Amazon Polly Generative 引擎现在提供更加自然、准确的语音输出。我们对 Amazon Polly Generative 引擎 进行了升级，使其语音输出更具表现力、更加准确且延迟更低。此次升级新增了覆盖 9 个区域设置的 14 个新声音，其中包括 Generative 声音首次正式支持印地语和芬兰语。该升级现已在生产环境中全面可用。
重要的是，这是对现有 generative 声音的即插即用式升级。声音名称和 API 调用保持不变，因此您现有的应用程序可继续如今天一样正常运行。
Amazon Polly 是一项完全托管的 AWS 服务，可将文本转换为听起来自然的语音，适用于联络中心、基于大语言模型（LLM）的智能体应用、媒体与娱乐、在线学习、无障碍访问以及其他需要大规模可靠语音输出的应用。
聆听差异
您可以使用示例音频直接评估这些改进。
- 更自然、更真实、更具表现力的声音。 听听 Tiffany 如何以愉悦的语调欢迎您。
- “嗨，你好！我是 Tiffany，Polly 的 generative 声音之一。我生来就是为了听起来自然、富有表现力，还有一点点令人愉悦。我们聊点什么呢？”
- 对数字、货币、地址等的准确语音生成。 Kenneth 逐字准确地读出订单确认信息，包括追踪号码、日期和时间、货币和地址。
- “感谢来电。您的订单，编号 4471 9902，今天发货至 85 Harbor View Drive, Apartment 4B, Portland, Oregon 97209。预计将于 10 月 22 日星期四上午 9 点至下午 1 点之间送达。您的总金额为 $1,284.50，您的确认码是 K-7-Q-2-X-9。”
- 全新语言。 印地语的 Arjun 和 Kiara，以及芬兰语的 Suvi。印地语和芬兰语首次在 Amazon Polly Generative 引擎上正式可用。
- 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।（你好，您正在收听今日要闻。随着季风在 全国大部分地区退去，天气变得宜人了。）
- Kiara: नमस्ते! मेरा नाम कियारा है। आइए, आज मैं आपको एक छोटी सी कहानी सुनाती हूँ。（你好！我叫 Kiara。来吧，今天我给你讲一个小故事。）
- 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.（灯塔守望者已经十一天没有看到船了。然后，午夜刚过，地平线上闪现出唯一的一道光。一次。两次。接着，难以置信的是，它闪烁回了他的名字。）
- 基于文本上下文的不同语音表达风格。 在全新的 Amazon Polly Generative 引擎驱动下，这些声音可以根据文本输入更好地体现情感和韵律，无需手动设置。
- 中性: “您的包裹提前到了。”
- 不确定: “那个，呃……您的包裹好像提前到了。我是这么想的？”
- 惊讶：“等等，什么？你的包裹提前到了？”
新增的声音、语言和区域可用性
- Amazon Polly 生成引擎的整体目录更大 —— 共计 11 种语言和 25 个区域中的 57 个生成式声音。
- 14 个新声音 覆盖 9 个区域——美式英语（Kenneth、Nate）、澳大利亚英语（Russell、Curtis）、印度英语（Kiara、Arjun）、德语（Tina）、美式西班牙语（Carlos）、巴西葡萄牙语（Leo、Carolina）、韩语（Hyunduk）、印地语（Kiara、Arjun）和芬兰语（Suvi）。
- 生成引擎正式推出全新语言—— 印地语和芬兰语。
- 区域扩展 至 AWS GovCloud (US-West)——共计 11 个 AWS 区域。
为企业构建可用于生产环境的语音工作流
升级后的 Amazon Polly 生成引擎使用标准的 Amazon Polly API 调用来构建您的语音应用程序。借助 Amazon Polly，您可以继续使用熟悉的 AWS 模式进行构建：调用相同的 Amazon Polly API、通过 AWS Identity and Access Management (IAM) 管理访问权限、在现有应用程序和联络中心流程中使用输出结果，并监控为客户合成语音的工作负载。
此次发布旨在提升您在现有 Amazon Polly 实施中可听到的语音输出质量。无需对代码进行任何更改即可获得升级后的语音。对于已使用 Amazon Polly Generative 语音的应用程序，升级会就地发生。对于新应用程序，相同的 SynthesizeSpeech API 可让您访问更大规模的生成式语音目录。借助 Bi-Di Streaming API StartSpeechSynthesisStream，您可以向 Amazon Polly 流式传输文本，并同时接收合成后的音频。这非常适合语音代理和游戏中定制角色等实时应用。
有竞争力的性价比
Amazon Polly Generative 引擎按即用即付方式提供有竞争力的定价。通过此次模型升级，您可以在相同价格下获得更高的语音质量和准确性。没有成本增加，没有新的 SKU，也不会对现有集成造成任何改变。您可以缓存和重放合成的静态提示，无需额外费用。完整成本信息请参阅 Amazon Polly 定价 。
Amazon Polly Generative 引擎现在提供更自然、更富表现力的语音，同时具备面向实时应用的低延迟流式传输、用于精细控制的语音合成标记语言 (SSML) 支持，以及完全托管的 AWS 服务的运营可靠性。这种质量、性能和成本效益的结合支持广泛的生产用例。
您可以构建什么
联络中心。 在客户服务对话中，准确性至关重要。当来电者查询订单时，能够正确读出追踪号码、地址和确认码的语音有助于通过自助服务解决来电，而不是转接给人工客服。Amazon Polly Generative 语音准确的实体发音和低延迟生成，使自动交互式语音应答 (IVR) 交互听起来更具对话感。
级联语音代理。 在语音代理框架中使用 Amazon Polly，您可以将 LLM 响应文本转换为清晰、自然的语音，并通过 WebSockets 或电话通道以近实时方式流式传输回用户。这使实时对话语音成为可能。主要优势包括低延迟播放、高可扩展性和成本效益。
媒体、本地化和配音。 将脚本转换为用于视频、广告、播客、产品概述和有声读物的成品音频。您可以使用单一语音或多种语音，无需录音棚会话。更自然的语调可减少后期制作工作。扩展的区域设置覆盖范围（包括首次推出的印地语和芬兰语生成式语音）意味着您可以通过同一管道将单个内容本地化到更多市场。
电子学习和培训。 大规模为课件、入职培训 and 知识库文章配音，并在源文本更改时立即更新。无需重新录制。更富表现力的演绎有助于在长篇内容中保持参与度。
无障碍访问。 为文章、文档和应用程序提供清晰、自然的语音版本，让更多人可以通过聆听来使用您的内容：朗读、随时随地收听，或使用屏幕阅读器。
交互式和事务性体验。 为游戏、自助服务亭、IVR 菜单和 IoT 设备添加按需生成响应的语音功能。当语音需要听起来自然并可靠地读出姓名、数字、产品详情、地址和确认信息时，可使用 Amazon Polly。
“在 Sanoma Media Finland，我们使用 Amazon Polly 将实时新闻文章转换为音频，让听众可以在更适合自己的时间收听。如今，我们每月使用 Polly 的芬兰语神经语音发布超过 10,000 篇文章。根据我们的测试，Suvi 的新生成式语音比之前的神经语音有明显的改进——它听起来明显更自然，为听众带来更愉悦的体验。”
— Justus Reinikainen，Sanoma Media Finland 产品经理
开始使用
您可以通过以下方式访问新语音： AWS Management Console, AWS Command Line Interface (AWS CLI)或 AWS SDK。
前提条件：
- 具有 Amazon Polly 访问权限的有效 AWS 账户。
- 已安装并配置 AWS Command Line Interface (AWS CLI)。
- Python 3.10+。
- 已安装 Boto3：
pip install boto3. - AWS Identity and Access Management (IAM) 权限：
polly:SynthesizeSpeech.
以下是一个使用适用于 Python 的 AWS SDK (Boto3) 的快速示例，配合 SynthesizeSpeech API 和生成式语音：
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 发出相同的请求：
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要以编程方式获取完整的当前语音列表，请调用 DescribeVoices。您可以在部署检查中使用它来确认所选的生成式语音在您的应用程序运行的区域中可用。
可用性
新一代 Generative 引擎和新语音现已正式发布。14 个新的 Generative 语音在以下 AWS 区域可用：美国东部（弗吉尼亚北部）、美国西部（俄勒冈）、欧洲（法兰克福）、欧洲（苏黎世）、欧洲（伦敦）、亚太地区（悉尼）、亚太地区（首尔）、亚太地区（新加坡）、亚太地区（东京）、加拿大（中部）和 AWS GovCloud（美国西部）。按受众快速入门：
- 开发者 – 在您现有的应用程序中调用
synthesize_speech并使用Engine="generative"。无需进行其他更改。 - 联络中心团队 – 这些改进会自动应用到 Amazon Connect 和 Genesys 流程中。
- 所有人 – 在 Amazon Polly 控制台.
中使用任意语音。几点须知：
- 标准语音和神经语音不受影响。
- 生成式语音不支持语音标记（speech marks） （与目前保持一致）。如果您的应用程序需要语音标记，标准语音和神经语音将继续提供支持。
- 生成式引擎继续支持 SSML 标签。 详情请参阅 受支持的 SSML 标签 。
- 在运行时使用当前的语音可用性。 在跨区域部署时，请调用
DescribeVoices或查看控制台。
结论
新一代 Amazon Polly 生成式引擎现已推出，提供更自然、更准确的语音，新增 14 个新语音，包括首次正式发布的印地语和芬兰语生成式语音，并且无需更改您的代码。定价信息请参阅 Amazon Polly 定价页面 。如需开始使用，请打开 Amazon Polly 控制台 试用这些语音，并参阅 Amazon Polly 文档 了解如何基于它们进行构建。