A AWS atualizou o mecanismo de voz generativa do Amazon Polly, seu serviço de conversão de texto em fala. Segundo a empresa, o novo mecanismo produz uma fala mais natural, expressiva e precisa, com baixa latência. Ele já está disponível para uso em produção, e os aplicativos existentes que usam vozes generativas recebem a atualização sem alterações no código ou nas chamadas de API.
A atualização adiciona 14 vozes em nove localidades. Hindi e finlandês passam a estar disponíveis pela primeira vez no mecanismo generativo do Polly. A AWS informa que o catálogo agora conta com 57 vozes generativas em 11 idiomas e 25 localidades, e que o serviço está disponível em 11 regiões da AWS.
O que muda para desenvolvedores
Os aplicativos podem continuar usando a mesma API do Amazon Polly. Segundo a AWS, a atualização mantém o preço atual e não cria um novo SKU de produto. Os desenvolvedores também podem usar a API de streaming do serviço para enviar texto e receber áudio simultaneamente, um recurso voltado a aplicativos de voz em tempo real.
A AWS afirma que as vozes conseguem refletir melhor as emoções e o estilo de fala com base no texto, sem configuração manual. A empresa oferece amostras de áudio, incluindo uma voz lendo uma confirmação de pedido com número de rastreamento, endereço, data e preço. Esses exemplos ilustram as melhorias pretendidas, mas a publicação não apresenta resultados de testes comparativos independentes.
As 14 novas vozes estão disponíveis nas regiões US East (N. Virginia), US West (Oregon), Europe (Frankfurt, Zurich e London), Asia Pacific (Sydney, Seoul, Singapore e Tokyo), Canada (Central) e AWS GovCloud (US-West). A disponibilidade das vozes pode variar conforme a região; por isso, a AWS recomenda consultar a lista atualizada antes da implantação.
Limitações e opiniões de clientes
As vozes padrão e neurais não são afetadas. As vozes generativas ainda não são compatíveis com marcas de fala, recurso que sincroniza a fala gerada com o texto; as vozes padrão e neurais continuam oferecendo suporte. As vozes generativas são compatíveis com SSML, uma forma de controlar alguns aspectos da fala por meio de marcação.
A Sanoma Media Finland publica mais de 10.000 artigos jornalísticos em tempo real por mês usando a voz neural em finlandês do Polly. Segundo o gerente de produto da empresa, a nova voz generativa em finlandês soou visivelmente mais natural nos testes internos. Trata-se de uma opinião de cliente, não de uma comparação independente publicada.
Por que importa
Segundo a AWS, desenvolvedores que já usam as vozes generativas do Polly recebem o mecanismo atualizado sem alterar as integrações nem pagar mais. As opções de voz em hindi e finlandês também podem ajudar equipes que produzem conteúdo falado para esses públicos, embora a disponibilidade dependa da região da AWS e a publicação não apresente medições independentes de desempenho.
