Amazon Polly Generative engine 重大升级：新增 14 种语音，印地语和芬兰语首次正式可用

Amazon Polly 生成引擎现在提供更加自然、准确的语音输出。我们对 Amazon Polly 生成引擎进行了升级，可提供更具表现力、更加准确且低延迟的语音输出。此次升级在 9 个区域设置中新增了 14 种声音，其中包括印地语和芬兰语生成语音的首次正式发布。该升级现已在生产环境中正式推出。

重要的是，这对现有的生成语音来说是一个即插即用的升级。声音名称和 API 调用均保持不变，因此您现有的应用程序可继续像今天一样正常运行。

Amazon Polly 是一项完全托管的 AWS 服务，可将文本转换为自然听感的语音，适用于联络中心、基于大语言模型（LLM）的智能体应用、媒体和娱乐、电子学习、无障碍访问以及其他需要大规模可靠语音输出的应用。

听听效果差异

您可以使用示例音频直接评估改进效果。

The more natural, authentic, and expressive voices. Hear how Tiffany welcomes you in a delightful tone.
- “嗨，你好！我是 Tiffany，Polly 的生成语音之一。我生来就要听上去自然、富有表现力，还带一点令人愉悦的感觉。我们聊点什么呢？”
Accurate speech generation for numbers, currency, addresses, and so on. Kenneth reads back an order confirmation, including the tracking number, date and time, currency and address accurately.
- “感谢您的来电。您的订单，编号 4471 9902，今天发货至俄勒冈州波特兰市海景大道 85 号 4B 公寓，邮编 97209。预计将于 10 月 22 日星期四上午 9 点至下午 1 点之间送达。您的总金额为 $1,284.50，确认码是 K-7-Q-2-X-9。”
Net new languages. Arjun and Kiara for Hindi, and Suvi for Finnish. Hindi and Finnish are generally available for the first time on the Amazon Polly Generative engine.
- Arjun：नमस्कार, आप सुन रहे हैं आज की मुख्य ख़बरें। देश के कई हिस्सों में मानसून की विदाई के साथ मौसम सुहाना हो गया है।（你好，您正在收听今日要闻。随着季风在全国大部分地区退去，天气已变得宜人。）
- Kiara：नमस्ते! मेरा नाम कियारा है। आइए, आज मैं आपको एक छोटी सी कहानी सुनाती हूँ।（你好！我叫 Kiara。来吧，今天让我给您讲一个小故事。）
- Suvi：Majakanvartija ei ollut nähnyt laivaa yhteentoista päivään. Sitten, vähän puolenyön jälkeen, horisontissa välähti yksi ainoa valo. Kerran. Kahdesti. Ja sitten, uskomatonta kyllä, se vilkutti takaisin hänen nimensä.（灯塔守护者已经十一天没有看到船了。然后，就在午夜过后不久，地平线上闪现出一盏孤灯。一次。两次。接着，不可思议的是，那盏灯闪回了他自己的名字。）
Different styles of speech delivery based on textual context. Powered by the new Amazon Polly Generative engine, the voices can reflect emotion and prosody even better based on the text input, without manual setup.
- Neutral（中性）：“Your package arrived early.”（您的包裹提前到了。）
- Uncertainty（不确定）：“So, um… your package arrived early. I think?”（那个，呃……您的包裹提前到了。我是说，大概吧？）
- Surprised（惊讶）：“Wait, what? Your package arrived early?”（等等，什么？您的包裹提前到了？

新增声音、语言和区域可用性

Amazon Polly 生成引擎的整体目录规模更大 – 共有 57 种生成语音，覆盖 11 种语言和 25 个区域设置。
14 种新声音，覆盖 9 个区域设置 – 美式英语（Kenneth、Nate）、澳大利亚英语（Russell、Curtis）、印度英语（Kiara、Arjun）、德语（Tina）、美式西班牙语（Carlos）、巴西葡萄牙语（Leo、Carolina）、韩语（Hyunduk）、印地语（Kiara、Arjun）和芬兰语（Suvi）。
生成引擎正式推出的全新语言 – 印地语和芬兰语。
区域扩展至 AWS GovCloud（US-West）– 共计 11 个 AWS 区域。

为企业级生产就绪的语音工作流而构建

升级后的 Amazon Polly Generative 引擎使用标准的 Amazon Polly API 调用来构建语音应用。借助 Amazon Polly，您可以继续使用熟悉的 AWS 模式进行构建：调用相同的 Amazon Polly API，使用 AWS Identity and Access Management (IAM) 管理访问权限，在现有应用和联络中心流程中使用输出结果，并监控为客户合成语音的工作负载。

此次发布旨在提升您在现有 Amazon Polly 实现中所听到的语音输出质量。获取升级后的语音无需对代码进行任何更改。对于已经使用 Amazon Polly Generative 语音的应用，升级就地完成。对于新应用，相同的 SynthesizeSpeech API 可让您访问更大的一组生成式语音目录。借助 Bi-Di Streaming API StartSpeechSynthesisStream，您可以向 Amazon Polly 流式传输文本，并同时接收合成音频。这非常适合语音智能体和游戏中定制角色等实时应用。

有竞争力的性价比

Amazon Polly Generative 引擎按使用量付费，提供有竞争力的定价。通过此次模型升级，您可以以同样的价格获得更高的语音质量和准确性。没有成本增加，没有新 SKU，也不会对现有集成造成任何改变。您可以缓存和重放合成的静态提示，无需额外费用。完整的成本信息请参阅 Amazon Polly 定价。

Amazon Polly Generative 引擎现在提供更自然、更富有表现力的语音，同时具备面向实时应用的低延迟流式传输、支持精细控制的语音合成标记语言（SSML），以及完全托管的 AWS 服务的运营可靠性。这种质量、性能和成本效益的结合支持广泛的生产用例。

您可以构建什么

联络中心。在客户服务对话中，准确性最为重要。当来电者查询订单时，能够正确读出追踪号码、地址和确认码的语音有助于在自助服务中解决来电，而不是升级转接给人工坐席。Amazon Polly Generative 语音准确的实体发音和低延迟生成，使自动交互式语音应答（IVR）交互听起来更具对话感。

级联式语音智能体。在语音智能体框架中使用 Amazon Polly，您可以将 LLM 响应文本转换为清晰、自然的语音，并通过 WebSockets 或电话渠道近实时地流式传输给用户。这使得实时对话语音成为可能。主要优势是低延迟播放、高可扩展性和成本效益。

媒体、本地化和配音。将脚本转换为适用于视频、广告、播客、产品概述和有声读物的成品音频。您可以仅使用一个语音或多个语音，而无需录音棚。更自然的语调减少了后期制作工作。扩展的语种覆盖范围（包括首次提供的印地语和芬兰语生成式语音）意味着您可以使用同一流水线将单个内容本地化到更多市场。

在线学习和培训。大规模为课程软件、入职培训和知识库文章配音，并在源文本发生变化时立即更新，无需重新录制。更富表现力的表达方式有助于在长篇内容中保持吸引力。

无障碍。为文章、文档和应用程序提供清晰、自然的语音版本，让更多人可以通过聆听来获取您的内容：朗读、随时随地收听，或使用屏幕阅读器。

交互和交易式体验。为游戏、自助服务终端、IVR 菜单和物联网设备添加语音功能，并按需生成响应。当语音需要听起来自然，并能可靠地读出姓名、数字、产品详情、地址和确认信息时，可使用 Amazon Polly。

“在 Sanoma Media Finland，我们使用 Amazon Polly 将实时新闻文章转换为音频，让听众可以选择在自己方便的时候收听。如今我们每月使用 Polly 的芬兰语神经语音发布超过 10,000 篇文章。根据我们的测试，Suvi 的新生成语音相比之前的神经语音是明显的改进——它听起来明显更自然，为听众带来更愉悦的体验。”

— Justus Reinikainen，Sanoma Media Finland 产品经理

开始使用

您可以通过 AWS Management Console、AWS Command Line Interface (AWS CLI) 或 AWS SDK 使用新语音。

前提条件：

已启用 Amazon Polly 访问权限的有效 AWS 账户。
已安装并配置 AWS Command Line Interface (AWS CLI)。
Python 3.10+。
已安装 Boto3：pip install boto3。
AWS Identity and Access Management (IAM) 权限：polly:SynthesizeSpeech。

以下是一个使用 AWS SDK for Python (Boto3) 搭配 SynthesizeSpeech API 和生成语音的快速示例：

import boto3

polly = boto3.client("polly", region_name="us-east-1")

response = polly.synthesize_speech(
    Text="Hello! This is Amazon Polly's next-generation generative voice.",
    VoiceId="Kenneth",  # any generative voice in the catalogue
    Engine="generative",
    OutputFormat="mp3",
)

with open("speech.mp3", "wb") as f:
    f.write(response["AudioStream"].read())

您也可以使用 AWS CLI 发出同样的请求：

aws polly synthesize-speech \
  --region us-east-1 \
  --voice-id Kenneth \
  --engine generative \
  --output-format mp3 \
  --text "Hello! This is Amazon Polly's next-generation generative voice." \
  speech.mp3

要以编程方式获取完整、最新的语音列表，请调用 DescribeVoices。您可以在部署检查中使用它，以确认所选的生成语音在应用程序运行的区域中可用。

可用性

下一代 Generative 引擎和新语音现已正式发布。14 个新的 Generative 语音已在以下 AWS 区域可用：美国东部（弗吉尼亚北部）、美国西部（俄勒冈）、欧洲（法兰克福）、欧洲（苏黎世）、欧洲（伦敦）、亚太地区（悉尼）、亚太地区（首尔）、亚太地区（新加坡）、亚太地区（东京）、加拿大（中部）和 AWS GovCloud（美国西部）。按受众群体开始使用：

开发者 – 在现有应用程序中使用 Engine="generative" 调用 synthesize_speech。无需其他更改。
联络中心团队 – 这些改进会自动应用到 Amazon Connect 和 Genesys 流程。
所有人 – 通过 Amazon Polly 控制台访问任何语音。

需要了解的几点：

标准和神经语音不受影响。
生成语音不支持语音标记（与现状一致）。如果您的应用程序需要语音标记，标准和神经语音仍继续支持它们。
Generative 引擎继续支持 SSML 标签。详情请参阅支持的 SSML 标签。
在运行时使用当前的语音可用性信息。跨区域部署时，请调用 DescribeVoices 或查看控制台。

结语

Amazon Polly 的新一代生成式引擎今日正式发布，提供更自然、更准确的声音，新增 14 种声音，包括首次正式提供的印地语和芬兰语生成式声音，且无需对代码做任何更改。定价信息请参阅 Amazon Polly 定价页面。要开始使用，请打开 Amazon Polly 控制台试用这些声音，并参阅 Amazon Polly 文档进行构建。