跳到正文
AWS Machine Learning Blog· Suyin Wang·· 4 小時前精選AI 評分63

Amazon Polly Generative engine 升級，新增 14 種語音並提升輸出自然度與準確度

Amazon Polly delivers a major upgrade to its Generative engine

AI 導讀

Amazon Polly Generative engine 升級版現已正式推出，提供更自然、準確且低延遲的語音輸出，並新增 14 種語音。新增語音分佈於 9 個語言地區，印地語及芬蘭語生成語音首次正式開放使用；既有語音名稱和 API 呼叫不變，應用程式毋須修改程式碼。升級後共有 57 種生成語音，涵蓋 11 種語言和 25 個語言地區，價格維持不變。

推薦理由

Amazon Polly Generative engine 可在現有整合中直接升級，語音名稱、API 呼叫和價格均維持不變，並新增 14 種語音，説明這次更新對既有服務的兼容方式。

正文 · 繁體中文

Amazon Polly Generative engine 現在可提供更自然、準確的語音輸出。我們推出了Amazon Polly Generative engine升級版，以低延遲提供更富表現力、準確度更高的語音輸出。這次升級在 9 個語言地區新增 14 種語音，並首次全面推出印地語和芬蘭語生成式語音。升級版現已在正式環境全面推出。

重要的是，這項升級可直接套用於現有的生成式語音。語音名稱和 API 呼叫維持不變，因此現有應用程式會如常運作。

Amazon Polly 是一項全受管理的 AWS 服務，可將文字轉換成自然流暢的語音，適用於聯絡中心、以大型語言模型 (LLM) 為基礎的 Agent 應用程式、媒體及娛樂、電子學習、無障礙服務，以及其他需要大規模可靠語音輸出的應用程式。

聽聽差異

你可以使用音訊範例，直接評估改進效果。

  • The more natural, authentic, and expressive voices. Hear how Tiffany welcomes you in a delightful tone.
    • 「你好！我是 Tiffany，是 Polly 的生成式語音之一。我經過設計，聽起來自然、富有表現力，還帶點令人愉悦的感覺。我們來聊些甚麼好呢？」
  • Accurate speech generation for numbers, currency, addresses, and so on. Kenneth reads back an order confirmation, including the tracking number, date and time, currency and address accurately.
    • 「多謝來電。你的訂單編號是 4471 9902，今天會寄往 85 Harbor View Drive, Apartment 4B, Portland, Oregon 97209。預計於 10 月 22 日星期四上午 9 時至下午 1 時送達。總額為 $1,284.50，確認碼是 K-7-Q-2-X-9。」
  • Net new languages. Arjun and Kiara for Hindi, and Suvi for Finnish. Hindi and Finnish are generally available for the first time on the Amazon Polly Generative engine.
    • Arjun：你好，以下是今日頭條新聞。隨着季候風在全國多個地區退去，天氣變得宜人。（你好，你正在收聽今日頭條新聞。隨着季候風在全國大部分地區退去，天氣已變得宜人。）
    • Kiara：你好！我叫 Kiara。今天讓我來為你説一個小故事吧。（你好！我叫 Kiara。來吧，今天讓我為你説一個小故事。）
    • Suvi：燈塔看守人已經十一天沒有見過船隻。然後，午夜剛過不久，地平線上閃起一道孤單的燈光。一次。兩次。接着，令人難以置信的是，那燈光竟閃出了他的名字。（燈塔看守人已經十一天沒有見過船隻。然後，午夜剛過不久，地平線上閃起一道燈光。一次。兩次。接着，難以置信的是，那燈光竟閃出了他的名字。）
  • Different styles of speech delivery based on textual context. Powered by the new Amazon Polly Generative engine, the voices can reflect emotion and prosody even better based on the text input, without manual setup.
    • Neutral：「你的包裹提早送到了。」
    • Uncertainty：「那麼，嗯……你的包裹提早送到了。我想是吧？」
    • Surprised：「等等，甚麼？你的包裹提早送到了？」

新增語音、語言及區域供應情況

  • Amazon Polly Generative engine 的整體語音目錄更豐富 – 共提供 57 種生成式語音，涵蓋 11 種語言及 25 個語言地區。
  • 新增 14 種語音，涵蓋 9 個語言地區 – 美式英文 (Kenneth、Nate)、澳洲英文 (Russell、Curtis)、印度英文 (Kiara、Arjun)、德文 (Tina)、美國西班牙文 (Carlos)、巴西葡萄牙文 (Leo、Carolina)、韓文 (Hyunduk)、印地語 (Kiara、Arjun) 及芬蘭語 (Suvi)。
  • Generative engine 全面推出的全新語言 – 印地語及芬蘭語。
  • 擴展區域至 AWS GovCloud (US-West) – 目前涵蓋 11 個 AWS 區域。

為企業打造，支援可投入正式環境使用的語音工作流程

升級版 Amazon Polly Generative 引擎使用標準的 Amazon Polly API 呼叫，協助你建立語音應用程式。使用 Amazon Polly，你可以繼續採用熟悉的 AWS 模式進行開發：呼叫相同的 Amazon Polly API、使用 AWS Identity and Access Management (IAM) 管理存取權、在現有應用程式和聯絡中心流程中使用輸出內容，以及監察為客戶合成語音的工作負載。

本次推出旨在提升現有 Amazon Polly 實作所能呈現的語音輸出品質。你無須更改程式碼，即可使用升級後的語音。對於已使用 Amazon Polly Generative 語音的應用程式，升級會直接套用。對於新應用程式，相同的 SynthesizeSpeech API 可讓你使用更多生成式語音目錄。透過 Bi-Di Streaming API StartSpeechSynthesisStream，你可以將文字串流傳送至 Amazon Polly，同時接收合成音訊。這非常適合語音代理和遊戲中的自訂角色等即時應用程式。

具競爭力的價格效能

Amazon Polly Generative 引擎採用按用量付費模式，價格具競爭力。升級模型後，你可以在價格不變的情況下，獲得更佳的語音品質和準確度。費用不會增加，不會推出新的 SKU，亦無須更改現有整合。你可以快取並重播合成的靜態提示詞，無須額外付費。完整費用資訊請參閲 Amazon Polly 定價。

Amazon Polly Generative 引擎現在可提供更自然、更富表現力的語音，並兼具適用於即時應用程式的低延遲串流、可精細控制的語音合成標記語言 (SSML) 支援，以及全受管理 AWS 服務的營運可靠性。這種品質、效能和成本效益兼備的組合，適用於多種正式環境用途。

你可以建構的應用程式

聯絡中心。 在客戶服務對話中，準確度至關重要。當來電者查詢訂單時，語音能正確讀出追蹤編號、地址和確認碼，有助透過自助服務解決來電，避免轉交人工客服。Amazon Polly Generative 語音能準確讀出實體名稱，並以低延遲生成語音，讓自動化互動式語音應答 (IVR) 互動聽起來更自然。

串接式語音代理。 在語音代理架構中使用 Amazon Polly，你可以將 LLM 的回應文字轉換為清晰、自然的語音，並透過 WebSockets 或電話通訊渠道，在接近即時的情況下串流傳送給用戶。這讓即時語音對話成為可能。主要優點包括低延遲播放、高擴展性和成本效益。

媒體、本地化和配音。 將腳本轉換為影片、廣告、Podcast、產品介紹和有聲書所需的完成版音訊。你可以使用一種或多種聲音，無須進行錄音室錄音。更自然的語調有助減少後期製作工作。擴展後的語言及地區支援，包括首次提供生成式印地語和芬蘭語，讓你可透過同一工作流程，將單一內容本地化至更多市場。

網上學習和培訓。 大規模為課程教材、新員工入職內容和知識型文章配上旁白，並在來源文字變更時立即更新，無須重新錄音。更富表現力的語音有助提升用戶閲讀長篇內容時的投入程度。

無障礙功能。提供清晰、自然的文章、文件及應用程式語音版本，讓更多人可以透過聆聽獲取內容：無論是朗讀、外出時聆聽，還是使用螢幕閲讀器。

互動及交易體驗。為遊戲、自助服務終端、IVR 選單及 IoT 裝置加入語音功能，按需要產生回應。當語音需要聽起來自然，並準確讀出姓名、數字、產品詳情、地址及確認訊息時，請使用 Amazon Polly。

「在 Sanoma Media Finland，我們使用 Amazon Polly 將即時新聞文章轉換為音訊，讓聽眾可以選擇在最適合自己的時間收聽。現時，我們每月使用 Polly 的芬蘭語神經語音發佈超過 10,000 篇文章。根據我們的測試，Suvi 的新生成式語音比之前的神經語音有明顯改進——聽起來自然得多，也為聽眾帶來更愉快的體驗。」

— Justus Reinikainen，Sanoma Media Finland 產品經理

入門

您可透過 AWS Management Console、AWS Command Line Interface (AWS CLI) 或 AWS SDK 存取新語音。

先決條件：

  • 可使用 Amazon Polly 的有效 AWS 帳戶。
  • 已安裝並設定 AWS Command Line Interface (AWS CLI)。
  • Python 3.10+。
  • 已安裝 Boto3：pip install boto3。
  • AWS Identity and Access Management (IAM) 權限：polly:SynthesizeSpeech。

以下是使用 AWS SDK for Python (Boto3)、SynthesizeSpeech API 及生成式語音的快速範例：

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 發出相同的請求：

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

如要以程式方式取得完整且最新的語音清單，請呼叫 DescribeVoices。您可以在部署檢查中使用此方法，確認所選的生成式語音可在應用程式執行所在的區域使用。

供應情況

新一代生成式引擎及新語音現已全面推出。14 種新生成式語音適用於以下 AWS 區域：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) 及 AWS GovCloud (US-West)。按對象開始使用：

  • 開發人員 – 在現有應用程式中使用 Engine="generative" 呼叫 synthesize_speech。無需作出其他變更。
  • 聯絡中心團隊 – 這些改進會自動套用至 Amazon Connect 和 Genesys 流程。
  • 所有用戶 – 在 Amazon Polly 主控台中使用任何語音。

注意事項：

  • 標準語音和神經語音不受影響。
  • 生成式語音不支援語音標記（與現況相同）。如果您的應用程式需要語音標記，標準語音和神經語音仍會繼續支援。
  • 生成式引擎繼續支援 SSML 標籤。詳情請參閲支援的 SSML 標籤。
  • 在執行階段使用最新的語音可用性資訊。跨區域部署時，請呼叫 DescribeVoices 或查看主控台。

結論

Amazon Polly 新一代生成式引擎今日推出，提供更自然、更準確的語音，並新增 14 種語音，其中包括首次在印地語和芬蘭語正式推出的生成式語音，而且無需更改程式碼。請參閲 Amazon Polly 價格頁面，瞭解價格資訊。如要開始使用，請開啟 Amazon Polly 主控台試用這些語音，並參閲 Amazon Polly 説明文件，瞭解如何運用這些語音進行開發。

關於作者

Suyin Wang

Suyin Wang

Suyin 是 AWS 的資深生成式 AI 解決方案架構師。她多年來一直建構以數據為本的應用程式和機器學習應用程式，解決現實問題。她樂於協助客戶找出值得解決的問題，並建構能帶來業務價值的生成式 AI 解決方案。閒暇時，她喜歡唱歌，或在廚房嘗試新食譜。

Gosia Brylowska

Gosia Brylowska

Gosia 是 Amazon IMAX Polly 的計劃經理。她在新聞、營銷和影音製作方面有近 20 年經驗，並有超過 10 年的計劃及產品管理經驗（其中最近 7 年在 Amazon TTS）。她每天致力於將工程目標轉化為令客戶欣喜的成果。工作以外，你可能會看到她帶狗散步，或第 100次觀看 Star Trek TNG……又或者和朋友在斯里蘭卡某處衝浪及觀光——她總是令人捉摸不定。

Nikie Xiong

Nikie Xiong

Nikie 是 Amazon Polly 的資深技術產品經理。她在 AI、語音技術，以及將創新產品從構思推向上市方面有 10+ 年經驗，涵蓋消費者和企業領域。她具備產品設計和媒體娛樂製作背景，熱衷於打造令客戶喜愛的產品。工作以外，她會創作互動藝術，也喜歡電子舞曲。

來源：AWS Machine Learning Blog · aws.amazon.com

#產品更新#語音