表达有助于通过长篇材料保持参与度。

无障碍。 为文章、文档和应用程序提供清晰、自然的口语版本，让更多人可以通过聆听来消费您的内容：朗读、随时随地收听，或使用屏幕阅读器。

交互式和交易式体验。 为游戏、自助终端、IVR 菜单和 IoT 设备启用语音，并按需生成响应。当语音需要听起来自然，并可靠地读出姓名、数字、产品详情、地址和确认信息时，请使用 Amazon Polly。

“在 Sanoma Media Finland，我们使用 Amazon Polly 将实时新闻文章转换为音频，让听众可以选择在更适合自己的时候收听。如今，我们每月使用 Polly 的芬兰语神经语音发布超过 10,000 篇文章。根据我们的测试，Suvi 的新生成式语音相比之前的神经语音有明显改进——它听起来明显更自然，为听众带来更愉快的体验。”

— Justus Reinikainen，产品经理，Sanoma Media Finland

开始使用

您可以使用以下方式访问新语音： AWS 管理控制台, AWS 命令行界面（AWS CLI）或 AWS SDK。

先决条件：

  • 具有 Amazon Polly 访问权限的有效 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.

以下是使用适用于 Python 的 AWS SDK（Boto3）配合 SynthesizeSpeech API 和生成式语音的快速示例：

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",  # any generative voice in the catalogue
    Engine="generative",
    OutputFormat="mp3",
)

with open("speech.mp3", "wb") as f:
    f.write(response["AudioStream"].read())

您也可以使用 AWS CLI 发出相同的请求：

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

要以编程方式检索完整、当前的语音列表，请调用 DescribeVoices. You can use this in deployment checks to confirm that a selected generative voice is available in the Region where your application runs.

Availability

The next-generation Generative engine and the new voices are now generally available. The 14 new Generative voices are available in the following AWS Regions: US East (N. Virginia), US West (Oregon), Europe (Frankfurt), Europe (Zurich), Europe (London), Asia Pacific (Sydney), Asia Pacific (Seoul), Asia Pacific (Singapore), Asia Pacific (Tokyo), Canada (Central), and AWS GovCloud (US-West). Getting started, by audience:

  • Developers – Call synthesize_speech with Engine="generative" in your existing application. No other changes are required.
  • Contact-center teams – The improvements reach Amazon Connect and Genesys flows automatically.
  • Everyone – Access any voice in the Amazon Polly console.

A few things to know:

  • Standard and neural voices are unaffected.
  • Speech marks are not available on generative voices (unchanged from today). If your application requires them, standard and neural voices continue to support them.
  • Generative engine continues to support SSML tags. See supported SSML tags for more details.
  • Use current voice availability at runtime. Call DescribeVoices or check the console when deploying across Regions.

Conclusion

The next-generation Generative engine of Amazon Polly is available today, delivering more natural and more accurate voices, adding 14 new voices, including generative voices generally available in Hindi and Finnish for the first time, and requires no change to your code. See Amazon Polly pricing page for pricing information. To get started, open the Amazon Polly console to try the voices, and see the Amazon Polly documentation to build with them.

About the authors