AI图鉴

AI图鉴首页 › AI 资讯 › AWS 更新 Amazon Polly Generative 引擎带有14个新声

AWS 更新 Amazon Polly Generative 引擎带有14个新声音

来源:Unite.AI · 发布时间:10-23 · 由 AI图鉴每小时自动聚合

Amazon Web Services 2026年10月22日发布通用升级为 Amazon Polly Generative 文本转语音引擎,全程新增14个声音

AI 模型和平台

AWS 更新 Amazon Polly Generative 引擎带有14个新声音

在 Google 上的首选来源中添加 Unite.AI

Amazon Web Services 2026年10月22日发布是一个一般可用的升级到Amazon Polly Generative 文本转语音引擎,在9个地方新增了14个新声音,并首次将基因声音带给印地语和芬兰语。 在AWS Machine Learning Blog的帖子中,公司形容更新的引擎以低延迟产生更表现性,更准确的语音输出,现在在制作中可用。

发布会作为现有基因声音的滴入升级而到达:语音名称和API呼叫没有变化,因此已经使用它们的应用程序继续工作而不修改。 AWS描述为 Amazon Polly作为一个完全管理的服务,将文本转换成自然语音,用于联系中心,代理应用基于大型语言模型,媒体和娱乐,电子学习,无障碍,以及需要规模可靠的语音输出的其他工作量。

语音质量和引擎设计

AWS 称升级的声音可以在没有手动设置的情况下对输入文本调整情感和音质。 公告以三个相同句子的读数来表现关于一个包裹提前到达的行为——一个中立,一个不确定,一个惊讶——和样本音频。 在其中一个样本中,蒂凡尼语音将听众和推出本身作为波利的基因声音之一来问候;在另一个样本中,肯尼斯语音读回了订单确认,AWS 称精确地使一个跟踪号码,交付日期和时间窗口,货币总额,以及街道地址。

Amazon Polly开发者指南将Generative引擎描述为迄今为止最大的Amazon Polly 文本转语音型号。 它搭配了十亿参数的变压器,将原始文本转换成语音代码,并配以一个以革命为基础的解码器,以递增,流化的方式将这些代码转换成波形。 该指南告诫说,由于该技术位于基因AI范式之内,更新培训数据和模型可以产生微小差异,即使在整体质量提高时声音如何发出,这是对长时间内部分合成内容的考虑,如播客季。

新声音、语言和区域

14个新声音,按语系,是美国英语(Kenneth, Nate),澳大利亚英语(Russell, Curtis),印度英语(Kiara, Arjun),德语(Tina),美国西班牙语(Carlos),巴西葡萄牙语(Leo, Carolina),朝鲜语(Hyunduk),印地语(Kiara, Arjun),芬兰语(Suvi). AWS发布了印地语语音Arjun和Kiara以及芬兰语音Suvi的样本脚本,以及称印地语和芬兰语在Generative引擎上普遍首次提供。

加上这些加词,Generative目录的AWS 称现在共有57个声音,跨越11种语言和25个地方。 11个AWS地区有14个新声音:美国东区(N.Virginia),美国西区(Oregon),欧洲(Frankfurt),欧洲(Zurich),欧洲(伦敦),亚太(Sydney),亚太(首尔),亚太(新加坡),亚太(东京),加拿大(中部),AWS GovCloud(美国-西部),GovCloud(美国-西部)加号扩大了引擎的足迹。

API、定价和文件限制

现有合并未变。 相同的SynthesizeSpeech API呼叫,引擎参数设置为基因化,到达升级的声音,AWS 称不需要更改代码。 对于实时工作量,双向流式API,StartSpeechSynthesisStream,让一个应用程序流式文本给Amazon Poly,同时接收合成音频回转,一个图案AWS描述为与语音agents和游戏中说话字符很吻合。

定价不变。 AWS 称的升级以现有价格提供更好的语音质量和精度,不增加成本,不增加新的SKU,不改变当前集成,客户可以缓存和重播合成的静态提示而不增加成本。 Generative引擎还继续支持语音合成标记语言标记,用于精细的输出控制。

一些有文件记载的限制仍然存在。 基因声音上仍然没有语音标记;标准声音和神经声音不受升级的影响,它们继续得到支持。 开发者指引指出,Generative引擎中不支持新闻caster说话风格,仅在某些地区提供双向流线,基因语音默认为24 kHz采样率,使用MP3,OGG(Vorbis),原始PCM输出格式。 指南还描述了一种内置的紧急停机机制,即当模型显示产生幻觉的潜力时停止语音渲染,一般接近句子的末端;AWS 警告,保障措施可以减少但不能消除风险,在边缘情况下,模型可以截断部分单词或者继续生成超出停止阈值的内容。

可用性和早期客户使用

根据AWS,质量改进可以自动达到Amazon连接和Genesys接触中心流。 开发者可以通过 AWS 管理控制台,AWS 命令行接口,或 AWS SDKs 与声音合作,使用 polly:SynthesizeSpeech IAM 权限,可以在部署时调用 DesignVoices,以确认应用程序运行所在的区域是否有选定的基因语音。

Justus Reinikainen是芬兰Sanoma媒体称的产品经理,Reinikainen 称,在公司的测试中,Suvi的新基因声音比之前的神经声音明显改善

本文由 AI图鉴自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

Noiz AI

AI配音工具,支持文本转语音和声音克隆

ElevenLabs

AI文本转语音,支持包含中文在内的29种语言

VoiceWarp

VoiceWarp 是免费的浏览器语音工具,支持录音、音频和视频的实时音效处理,以及文本转语音后应用角色音效

琅琅配音

智能文本转语音工具

相关免费羊毛

ElevenLabs

免费版:每月 1 万字符语音

Comet

Comet 浏览器送 1 个月 Perplexity Pro

Kiro

AWS 智能体 IDE 免费档:每月 50 积分

Amazon Bedrock

新用户 $200 AWS 额度

同源资讯

OpenAI 使决定 API 与 GPT-6 Luna 通用

Unite.AI · 10-23

Microsoft 诊断性AI 超常医生科学研究

Unite.AI · 10-23

RIVANNA 赢得FDA 关于Acuro XV的BoneEnhance AI模块的许可

Unite.AI · 10-23

Worp Sciences Emergings From Secretth with 215M for AI-P

Unite.AI · 10-23

Cohere 发布公共贝塔模型断层的机密计算

Unite.AI · 10-23

OpenAI监测系统中的 METR 红小组发现脆弱性

Unite.AI · 10-23

阅读原文(unite.ai)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI图鉴首页 · 提交工具 · 商务合作 · 关于本站 · 586 款 AI 工具分类导航 · 每日 AI 热门项目与动态