تحصل أمازون بولي (Amazon Polly) على ترقية كبيرة لمحركها التوليدي

يوفر محرك Amazon Polly التوليدي الآن مخرجات كلام أكثر طبيعية ودقة. نقدم ترقية لـ محرك Amazon Polly التوليدي الذي يوفر مخرجات كلام أكثر تعبيرًا ودقة مع زمن استجابة منخفض. تضيف الترقية 14 صوتًا جديدًا عبر 9 لغات ومناطق، بما في ذلك التوفر العام للأصوات التوليدية بالهندية والفنلندية لأول مرة. الترقية متاحة الآن بشكل عام في بيئة الإنتاج.

من المهم أن تكون هذه ترقية فورية للأصوات التوليدية الحالية. فقد بقيت أسماء الأصوات واستدعاءات واجهة برمجة التطبيقات (API) دون تغيير، لذا تستمر تطبيقاتك الحالية في العمل كما هي اليوم.

أمازون بولي هي خدمة مُدارة بالكامل من AWS تحوّل النص إلى كلام يبدو طبيعيًا لمراكز الاتصال، والتطبيقات الوكيلة القائمة على نماذج اللغة الكبيرة (LLM)، والإعلام والترفيه، والتعلم الإلكتروني، وإمكانية الوصول، وغيرها من التطبيقات التي تتطلب مخرجات صوتية موثوقة على نطاق واسع.

اسمع الفرق

يمكنك استخدام عينة صوتية لتقييم التحسينات مباشرة.

• الأصوات الأكثر طبيعية وأصالة وتعبيرًا. استمع إلى كيفية ترحيب تيفاني بك بنبرة ممتعة.
  • "مرحبًا! أنا تيفاني، أحد الأصوات التوليدية لبولي. لقد صُممت لأبدو طبيعية ومعبّرة وشيقة قليلًا. عمّذا نتحدث؟"
• توليد دقيق للكلام للأرقام والعملات والعناوين وما إلى ذلك. يقرأ كينيث تأكيد الطلب بصوت مسموع، بما في ذلك رقم التتبع والتاريخ والوقت والعملة والعنوان بدقة.
  • "شكرًا لاتصالك. طلبك، رقم 4471 9902، يُشحن اليوم إلى 85 Harbor View Drive، شقة 4B، بورتلاند، أوريغون 97209. من المفترض أن يصل يوم الخميس، 22 أكتوبر، بين الساعة 9 صباحًا و1 ظهرًا. كان إجمالي مبلغك $1,284.50 ورمز التأكيد الخاص بك هو K-7-Q-2-X-9."
• لغات جديدة صافية. أرجون وكِيارا للغة الهندية، وسوفّي للغة الفنلندية. اللغتان الهندية والفنلندية متاحتان بشكل عام لأول مرة على محرك Amazon Polly التوليدي.
  • أرجونمرحباً، أنتم تستمعون إلى أهم أخبار اليوم. مع انسحاب الرياح الموسمية من معظم أنحاء البلاد، أصبح الطقس لطيفاً.
  • كيارامرحباً! اسمي كيارا. تعالوا، دعوني أحكي لكم قصة قصيرة اليوم.
  • سوفي: لم يرَ حارس المنارة سفينة منذ أحد عشر يومًا. ثم، بعد منتصف الليل بقليل، ومض ضوء واحد في الأفق. مرة. مرتين. وبعد ذلك، الأمر الذي لا يُصدَّق، ومض مُردًّا اسمه. (The lighthouse keeper hadn’t seen a ship in eleven days. Then, just after midnight, a single light blinked on the horizon. Once. Twice. And then, impossibly, it blinked back his name.)
• أنماط مختلفة لإلقاء الكلام بناءً على السياق النصي. مدعومة بمحرك Amazon Polly التوليدي الجديد، حيث يمكن للأصوات التعبير عن المشاعر والإيقاع بشكل أفضل بناءً على النص المُدخل، دون أي إعداد يدوي.
  • محايد: «وصلت طرودك مبكرًا.»
  • عدم تأكد: «حسنًا، إيه… يبدو أن طرودك وصلت مبكرًا. أظن؟»
  • مندهش: “مهلاً، ماذا؟ وصلت طردك مبكراً؟”

أصوات ولغات وتوافر في المناطق جديدة

• كتالوج أكبر بشكل عام لمحرك Amazon Polly التوليدي – بإجمالي 57 صوتاً توليدياً عبر 11 لغة و25 إعدادات محلية.
• 14 صوتاً جديداً عبر 9 إعدادات محلية – الإنجليزية الأمريكية (Kenneth, Nate)، الإنجليزية الأسترالية (Russell, Curtis)، الإنجليزية الهندية (Kiara, Arjun)، الألمانية (Tina)، الإسبانية الأمريكية (Carlos)، البرتغالية البرازيلية (Leo, Carolina)، الكورية (Hyunduk)، الهندية (Kiara, Arjun) والفنلندية (Suvi).
• لغات صافية جديدة متوفرة بشكل عام في المحرك التوليدي – الهندية والفنلندية.
• توسع في المناطق إلى AWS GovCloud (US-West) – بإجمالي 11 منطقة AWS.

مصمم لسير عمل الكلام الجاهزة للإنتاج للمؤسسات

يستخدم محرك Amazon Polly التوليدي المحدَّث استدعاء API قياسياً من Amazon Polly لبناء تطبيقات الكلام الخاصة بك. مع Amazon Polly، يمكنك الاستمرار في البناء باستخدام أنماط AWS المألوفة: استدعاء نفس واجهة API الخاصة بـ Amazon Polly، وإدارة الوصول باستخدام AWS Identity and Access Management (IAM)، واستخدام المخرجات في تطبيقاتك الحالية وتدفقات مراكز الاتصال، ومراقبة أحمال العمل التي تُركّب الكلام لعملائك.

تم تصميم هذا الإطلاق لرفع جودة إخراج الكلام التي يمكنك سماعها مع تنفيذك الحالي لـ Amazon Polly. لا توجد أي تغييرات مطلوبة على الكود للحصول على الأصوات المحدثة. بالنسبة للتطبيقات التي تستخدم أصلاً أصوات Amazon Polly التوليدية، تتم الترقية في مكانها. بالنسبة للتطبيقات الجديدة، نفس SynthesizeSpeech API يمنحك الوصول إلى مجموعة أكبر من فهارس الأصوات التوليدية. مع واجهة Bi-Di Streaming API StartSpeechSynthesisStream، يمكنك بث النص إلى Amazon Polly واستقبال الصوت المُركَّب في الوقت نفسه. هذا مناسب تماماً للتطبيقات في الوقت الفعلي مثل وكلاء الصوت والشخصيات المخصصة في الألعاب.

أداء سعر تنافسي

يقدم محرك Amazon Polly التوليدي أسعاراً تنافسية على أساس الدفع حسب الاستخدام. مع ترقية هذا النموذج، تحصل على جودة صوت ودقة محسّنة بنفس السعر. لا توجد زيادة في التكلفة، ولا SKU جديد، ولا تغييرات على تكاملك الحالي. يمكنك تخزين المطالبات الثابتة المُركَّبة مؤقتاً وإعادة تشغيلها دون أي تكلفة إضافية. راجع أسعار Amazon Polly للحصول على معلومات التكلفة الكاملة.

يقدم محرك Amazon Polly التوليدي الآن كلاماً أكثر طبيعية وتعبيراً إلى جانب البث منخفض الكمون للتطبيقات في الوقت الفعلي، ودعم لغة ترميز تركيب الكلام (SSML) للتحكم الدقيق، وموثوقية تشغيلية لخدمة AWS المُدارة بالكامل. هذا المزيج من الجودة والأداء وكفاءة التكلفة يدعم مجموعة واسعة من حالات الاستخدام في الإنتاج.

ما يمكنك بناؤه

مراكز الاتصال. الدقة هي الأهم في محادثات خدمة العملاء. عندما يتحقق المتصل من طلب ما، فإن الصوت الذي يقرأ رقم التتبع والعنوان ورمز التأكيد بشكل صحيح يساعد في حل المكالمة عبر الخدمة الذاتية بدلاً من تحويلها إلى موظف بشري. تجعل النطق الدقيق للكيانات والتوليد منخفض الكمون في صوت Amazon Polly التوليدي تفاعلات الرد الصوتي التفاعلي الآلي (IVR) تبدو أكثر حوارية.

وكلاء الصوت المتتالية. باستخدام Amazon Polly في إطار عمل وكلاء الصوت، يمكنك تحويل نص استجابة LLM إلى كلام واضح وطبيعي الصوت وبثه مرة أخرى إلى المستخدمين في الوقت شبه الفعلي عبر WebSockets أو قنوات الاتصال الهاتفي. هذا يجعل المحادثة الصوتية المباشرة ممكنة. الفوائد الأساسية هي التشغيل منخفض الكمون، وقابلية التوسع العالية، وكفاءة التكلفة.

الإعلام والترجمة المحلية والدبلجة. حوّل النصوص إلى صوتيات نهائية للفيديو والإعلانات والبودكاست ونظرات عامة على المنتجات والكتب الصوتية. يمكنك استخدام صوت واحد أو أكثر، دون جلسة استوديو. النبرة الأكثر طبيعية تقلل من ما بعد الإنتاج. التغطية الموسعة للمواقع، بما في ذلك الهندية والفنلندية التوليديتين لأول مرة، تعني أنه يمكنك ترجمة محتوى واحد إلى أسواق أكثر من نفس خط الأنابيب.

التعلیم الإلكتروني والتدريب. اسرد محتوى الدورات وعمليات الإعداد والمقالات المعرفية على نطاق واسع، وحدّثها فور تغير النص المصدر. لا حاجة لإعادة التسجيل. الأداء الأكثر تعبيراً يدعم التفاعل عبر المواد الطويلة.

إمكانية الوصول. قدم نسخة منطوقة واضحة وطبيعية من المقالات والمستندات والتطبيقات حتى يتمكن المزيد من الناس من استهلاك المحتوى الخاص بك من خلال الاستماع: القراءة بصوت عالٍ، أثناء التنقل، أو باستخدام قارئ شاشة.

التجارب التفاعلية والمعاملاتية. فعّل الألعاب وأكشاك الخدمة وقوائم IVR وأجهزة إنترنت الأشياء الصوتياً باستجابات تُولَّد عند الطلب. استخدم Amazon Polly عندما يحتاج الصوت إلى أن يبدو طبيعياً وأن يقرأ الأسماء والأرقام وتفاصيل المنتجات والعناوين والتأكيدات بموثوقية.

"في Sanoma Media Finland، نستخدم Amazon Polly لتحويل مقالات الأخبار في الوقت الفعلي إلى صوت، مما يمنح المستمع خيار الاستماع في الوقت الذي يناسبه. اليوم ننشر أكثر من 10,000 مقالة شهرياً باستخدام الصوت العصبي الفنلندي من Polly. بناءً على اختباراتنا، فإن الصوت التوليدي الجديد لـ Suvi يمثل تحسناً واضحاً مقارنة بالصوت العصبي السابق – فهو يبدو أكثر طبيعية بشكل ملحوظ ويوفر تجربة أكثر متعة للمستمع."

— Justus Reinikainen، مدير المنتج، Sanoma Media Finland

البدء

يمكنك الوصول إلى الأصوات الجديدة باستخدام AWS Management Console, AWS Command Line Interface (AWS CLI)أو حزم AWS SDKs.

المتطلبات الأساسية:

• حساب AWS نشط مع إمكانية الوصول إلى Amazon Polly.
• AWS Command Line Interface (AWS CLI) مثبت ومهيأ.
• Python 3.10+.
• Boto3 مثبّت: pip install boto3.
• أذونات AWS Identity and Access Management (IAM): polly:SynthesizeSpeech.

إليك مثال سريع باستخدام AWS SDK for Python (Boto3) مع واجهة SynthesizeSpeech وصوت توليدي:

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())

يمكنك أيضًا تقديم الطلب نفسه باستخدام AWS CLI:

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

لاسترداد القائمة الكاملة والحالية للأصوات برمجيًا، استدعِ DescribeVoices. يمكنك استخدام هذا في فحوصات النشر للتأكد من أن الصوت التوليدي المختار متاح في المنطقة التي يعمل فيها تطبيقك.

الإتاحة

محرك Generations من الجيل التالي والأصوات الجديدة متاحة الآن بشكل عام. الأصوات الـ 14 الجديدة التوليدية متاحة في مناطق AWS التالية: US East (N. Virginia)، وUS West (Oregon)، وEurope (Frankfurt)، وEurope (Zurich)، وEurope (London)، وAsia Pacific (Sydney)، وAsia Pacific (Seoul)، وAsia Pacific (Singapore)، وAsia Pacific (Tokyo)، وCanada (Central)، وAWS GovCloud (US-West). للبدء، حسب الجمهور:

• المطوّرون – استدعِ synthesize_speech مع Engine="generative" في تطبيقك الحالي. لا توجد تغييرات أخرى مطلوبة.
• فرق مراكز الاتصال – تصل التحسينات تلقائيًا إلى Amazon Connect وتدفقات Genesys آليًا.
• الجميع – الوصول إلى أي صوت في Amazon Polly console.

بعض الأمور التي يجب معرفتها:

• الأصوات القياسية والعصبية (neural) غير متأثرة.
• علامات الكلام (Speech marks) غير متاحة على الأصوات التوليدية (كما هي دون تغيير عن الوضع الحالي). إذا كان تطبيقك يتطلبها، فإن الأصوات القياسية والعصبية تدعمها باستمرار.
• يوفر المحرك التوليدي دعمًا مستمرًا لوسوم SSML. راجع وسوم SSML المدعومة لمزيد من التفاصيل.
• استخدم توفر الصوت الحالي وقت التشغيل. استدعِ DescribeVoices أو تحقق من وحدة التحكم عند النشر عبر المناطق.

الخلاصة

محرك الجيل التالي التوليدي من Amazon Polly متاح اليوم، حيث يقدم أصواتًا أكثر طبيعية وأكثر دقة، ويضيف 14 صوتًا جديدًا، بما في ذلك أصوات توليدية متاحة بشكل عام بالهندية والفنلندية لأول مرة، ولا يتطلب أي تغيير في الكود الخاص بك. راجع صفحة أسعار Amazon Polly للحصول على معلومات الأسعار. للبدء، افتح Amazon Polly console لتجربة الأصوات، وراجع وثائق Amazon Polly للبناء باستخدامها.

نبذة عن المؤلفين