AWS hat die generative Sprachsynthese von Amazon Polly, seinem Text-to-Speech-Dienst, verbessert. Laut Unternehmen erzeugt die neue Engine natürlichere, ausdrucksstärkere und präzisere Sprache bei geringer Latenz. Sie ist allgemein für den Produktiveinsatz verfügbar. Bestehende Anwendungen mit generativen Stimmen erhalten das Upgrade ohne Änderungen am Code oder an den API-Aufrufen.
Das Update bringt 14 Stimmen in neun Sprachvarianten hinzu. Hindi und Finnisch sind erstmals mit der generativen Engine von Polly verfügbar. Laut AWS umfasst der Katalog nun 57 generative Stimmen in 11 Sprachen und 25 Sprachvarianten. Der Dienst ist in 11 AWS-Regionen verfügbar.
Was sich für Entwickler ändert
Anwendungen können weiterhin dieselbe Amazon-Polly-API verwenden. Das Upgrade kostet laut AWS genauso viel wie bisher; eine neue Produkt-SKU gibt es nicht. Entwickler können außerdem die Streaming-API des Dienstes nutzen, um gleichzeitig Text zu senden und Audio zu empfangen. Das ist für Sprachdienste in Echtzeit gedacht.
Laut AWS können die Stimmen Emotionen und Sprechweisen anhand des Textes besser wiedergeben, ohne dass eine manuelle Konfiguration nötig ist. Das Unternehmen stellt Hörbeispiele bereit, darunter eine Stimme, die eine Bestellbestätigung mit Sendungsverfolgungsnummer, Adresse, Datum und Preis vorliest. Die Beispiele sollen die geplanten Verbesserungen veranschaulichen; unabhängige Benchmark-Ergebnisse veröffentlicht AWS in dem Beitrag jedoch nicht.
Die 14 neuen Stimmen sind in den Regionen US East (N. Virginia), US West (Oregon), Europe (Frankfurt, Zurich und London), Asia Pacific (Sydney, Seoul, Singapore und Tokyo), Canada (Central) und AWS GovCloud (US-West) verfügbar. Da die Verfügbarkeit je nach Region variieren kann, empfiehlt AWS, bei der Bereitstellung die aktuelle Liste zu prüfen.
Einschränkungen und Kundenfeedback
Standard- und Neural-Stimmen sind von der Änderung nicht betroffen. Generative Stimmen unterstützen weiterhin keine Sprachmarkierungen (speech marks), mit denen sich erzeugte Sprache dem Text zuordnen lässt. Standard- und Neural-Stimmen unterstützen diese Funktion weiterhin. Generative Stimmen unterstützen SSML, eine Auszeichnungssprache, mit der sich die Sprachausgabe teilweise steuern lässt.
Sanoma Media Finland veröffentlicht nach eigenen Angaben jeden Monat mehr als 10,000 Nachrichtenartikel in Echtzeit mit der finnischen Neural-Stimme von Polly. Der Produktmanager des Unternehmens sagte, die neue finnische generative Stimme habe in den Tests des Unternehmens deutlich natürlicher geklungen. Dabei handelt es sich um Kundenfeedback und nicht um einen veröffentlichten unabhängigen Vergleich.
Warum es wichtig ist
Entwickler, die bereits generative Stimmen von Polly nutzen, erhalten laut AWS die aktualisierte Engine ohne Änderungen an ihren Integrationen und ohne Mehrkosten. Hindi- und Finnisch-Stimmen könnten Teams außerdem dabei helfen, gesprochene Inhalte für diese Sprachgruppen zu produzieren. Die Verfügbarkeit hängt jedoch von der AWS-Region ab, und der Beitrag enthält keine unabhängigen Leistungsmessungen.
