AWS已在Amazon Polly正式推出语音克隆功能,但使用权限按账户限制。该功能可根据一位同意被克隆的说话者的录音生成合成语音。企业随后可用这种声音为电话系统、应用、游戏、课程及其他内容生成语音,无需每次新增台词都进录音棚录制。
AWS表示,创建语音免费;使用克隆语音生成内容则按使用量付费。该功能首批支持英语、西班牙语、德语、法语、意大利语、葡萄牙语和印地语。克隆语音只能说录音所用的语言;AWS称,对于录音地点测试范围以外的口音,测试还不够充分。
语音克隆的工作流程
客户需提交1至10段录音,总时长不超过15分钟。AWS建议提供2至10分钟由同一位说话者在安静房间内录制的自然语音。创建语音通常需要5至10分钟,在后台完成。语音准备就绪后,开发者便可通过Polly的语音生成工具使用,包括生成较长音频并保存到Amazon S3。
并非所有客户都会自动获得该功能。AWS表示,部分Polly客户已经可以使用;其他客户可联系自己的AWS账户团队或提交申请。该功能在支持Polly生成式引擎的AWS区域提供,包括美国GovCloud区域。每个账户在每个区域的初始限额为10个克隆语音。
设置中包含同意与管理机制
创建语音时,客户必须确认已获得说话者同意。AWS表示,使用克隆语音生成的内容会添加水印;语音创建完成后,AWS会删除其保存的源录音,也不会用这些录音训练Polly模型。生成的语音数据会加密保存,直到客户将其删除。
克隆语音仅可在创建它的AWS账户和区域中使用。账户所有者可以控制哪些用户和服务能够使用该语音,也可以将其删除。如需在其他区域或账户中使用,客户必须根据录音重新创建语音,并确保说话者的同意涵盖每一份副本。
AWS认为,该功能适用于统一客服提示语,以及无需再次预约录音就能修改的旁白等场景。不过,AWS建议客户在使用前用自己的脚本试听语音:人名和数字可能需要测试,而且同一段文本在不同请求中听起来可能略有差异。
为什么重要
对于在客服热线或应用中使用Polly的企业,这项功能有望让它们在保持声音统一的同时更新语音提示。不过,该功能需获准才能使用;企业仍须取得说话者同意,并在正式使用前用实际脚本测试生成语音。