AWS موتور گفتار مولد سرویس تبدیل متن به گفتار Amazon Polly را ارتقا داده است. این شرکت می‌گوید موتور جدید گفتاری طبیعی‌تر، بیان‌گرتر و دقیق‌تر تولید می‌کند و تأخیر کمی دارد. این نسخه اکنون به‌طور عمومی برای استفاده در محیط عملیاتی در دسترس است و برنامه‌های فعلی که از صداهای مولد استفاده می‌کنند، بدون نیاز به تغییر کد یا فراخوانی‌های API ارتقا می‌یابند.
این به‌روزرسانی ۱۴ صدا را در ۹ گونه زبانی اضافه می‌کند. هندی و فنلاندی برای نخستین بار در موتور مولد Polly در دسترس قرار گرفته‌اند. AWS می‌گوید اکنون این مجموعه ۵۷ صدای مولد در ۱۱ زبان و ۲۵ گونه زبانی دارد و این سرویس در ۱۱ منطقه AWS ارائه می‌شود.
تغییرات برای توسعه‌دهندگان
برنامه‌ها می‌توانند همچنان از همان API مربوط به Amazon Polly استفاده کنند. AWS می‌گوید هزینه ارتقا مانند گذشته است و SKU محصول جدیدی وجود ندارد. توسعه‌دهندگان همچنین می‌توانند با API استریم سرویس، هم‌زمان متن بفرستند و صدا دریافت کنند؛ روشی که برای برنامه‌های صوتی بلادرنگ در نظر گرفته شده است.
AWS می‌گوید صداها می‌توانند بر اساس متن، احساس و سبک گفتار را بهتر منتقل کنند و نیازی به تنظیم دستی نیست. این شرکت نمونه‌های صوتی ارائه کرده است؛ از جمله صدایی که تأییدیه سفارش را همراه با شماره رهگیری، نشانی، تاریخ و قیمت می‌خواند. این نمونه‌ها بهبودهای موردنظر را نشان می‌دهند، اما AWS در مطلب خود نتایج آزمون‌های معیار مستقل ارائه نکرده است.
۱۴ صدای جدید در مناطق US East (N. Virginia)، US West (Oregon)، Europe (Frankfurt, Zurich and London)، Asia Pacific (Sydney, Seoul, Singapore and Tokyo)، Canada (Central) و AWS GovCloud (US-West) در دسترس‌اند. دسترسی به صداها ممکن است بسته به منطقه متفاوت باشد؛ بنابراین AWS توصیه می‌کند هنگام استقرار، فهرست به‌روز را بررسی کنید.
محدودیت‌ها و بازخورد مشتریان
صداهای استاندارد و عصبی تحت تأثیر این تغییر قرار نگرفته‌اند. صداهای مولد همچنان از speech marks پشتیبانی نمی‌کنند؛ قابلیتی که گفتار تولیدشده را با متن آن هم‌تراز می‌کند. صداهای استاندارد و عصبی همچنان این قابلیت را دارند. صداهای مولد از SSML پشتیبانی می‌کنند؛ روشی برای اعمال برخی تنظیمات بر خروجی گفتار با استفاده از نشانه‌گذاری.
شرکت Sanoma Media Finland می‌گوید هر ماه با استفاده از صدای عصبی فنلاندی Polly بیش از ۱۰٬۰۰۰ خبر بلادرنگ منتشر می‌کند. مدیر محصول این شرکت گفته است صدای مولد جدید فنلاندی در آزمایش‌های آن‌ها به‌وضوح طبیعی‌تر به نظر رسیده است. این بازخورد یک مشتری است، نه نتیجه یک مقایسه مستقلِ منتشرشده.
چرا مهم است
به گفته AWS، توسعه‌دهندگانی که از صداهای مولد Polly استفاده می‌کنند، می‌توانند بدون تغییر یکپارچه‌سازی‌ها یا پرداخت هزینه بیشتر از موتور به‌روزشده بهره ببرند. گزینه‌های صوتی هندی و فنلاندی نیز ممکن است برای تیم‌هایی که محتوای گفتاری به این زبان‌ها تولید می‌کنند مفید باشد؛ بااین‌حال، دسترسی به صداها به منطقه AWS بستگی دارد و مطلب هیچ سنجش عملکرد مستقل و قابل‌مقایسه‌ای ارائه نمی‌کند.
