A AWS disponibilizou a clonagem de voz no Amazon Polly, mas o acesso depende da conta. O recurso cria uma voz sintética a partir de gravações de uma pessoa que consentiu com a clonagem. Assim, empresas podem usar essa voz para gerar falas em sistemas telefônicos, aplicativos, jogos, aulas e outros conteúdos, sem precisar gravar cada nova fala em estúdio.
Segundo a AWS, criar uma voz é grátis, mas gerar falas com uma voz clonada é cobrado conforme o uso. O recurso chega em inglês, espanhol, alemão, francês, italiano, português e hindi. Uma voz clonada fala apenas o idioma usado nas gravações; a AWS afirma que sotaques diferentes dos locais de gravação que testou foram menos avaliados.
Como funciona o processo de clonagem
Os clientes enviam de uma a 10 gravações, com duração total máxima de 15 minutos. A AWS recomenda de dois a 10 minutos de fala natural, gravada por uma única pessoa em um ambiente silencioso. A criação da voz costuma levar de cinco a 10 minutos e ocorre em segundo plano. Quando estiver pronta, desenvolvedores podem usá-la pelas ferramentas de geração de fala do Polly, inclusive para criar áudios mais longos e salvá-los no Amazon S3.
O recurso não é ativado automaticamente para todos os clientes. A AWS diz que alguns clientes do Polly já têm acesso; os demais podem consultar a equipe responsável pela conta AWS ou fazer uma solicitação. O recurso está disponível nas Regiões da AWS compatíveis com o mecanismo generativo do Polly, incluindo a região US GovCloud. O limite inicial é de 10 vozes clonadas por conta em cada Região.
Consentimento e controle fazem parte da configuração
Ao criar uma voz, o cliente precisa confirmar que tem o consentimento da pessoa gravada. A AWS afirma que adiciona uma marca d’água às falas geradas com vozes clonadas, apaga sua cópia das gravações de origem após a criação da voz e não usa essas gravações para treinar os modelos do Polly. Os dados da voz resultante são criptografados e mantidos até que o cliente os exclua.
Uma voz clonada só fica disponível na conta AWS e na Região em que foi criada. Os proprietários da conta podem controlar quais usuários e serviços podem usá-la e também excluí-la. Para disponibilizar uma voz em outra Região ou conta, os clientes precisam criá-la novamente a partir das gravações e garantir que o consentimento da pessoa cubra cada cópia.
A AWS indica o recurso para usos como manter a consistência de mensagens de atendimento ao cliente e de narrações que podem ser revisadas sem agendar outra sessão de gravação. Mas recomenda que os clientes ouçam a voz com seus próprios textos antes de usá-la: nomes e números podem precisar ser testados, e o mesmo texto pode soar um pouco diferente a cada solicitação.
Por que importa
Para empresas que usam o Polly em linhas de atendimento ao cliente ou aplicativos, o recurso pode permitir atualizar mensagens faladas sem perder a consistência da voz. O acesso é restrito, e as empresas ainda precisam do consentimento da pessoa gravada e devem testar as falas geradas com seus textos reais antes de usá-las.