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 выбирать подходящие голоса и распространять свои приложения с поддержкой речевых интерфейсов в разных странах. Помимо голосов, созданных по стандартным технологиям TTS, в Amazon Polly включены голоса, созданные по технологии нейронного преобразования текста в речь (NTTS). Эта технология улучшает качество речи, и та начинает звучать более естественно и похоже на человеческую.

Язык Женский голос
Мужской голос
Арабский Зейна
 
Английский (Австралия)

Николь

Оливия (на основе нейронной сети)

Рассел
Немецкий (Австрия) Ханна (на основе нейронной сети)  
Португальский (Бразилия)

Витория (стандартный)

Витория (на основе нейронной сети)

Камилла (стандартный)

Камилла (на основе нейронной сети)

Рикардо
Английский (Великобритания)

Эми (стандартный)

Эми (на основе нейронной сети)

Эмма (стандартный)

Эмма (на основе нейронной сети)

Брайан (стандартный)

Брайан (на основе нейронной сети)

Каталанский Арле (на основе нейронной сети)  
Французский (Канада) Шанталь

Габриэль (на основе нейронной сети)
 
Датский Ная Мэдс
Голландский Лотте Рубен
Французский

Леа (стандартный)

Леа (на основе нейронной сети)

Селин

Мэтью

 

Немецкий Вики (Standard)

Вики (нейронная)

Марлен
Ганс
Хинди Aditi
 
Исландский Дора Карл
Английский (Индия)

Равина

Aditi

 
Итальянский Карла

Бьянка (стандарт)

Бьянка (на основе нейронной сети)
Джорджо
Японский Мизуки Такуми (стандартный)

Такуми (на основе нейронной сети)
Корейский Соен (стандартный)

Соен (на основе нейронной сети)

 

 

Китайский (мандаринский) Чжиюй  
Английский (Новая Зеландия) Ария (на основе нейронной сети)  
Норвежский Лив  
Польский Ева

Майя
Яцек

Ян
Португальский (иберийский) Инеш (стандартный)

Инеш (на основе нейронной сети)
Криштиано
Румынский Кармен  
Русский Татьяна Максим
Английский (южно-африканский) Аянда  
Испанский (кастильский) Кончита

Люсия (стандарт)

Люсия (на основе нейронной сети)
Энрике
Испанский (мексиканский) Мия (стандартный)

Мия (на основе нейронной сети)
 
Шведский Астрид  
Турецкий Филиз  
Английский (США)

Джоанна (стандартный)

Джоанна (Нейронная)

Салли (стандартный)

Салли (на основе нейронной сети)

Kendra (Standard)

Kendra (на основе нейронной сети)

Кимберли (стандартный)

Кимберли (на основе нейронной сети)

Айви (стандартный)

Айви (на основе нейронной сети)

Мэттью (стандартный)

Мэттью (Нейронная)

Джастин (стандартный)

Джастин (на основе нейронной сети)

Джоуи (стандартный)

Джоуи (на основе нейронной сети)

 

 

Испанский (США)

Пенелопа

Лупе (стандартный)

Лупе (на основе нейронной сети)

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
24,00 кГц Прослушать 19,31 КБ 18,11 КБ н/п
22,05 кГц Прослушать
19,33 КБ 17,62 КБ н/п
16,05 кГц Прослушать 16,22 КБ 15,48 КБ

100,68 КБ

8,00 кГц Прослушать 13,26 КБ 9,72 КБ 50,34 КБ

Настройка стиля речи, 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, создания акцента и интонации. Настраиваемые теги Amazon SSML открывают уникальные возможности, например заставляют некоторые голоса звучать в стиле Newscaster. Такие гибкие возможности настройки позволяют создавать естественно звучащую речь, которая привлекает и удерживает внимание аудитории.

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

Образец SSML
This is how I speak normally. (none)
I can also speak in a Newscaster style, as if I were reading a news article or delivering a flash briefing. <speak><amazon:domain name="news">I can also speak in a Newscaster style, as if I were reading a news article or delivering a flash briefing.</amazon:domain></speak>
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>

Стиль Newscaster

Amazon Polly позволяет синтезировать речь, похожую на голос теле‑ или радиодиктора. Это отличный способ читать новости или сообщать оперативные информационные сводки. Стиль Newscaster в настоящее время доступен для говорящих на американском английском (en‑US) языке голосов Мэттью и Джоанны, говорящего на британском английском (en-GB) языке голоса Эми и говорящего на американском испанском (es-US) языке голоса Лупе, созданных по технологии нейронного преобразования текста в речь (NTTS). Прослушайте аудиопример на американском английском, британском английском или американском испанском языке.

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>

Фирменный голос

«Фирменный голос» – это специальная программа, в рамках которой вы сотрудничаете с командой Amazon Polly, чтобы создать для своей организации эксклюзивный голос для нейронного преобразования текста в речь (NTTS). Фирменный голос позволяет придать свои продуктам и приложениям уникальное звучание для широкого диапазона вариантов использования, включая интеграцию Amazon Connect и Alexa Skills. Мы сотрудничаем с вами в течение всего процесса, чтобы определить нужный характер, найти актера или актрису и записать их голос, а затем создать и обучить модель воспроизведения голоса. После этого голос становится доступен вашим аккаунтам AWS.

Прослушать фирменный голос Национального банка Австралии »

Прослушать фирменный голос Национального банка Новой Зеландии »

Если вас интересует создание фирменного голоса с помощью Polly, обратитесь к менеджеру аккаунтов AWS или свяжитесь с нами для получения дополнительной информации.

Интеграция контакт-центров

Amazon Connect

Amazon Polly по умолчанию интегрируется с Amazon Connect, облачным решением AWS для контакт-центров, которое используется для настройки контакт-центра и управления им, а также для надежного привлечения клиентов в любых масштабах. Дополнительную информацию о добавлении подсказок с преобразованием текста в речь в вашу интерактивную систему голосового ответа см. в разделе об использовании голосов Polly в Amazon Connect.

Genesys Cloud CX

Genesys Cloud CX – это облачное решение контакт-центра, в котором унифицированы интерфейс клиента и оператора для множества каналов, например для общения по телефону, в SMS-сообщениях и чатах. Вы можете развертывать свои голосовые боты с использованием любого существующего голоса Polly. Подробные сведения см. в документации Genesys Cloud.

SDK для Amazon Chime

Amazon Chime SDK – это набор компонентов для связи в режиме реального времени. Разработчики могут пользоваться им для быстрого добавления в собственные интернет-приложения и приложения для мобильных устройств и телефонии возможностей совершать аудио- и видеовызовы, а также совместно использовать экран. Amazon Chime SDK по умолчанию поддерживает интеграцию с Amazon Polly, что упрощает процесс создания приложений для преобразования текста и чисел в естественную речь и автоматического воспроизведения результата для собеседника в телефонном разговоре.

Аналитика AWS Contact Center (CCI)

Amazon Polly используется несколькими партнерами AWS CCI, поэтому вы можете эффективно создавать виртуальных агентов службы поддержки клиентов, работающей по принципу самообслуживания, информационных ботов или ботов приложений. Среди партнеров Amazon Polly* – Genesys, Vonage и Accenture. Чтобы узнать больше о партнерах, посетите страницу AWS CCI и страницу партнеров AWS CCI.

Подробнее о ценах на Amazon Polly

Перейти на страницу цен
Готовы начать?
Регистрация
Возникли дополнительные вопросы?
Связаться с нами