Amazon Polly 现已全面推出全新生成式引擎和三种语音
内容提要
Amazon Polly发布了新的生成引擎，提供三种语音：Ruth和Matthew用于美式英语，Amy用于英式英语。该引擎使用公共和专有数据的组合来生成高质量、上下文相关的语音。Amazon Polly是一种将文本转换为逼真语音的机器学习服务，也被称为文本到语音（TTS）技术。使用Amazon Polly，用户可以选择多种语音选项，并调整语速、音调和音量。生成引擎是Amazon Polly现有标准、神经和长篇TTS引擎的最新添加。用户可以通过Amazon Polly控制台或CLI访问生成引擎。
延伸解读
生成式引擎的技术背景
生成式引擎基于2024年2月Amazon科学家推出的研究型TTS模型BASE（具有应急功能的大型自适应可流式传输TTS）。该模型使Polly能够创建类似人声的合成生成式语音，标志着TTS技术从传统串联合成、神经TTS到生成式方法的演进。
四种语音引擎的演进与选择
Amazon Polly现支持四种语音引擎：标准语音（2016年）、神经语音（2019年）、长语音（2023年）和生成式语音。标准语音采用串联合成法，神经语音使用序列到序列神经网络，长语音针对长内容优化，生成式语音则提供更高质量的上下文相关语音。用户可根据应用场景选择。
使用方式与区域可用性
新的生成式语音可通过AWS管理控制台、CLI或SDK使用，目前仅在美国东部（弗吉尼亚州北部）区域推出。用户按转换为语音的文本字符数付费。使用CLI时，可通过describe-voices命令筛选支持生成式引擎的语音，并用synthesize-speech命令指定引擎参数生成音频。
Q&A
Amazon Polly的新生成式引擎有哪些语音选项？
新生成式引擎提供三种语音：Ruth和Matthew用于美式英语，Amy用于英式英语。
Amazon Polly的生成式引擎如何生成语音？
生成式引擎使用公共和专有数据的组合，生成高质量、上下文相关的语音。
用户如何访问Amazon Polly的生成式语音？
用户可以通过AWS管理控制台、CLI或SDK访问生成式语音。
Amazon Polly支持哪些语音引擎？
Amazon Polly现在支持四种语音引擎：标准语音、神经语音、长语音和生成式语音。
生成式引擎与其他语音引擎有什么不同？
生成式引擎使用新的研究型TTS模型，能够创建类似人声的合成生成式语音，质量更高。
如何使用CLI命令生成语音？
可以使用命令$ aws polly synthesize-speech，指定文本和语音ID生成音频文件。
