AWS обновила генеративный движок речи в Amazon Polly — сервисе преобразования текста в речь. По словам компании, новый движок генерирует более естественную, выразительную и точную речь с низкой задержкой. Он уже доступен для использования в рабочей среде, а приложения, в которых используются генеративные голоса, получают обновление без изменений кода или вызовов API.
Обновление добавляет 14 голосов для девяти локалей. Хинди и финский впервые доступны в генеративном движке Polly. По данным AWS, теперь в каталоге 57 генеративных голосов для 11 языков и 25 локалей, а сам сервис доступен в 11 регионах AWS.
Что изменится для разработчиков
Приложения могут и дальше использовать тот же API Amazon Polly. AWS утверждает, что обновление не повлияет на стоимость и не потребует перехода на новый SKU. Разработчики также могут использовать потоковый API сервиса, чтобы одновременно отправлять текст и получать аудио. Такой режим предназначен для приложений с голосом в реальном времени.
По словам AWS, голоса лучше передают эмоции и манеру речи с учётом текста — без ручной настройки. Компания приводит примеры аудио, в том числе запись, где голос зачитывает подтверждение заказа с номером отслеживания, адресом, датой и ценой. Эти примеры демонстрируют заявленные улучшения, однако AWS не приводит в публикации результаты независимых тестов.
Все 14 новых голосов доступны в регионах US East (N. Virginia), US West (Oregon), Europe (Frankfurt, Zurich и London), Asia Pacific (Sydney, Seoul, Singapore и Tokyo), Canada (Central) и AWS GovCloud (US-West). Доступность голосов зависит от региона, поэтому при развёртывании AWS рекомендует сверяться с актуальным списком.
Ограничения и отзывы клиентов
Обновление не затрагивает стандартные и нейронные голоса. Генеративные голоса по-прежнему не поддерживают speech marks — функцию, которая синхронизирует сгенерированную речь с текстом. Стандартные и нейронные голоса её поддерживают. При этом генеративные голоса работают с SSML — разметкой, с помощью которой можно в некоторой степени управлять звучанием речи.
По словам Sanoma Media Finland, компания ежемесячно публикует более 10,000 новостных статей в реальном времени с помощью финского нейронного голоса Polly. Менеджер продукта компании отметил, что в ходе тестирования новый финский генеративный голос звучал заметно естественнее. Это отзыв клиента, а не опубликованное независимое сравнение.
Почему это важно
По данным AWS, разработчики, уже использующие генеративные голоса Polly, получат обновлённый движок без изменений интеграций и дополнительных затрат. Голоса для хинди и финского могут пригодиться командам, создающим озвученный контент для аудитории, говорящей на этих языках. При этом доступность зависит от региона AWS, а в публикации нет независимых замеров качества.
