AWS a amélioré le moteur de synthèse vocale générative d’Amazon Polly, son service de conversion du texte en parole. L’entreprise affirme que le nouveau moteur produit une voix plus naturelle, expressive et fidèle, avec une faible latence. Il est désormais disponible en production de manière générale. Les applications existantes qui utilisent des voix génératives bénéficient de cette mise à jour sans modification du code ni des appels d’API.
La mise à jour ajoute 14 voix dans neuf paramètres régionaux. L’hindi et le finnois sont proposés pour la première fois avec le moteur génératif de Polly. AWS indique que le catalogue compte désormais 57 voix génératives dans 11 langues et 25 paramètres régionaux, et que le service est disponible dans 11 Régions AWS.
Ce qui change pour les développeurs
Les applications peuvent continuer à utiliser la même API Amazon Polly. Selon AWS, la mise à jour ne coûte pas plus cher et ne s’accompagne d’aucune nouvelle référence produit (SKU). Les développeurs peuvent aussi utiliser l’API de streaming du service pour envoyer du texte et recevoir de l’audio simultanément, une configuration conçue pour les applications vocales en temps réel.
AWS affirme que les voix peuvent mieux restituer les émotions et le style d’élocution suggérés par le texte, sans configuration manuelle. L’entreprise propose des exemples audio, dont une voix qui lit une confirmation de commande avec un numéro de suivi, une adresse, une date et un prix. Ces exemples illustrent les améliorations visées, mais AWS ne fournit pas de résultats de tests comparatifs indépendants dans son billet.
Les 14 nouvelles voix sont disponibles dans les Régions USA Est (Virginie du Nord), USA Ouest (Oregon), Europe (Francfort, Zurich et Londres), Asie-Pacifique (Sydney, Séoul, Singapour et Tokyo), Canada (Centre) et AWS GovCloud (USA Ouest). La disponibilité des voix peut varier selon la Région : AWS recommande donc de consulter la liste à jour au moment du déploiement.
Limites et retours des clients
Les voix standard et neuronales ne sont pas concernées. Les voix génératives ne prennent toujours pas en charge les speech marks, une fonctionnalité qui synchronise la parole générée avec le texte ; les voix standard et neuronales continuent, elles, de les prendre en charge. Les voix génératives sont compatibles avec le SSML, qui permet de contrôler certains aspects de la sortie vocale à l’aide de balises.
Sanoma Media Finland indique publier chaque mois plus de 10 000 articles d’actualité en temps réel avec la voix neuronale finnoise de Polly. Selon son chef de produit, lors des tests de l’entreprise, la nouvelle voix générative en finnois semblait nettement plus naturelle. Il s’agit d’un retour client, et non d’une comparaison indépendante publiée.
Pourquoi c'est important
D’après AWS, les développeurs qui utilisent déjà les voix génératives de Polly peuvent profiter du nouveau moteur sans modifier leurs intégrations ni payer davantage. Les options en hindi et en finnois pourraient aussi aider les équipes à produire des contenus audio dans ces langues, mais la disponibilité des voix dépend de la Région AWS et le billet ne présente aucune mesure indépendante des performances.
