AWS сделала функцию клонирования голоса в Amazon Polly общедоступной, однако доступ к ней предоставляется не всем аккаунтам. Функция создает синтетический голос на основе записей одного человека, который согласился на клонирование. Компании смогут использовать этот голос для озвучивания телефонных систем, приложений, игр, учебных материалов и другого контента — без необходимости записывать каждую новую реплику в студии.
По словам AWS, создание голоса бесплатно, а генерация речи с клонированным голосом оплачивается по мере использования. На старте функция поддерживает английский, испанский, немецкий, французский, итальянский, португальский и хинди. Клонированный голос говорит только на языке исходных записей; AWS отмечает, что акценты, отличающиеся от тех, которые проверялись в рамках тестовых записей, изучены хуже.
Как работает клонирование
Клиенты загружают от одной до 10 записей общей продолжительностью не более 15 минут. AWS рекомендует записать от двух до 10 минут естественной речи одного человека в тихом помещении. Создание голоса обычно занимает от пяти до 10 минут и происходит в фоновом режиме. После этого разработчики могут использовать его в инструментах Polly для генерации речи, в том числе создавать длинные аудиозаписи и сохранять их в Amazon S3.
Функция не включена автоматически для всех клиентов. AWS сообщает, что доступ уже есть у некоторых клиентов Polly; остальные могут обратиться к своему представителю AWS или подать заявку. Функция доступна в регионах AWS, где поддерживается генеративный движок Polly, включая регион US GovCloud. Изначально в каждом регионе для аккаунта можно создать не более 10 клонированных голосов.
Согласие и контроль — часть настройки
При создании голоса клиент должен подтвердить, что получил согласие говорящего. По словам AWS, речь, созданная с помощью клонированных голосов, снабжается водяным знаком, копия исходных записей удаляется после создания голоса, а сами записи не используются для обучения моделей Polly. Данные созданного голоса шифруются и хранятся, пока клиент их не удалит.
Клонированный голос доступен только в том аккаунте AWS и регионе, где его создали. Владельцы аккаунта могут управлять тем, какие пользователи и сервисы вправе его использовать, а также удалять его. Чтобы использовать голос в другом регионе или аккаунте, клиентам нужно создать его заново по исходным записям и убедиться, что согласие говорящего распространяется на каждую копию.
AWS предлагает использовать функцию, например, для единообразных подсказок в службе поддержки и озвучивания материалов, которые можно менять без новой записи в студии. При этом компания советует заранее прослушать голос с собственными текстами: имена и числа могут потребовать проверки, а один и тот же текст в разных запросах может звучать немного по-разному.
Почему это важно
Компаниям, использующим Polly для телефонных линий службы поддержки или приложений, эта функция позволит обновлять голосовые подсказки, сохраняя единый голос. Доступ предоставляется не всем; кроме того, компаниям нужно получить согласие говорящего и проверить сгенерированную речь на своих текстах перед использованием.