AWS升级了旗下文本转语音服务Amazon Polly的生成式语音引擎。该公司称，新引擎生成的语音更加自然、富有表现力且准确，同时延迟较低。新引擎现已正式面向生产环境提供，现有使用生成式语音的应用无需修改代码或API调用即可获得升级。
此次更新新增了覆盖九个区域设置的14种语音。印地语和芬兰语首次加入Polly生成式引擎。目前，该服务提供覆盖11种语言、25个区域设置的57种生成式语音，并在11个AWS区域提供。
开发者会受到哪些影响
应用可以继续使用相同的Amazon Polly API。AWS称，升级后价格保持不变，也没有新增产品SKU。开发者还可以使用该服务的流式API，同时发送文本并接收音频，适用于实时语音应用。
AWS称，这些语音可以根据文本更好地呈现情绪和说话风格，无需手动设置。该公司提供了音频示例，包括用语音读出包含追踪号码、地址、日期和价格的订单确认信息。这些示例展示了预期改进，但AWS在文章中没有提供独立的基准测试结果。
这14种新语音已在美国东部（弗吉尼亚北部）、美国西部（俄勒冈）、欧洲（法兰克福、苏黎世和伦敦）、亚太地区（悉尼、首尔、新加坡和东京）、加拿大（中部）以及AWS GovCloud（美国西部）提供。语音可用情况因区域而异，因此AWS建议部署时查看最新列表。
限制与客户反馈
标准语音和神经语音不受影响。生成式语音仍不支持speech marks（语音标记）功能；该功能可将生成的语音与文本对应起来，标准语音和神经语音则继续支持这一功能。生成式语音支持SSML，这是一种通过标记语言对语音输出进行一定控制的方式。
Sanoma Media Finland表示，每月使用Polly的芬兰语神经语音发布超过10,000篇实时新闻文章。该公司的产品经理称，在测试中，新芬兰语生成式语音听起来明显更加自然。这属于客户反馈，并非已发布的独立对比结果。
为什么重要
据AWS介绍，已经使用Polly生成式语音的开发者无需改动集成，也无需支付更多费用，就能使用升级后的引擎。新增印地语和芬兰语语音，也可能帮助团队为这两种语言的受众制作语音内容；不过，语音是否可用取决于AWS区域，而且文章没有提供独立的性能测试数据。
