Amazon Polly delivers a major upgrade to its Generative engine

Amazon Polly 为生成式引擎带来重大升级 | 人工智能

Amazon Polly 为生成式引擎带来重大升级

Amazon Polly 生成式引擎现在提供更自然、更准确的语音输出。我们推出了 Amazon Polly 生成式引擎的重大升级，实现更富表现力、更准确的语音输出，并具备低延迟特性。此次升级新增了 9 个地区共 14 种新语音，包括首次实现印地语和芬兰语生成式语音的全面可用。该升级现已在全球生产环境中全面上线。

重要的是，这是一项对现有生成式语音的无缝升级。语音名称和 API 调用保持不变，因此您的现有应用程序无需任何修改即可继续正常运行。

Amazon Polly 是一项完全托管的 AWS 服务，可将文本转换为自然语音，适用于呼叫中心、基于大语言模型（LLM）的智能应用、媒体娱乐、在线教育、无障碍服务等需要大规模可靠语音输出的应用场景。

听听区别

您可以通过示例音频直接体验改进效果。

• 更自然、真实且富有表现力的语音。听听 Tiffany 如何以愉悦的语气欢迎您。“你好！我是 Tiffany，是 Polly 的生成式语音之一。我被设计成听起来自然、富有表现力，并带有一点愉悦感。我们聊些什么呢？”

• 数字、货币、地址等的精准语音生成。Kenneth 准确朗读订单确认信息，包括运单号、日期时间、货币和地址。“感谢来电。您的订单，编号 4471 9902 今天将发往 85 Harbor View Drive, Apartment 4B, Portland, Oregon 97209。预计将在 10 月 22 日星期四上午 9 点至下午 1 点之间送达。订单总额为 1,284.50 美元，确认码是 K-7-Q-2-X-9。”

• 新增语言支持。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 生成式引擎上实现全面可用。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。(你好，您正在收听今日头条新闻。随着季风在国家多个地区逐渐消退，天气变得宜人起来。) Kiara：नमस्ते! मेरा नाम कियारा है। आइए, आज मैं आपको एक छोटी सी कहानी सुनाती हूँ。(你好！我叫 Kiara。来，今天我给你讲个小小的故事。) 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 11 天没有看到船只了。然后，在午夜过后不久，地平线上闪过一束唯一的光。一次。两次。接着，不可思议地，它又闪烁出他的名字。)

• 基于文本语境的不同语音表达风格。借助全新 Amazon Polly 生成式引擎，语音可以更精准地根据文本内容表达情感和韵律，无需人工设置。中性语气：“您的包裹提前到达了。” 不确定语气：“所以，嗯……您的包裹提前到达了。我想是吧？” 惊讶语气：“等等，什么？您的包裹提前到达了？”

• 9个地区新增14种语音 – 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）。

• 生成式引擎新增支持的语言正式发布 – 印地语和芬兰语。

• 服务区域扩展至AWS GovCloud（US-West）– 总共覆盖11个AWS区域。

为企业打造生产就绪的语音工作流程

升级后的Amazon Polly生成式引擎通过标准的Amazon Polly API调用构建语音应用。使用Amazon Polly时，您可以沿用熟悉的AWS架构：调用相同的Amazon Polly API，通过AWS身份与访问管理（IAM）管理权限，将输出集成到现有应用和客服流程中，并监控为客户生成语音的工作负载。

此次发布旨在提升您现有Amazon Polly实现所呈现的语音输出质量。无需修改代码即可获得升级后的语音。对于已使用Amazon Polly生成式语音的应用，升级将无缝进行。对于新应用，相同的SynthesizeSpeech API可访问更丰富的生成式语音目录。通过双向流式API StartSpeechSynthesisStream，您可以同时将文本传输至Amazon Polly并接收合成音频流。这种特性非常适合实时应用，如语音助手和游戏中的定制角色。

具有竞争力的价格性能

Amazon Polly生成式引擎提供按需付费的具有竞争力的定价方案。通过此次模型升级，您可在相同价格下获得更优质的语音质量和准确性。不会产生费用上涨、无需新增SKU，也无需修改现有集成方案。您可以免费缓存并回放合成的静态提示内容。有关完整费用信息，请参阅Amazon Polly定价页面。

Amazon Polly生成式引擎现在可提供更自然、富有表现力的语音输出，配合低延迟流式传输支持实时应用，支持语音合成标记语言（SSML）实现精细控制，并具备全托管AWS服务的操作可靠性。这种质量、性能和成本效率的结合，可支持广泛的实际生产场景。

您可以构建的应用

呼叫中心。在客户服务对话中，准确性最为关键。当来电者查询订单时，准确读取运单号、地址和确认码的语音可帮助用户通过自助服务解决问题，而无需升级至人工代理。Amazon Polly生成式语音的精准实体发音和低延迟生成特性，使自动交互式语音应答（IVR）交互听起来更加自然。

级联式语音助手。在语音助手框架中使用Amazon Polly，可将大型语言模型（LLM）的文本响应转换为清晰自然的语音，并通过WebSocket或电话信道近乎实时地传输给用户。这使得实时对话式语音成为可能。主要优势包括低延迟播放、高可扩展性和成本效率。

媒体、本地化和配音。将脚本转换为适用于视频、广告、播客、产品介绍和有声书的成品音频。您可以使用一种或多种声音，无需进行录音室会话。更自然的语调可减少后期制作工作。扩展的地区覆盖范围（包括首次推出的生成式印地语和芬兰语）意味着您可以使用同一管道将单个内容本地化到更多市场。

在线学习和培训。按规模叙述课程内容、入职培训和基于知识的文章，并在源文本更改后立即更新。无需重新录音。更具表现力的表达方式通过长篇内容提升参与度。

无障碍访问。为文章、文档和应用程序提供清晰自然的语音版本，使更多人能够通过聆听消费您的内容：随时听、在移动中听，或使用屏幕阅读器听。

交互式和交易式体验。通过按需生成的响应，为游戏、自助终端、IVR菜单和物联网设备启用语音功能。当需要自然语音并可靠地朗读名称、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，让听众可以根据自己的方便选择聆听时间。目前我们每月使用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——听起来更加自然，为听众提供了更愉悦的体验。” —— Sanoma Media Finland产品负责人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访问新语音。

前提条件：

• 拥有有效AWS账户并具有Amazon Polly访问权限。
• 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身份和访问管理（IAM）权限：polly:SynthesizeSpeech。

以下是一个使用Python的AWS SDK（Boto3）与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",  # 语音库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进行相同请求：

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

要以编程方式获取完整的当前语音列表，请调用DescribeVoices。您可以在部署检查中使用此功能，确认所选的生成式语音是否在应用程序运行的区域中可用。

可用性

下一代生成引擎和全新语音现已全面上线。14种全新生成语音现已在以下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（悉尼）、亚太（首尔）、亚太（新加坡）、亚太（东京）、加拿大（中部）以及AWS GovCloud（美国西部）。按受众群体开始使用：

• 开发者 – 在现有应用中调用 synthesize_speech 并将 Engine 参数设为 "generative"，无需其他修改。

• 客服团队 – 改进功能将自动同步至 Amazon Connect 和 Genesys 流程。

• 所有用户 – 通过 Amazon Polly 控制台可直接访问任意语音。

需注意以下事项：

• 标准语音和神经网络语音不受影响。

• 生成语音不支持语音标记（与当前功能保持一致）。如果应用需要该功能，标准语音和神经网络语音仍可继续支持。

• 生成引擎继续支持 SSML 标签。更多详情请参阅支持的 SSML 标签列表。

• 部署时请使用当前语音可用性信息。跨区域部署时，请调用 DescribeVoices 或在控制台查看。

结论

Amazon Polly 的下一代生成引擎现已发布，提供更自然、更精准的语音，新增14种语音（包括首次全面上线的印地语和芬兰语生成语音），且无需修改代码。请查看 Amazon Polly 定价页面获取计费信息。立即打开 Amazon Polly 控制台体验这些语音，或参考 Amazon Polly 文档开始构建应用。

作者简介

'\"