Простой в использовании API

Amazon Polly предоставляет API, который позволяет быстро интегрировать в приложение возможность синтеза речи. Достаточно отправить в API Amazon Polly текст, который необходимо преобразовать в речь, и сервис сразу же направит обратно в приложение соответствующий аудиопоток. Таким образом, можно немедленно начать потоковую передачу или сохранить аудиопоток в стандартном аудиоформате, например MP3.

Частота дискретизации Образец кода
«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")

Богатый выбор голосов и языков

Amazon Polly включает в себя несколько десятков естественно звучащих голосов и поддерживает множество языков. Таким образом, пользователи могут выбрать подходящий голос и распространять свои приложения с поддержкой речевых интерфейсов в разных странах.

Язык программирования Женский голос
Мужской голос
Английский (Австралия) Николь Рассел
Португальский (Бразилия) Витория Рикардо
Французский (Канада) Шанталь  
Датский Ная Мэдс
Голландский Лотте Рубен
Французский

Лея

Селин

Мэтью

 

Немецкий Вики Ганс
  Марлен  
Хинди Aditi
 
Исландский Дора Карл
Английский (Индия)

Равина

Aditi

 
Итальянский Карла Джорджо
Японский Мизуки Такуми
Корейский Со Ён  
Мандарин (китайский) Чжиюй  
Норвежский Лив  
Польский Ева Яцек
  Майя Ян
Португальский (иберийский) Инеш Криштиано
Румынский Кармен  
Русский Татьяна Максим
Испанский (кастильский) Кончита Энрике
Шведский Астрид  
Турецкий Филиз  
Английский (Великобритания) Эми Брайан
  Эмма  
Английский (США) Джоанна Мэттью
  Салли Джастин
  Кендра Джоуи
  Кимберли  
  Иви  
Испанский (США) Пенелопа Мигель
Уэльский Гвинет  
Английский (Валлийский)   Герайнт

Синхронизация речи для улучшенного визуального восприятия

Amazon Polly упрощает запрос дополнительного потока метаданных, предоставляющего информацию о том, когда произносятся конкретные предложения, слова и звуки. Используя этот поток метаданных вместе с аудиопотоком синтезированного речевого сигнала, теперь можно создавать приложения с улучшенными визуальными возможностями, такими как анимация лиц, синхронизированная с речью, или выделение слов в стиле караоке.

Подробнее об использовании речевых меток см. в документации

Оптимизация потоковой передачи звука

С помощью Amazon Polly можно передавать пользователям через свое приложение все виды информации в режиме, близком к реальному времени. Для оптимизации полосы частот и качества звука для приложения можно выбирать различные частоты дискретизации. Amazon Polly поддерживает звуковые потоки в форматах MP3, Vorbis и несжатом формате PCM.

Частота дискретизации Размер MP3 Размер OGG
Размер PCM
22,05 кГц Прослушать
19,02 КБ 19,14 КБ н/д
16,05 кГц Прослушать 16,04 КБ
16,35 КБ
99,53 КБ
8,00 кГц Прослушать 13,26 КБ 10,40 КБ 49,76 КБ

Настройка скорости речи, высоты тона и громкости

Amazon Polly поддерживает Speech Synthesis Markup Language (SSML), язык разметки для приложений синтеза речи стандарта W3C на основе XML, а также стандартные теги SSML, используемые для построения фраз, акцента и интонации. Такие гибкие возможности настройки позволяют создавать естественно звучащую речь, которая будет привлекать и удерживать внимание аудитории.

Подробную информацию см. в документации Amazon Polly по тегам SSML.

Образец SSML
This is how I speak normally. (none)
I can speak in a higher pitched voice, or I can speak in a lower pitched voice. <speak>I can speak in a <prosody pitch="high">higher pitched voice</prosody>, or I can speak <prosody pitch="low">in a lower pitched voice</prosody></speak>
I can speak really slowly, or I can speak really fast. <speak>I can speak <prosody rate="x-slow">really slowly</prosody>, or  I can speak <prosody rate="x-fast">really fast</prosody></speak>
I can also speak very loudly, or I can speak very quietly. <speak>I can also speak <prosody volume="x-loud">very loudly</prosody>, or I can speak <prosody volume="x-soft">very quietly</prosody>. </speak>
I can whisper. <speak>I have a secret to tell you, I will whisper it to you.<amazon:effect name="whispered">'<prosody rate="x-slow"> <prosody volume="loud">I am not human.</prosody></prosody></amazon:effect>Can you believe it?</speak>

Настройка максимальной продолжительности речи

Amazon Polly позволяет автоматически настраивать скорость речи на основе максимального отведенного времени, которое можно определить с помощью новой возможности интонационных конструкций, зависящих от времени. Это может пригодиться для многих примеров использования, особенно связанных с локализацией.

Предположим, что в учебном видео присутствует речь на американском английском, и вы хотите перевести это видео на немецкий язык. Допустим также, что вы переводите текст с помощью Amazon Translate и озвучиваете его с помощью Polly. Очень важно, чтобы переведенная на немецкий язык речь попадала в соответствующие видеокадры, поэтому речь на немецком языке не может быть продолжительнее, чем речь на американском английском. Новую возможность можно использовать для упрощения процесса дублирования.

Поддержка платформ и языков программирования

Amazon Polly поддерживает все языки программирования, включенные в SDK AWS (Java, Node.js, .NET, PHP, Python, Ruby, Go и C++) и AWS Mobile SDK (iOS/Android). Polly также поддерживает API HTTP, поэтому пользователь может обеспечить свой собственный уровень доступа.

Синтез речи с помощью API, консоли или командной строки

С Amazon Polly можно работать, используя API Polly (и различных SDK для конкретных языков), Консоль управления AWS и интерфейс командной строки AWS. Пользователь получает полный контроль над всеми возможностями Amazon Polly независимо от того, каким образом выполняется управление сервисом – с помощью консоли, API или интерфейса командной строки.

Пользовательский лексикон

С помощью пользовательского лексикона (словарей) в Amazon Polly можно изменить произношение отдельных слов, таких как названия компаний, аббревиатур, иностранных слов и неологизмов (например, «ROTFL», «C’est la vie», когда этот текст произносит не французский голос). Чтобы настроить произношение, необходимо загрузить файл XML с лексическими записями. Например, можно настроить произношение «Nguyen», предоставив фонему с помощью следующего фрагмента кода XML:

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

Подробнее о ценах на Amazon Polly

Перейти на страницу цен
Готовы начать работу?
Регистрация
Есть вопросы?
Свяжитесь с нами