简单易用的 API

Amazon Polly 提供一个 API,借助此 API,您可以将语音合成快速集成到应用程序中。您只需将要转换成语音的文本发送到 Amazon Polly API,Amazon Polly 便会立即将音频流返回到您的应用程序中。您的应用程序可以直接开始对音频进行流式处理,并且您也可以将其存储为 MP3 等标准音频文件格式。

采样率 示例代码
"Hi.My name is Joanna." from boto3 import client
polly = client("polly", region_name="us-east-1")
response = polly.synthesize_speech(
        Text="Hi.My name is Joanna.",
        OutputFormat="mp3",
        VoiceId="Joanna")

广泛的语音和语言选择

Amazon Polly 可以提供几十种逼真的语音并支持多种语言,因此您可以选择最合适的语音,并在多个国家/地区分发具有语音功能的应用程序。

语言
澳大利亚英语 Nicole Russell
巴西葡萄牙语 Vitória Ricardo
加拿大法语 Chantal  
丹麦语 Naja Mads
荷兰语 Lotte Ruben
法语

Léa

Céline

Mathieu

 

德语 Vicki Hans
  Marlene  
北印度语 Aditi
 
冰岛语 Dóra Karl
印度英语

Raveena

Aditi

 
意大利语 Carla Giorgio
日语 Mizuki Takumi
韩语 Seoyeon  
中文普通话 Zhiyu  
挪威语 Liv  
波兰语 Ewa Jacek
  Maja Jan
葡萄牙语 – 伊比利亚语 Inês Cristiano
罗马尼亚语 Carmen  
俄语 Tatyana Maxim
西班牙语 – 卡斯提语 Conchita Enrique
瑞典语 Astrid  
土耳其语 Filiz  
英国英语 Amy Brian
  Emma  
美国英语 Joanna Matthew
  Salli Justin
  Kendra Joey
  Kimberly  
  Ivy  
美国西班牙语 Penélope Miguel
威尔士语 Gwyneth  
威尔士英语   Geraint

同步语音,实现增强的视觉体验

Amazon Polly 让用户可以轻松请求额外的元数据流,其中带有与语句、文字或声音的发出时间相关的信息。将此元数据流与合成语音音频流配合使用,您现在能够在应用程序中提供增强的视觉体验,例如语音同步面部动画或者卡拉 ok 式文字突出提示。

请参阅文档以便了解有关如何使用语音标记的更多信息。 

优化流音频

借助 Amazon Polly,您可以通过应用程序近乎实时地将各种信息流式传输给用户。Amazon Polly 还提供多种采样率供您选择,便于您为应用程序优化带宽和音频质量。Amazon Polly 支持 MP3、Vorbis 和原始 PCM 音频流格式。

采样率 MP3 大小 OGG 大小
PCM 大小
22.05 kHz 收听
19.02kB 19.14kB 不适用
16.05 kHz 收听 16.04kB
16.35kB
99.53kB
8.00 kHz 收听 13.26kB 10.40kB 49.76kB

调整语速、音调和音量

Amazon Polly 支持语音合成标记语言 (SSML),它是一种基于 XML 的 W3C 标准标记语言,适用于语音合成应用程序,且支持使用通用 SSML 标签进行断句、重音和语调。这种灵活性能够帮助您创建逼真的语音,从而吸引并维持听众的注意力。

要了解更多信息,请参阅关于 SSML 标签的 Amazon Polly 文档

示例 SSML
这是我正常的说话方式 (无)
我能用较高的音调说话,也能用较低的音调说话 <speak>我能用<prosody pitch="high">较高的音调说话</prosody>,也能用<prosody pitch="low">较低的音调说话</prosody></speak>
我可以说得很慢,也可以说得很快 <speak>我可以说得<prosody rate="x-slow">很慢</prosody>,也可以说得<prosody rate="x-fast">很快</prosody></speak>
我还能大声说,也能小声说 <speak>我还能<prosody volume="x-loud">大声说</prosody>,也能<prosody volume="x-soft">小声说</prosody>。</speak>
我能悄声说话。 <speak>我有一个秘密,我将悄声告诉你。<amazon:effect name="whispered">'<prosody rate="x-slow"> <prosody volume="loud">我不是人类。</prosody></prosody></amazon:effect>你相信吗?</speak>

调整语音最长持续时间

您可以借助 Amazon Polly 根据使用时间驱动韵律功能定义的最大分配时间量自动调整语速。此功能对于许多使用案例都大有裨益,尤其是在本地化方面。

例如,假设您的培训视频语音是美式英语,您希望将视频本地化为德语。如果您使用 Amazon Translate 翻译文本并使用 Polly 添加语音,那么重要的是,确保本地化后的德语语音与对应的视频帧保持一致,德语语音不能长于美式英语的语音。使用此功能,您可以更轻松地完成配音工作。

平台和编程语言支持

Amazon Polly 支持 AWS 软件开发工具包中包含的所有编程语言 (Java、Node.js、.NET、PHP、Python、Ruby、Go 和 C++) 以及 AWS 移动软件开发工具包中包含的所有编程语言 (iOS/Android)。Polly 还支持 HTTP API,因此您可以实施自己的访问层。

通过 API、控制台或命令行进行语音合成

Amazon Polly 可通过 Polly API (和各种采用特定语言的软件开发工具包)、AWS 管理控制台和 AWS 命令行界面 (CLI) 进行访问。不论您是通过控制台、API 还是 CLI 使用 Amazon Polly,您都可以全面控制它的各项功能。

自定义词典

借助 Amazon Polly 的自定义词典或词汇,您可以修改特定词语的发音,如公司名称、首字母缩略词、外来词和新词 (例如,使用非法语语音说话时的“ROTFL”、“C’est la vie”)。要自定义这些发音,您需要上传包含词条的 XML 文件。例如,您可以使用以下 XML 提供一个音位,从而自定义“Nguyen”的发音。

<lexeme>
            <grapheme>Nguyen</grapheme>
            <grapheme>nguyen</grapheme>
            <grapheme>NGUYEN</grapheme>
            <phoneme>"nu.jEn'</phoneme>
</lexeme>

了解有关 Amazon Polly 定价的更多信息

访问定价页面
准备好开始使用了吗?
注册
还有更多问题?
联系我们