Perguntas frequentes sobre o Amazon Polly

O Amazon Polly é um serviço que transforma texto em falas realistas. O Amazon Polly permite que aplicações atuais usem um recurso de fala de alto nível e cria oportunidades para categorias totalmente novas de produtos com fala, que abrangem de aplicações móveis e veículos a dispositivos e eletrodomésticos. O Amazon Polly inclui dezenas de vozes realistas e aceita vários idiomas, o que permite selecionar a voz ideal e distribuir aplicações com recursos de fala em várias regiões diferentes. O Amazon Polly é fácil de usar. Basta enviar o texto a ser convertido em fala à API do Amazon Polly. A aplicação receberá imediatamente o stream de áudio do Amazon Polly para reprodução direta ou armazenamento em formato de arquivo de áudio padrão, como MP3. O Amazon Polly permite tags de Speech Synthesis Markup Language (SSML), como prosódia, o que permite ajustar a velocidade, o tom e o volume das falas. O Amazon Polly é um serviço seguro que oferece todos esses benefícios em grande escala e com baixa latência. É possível armazenar em cache e reproduzir a fala gerada pelo Amazon Polly sem custos adicionais. Após o cadastro, o Amazon Polly permite converter gratuitamente milhões de caracteres por mês durante o primeiro ano. A definição de preço com pagamento conforme o uso, o baixo custo por solicitação e a inexistência de restrições de armazenamento e reutilização da saída de fala do Amazon Polly fazem dele uma forma econômica de utilizar síntese de fala em qualquer lugar.

Você pode usar o Amazon Polly para usar saídas de fala de alta qualidade em aplicações. Esse serviço econômico oferece tempos de resposta muito baixos e está disponível para praticamente qualquer caso de uso, sem restrições de armazenamento e reutilização das falas geradas.

Você pode controlar vários aspectos da fala como pronúncia, volume, tom e velocidade, entre outros, usando Speech Synthesis Markup Language (SSML) padrão. Você pode sintetizar a fala de certas vozes neurais usando o estilo de noticiários para que soem como um apresentador de TV ou rádio. Você pode detectar quando palavras ou frases específicas no texto estão sendo faladas para o usuário com base nos metadados inclusos no stream de áudio. Isso permite que o desenvolvedor sincronize destaque gráfico e animações, como os movimentos de lábios de um avatar, com a fala sintetizada. Você pode modificar a pronúncia de palavras específicas, como nomes de empresas, acrônimos, palavras estrangeiras e neologismos, p.ex., “P!nk”, “ROTFL”, “C’est la vie” (quando falado em uma voz não francesa) usando léxicos personalizados.

As marcas de fala foram criadas para complementar a fala sintetizada gerada por meio do texto de entrada. Ao usar esses metadados junto com o stream de áudio de fala sintetizada, os clientes poderão disponibilizar às suas aplicações uma experiência visual otimizada, oferecendo recursos como animação sincronizada com a fala ou destaque em estilo de karaokê.

O Amazon Polly gera marcas de fala usando os quatro seguintes elementos:

1. Frase, que indica um elemento de frase no texto de entrada a ser falado;
2. Palavra, que indica um elemento de palavra no texto;
3. Visema, que descreve o formato dos lábios que corresponde ao som falado;
4. SSML, que descreve um elemento SSML usado no texto.

As marcas de fala são fornecidas no formato de um fluxo JSON (especificamente, um conjunto de objetos JSON autônomos delimitados por novas linhas) que contém de um a todos esses quatro elementos quando o método synthesize-speech é usado com o parâmetro speech-mark-types. Você pode encontrar mais informações no Guia do desenvolvedor do Amazon Polly.

O Amazon Polly permite que você dê vida às aplicações adicionando recursos de fala realistas. Por exemplo, você pode criar aplicações para e-learning e educação usando o recurso de conversão de texto em fala (TTS) do Amazon Polly para ajudar as pessoas com deficiências de leitura. O Amazon Polly pode ser usado para ajudar pessoas com deficiências visuais a consumir conteúdo digital (eBooks, notícias, etc.). Também é possível usar o Amazon Polly em sistemas de alto-falantes para anunciar notificações e emergências em sistemas de transporte público e controle industrial. Existe uma grande variedade de dispositivos como decodificadores, smartwatches, tablets, smartphones e dispositivos de IoT que pode utilizar o Amazon Polly para oferecer saída de áudio. O Amazon Polly pode ser usado em soluções de telefonia como voz para sistemas de resposta de voz interativa (IVR). Aplicações como quebra-cabeças, animações, avatars ou geração de narrativas são casos de uso comuns para soluções de TTS com base em nuvem como o Amazon Polly.

A combinação com o Amazon Lex permite que os desenvolvedores criem interfaces de usuário completas com voz para os aplicativos. No Amazon Connect, a fala do Amazon Polly é usada para criar serviços de central de atendimento baseados na nuvem no modelo de autoatendimento. Além disso, os desenvolvedores de aplicativos móveis e da Internet das Coisas (IoT) podem usar o Amazon Polly para adicionar saída falada a seus próprios sistemas.

As soluções de conversão de texto em fala em dispositivos exigem recursos de computação consideráveis, principalmente capacidade de CPU, RAM e espaço em disco para serem disponibilizadas nos dispositivos. Isso pode resultar em maior custo de desenvolvimento e consumo de energia em dispositivos como tablets, smartphones, etc. Por outro lado, a conversão de texto em fala na nuvem reduz drasticamente os requisitos de recursos locais. Com isso, é possível usar todas as linguagens e vozes disponíveis com a maior qualidade possível. Além disso, as correções e aprimoramentos das falas são disponibilizados instantaneamente a todos os usuários finais, sem necessidade de atualizações adicionais em todos os dispositivos. A conversão de texto em fala (TTS) na nuvem independe de plataforma, minimizando o tempo e os esforços de desenvolvimento.

Basta fazer login na sua conta da AWS e navegar até o console do Amazon Polly (que é parte do console da AWS). No console, você pode digitar qualquer texto e ouvir a fala gerada ou salvá-la como um arquivo de áudio.

Consulte a Lista de serviços regionais da AWS para ver todas as regiões que oferecem suporte às vozes padrão do Amazon Polly. O seguinte subconjunto dessas regiões oferece suporte às vozes neurais: Leste dos EUA (Norte da Virgínia), Oeste dos EUA (Oregon), Canadá (Central), Ásia-Pacífico (Tóquio), Ásia-Pacífico (Seul), Ásia-Pacífico (Singapura), Ásia-Pacífico (Sydney), África (Cidade do Cabo), UE (Londres), UE (Frankfurt), UE (Irlanda), UE (Espanha) e AWS GovCloud (EUA-Oeste).

O Amazon Polly é compatível com todas as linguagens de programação incluídas no AWS SDK (Java, Node.js, .NET, PHP, Python, Ruby, Go e C++) e no AWS Mobile SDK (iOS/Android). Além disso, o Amazon Polly também aceita a API do HTTP, permitindo que você implemente sua própria camada de acesso.

O Amazon Polly permite fazer streaming de áudio para os usuários em tempo quase real. Além disso, você pode escolher entre diversas taxas de amostragem para otimizar a largura de banda e a qualidade de áudio da aplicação. O Amazon Polly é compatível com os formatos de streaming de áudio MP3, Vorbis e PCM bruto.

Consulte a documentação para obter a lista completa de idiomas compatíveis com o Amazon Polly.

Para ajudar a garantir a disponibilidade de recursos da AWS e minimizar o risco de faturamento para novos clientes, a AWS mantém Service Limits para cada conta. Ao usar o Amazon Polly para capacitar sua aplicação com saída de fala de alta qualidade, existirão Service Limits padrão, como limitações de controle de fluxo, operações e uso de SSML. Para obter detalhes, consulte Limites no Amazon Polly no Guia do desenvolvedor do Amazon Polly. A combinação do Amazon Polly com outros serviços da AWS, como o AWS Batch para o processamento de lotes eficiente, pode ajudar a aproveitar o Amazon Polly ao máximo dentro dos Service Limits mencionados.

R: O Amazon Polly é um serviço qualificado para a HIPAA, coberto pelo Adendo de associado comercial da AWS (BAA da AWS). Se você tiver um BAA da AWS implementado, o Amazon Polly usará, divulgará e manterá as Protected Health Information (PHI – Informações protegidas de saúde) exclusivamente da forma permitida pelos termos do AWS BAA, e não como especificado na seção de privacidade de dados das perguntas frequentes sobre o Amazon Polly.

Se você tem interesse em criar um Brand Voice usando o Amazon Polly, entre em contato conosco ou com o gerente da sua Conta da AWS para obter mais informações.

Toda voz é única, por isso é importante aprendermos mais sobre suas metas para definir um escopo preciso para o envolvimento do Brand Voice. Se você tem interesse em criar um Brand Voice usando o Amazon Polly, entre em contato conosco ou com o gerente da sua Conta da AWS para obter mais informações.