Amazon Polly liefert ein großes Upgrade für seine Generative-Engine

Die Amazon Polly Generative Engine bietet jetzt natürlichere und präzisere Sprachausgabe. Wir führen ein Upgrade der Amazon Polly Generative Engine ein, das ausdrucksstärkere und präzisere Sprachausgabe mit geringer Latenz liefert. Das Upgrade fügt 14 neue Stimmen in 9 Sprachräumen hinzu, einschließlich der erstmaligen allgemeinen Verfügbarkeit von Generative-Stimmen in Hindi und Finnisch. Das Upgrade ist jetzt allgemein in der Produktion verfügbar.

Wichtig ist, dass dies ein Drop-in-Upgrade für bestehende generative Stimmen ist. Stimmenamen und API-Aufrufe bleiben unverändert, sodass Ihre bestehenden Anwendungen weiterhin wie bisher funktionieren.

Amazon Polly ist ein vollständig verwalteter AWS-Service, der Text in natürlich klingende Sprache umwandelt – für Kontaktcenter, agentische Anwendungen auf Basis großer Sprachmodelle (LLMs), Medien und Unterhaltung, E-Learning, Barrierefreiheit und andere Anwendungen, die zuverlässige Sprachausgabe im großen Maßstab erfordern.

Hören Sie den Unterschied

Sie können die Beispiel-Audiodateien nutzen, um die Verbesserungen direkt zu bewerten.

• Die natürlicheren, authentischeren und ausdrucksstärkeren Stimmen. Hören Sie, wie Tiffany Sie in einem freundlichen Ton begrüßt.
  • „Hallo! Ich bin Tiffany, eine der generativen Stimmen von Polly. Ich wurde so entwickelt, dass ich natürlich, ausdrucksstark und ein bisschen bezaubernd klinge. Worüber möchten wir sprechen?”
• Präzise Sprachgenerierung für Zahlen, Währungen, Adressen und mehr. Kenneth liest eine Bestellbestätigung vor, einschließlich Sendungsnummer, Datum und Uhrzeit, Währung und Adresse – alles präzise.
  • „Danke für Ihren Anruf. Ihre Bestellung mit der Nummer 4471 9902 wird heute versandt an 85 Harbor View Drive, Apartment 4B, Portland, Oregon 97209. Sie sollte am Donnerstag, den 22. Oktober, zwischen 9 Uhr vormittags und 1 Uhr nachmittags ankommen. Ihr Gesamtbetrag betrug $1,284.50 und Ihr Bestätigungscode lautet K-7-Q-2-X-9.”
• Neue Sprachen. Arjun und Kiara für Hindi sowie Suvi für Finnisch. Hindi und Finnisch sind auf der Amazon Polly Generative Engine erstmals allgemein verfügbar.
  • 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। (Hallo, Sie hören die wichtigsten Nachrichten von heute. Während der Monsun sich aus weiten Teilen des Landes zurückzieht, ist das Wetter angenehm geworden.)
  • Kiara: नमस्ते! मेरा नाम कियारा है। आइए, आज मैं आपको एक छोटी सी कहानी सुनाती हूँ।(Hallo! Mein Name ist Kiara. Kommen Sie, ich erzähle Ihnen heute eine kleine Geschichte.)
  • 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. (Der Leuchtturmwärter hatte seit elf Tagen kein Schiff gesehen. Dann, kurz nach Mitternacht, blinkte ein einziges Licht am Horizont. Einmal. Zweimal. Und dann, unglaublich aber wahr, blinkte es seinen Namen zurück.)
• Verschiedene Sprechstile je nach textlichem Kontext. Angetrieben von der neuen Amazon Polly Generative Engine können die Stimmen Emotion und Prosodie noch besser anhand der Texteingabe widerspiegeln – ohne manuelle Einrichtung.
  • Neutral: “Your package arrived early.”
  • Unsicherheit: “So, um… your package arrived early. I think?”
  • Überrascht: „Moment, was? Dein Paket ist schon angekommen?“

Neue Stimmen, Sprachen und Region-Verfügbarkeit

• Ein größerer Gesamtkatalog für die Amazon Polly Generative engine – Insgesamt 57 generative Stimmen in 11 Sprachen und 25 Locales.
• 14 neue Stimmen in 9 Locales – US-Englisch (Kenneth, Nate), australisches Englisch (Russell, Curtis), indisches Englisch (Kiara, Arjun), Deutsch (Tina), US-Spanisch (Carlos), brasilianisches Portugiesisch (Leo, Carolina), Koreanisch (Hyunduk), Hindi (Kiara, Arjun) und Finnisch (Suvi).
• Netzneue Sprachen allgemein verfügbar in der Generative engine – Hindi und Finnisch.
• Region-Erweiterung auf AWS GovCloud (US-West) – Insgesamt 11 AWS-Regionen.

Entwickelt für produktionsreife Sprach-Workflows für Unternehmen

Die verbesserte Amazon Polly Generative engine verwendet einen Standard-Aufruf der Amazon Polly API, um Ihre Sprachanwendungen zu erstellen. Mit Amazon Polly können Sie weiterhin mit vertrauten AWS-Mustern entwickeln: dieselbe Amazon Polly API aufrufen, den Zugriff mit AWS Identity and Access Management (IAM) verwalten, die Ausgabe in Ihren bestehenden Anwendungen und Contact-Center-Abläufen verwenden und die Workloads überwachen, die Sprache für Ihre Kunden synthetisieren.

Dieses Launch soll die Sprachausgabequalität verbessern, die Sie mit Ihrer bestehenden Amazon-Polly-Implementierung hören. Es sind keine Änderungen an Ihrem Code erforderlich, um die verbesserten Stimmen zu erhalten. Für Anwendungen, die bereits Amazon Polly Generative Stimmen verwenden, erfolgt das Upgrade direkt an Ort und Stelle. Für neue Anwendungen bietet dieselbe SynthesizeSpeech API Zugriff auf einen größeren Katalog generativer Stimmen. Mit der Bi-Di-Streaming-API StartSpeechSynthesisStreamkönnen Sie Text an Amazon Polly streamen und gleichzeitig synthetisiertes Audio zurückerhalten. Dies eignet sich hervorragend für Echtzeitanwendungen wie Voice-Agents und individuelle Charaktere in Spielen.

Wettbewerbsfähiges Preis-Leistungs-Verhältnis

Die Amazon Polly Generative Engine bietet wettbewerbsfähige Preise auf Pay-as-you-go-Basis. Mit diesem Modell-Upgrade erhalten Sie verbesserte Sprachqualität und -genauigkeit zum selben Preis. Es gibt keine Kostensteigerung, keine neue SKU und keine Änderungen an Ihrer bestehenden Integration. Sie können synthetisierte statische Prompts zwischenspeichern und wiedergeben, ohne zusätzliche Kosten. Informationen zu vollständigen Kostendetails finden Sie unter Amazon Polly Preise .

Die Amazon Polly Generative Engine liefert nun neben Streaming mit geringer Latenz für Echtzeitanwendungen natürlichere und ausdrucksstärkere Sprache, Unterstützung für Speech Synthesis Markup Language (SSML) für feingranulare Kontrolle sowie die operative Zuverlässigkeit eines vollständig verwalteten AWS-Dienstes. Diese Kombination aus Qualität, Leistung und Kosteneffizienz unterstützt ein breites Spektrum an Produktionsanwendungsfällen.

Was Sie entwickeln können

Kontaktcenter. In Kundenservicegesprächen ist Genauigkeit das Wichtigste. Wenn ein Anrufer eine Bestellung prüft, hilft eine Stimme, die die Sendungsverfolgungsnummer, die Adresse und den Bestätigungscode korrekt vorliest, dabei, das Anliegen im Self-Service zu lösen, statt an einen menschlichen Agenten zu eskalieren. Die präzise Aussprache von Entitäten und die Generierung mit geringer Latenz der Amazon Polly Generative Stimme lassen automatisierte Interactive-Voice-Response-Interaktionen (IVR) gesprächiger klingen.

Kaskadierte Voice-Agents. Mit Amazon Polly in einem Voice-Agent-Framework können Sie LLM-Antworttexte in klare, natürlich klingende Sprache umwandeln und sie nahezu in Echtzeit über WebSockets oder Telefoniekanäle an die Benutzer streamen. Dies macht Live-Sprachgespräche möglich. Die wichtigsten Vorteile sind die Wiedergabe mit geringer Latenz, hohe Skalierbarkeit und Kosteneffizienz.

Medien, Lokalisierung und Synchronisation. Konvertieren Sie Skripte in fertiges Audio für Videos, Werbung, Podcasts, Produktübersichten und Hörbücher. Sie können eine oder viele Stimmen verwenden, ganz ohne Studiosession. Natürlichere Intonation reduziert den Postproduktionsaufwand. Die erweiterte Gebietsschema-Abdeckung, einschließlich erstmals generativem Hindi und Finnisch, bedeutet, dass Sie einen einzelnen Inhalt über dieselbe Pipeline in mehr Märkte lokalisieren können.

E-Learning und Schulung. Sprechen Sie Kursmaterialien, Onboarding und wissensbasierte Artikel in großem Umfang ein und aktualisieren Sie sie, sobald sich der Quelltext ändert. Eine Neuaufnahme ist nicht erforderlich. Ausdrucksstärkere Darbietung fördert die Bindung bei langen Inhalten.

Barrierefreiheit. Bieten Sie eine klare, natürliche gesprochene Version von Artikeln, Dokumenten und Anwendungen, damit mehr Menschen Ihre Inhalte durch Zuhören konsumieren können: beim Vorlesen, unterwegs oder mit einem Bildschirmleser.

Interaktive und transaktionale Erlebnisse. Machen Sie Spiele, Kioske, IVR-Menüs und IoT-Geräte sprachgesteuert mit Antworten, die bei Bedarf generiert werden. Verwenden Sie Amazon Polly, wenn die Stimme natürlich klingen und Namen, Zahlen, Produktdetails, Adressen und Bestätigungen zuverlässig vorlesen soll.

„Bei Sanoma Media Finland verwenden wir Amazon Polly, um unsere Echtzeit-Nachrichtenartikel in Audio umzuwandeln, wodurch der Hörer die Wahl hat, wann immer es ihm besser passt zuzuhören. Heute veröffentlichen wir über 10,000 Artikel pro Monat mit Pollys finnischer neuronaler Stimme. Basierend auf unseren Tests ist Suvis neue generative Stimme eine klare Verbesserung gegenüber der vorherigen neuronalen Stimme – sie klingt deutlich natürlicher und sorgt für ein angenehmeres Erlebnis für den Hörer.“

— Justus Reinikainen, Product Manager, Sanoma Media Finland

Erste Schritte

Sie können auf die neuen Stimmen zugreifen über die AWS Management Console, AWS Command Line Interface (AWS CLI)oder die AWS SDKs.

Voraussetzungen:

• Aktives AWS-Konto mit Amazon-Polly-Zugriff.
• AWS Command Line Interface (AWS CLI) installiert und konfiguriert.
• Python 3.10+.
• Boto3 installiert: pip install boto3.
• AWS Identity and Access Management (IAM)-Berechtigungen: polly:SynthesizeSpeech.

Hier ist ein kurzes Beispiel unter Verwendung des AWS SDK for Python (Boto3) mit der SynthesizeSpeech API und einer generativen Stimme:

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())

Dieselbe Anfrage können Sie auch mit der AWS CLI stellen:

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

Um die vollständige, aktuelle Liste der Stimmen programmatisch abzurufen, rufen Sie DescribeVoicesauf. Sie können dies in Bereitstellungsprüfungen verwenden, um zu bestätigen, dass eine ausgewählte generative Stimme in der Region verfügbar ist, in der Ihre Anwendung ausgeführt wird.

Verfügbarkeit

Die Generative-Engine der nächsten Generation und die neuen Stimmen sind jetzt allgemein verfügbar. Die 14 neuen Generative-Stimmen sind in den folgenden AWS-Regionen verfügbar: 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) und AWS GovCloud (US-West). Erste Schritte nach Zielgruppe:

• Entwickler – Rufen Sie synthesize_speech mit Engine="generative" in Ihrer bestehenden Anwendung auf. Es sind keine weiteren Änderungen erforderlich.
• Contact-Center-Teams – Die Verbesserungen erreichen Amazon Connect und Genesys -Flows automatisch.
• Jeder – Greifen Sie auf jede Stimme in der Amazon-Polly-Konsole zu.

Ein paar Dinge, die Sie wissen sollten:

• Standard- und neuronale Stimmen sind nicht betroffen.
• Speech Marks sind bei generativen Stimmen nicht verfügbar (unverändert gegenüber heute). Wenn Ihre Anwendung diese benötigt, unterstützen Standard- und neuronale Stimmen sie weiterhin.
• Die generative Engine unterstützt weiterhin SSML-Tags. Siehe unterstützte SSML-Tags für weitere Details.
• Verwenden Sie die aktuelle Verfügbarkeit der Stimmen zur Laufzeit. Rufen Sie DescribeVoices auf oder prüfen Sie die Konsole, wenn Sie über mehrere Regionen hinweg deployen.

Fazit

Die next-generation Generative Engine von Amazon Polly ist ab heute verfügbar, liefert natürlichere und genauere Stimmen, fügt 14 neue Stimmen hinzu, darunter generative Stimmen, die erstmals allgemein auf Hindi und Finnisch verfügbar sind, und erfordert keine Änderung an Ihrem Code. Siehe die Amazon-Polly-Preisseite für Preisinformationen. Um loszulegen, öffnen Sie die Amazon-Polly-Konsole und probieren Sie die Stimmen aus, und sehen Sie sich die Amazon-Polly-Dokumentation an, um damit zu entwickeln.

Über die Autoren