Генеративный движок Amazon Polly получил обновление, о котором AWS объявила в блоге Machine Learning. Сейчас оно доступно в продакшене в режиме общего доступа.
Что изменилось
По данным AWS, движок выдаёт более выразительную и точную речь при низкой задержке. Голоса должны сами подстраивать эмоции и просодию под текст, без ручной настройки. В примерах одна и та же фраза «ваша посылка пришла раньше срока» звучит нейтрально, неуверенно и с удивлением.
Отдельный акцент сделан на точности работы с сущностями. В демонстрационной записи голос зачитывает подтверждение заказа: трек-номер, дату и время, сумму в валюте, адрес и буквенно-цифровой код подтверждения.
Голоса, языки и регионы
Четырнадцать новых голосов охватывают девять локалей: английский (США, Австралия, Индия), немецкий, испанский (США), бразильский португальский, корейский, хинди и финский. Хинди (Arjun и Kiara) и финский (Suvi) впервые доступны на движке Generative в общем доступе. Всего в каталоге теперь 57 генеративных голосов на 11 языках и в 25 локалях. К поддерживаемым регионам добавился AWS GovCloud (US-West), и их стало 11.
Что остаётся прежним
Это обновление без доработок. Названия голосов и вызовы API не изменились, а приложения, которые уже используют генеративные голоса, обновляются на месте. AWS сообщает, что цена прежняя, нового SKU нет, а статические подсказки можно кэшировать и воспроизводить без дополнительной платы. Двунаправленный потоковый API StartSpeechSynthesisStream позволяет приложению отправлять текст и одновременно получать аудио; AWS предлагает его для голосовых агентов реального времени.
AWS также утверждает, что улучшения автоматически доходят до сценариев в Amazon Connect и Genesys.
Ограничения
Стандартные и нейронные голоса обновление не затрагивает. Speech marks на генеративных голосах недоступны, поэтому приложениям, которым они нужны, придётся остаться на стандартных или нейронных голосах. Теги SSML по-прежнему поддерживаются. AWS советует при развёртывании вызывать DescribeVoices, чтобы убедиться, что выбранный голос есть в регионе, где работает приложение.
Отзыв клиента
Sanoma Media Finland, которая публикует в аудиоформате более 10 000 статей в месяц на финском нейронном голосе Polly, сообщила AWS, что новый генеративный голос Suvi заметно лучше и звучит ощутимо естественнее. Это отзыв, опубликованный самим вендором, и основан он на собственном тестировании клиента.