亚马逊AWS官方博客

2017 年，我们推出了 Amazon Transcribe，这是一项自动语音识别服务，使开发人员可以轻松地为其应用程序添加语音转文本功能。此后，我们还增加了对更多语言的支持，使全球客户能够转录 31 种语言的音频录音，包括实时转录 6 种语言。

两年前，Amazon Elastic Compute Cloud (EC2) T3 实例首次推出，为运行通用工作负载提供了一种非常经济高效的方式。虽然当前的 T3 实例可为许多使用案例提供足够的计算性能，但许多客户告诉我们，他们有额外的工作负载，这些工作负载可从提高峰值性能和降低成本中受益。

在本文中，我们讲解了如何根据用户交易与活动构建异构图，并使用该图及其他收集到的特征训练GNN模型，最终对交易的欺诈性做出预测。本文还介绍了如何使用DGL与Amazon SageMaker定义并训练具备高预测性能的GNN模型。关于此项目的完整实现以及其他GNN模型详细信息，请参见GitHub repo。

本文介绍了如何在Amazon Lex中创建一款会话式聊天机器人，使用Amazon Textract从图像或PDF文档中提取文本，使用Amazon Comprehend从文本中提取洞见，并通过机器人实现与洞见的交互。本文中所使用的代码皆发布在GitHub repo 当中，供您随意使用及扩展。我们也期待了解您如何将这套解决方案应用于实际用例，请在评论区中分享您的观点与疑问。

在实际的运营场景中，我们可以通过统计过程控制图（SPC：Statistical Process Control Chart）监控运营过程的稳定性，对过程存在的异常因素进行预警，以实现故障减少，用户体验提升和运营成本降低的目的。本文将介绍如何在Amazon SageMaker Service中，通过R语言来绘制统计过程控制图，从而可视化监控运营过程数据。

AWS 始终不懈努力为客户提供支持敏捷开发、快速部署和无限扩展的技术平台，以帮助客户解放资源，从而可以专注于为其客户创新。 我们的这一努力不仅深得客户认可，也获得了领先分析师的认同，令我们倍感自豪。

在本文中，我们使用Amazon SageMaker以BERT为起点，训练出一套能够标记句子语法完整性的模型。接下来，我们将模型分别部署在使用Elastic Inference与不使用Elastic Inference的Amazon SageMaker终端节点。您也可以使用这套解决方案对BERT做其他方向的微调，或者使用PyTorch-Transformers提供的其他预训练模型。
Key Messages as Tag

AWS DeepComposer不只是一款普通的键盘，同时也是一种有趣的互动方式，了解生成式的AI与GAN的复杂性。您可以在它的帮助下学习演奏简单的旋律，甚至可能激发出创作全新乐曲的灵感、训练出自己的自定义音乐流派模型、最终创造出前所未有的声音。我们也可以将两种流派融合起来以创造出新的音乐类型！

本文介绍了高盛集团旗下交易银行团队如何通过TxB微账户策略建立起应用程序隔离边界，又如何使用AWS PrivateLink对策略做出进一步补充。此外，本文还讨论了TxB团队如何跨各微账户建立起与MSK集群的网络连接，又如何通过Amazon MSK在满足核心安全要求的同时摆脱沉重的运营负担。在建立Amazon MSK环境时，大家不妨参考文章中介绍的构建方法。

大家可以在Amazon Rekognition控制台上，根据你的业务要求测试Amazon Rekognition的图像文本识别效果。关于Amazon Rekognition文本检测API的更多详细信息，请参阅Amazon Rekognition说明文档。