Oossa

AWS lanserar röstkloning med begränsad åtkomst i Amazon Polly

Amazon Polly kan skapa en syntetisk röst från några minuters inspelningar av en person som har samtyckt. Funktionen är begränsad till AWS-konton som har fått åtkomst, och användningen kostar pengar.

Av Publicerad av Oossa: 2 min läsning

Amin Asbaghipour · Unsplash

AWS har gjort röstkloning allmänt tillgänglig i Amazon Polly, men åtkomsten är begränsad till vissa konton. Funktionen skapar en syntetisk röst utifrån inspelningar av en person som har gått med på att få sin röst klonad. Företag kan sedan använda rösten för att skapa tal till telefonsystem, appar, spel, lektioner och annat innehåll, utan att spela in varje ny replik i en studio.

AWS uppger att det är gratis att skapa en röst, medan tal som genereras med en klonad röst debiteras enligt modellen betala per användning. Funktionen lanseras på engelska, spanska, tyska, franska, italienska, portugisiska och hindi. En klonad röst talar bara det språk som används i inspelningarna. AWS säger att accenter utöver dem från de testade inspelningsområdena har testats i mindre utsträckning.

Så fungerar röstkloningen

Kunder skickar in en till 10 inspelningar, med en sammanlagd längd på högst 15 minuter. AWS rekommenderar två till 10 minuter naturligt tal, inspelat av en person i ett tyst rum. Det brukar ta fem till 10 minuter att skapa en röst, och processen körs i bakgrunden. När rösten är klar kan utvecklare använda den med Pollys verktyg för att generera tal, även för längre ljudfiler som sparas i Amazon S3.

Funktionen är inte aktiverad automatiskt för alla kunder. AWS uppger att vissa Polly-kunder redan har åtkomst; andra kan fråga sitt AWS-kontoteam eller ansöka. Funktionen erbjuds i de AWS-regioner som stöder Pollys generativa motor, däribland US GovCloud-regionen. Den inledande gränsen är 10 klonade röster per konto i varje region.

Samtycke och kontroll ingår i processen

När en röst skapas måste kunden bekräfta att personen har samtyckt. AWS uppger att tal som genereras med klonade röster förses med en vattenstämpel, att AWS raderar sin kopia av källinspelningarna när rösten har skapats och att inspelningarna inte används för att träna Polly-modeller. Röstdata krypteras och sparas tills kunden raderar den.

En klonad röst är bara tillgänglig för det AWS-konto och den region där den skapades. Kontoägare kan styra vilka användare och tjänster som får använda rösten, och kan radera den. För att göra en röst tillgänglig i en annan region eller ett annat konto måste kunden skapa den på nytt från inspelningarna och säkerställa att personens samtycke omfattar varje kopia.

AWS lyfter fram användningsområden som enhetliga kundservicemeddelanden och berättarröst som kan ändras utan att boka en ny inspelning. Företaget rekommenderar dock att kunder lyssnar på rösten med sina egna manus innan de använder den: namn och siffror kan behöva testas, och samma text kan låta något olika mellan olika förfrågningar.

Varför det spelar roll

För företag som använder Polly i kundtjänstlinjer eller appar kan funktionen göra det möjligt att uppdatera talade meddelanden och samtidigt behålla en enhetlig röst. Åtkomsten är begränsad, och företagen måste fortfarande ha personens samtycke och testa det genererade talet med sina faktiska manus innan de använder det.

Var den här artikeln användbar?
Dela

Läs vidare

Oossa · Nyhetsbrev

Veckans AI, förklarad

Varje måndag: nyheterna som är värda att känna till, på enkel svenska. Gratis, ingen spam.