Category: Artificial Intelligence

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。

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。

今天，AWS 与 WP Engine 联合发布了适用于 WordPress 的 Amazon Polly 插件。示例插件让 WordPress 创作者可以轻松为书面内容添加文本转语音功能。随着语音交互日益普及，为网站内容赋予音频形式也成了一项必要的工作。此外，被语音功能吸引到您网站的访问者现在可以通过新的渠道 (如内联音频播放器和移动设备上的播客应用程序) 来使用您的内容。现在，读者和听众可以收听您的文章，而不必一直盯着屏幕，比如在驾车、骑自行车甚至是慢跑时收听。

2016 年末我在博文 Amazon Polly – 47 种声音和 24 种语言的文本到语音转换中，第一次向大家介绍了 Polly。在推出 AWS re:Invent 后，我们增加支持韩语、五种新声音，并在 aws 分区中的所有区域开放 Polly 服务。此外，我们增加了悄悄话、语音标记、音效和动态范围压缩等功能。

今天我们推出了一个 WordPress 插件，它使用 Polly 来创造高品质的音频版博文。您可以在博文中读取音频，也可使用我们称为 Amazon Pollycast 的播客格式读取！这两种选项都可提高内容的无障碍性，帮助您辐射更广泛的受众。此插件是 AWS 团队与 AWS 高级技术合作伙伴 WP Engine 的朋友们紧密合作的结果。

今天，AWS 发布了 Model Server for Apache MXNet (MMS) 版本 0.2，这是一个打包深度学习模型和为模型提供服务的开源库，适用于进行大规模预测。现在，您可以 Open Neural Network Exchange (ONNX) 的形式为模型提供服务，并直接向 Amazon CloudWatch (可在其中创建控制面板和警报) 发布运维指标。

Amazon AI 的目标是通过开发 Amazon SageMaker 之类的平台来让机器学习变得大众化，而 fast.ai 的目标正好与其相同：提供平等教育机会，以便每个人都可以掌握机器学习并提高工作效率。fast.ai 的宣传语是“让神经网络触手可及。”这不是一场降低深度神经网络热门度的比赛，而是要让其吸引力和可访问性不仅仅局限于主导该领域研究的学术精英。

随着深度学习用例 (例如，计算机视觉、自然语言处理和机器翻译) 的激增，我们还发现，开发人员社区对了解机器学习及其在众多问题上的应用产生了浓厚的兴趣。在实际应用方面，“深度学习纳米学位”开发公司 Udacity 在全球的用户数量已超过 800 万。其中，5 万多名用户志在获得纳米学位，获得这些学位的很大一部分用户专注于深度学习。我们开始注意到，机器学习掀起热潮，但这方面的教育仍旧沿袭一般教育方式，从研究开始，然后才是应用。进入 fast.ai 世界，感受大规模开放在线课程 (MOOC) 无与伦比的魅力，与 10 万余名学生共同利用 AWS 云的全球网络办公环境在线学习深度学习。

AWS 客户请求提供一种方法用来在 Amazon SageMaker 中记录活动，从而帮助满足管治及合规性要求。我很高兴地宣布，Amazon SageMaker 现在与 AWS CloudTrail 进行了集成，这项服务可用来记录、持续监控以及保留与 Amazon SageMaker API 活动相关的账户信息。无论是通过 Amazon SageMaker SDK、AWS SDK、Apache Spark SDK for Amazon SageMaker，还是通过 Amazon SageMaker 控制台进行的 Amazon SageMaker API 调用，都可以被捕获并发送到 Amazon S3 存储桶，从而提供 AWS 账户活动的事件历史记录。记录的信息包括源 IP 地址、发出请求的日期和时间、与请求关联的用户身份以及请求的参数。

我们的香港机构 (IVE) 已开始尝试将 Amazon Lex 应用于教学、研究和医疗保健领域。我们有很多非技术员工，如 IVE 的英语教师，以及 IVE 育儿、长者及社区服务处的治疗师；他们没有技术知识，不会在 Amazon Lex 控制台中构建自然语言对话自动程序 (聊天自动程序)。我们完成了几个为非技术用户构建 Amazon Lex 聊天自动程序的试点项目。非技术用户将问题填入 Excel 电子表格，然后由开发人员将他们的问题复制到 Amazon Lex 控制台中。当用户想要更改聊天自动程序中的内容时，开发人员都必须重复同样的复制和粘贴过程。

我们以 Amazon Echo、Amazon Echo Dot 和 Amazon Echo Show 的评论为例。我们将上传其他伪造的示例数据 (尽量不损害品牌声誉)，然后使用具有细微差别的信息来模拟检索与产品有关的负面情绪，例如，正在召回的有缺陷、受损或危险商品。最后，我们使用 Amazon Athena 对负面评论进行交互查询并导出报告，以便让企业立即采取措施。