Amazon Polly Generative engine升级，新增14种语音并支持印地语和芬兰语

Amazon Polly Generative 引擎现在可提供更自然、更准确的语音输出。我们将升级 Amazon Polly Generative 引擎，以低延迟提供更富表现力、更准确的语音输出。此次升级新增 9 种区域设置下的 14 种语音，其中包括首次正式推出印地语和芬兰语生成式语音。此次升级现已在生产环境中正式推出。

重要的是，此次升级可直接替换现有生成式语音。语音名称和 API 调用均保持不变，因此您现有的应用程序仍可像现在一样正常运行。

Amazon Polly 是一项全托管 AWS 服务，可将文本转换为自然流畅的语音，适用于联络中心、基于大型语言模型 (LLM) 的智能体应用、媒体和娱乐、电子学习、无障碍服务，以及其他需要大规模可靠语音输出的应用。

聆听效果差异

您可以使用音频示例直接评估改进效果。

• The more natural, authentic, and expressive voices. Hear how Tiffany welcomes you in a delightful tone.
  • “你好！我是 Tiffany，是 Polly 的生成式语音之一。我经过设计，听起来既自然又富有表现力，还有一点点讨人喜欢。我们聊些什么好呢？”
• 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，将于今天发往俄勒冈州波特兰市 Harbor View Drive 85 号 4B 公寓，邮编 97209。预计于 10 月 22 日星期四上午 9 点至下午 1 点送达。总金额为 $1,284.50，确认码为 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। (您好，您正在收听今日要闻。随着季风从印度多个地区退去，天气变得宜人起来。)
  • Kiara： नमस्ते! मेरा नाम कियारा है। आइए, आज मैं आपको एक छोटी सी कहानी सुनाती हूँ।(你好！我叫 Kiara。来吧，今天让我给你讲一个小故事。)
  • 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. (灯塔看守人已经十一天没见过船了。接着，午夜刚过不久，地平线上闪现出一道孤单的灯光。一次。两次。然后，令人难以置信的是，那道灯光竟然闪烁着回应了他的名字。)
• 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.
  • 平静：“您的包裹提前送达了。”
  • 不确定：“嗯……您的包裹提前送达了。我想是这样？”
  • 惊讶：“等等，什么？您的包裹提前送达了？”

新增语音、语言和区域可用性

• Amazon Polly Generative 引擎的整体语音库进一步扩大 – 共提供 11 种语言、25 种区域设置下的 57 种生成式语音。
• 新增 9 种区域设置下的 14 种语音 – 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)。
• 生成式引擎正式新增提供的语言 – 印地语和芬兰语。
• 扩展区域至 AWS GovCloud (US-West) – 总计覆盖 11 个 AWS 区域。

为可用于生产环境的企业级语音工作流打造

升级后的 Amazon Polly Generative 引擎通过标准 Amazon Polly API 调用构建语音应用程序。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，在现有应用程序和联络中心流程中使用输出，并监控为客户合成语音的工作负载。

此次发布旨在提升您通过现有 Amazon Polly 实现所能听到的语音输出质量。无需更改代码即可使用升级后的语音。对于已使用 Amazon Polly Generative 语音的应用程序，升级会原位完成。对于新应用程序，同一个 SynthesizeSpeech API 可让您使用更多生成式语音目录。借助 Bi-Di Streaming API StartSpeechSynthesisStream，您可以将文本流式传输到 Amazon Polly，同时接收合成后的音频。这非常适合语音代理和游戏中的定制角色等实时应用程序。

具有竞争力的价格性能

Amazon Polly Generative 引擎采用按需付费模式，提供具有竞争力的定价。通过此次模型升级，您可以在价格不变的情况下获得更高的语音质量和准确性。不会增加成本，不会新增 SKU，也无需更改现有集成。您可以缓存并重放合成的静态提示音，无需支付额外费用。有关完整的成本信息，请参阅 Amazon Polly 定价。

Amazon Polly Generative 引擎如今可提供更自然、更富表现力的语音，同时为实时应用程序提供低延迟流式传输、支持语音合成标记语言 (SSML) 以实现精细控制，并具备完全托管的 AWS 服务所提供的运营可靠性。这种质量、性能和成本效益的结合，可支持广泛的生产用例。

您可以构建的内容

联络中心。在客户服务对话中，准确性至关重要。当来电者查询订单时，能够准确读出追踪号码、地址和确认码的语音，有助于通过自助服务解决问题，而不是将来电升级给人工客服。Amazon Polly Generative 语音能够准确读出实体名称，并以低延迟生成语音，让自动交互式语音应答 (IVR) 对话听起来更自然。

级联式语音代理。在语音代理框架中使用 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 或电话渠道近乎实时地流式传输给用户。这使实时语音对话成为可能。其主要优势包括低延迟播放、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、产品介绍和有声读物的成品音频。无需录音棚录制，即可使用一种或多种语音。更自然的语调可减少后期制作工作。扩展后的语言区域覆盖范围（包括首次推出的生成式印地语和芬兰语）意味着您可以通过同一流水线将单个内容本地化，以覆盖更多市场。

电子学习与培训。大规模为课程内容、入职培训材料和知识文章配音，并在源文本发生变化时立即更新。无需重新录制。更富表现力的演绎有助于提升长篇内容的吸引力。

无障碍。为文章、文档和应用提供清晰、自然的语音版本，让更多人可以通过聆听来获取内容：大声朗读、随时随地聆听，或使用屏幕阅读器。

交互式和事务型体验。为游戏、自助服务终端、IVR 菜单和 IoT 设备添加语音功能，按需生成回复。当语音需要听起来自然，并且能够可靠地读出姓名、数字、产品详情、地址和确认信息时，请使用 Amazon Polly。

“在 Sanoma Media Finland，我们使用 Amazon Polly 将实时新闻文章转换为音频，让听众可以选择在更方便的时候收听。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 的全新生成式语音比之前的神经语音有明显提升——听起来更加自然，也让听众获得更愉悦的体验。”

— Justus Reinikainen，Sanoma Media Finland 产品经理

开始使用

您可以通过 AWS 管理控制台、AWS 命令行界面 (AWS CLI) 或 AWS SDK 访问新语音。

先决条件：

• 拥有可访问 Amazon Polly 的有效 AWS 账户。
• 已安装并配置 AWS 命令行界面 (AWS CLI)。
• Python 3.10+。
• 已安装 Boto3：pip install boto3。
• AWS Identity and Access Management (IAM) 权限：polly:SynthesizeSpeech。

下面是一个快速示例，演示如何使用 AWS SDK for Python (Boto3) 调用 SynthesizeSpeech API 和生成式语音：

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 发出相同的请求：

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

若要以编程方式获取完整的最新语音列表，请调用 DescribeVoices。您可以在部署检查中使用此功能，确认所选生成式语音在应用运行所在的区域可用。

可用性

新一代生成式引擎和新语音现已全面推出。14 种新生成式语音可在以下 AWS 区域使用：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：

• 开发人员 – 在现有应用中使用 Engine="generative" 调用 synthesize_speech。无需进行其他更改。
• 联络中心团队 – 这些改进会自动应用于 Amazon Connect 和 Genesys 流程。
• 所有人 – 在 Amazon Polly 控制台中访问任何语音。

请注意以下几点：

• 标准语音和神经语音不受影响。
• 生成式语音不提供语音标记（与目前情况相同）。如果应用需要语音标记，标准语音和神经语音仍支持这些标记。
• 生成式引擎继续支持 SSML 标签。有关详情，请参阅支持的 SSML 标签。
• 在运行时使用当前语音可用性信息。跨区域部署时，请调用 DescribeVoices 或查看控制台。

结论

Amazon Polly 新一代生成式引擎现已推出，可提供更自然、更准确的语音，新增 14 种语音，其中包括首次正式推出的印地语和芬兰语生成式语音，而且无需更改代码。有关定价信息，请参阅 Amazon Polly 定价页面。要开始使用，请打开 Amazon Polly 控制台试用这些语音，并参阅 Amazon Polly 文档了解如何使用它们构建应用。

作者简介

Suyin Wang

Suyin 是 AWS 的高级生成式 AI 解决方案架构师。她拥有多年经验，致力于构建以数据为驱动的机器学习应用，以解决现实世界的问题。她乐于帮助客户找到适合解决的问题，并构建能够创造业务价值的生成式 AI 解决方案。闲暇时，她喜欢唱歌，或在厨房尝试新食谱。

Gosia Brylowska

Gosia 是 Amazon IMAX Polly 的项目经理。她在新闻、营销和视听制作领域拥有近 20 年经验，在项目和产品管理领域拥有超过 10 年经验（过去 7 年在 Amazon TTS 工作）。Gosia 致力于每天出色地将工程目标转化为令客户满意的成果。工作之余，你可能会看到她遛狗，或第 100^次观看《星际迷航：下一代》……也可能会看到她和朋友在斯里兰卡某处冲浪、观光——你永远猜不到她会在哪里。

Nikie Xiong

Nikie 是 Amazon Polly 的高级技术产品经理。她在人工智能、语音技术以及将创新产品从构想到推出市场方面拥有 10 多年的经验，涉及消费和企业领域。凭借产品设计和媒体娱乐制作背景，她擅长打造令客户满意的产品。工作之余，她创作互动艺术，也喜欢电子音乐。