O motor Generative do Amazon Polly recebeu uma atualização, anunciada pela AWS no blog de Machine Learning. Ela já está em disponibilidade geral, em produção.
O que mudou
Segundo a AWS, o motor gera fala mais expressiva e mais precisa, com baixa latência. A ideia é que as vozes ajustem emoção e prosódia ao próprio texto, sem configuração manual. Os exemplos mostram a mesma frase, "your package arrived early", dita em tom neutro, incerto e surpreso.
A precisão com entidades é um foco declarado. O áudio de demonstração traz uma voz lendo a confirmação de um pedido com código de rastreio, data e hora, valor em moeda, endereço e código de confirmação alfanumérico.
Vozes, idiomas e Regiões
As 14 vozes novas cobrem nove localidades: inglês dos EUA, da Austrália e da Índia, alemão, espanhol dos EUA, português do Brasil, coreano, hindi e finlandês. Hindi (Arjun e Kiara) e finlandês (Suvi) chegam em disponibilidade geral ao motor Generative pela primeira vez. O catálogo passa a somar 57 vozes generativas em 11 idiomas e 25 localidades. O AWS GovCloud (US-West) entra na lista de Regiões compatíveis, que chega a 11.
O que não muda
É um upgrade direto, sem trabalho de migração. Nomes de vozes e chamadas de API continuam os mesmos, e os aplicativos que já usam vozes generativas são atualizados no próprio serviço. A AWS afirma que o preço não muda, sem SKU novo, e que prompts estáticos podem ser armazenados em cache e reproduzidos sem custo adicional. A API de streaming bidirecional, a StartSpeechSynthesisStream, permite que o aplicativo envie texto e receba áudio ao mesmo tempo, o que a AWS indica para agentes de voz em tempo real.
A AWS também diz que as melhorias chegam automaticamente aos fluxos do Amazon Connect e da Genesys.
Limites a conhecer
As vozes standard e neural não são afetadas pelo upgrade. Speech marks não estão disponíveis nas vozes generativas, então aplicativos que precisam delas devem continuar nas vozes standard ou neural. As tags SSML continuam com suporte. A AWS recomenda chamar DescribeVoices no momento do deploy para confirmar que a voz escolhida existe na Região onde o aplicativo roda.
Um dado de cliente
A Sanoma Media Finland, que publica em áudio mais de 10.000 artigos por mês com a voz neural finlandesa do Polly, disse à AWS que a nova voz generativa Suvi é uma melhoria clara e soa visivelmente mais natural. É um depoimento publicado pelo fornecedor, baseado nos testes do próprio cliente.