Amazon Polly apporte une mise à niveau majeure à son moteur Generative

Le moteur Generative d'Amazon Polly offre désormais une sortie vocale plus naturelle et plus précise. Nous introduisons une mise à niveau du moteur Generative d'Amazon Polly qui délivre une sortie vocale plus expressive et plus précise avec une faible latence. La mise à niveau ajoute 14 nouvelles voix dans 9 locales, incluant la disponibilité générale des voix Generative en hindi et en finnois pour la première fois. La mise à niveau est désormais généralement disponible en production.

Fait important, il s'agit d'une mise à niveau sans modification pour les voix generative existantes. Les noms des voix et les appels API restent inchangés, de sorte que vos applications existantes continuent de fonctionner comme aujourd'hui.

Amazon Polly est un service AWS entièrement géré qui convertit le texte en parole au son naturel pour les centres de contact, les applications agentiques basées sur des grands modèles de langage (LLM), les médias et le divertissement, l'e-learning, l'accessibilité et d'autres applications qui nécessitent une sortie vocale fiable à grande échelle.

Écoutez la différence

Vous pouvez utiliser des exemples audio pour évaluer directement les améliorations.

• Des voix plus naturelles, authentiques et expressives. Écoutez comment Tiffany vous souhaite la bienvenue sur un ton charmant.
  • « Hi there! I'm Tiffany, one of Polly's generative voices. I was built to sound natural, expressive, and a little bit delightful. What should we talk about? »
• Génération précise de la parole pour les nombres, les devises, les adresses, etc. Kenneth lit un accusé de réception de commande, incluant le numéro de suivi, la date et l'heure, la devise et l'adresse, avec précision.
  • « Thanks for calling. Your order, number 4471 9902 ships today to 85 Harbor View Drive, Apartment 4B, Portland, Oregon 97209. It should arrive on Thursday, October 22nd, between 9 AM and 1 PM. Your total was $1,284.50 and your confirmation code is K-7-Q-2-X-9. »
• De nouvelles langues. Arjun et Kiara pour le hindi, et Suvi pour le finnois. Le hindi et le finnois sont généralement disponibles pour la première fois sur le moteur Generative d'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। (Hello, you're listening to today's top stories. As the monsoon retreats across much of the country, the weather has turned pleasant.)
  • Kiara: Bonjour ! Je m'appelle Kiara. Venez, aujourd'hui je vais vous raconter une petite histoire. (Bonjour ! Je m'appelle Kiara. Venez, aujourd'hui je vais vous raconter une petite histoire.)
  • 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. (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.)
• Différents styles de débit vocal en fonction du contexte textuel. Propulsées par le nouveau moteur Generative d'Amazon Polly, les voix peuvent refléter encore mieux l'émotion et la prosodie en fonction du texte d'entrée, sans configuration manuelle.
  • Neutre: « Your package arrived early. »
  • Incertitude: « So, um… your package arrived early. I think? »
  • Surpris« Attendez, quoi ? Votre colis est arrivé en avance ? »

Nouvelles voix, langues et disponibilité par Région

• Un catalogue global plus vaste pour le moteur génératif Amazon Polly – Soit un total de 57 voix génératives dans 11 langues et 25 locales.
• 14 nouvelles voix dans 9 locales – anglais américain (Kenneth, Nate), anglais australien (Russell, Curtis), anglais indien (Kiara, Arjun), allemand (Tina), espagnol américain (Carlos), portugais brésilien (Leo, Carolina), coréen (Hyunduk), hindi (Kiara, Arjun) et finnois (Suvi).
• Nouvelles langues nettes généralement disponibles dans le moteur génératif – hindi et finnois.
• Extension de Région vers AWS GovCloud (US-West) – Soit un total de 11 Régions AWS.

Conçu pour des flux de travail de synthèse vocale prêts pour la production en entreprise

Le moteur génératif Amazon Polly amélioré utilise un appel d'API Amazon Polly standard pour créer vos applications de synthèse vocale. Avec Amazon Polly, vous pouvez continuer à développer selon des modèles AWS familiers : appelez la même API Amazon Polly, gérez les accès avec AWS Identity and Access Management (IAM), utilisez la sortie dans vos applications existantes et vos flux de centres de contacts, et surveillez les charges de travail qui synthétisent la parole pour vos clients.

Ce lancement est conçu pour élever la qualité de sortie vocale que vous pouvez entendre avec votre implémentation Amazon Polly existante. Aucune modification de votre code n'est requise pour obtenir les voix mises à niveau. Pour les applications qui utilisent déjà les voix Amazon Polly Generative, la mise à niveau se fait en place. Pour les nouvelles applications, la même SynthesizeSpeech API vous donne accès à un catalogue plus vaste de voix génératives. Avec l'API Bi-Di Streaming StartSpeechSynthesisStream, vous pouvez envoyer du texte en streaming vers Amazon Polly et recevoir simultanément l'audio synthétisé en retour. Cela convient parfaitement aux applications en temps réel comme les agents vocaux et les personnages sur mesure dans les jeux.

Rapport prix-performance compétitif

Le moteur Amazon Polly Generative propose des tarifs compétitifs sur une base pay-as-you-go. Avec cette mise à niveau du modèle, vous bénéficiez d'une meilleure qualité et précision vocale au même prix. Il n'y a aucune augmentation de coût, aucun nouveau SKU et aucun changement dans votre intégration existante. Vous pouvez mettre en cache et relire des invites statiques synthétisées sans coût supplémentaire. Reportez-vous à la page Tarification d'Amazon Polly pour obtenir des informations complètes sur les coûts.

Le moteur Amazon Polly Generative offre désormais une voix plus naturelle et expressive, ainsi qu'un streaming à faible latence pour les applications en temps réel, la prise en charge du Speech Synthesis Markup Language (SSML) pour un contrôle fin, et la fiabilité opérationnelle d'un service AWS entièrement géré. Cette combinaison de qualité, de performance et d'efficacité des coûts prend en charge une large gamme de cas d'usage en production.

Ce que vous pouvez créer

Centres de contacts. La précision compte le plus dans les conversations du service client. Lorsqu'un appelant vérifie une commande, une voix qui lit correctement le numéro de suivi, l'adresse et le code de confirmation aide à résoudre l'appel en libre-service plutôt qu'à le faire remonter à un agent humain. La prononciation précise des entités et la génération à faible latence de la voix Amazon Polly Generative rendent les interactions vocales interactives automatisées (IVR) plus conversationnelles.

Agents vocaux en cascade. En utilisant Amazon Polly dans un framework d'agent vocal, vous pouvez convertir le texte de réponse d'un LLM en une parole claire et naturelle et la diffuser en streaming aux utilisateurs en quasi temps réel via WebSockets ou canaux de téléphonie. Cela rend possible la conversation vocale en direct. Les principaux avantages sont une lecture à faible latence, une grande évolutivité et une efficacité des coûts.

Médias, localisation et doublage. Convertissez des scripts en audio fini pour la vidéo, la publicité, les podcasts, les présentations de produits et les livres audio. Vous pouvez utiliser une seule voix ou plusieurs, sans séance en studio. Une intonation plus naturelle réduit la post-production. La couverture élargie des locales, incluant pour la première fois l'hindi et le finnois génératifs, signifie que vous pouvez localiser un même contenu vers davantage de marchés depuis le même pipeline.

E-learning et formation. Narratez des supports de cours, des modules d'intégration et des articles de base de connaissances à grande échelle, et mettez-les à jour dès que le texte source change. Aucun réenregistrement n'est nécessaire. Une diction plus expressive favorise l'engagement sur des contenus de longue durée.

Accessibilité. Fournissez une version parlée claire et naturelle d'articles, de documents et d'applications afin que davantage de personnes puissent consommer votre contenu en l'écoutant : à voix haute, en déplacement ou avec un lecteur d'écran.

Expériences interactives et transactionnelles. Rendez vocaux les jeux, les bornes interactives, les menus IVR et les appareils IoT avec des réponses générées à la demande. Utilisez Amazon Polly lorsque la voix doit sonner naturellement et lire des noms, des chiffres, des détails de produits, des adresses et des confirmations de manière fiable.

« Chez Sanoma Media Finland, nous utilisons Amazon Polly pour transformer nos articles d'actualité en temps réel en audio, donnant à l'auditeur la possibilité d'écouter quand cela lui convient le mieux. Aujourd'hui, nous publions plus de 10,000 articles par mois en utilisant la voix neurale finnoise de Polly. D'après nos tests, la nouvelle voix générative de Suvi constitue une nette amélioration par rapport à la précédente voix neurale – elle sonne nettement plus naturelle et offre une expérience plus agréable pour l'auditeur. »

— Justus Reinikainen, Product Manager, Sanoma Media Finland

Premiers pas

Vous pouvez accéder aux nouvelles voix via la AWS Management Console, AWS Command Line Interface (AWS CLI), ou les AWS SDKs.

Prérequis :

• Un compte AWS actif avec accès à Amazon Polly.
• AWS Command Line Interface (AWS CLI) installée et configurée.
• Python 3.10+.
• Boto3 installé : pip install boto3.
• Autorisations AWS Identity and Access Management (IAM) : polly:SynthesizeSpeech.

Voici un exemple rapide utilisant le AWS SDK for Python (Boto3) avec l’API SynthesizeSpeech et une voix générative :

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())

Vous pouvez également effectuer la même requête avec l’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

Pour récupérer par programmation la liste complète et actuelle des voix, appelez DescribeVoices. Vous pouvez l’utiliser dans vos vérifications de déploiement pour confirmer qu’une voix générative sélectionnée est disponible dans la Région où votre application s’exécute.

Disponibilité

Le moteur Generative de nouvelle génération et les nouvelles voix sont désormais généralement disponibles. Les 14 nouvelles voix Generative sont disponibles dans les Régions AWS suivantes : 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) et AWS GovCloud (US-West). Pour démarrer, par audience :

• Développeurs – Appelez synthesize_speech avec Engine="generative" dans votre application existante. Aucune autre modification n’est requise.
• Équipes de centres de contact – Les améliorations atteignent automatiquement les flux Amazon Connect et Genesys .
• Tout le monde – Accédez à n'importe quelle voix dans la console Amazon Polly.

Quelques points à connaître :

• Les voix standard et neuronales ne sont pas affectées.
• Les speech marks ne sont pas disponibles sur les voix génératives (inchangé par rapport à aujourd'hui). Si votre application en a besoin, les voix standard et neuronales continuent de les prendre en charge.
• Le moteur génératif continue de prendre en charge les balises SSML. Consultez les balises SSML prises en charge pour plus de détails.
• Utilisez la disponibilité actuelle des voix à l'exécution. Appelez DescribeVoices ou consultez la console lors du déploiement dans plusieurs Régions.

Conclusion

Le moteur génératif de nouvelle génération d'Amazon Polly est disponible dès aujourd'hui, offrant des voix plus naturelles et plus précises, ajoutant 14 nouvelles voix, dont des voix génératives généralement disponibles en hindi et en finnois pour la première fois, et ne nécessite aucun changement dans votre code. Consultez la page de tarification d'Amazon Polly pour obtenir des informations sur les prix. Pour commencer, ouvrez la console Amazon Polly pour essayer les voix, et consultez la documentation Amazon Polly pour les utiliser dans vos développements.

À propos des auteurs