Author: AWS Localization

2 月 8 日，我们发布了适用于 WordPress 的 Amazon Polly 插件，让您可以轻松地让内容变有声，直接从网站发布播客。借助音频，您可以通过另外一种方式向用户提供内容，并满足更多受众群体的需求。

语音合成标记语言 (SSML) 是一种标准化标记语言，使开发人员能够修改文本到语音 (TTS) 音频。借助 SSML，您可以控制 TTS 输出的各种声音特征，例如发音，语速和其他元素，以产生听上去更自然的声音体验。

今天，我们很高兴地推出一种您可以与 Amazon Polly 一起使用的新语音 SSML 标签。新的语音标签使您能够产生更柔和的对话。

在 2016 年的 re:Invent 大会上，Adrian Cockcroft 谈了 AWS 开源项目 – 贡献、支持与行动，介绍了截至当时我们在开源领域取得的一些基本成就。在演讲中，他宣布正在组建开源社区行动团队，并且 Zaheda Bhorat 已经以开源战略负责人的身份加入了 AWS。

Adrian 的团队不断发展壮大，到目前为止已吸纳了以下得力干将：Arun Gupta (首席开源技术专家，主要负责容器及相关技术的研发)、Deirdré Straughan (开源内容负责人)、Alolita Sharma (首席开源技术专家) 和 Shirley Bailes (开源社区活动经理)。

该团队在推出开源代码、推动成果实现以及在全球范围内建立并支持成功的开发人员社区方面积累了丰富的实战经验，以广泛且深厚的开源专业知识充实了 AWS 知识库。

2017 年，Amazon RDS 团队推出了近 80 项功能。本博客介绍了其中部分功能，AWS 数据库博客介绍了另外的部分功能，其余功能可在“新增功能”或论坛文章中找到。为了给这一周的工作画上圆满句号，我认为有必要为大家整理一份条理清晰的内容回顾。

从下月开始，我们将在 AWS 初创公司博客上发布每月一度的热门初创公司。请赶紧来一睹为快吧。

不论是通过 Instagram 等社交媒体渠道还是通过华丽的产品页面，视觉通信已然成为人们日常生活的中心，便捷的设计平台和工具在科技世界的重要性也与日俱增。正是由于这一趋势，我们将 Canva、Figma 和 InVision 这三家设计相关的初创公司选为我们的二月热门初创公司。

Amazon Elastic Container Service (ECS) 是部署容器化微服务的绝佳方法。mu 是 Stelligent 推出的一款开源工具，利用 CLI 简化了 ECS 集群所需 AWS 资源的声明和管理，让开发人员能够更轻松地开始在 ECS 上部署微服务。此外，它还利用 AWS CodeBuild 和 AWS CodePipeline 创建了部署管道。在这篇客座文章中，来自 Stelligent 的 Casey Lee 说明了如何使用 mu 轻松创建这样的管道。

用户体验设计如何让客户受益？如何帮我们赢得客户的信任？Amazon 高级用户体验设计师 Danny Banks 引述了 Jakob Nielsen 的这样一段话：“始终如一的体验可帮助组织赢得客户信任。每次互动都是公司整体用户体验的一部分。如果不同渠道的用户体验不一致，用户就会质疑组织的可信度。”

现在，您可以直接从 AWS 管理控制台将应答添加到 Amazon Lex 聊天自动程序中。可以使用应答与用户建立动态、有趣的交互。

AWS 团队一直热切希望不断提供新功能，帮助您更轻松地保护敏感数据，实现合规性目标。例如，2017 年我们推出了 SQS 和 EFS 轻松加密功能、适用于 S3 的更多加密选项，以及 Kinesis Data Streams 服务器端加密。

今天，我们的数据保护选项再添新成员：Amazon DynamoDB 轻松加密功能隆重推出。您只需在创建新表时启用加密功能，DynamoDB 便可为您执行剩下的操作。您的数据 (表、本地二级索引和全局二级索引) 将使用 AES-256 和服务默认的 AWS Key Management Service (KMS) 密钥加密。加密不会增加存储开销，而且是完全透明的；您可以像以前一样插入、查询、扫描和删除项目。团队人员启用加密功能后，在加密的 DynamoDB 表上运行多个不同的工作负载时发现延迟时间没有任何变化。

现在，适用于 Ubuntu 和 Amazon Linux 的 AWS Deep Learning AMI 包含最新版本的 TensorFlow (1.5) 和 Microsoft Cognitive Toolkit (2.4)。这些框架支持 NVIDIA CUDA 9 和 cuDNN 7 驱动程序。这可让您利用 V100 Volta GPU (支持 Amazon EC2 P3 实例) 支持的混合精度训练。在早期在 Volta 上进行的 TensorFlow 1.5 测试中，我们在 p3.8xlarge 实例上使用 ImageNet 合成数据在 FP16 模式下对 ResNet-50 基准进行训练，其速度比使用 TensorFlow 1.4.1 进行训练要快 1.8 倍。