Amazon Polly lanza una importante actualización de su motor Generative

El motor Generative de Amazon Polly ahora ofrece una salida de voz más natural y precisa. Presentamos una actualización del motor Generative de Amazon Polly que ofrece una salida de voz más expresiva y precisa con baja latencia. La actualización añade 14 nuevas voces en 9 configuraciones regionales, incluida la disponibilidad general de voces Generative en hindi y finlandés por primera vez. La actualización ya está disponible con carácter general en producción.

Es importante destacar que esta es una actualización inmediata para las voces generativas existentes. Los nombres de las voces y las llamadas a la API no cambian, por lo que sus aplicaciones existentes siguen funcionando como lo hacen hoy.

Amazon Polly es un servicio de AWS totalmente administrado que convierte texto en voz con sonido natural para centros de contacto, aplicaciones agénticas basadas en modelos de lenguaje de gran tamaño (LLM), medios y entretenimiento, aprendizaje electrónico, accesibilidad y otras aplicaciones que requieren una salida de voz confiable a gran escala.

Escuche la diferencia

Puede usar audio de muestra para evaluar las mejoras directamente.

• Las voces más naturales, auténticas y expresivas. Escuche cómo Tiffany le da la bienvenida con un tono encantador.
  • “¡Hola! Soy Tiffany, una de las voces generativas de Polly. Fui creada para sonar natural, expresiva y un poco encantadora. ¿De qué deberíamos hablar?”
• Generación de voz precisa para números, monedas, direcciones, etc. Kenneth lee una confirmación de pedido, incluyendo el número de seguimiento, la fecha y hora, la moneda y la dirección con precisión.
  • “Gracias por llamar. Su pedido, número 4471 9902, se envía hoy a 85 Harbor View Drive, Apartment 4B, Portland, Oregon 97209. Debería llegar el jueves 22 de octubre, entre las 9 AM y la 1 PM. Su total fue de $1,284.50 y su código de confirmación es K-7-Q-2-X-9.”
• Idiomas completamente nuevos. Arjun y Kiara para hindi, y Suvi para finlandés. El hindi y el finlandés están disponibles con carácter general por primera vez en el motor Generative de Amazon Polly.
  • 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। (Hola, está escuchando las noticias principales de hoy. A medida que el monzón se retira de gran parte del país, el clima se ha vuelto agradable.)
  • Kiara: नमस्ते! मेरा नाम कियारा है। आइए, आज मैं आपको एक छोटी सी कहानी सुनाती हूँ।(¡Hola! Mi nombre es Kiara. Ven, déjame contarte una pequeña historia hoy.)
  • 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. (El farero no había visto un barco en once días. Entonces, un poco después de la medianoche, una única luz parpadeó en el horizonte. Una vez. Dos veces. Y luego, increíblemente, parpadeó de vuelta con su nombre.)
• Diferentes estilos de expresión según el contexto textual. Impulsadas por el nuevo motor Generative de Amazon Polly, las voces pueden reflejar la emoción y la prosodia aún mejor según el texto de entrada, sin necesidad de configuración manual.
  • Neutral: “Su paquete llegó temprano.”
  • Incertidumbre: “Entonces, em… su paquete llegó temprano. ¿Creo?”
  • Sorprendido: “Espere, ¿qué? ¿Su paquete llegó antes de tiempo?”

Nuevas voces, idiomas y disponibilidad por Region

• Un catálogo general más amplio para el motor generativo de Amazon Polly – Con un total de 57 voces generativas en 11 idiomas y 25 configuraciones regionales (locales).
• 14 voces nuevas en 9 locales: inglés de EE. UU. (Kenneth, Nate), inglés australiano (Russell, Curtis), inglés de la India (Kiara, Arjun), alemán (Tina), español de EE. UU. (Carlos), portugués de Brasil (Leo, Carolina), coreano (Hyunduk), hindi (Kiara, Arjun) y finlandés (Suvi).
• Idiomas nuevos netos con disponibilidad general en el motor generativo: hindi y finlandés.
• Expansión de Region a AWS GovCloud (US-West) – Con un total de 11 AWS Regions.

Diseñado para flujos de trabajo de voz listos para producción en empresas

El motor generativo mejorado de Amazon Polly utiliza una llamada estándar a la API de Amazon Polly para crear sus aplicaciones de voz. Con Amazon Polly, puede seguir creando con patrones conocidos de AWS: llamar a la misma API de Amazon Polly, gestionar el acceso con AWS Identity and Access Management (IAM), usar la salida en sus aplicaciones y flujos de centros de contacto existentes, y monitorear las cargas de trabajo que sintetizan voz para sus clientes.

Este lanzamiento está diseñado para elevar la calidad de la salida de voz que puede escuchar con su implementación existente de Amazon Polly. No se requieren cambios en su código para obtener las voces mejoradas. Para las aplicaciones que ya utilizan las voces generativas de Amazon Polly, la actualización se realiza en su lugar. Para las aplicaciones nuevas, las mismas SynthesizeSpeech La API te da acceso a un conjunto más amplio de catálogos de voz generativa. Con la API de Streaming Bi-Di StartSpeechSynthesisStream, puede transmitir texto a Amazon Polly y recibir audio sintetizado simultáneamente. Esto es ideal para aplicaciones en tiempo real como agentes de voz y personajes personalizados en videojuegos.

Relación precio-rendimiento competitiva

El motor generativo de Amazon Polly ofrece precios competitivos bajo un modelo de pago por uso. Con esta actualización del modelo, obtiene una mejor calidad y precisión de voz al mismo precio. No hay aumento de costos, ni un nuevo SKU, ni cambios en su integración existente. Puede almacenar en caché y reproducir indicaciones estáticas sintetizadas sin costo adicional. Consulte Precios de Amazon Polly para obtener información completa sobre los costos.

El motor generativo de Amazon Polly ahora ofrece voz más natural y expresiva junto con transmisión de baja latencia para aplicaciones en tiempo real, compatibilidad con Speech Synthesis Markup Language (SSML) para un control detallado y la fiabilidad operativa de un servicio de AWS totalmente administrado. Esta combinación de calidad, rendimiento y eficiencia de costos respalda una amplia gama de casos de uso en producción.

Lo que puedes construir

Centros de contacto. La precisión es lo más importante en las conversaciones de servicio al cliente. Cuando una persona llama para consultar un pedido, una voz que lee correctamente el número de seguimiento, la dirección y el código de confirmación ayuda a resolver la llamada mediante autoservicio en lugar de escalarla a un agente humano. La pronunciación precisa de entidades y la generación de baja latencia de la voz generativa de Amazon Polly hacen que las interacciones automatizadas de respuesta de voz interactiva (IVR) suenen más conversacionales.

Agentes de voz en cascada. Al usar Amazon Polly en un marco de agente de voz, puede convertir el texto de respuesta de un LLM en voz clara y natural, y transmitirla a los usuarios casi en tiempo real a través de WebSockets o canales de telefonía. Esto hace posible la conversación de voz en vivo. Los beneficios principales son la reproducción de baja latencia, la alta escalabilidad y la eficiencia de costos.

Medios, localización y doblaje. Convierta guiones en audio terminado para video, publicidad, podcasts, descripciones de productos y audiolibros. Puede usar una sola voz o muchas, sin sesión de estudio. Una entonación más natural reduce la posproducción. La ampliación de la cobertura de configuraciones regionales, incluidos el hindi y el finlandés generativos por primera vez, le permite localizar un mismo contenido en más mercados desde el mismo flujo de trabajo.

E-learning y formación. Narre material de cursos, programas de incorporación y artículos de conocimiento a gran escala, y actualícelos tan pronto como cambie el texto de origen. No es necesario volver a grabar. Una entrega más expresiva favorece la participación en contenidos de formato largo.

Accesibilidad. Proporcione una versión hablada clara y natural de artículos, documentos y aplicaciones para que más personas puedan consumir su contenido escuchándolo: leído en voz alta, sobre la marcha o con un lector de pantalla.

Experiencias interactivas y transaccionales. Habilite por voz juegos, quioscos, menús IVR y dispositivos IoT con respuestas generadas a demanda. Use Amazon Polly cuando la voz necesite sonar natural y leer nombres, números, detalles de productos, direcciones y confirmaciones de manera confiable.

«En Sanoma Media Finland usamos Amazon Polly para convertir nuestros artículos de noticias en tiempo real en audio, lo que le da al oyente la opción de escuchar cuando le resulte más conveniente. Hoy publicamos más de 10,000 artículos al mes usando la voz neuronal finlandesa de Polly. Según nuestras pruebas, la nueva voz generativa de Suvi es una mejora clara respecto a la voz neuronal anterior: suena notablemente más natural y ofrece una experiencia más placentera para el oyente».

— Justus Reinikainen, Product Manager, Sanoma Media Finland

Primeros pasos

Puedes acceder a las nuevas voces usando el Consola de administración de AWS, Interfaz de línea de comandos de AWS (AWS CLI), o los AWS SDK.

Requisitos previos:

• Cuenta de AWS activa con acceso a Amazon Polly.
• AWS Command Line Interface (AWS CLI) instalado y configurado.
• Python 3.10+.
• Boto3 instalado: pip install boto3.
• Permisos de AWS Identity and Access Management (IAM): polly:SynthesizeSpeech.

Aquí hay un ejemplo rápido usando el AWS SDK for Python (Boto3) con la SynthesizeSpeech API y una voz generativa:

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())

También puede realizar la misma solicitud con la 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

Para obtener la lista completa y actualizada de voces de manera programática, llame a DescribeVoices. Puede usar esto en comprobaciones de despliegue para confirmar que una voz generativa seleccionada está disponible en la Región donde se ejecuta su aplicación.

Disponibilidad

El motor Generativo de nueva generación y las nuevas voces ya están disponibles de forma general. Las 14 nuevas voces Generativas están disponibles en las siguientes Regiones de AWS: 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) y AWS GovCloud (US-West). Para comenzar, según el perfil:

• Desarrolladores – Llamen a synthesize_speech con Engine="generative" en su aplicación existente. No se requieren otros cambios.
• Equipos de centros de contacto – Las mejoras llegan automáticamente a los flujos de Amazon Connect y Genesys .
• Todos – Acceda a cualquier voz en la consola de Amazon Polly.

Algunas cosas que debe saber:

• Las voces estándar y neuronales no se ven afectadas.
• Las marcas de voz (speech marks) no están disponibles en las voces generativas (sin cambios respecto a hoy). Si su aplicación las requiere, las voces estándar y neuronales siguen admitiéndolas.
• El motor generativo sigue admitiendo las etiquetas SSML. Consulte las etiquetas SSML admitidas para obtener más detalles.
• Use la disponibilidad actual de las voces en tiempo de ejecución. Llame a DescribeVoices o consulte la consola al implementar en varias Regiones.

Conclusión

El motor Generativo de próxima generación de Amazon Polly está disponible hoy, ofrece voces más naturales y más precisas, añade 14 voces nuevas, incluidas voces generativas disponibles con carácter general en hindi y finlandés por primera vez, y no requiere ningún cambio en su código. Consulte la página de precios de Amazon Polly para obtener información sobre precios. Para empezar, abra la consola de Amazon Polly para probar las voces, y consulte la documentación de Amazon Polly para desarrollar con ellas.

Sobre los autores