ซอฟต์แวร์แปลงข้อความเป็นเสียงคืออะไร

Amazon Polly มีฟีเจอร์แปลงข้อความเป็นเสียงต่อไปนี้ที่จำเป็นสำหรับการพัฒนาเสียงที่ทันสมัย

ช่วงของเสียงต่าง ๆ

การมีตัวเลือกในการเลือกภาษา ภูมิภาค เพศ และเสียงที่แตกต่างกันภายในภูมิภาคทำให้มีชุดผลิตภัณฑ์สำหรับการพัฒนาที่ครอบคลุมมากขึ้น Amazon Polly รองรับภาษาหลายสิบภาษารวมถึงรูปแบบและสำเนียงตามประเทศทั้งในรูปแบบชายและหญิง

การผสานรวมที่ใช้ API

ตรวจสอบว่าซอฟต์แวร์ TTS ของคุณมี API ที่ทำงานได้เต็มรูปแบบและพร้อมใช้งานในภาษาการเขียนโปรแกรมหลายภาษา สำหรับการบผสานรวมที่ครอบคลุมที่สุดในโครงการต่าง ๆ Amazon Polly ให้ Amazon Polly API และ SDK เฉพาะภาษาต่าง ๆ ที่หลากหลาย นอกจากนี้ยังสามารถเข้าถึงได้จากคอนโซลการจัดการของ AWS และ AWS Command Line Interface (CLI) คุณควบคุมความสามารถทั้งหมดของ Amazon Polly ได้อย่างสมบูรณ์ไม่ว่าคุณจะใช้งานมันอย่างไรก็ตาม

การควบคุมด้วยเสียงที่แม่นยำ

ภาษามาร์กอัปการสังเคราะห์คำพูด (SSML) เป็นภาษาการมาร์กอัปที่ใช้ XML ช่วยให้คุณสามารถระบุข้อมูลเพิ่มเติมเกี่ยวกับเสียงพูดของคุณได้ ตัวอย่างเช่น คุณสามารถรวมการหยุดชั่วคราว การตีความ (เช่น วันที่ คำย่อ) ความสูงต่ำของเสียง อัตราความเร็ว ระดับเสียง การเน้น การเฟดอิน และองค์ประกอบเสียงอื่น ๆ เพื่อปรับแต่งเสียงที่สร้างขึ้น SSML ช่วยให้คุณสามารถควบคุมเอาต์พุตเสียงได้อย่างเต็มที่และพอร์ตการปรับแต่งไปยังระบบอื่นได้  

Amazon Polly รองรับทั้งแท็ก Amazon SSML ทั่วไปและแบบกำหนดเอง เช่น ความสามารถในการทำให้เสียงพูดเหมือนผู้ประกาศข่าว ความยืดหยุ่นนี้ช่วยให้คุณสร้างเสียงพูดที่เหมือนจริงซึ่งดึงดูดและรักษาความสนใจของผู้ฟังได้

การเชื่อมต่อข้อมูลเมตาสำหรับแอนิเมชันแบบซิงโครไนซ์

แอปพลิเคชันบางอย่าง เช่น เกมและสื่อ ต้องใช้แอนิเมชันที่มีตัวละครที่เคลื่อนไหวตามเสียง เช่น การเคลื่อนไหวของปากหรือคำพูดตามแบบคาราโอเกะ วิดีโอการฝึกอบรมที่มีหลายภาษาจะได้รับประโยชน์จากการจับเวลาที่ซิงโครไนซ์กันในหลายภาษา ดังนั้นเสียงจะตรงกับวิดีโอในเวลาเดียวกันสำหรับทุกภาษา

สำหรับแอปพลิเคชันประเภทดังกล่าว นักพัฒนาจำเป็นต้องมีข้อมูลเมตาเพื่อทำเครื่องหมายว่าองค์ประกอบคำพูดใดจะเกิดขึ้นในเวลาที่กำหนดในรูปแบบที่มีประทับเวลา Amazon Polly อนุญาตให้คุณขอข้อมูลเมตา ทำเครื่องหมายคำพูดเพิ่มเติมพร้อมกับไฟล์เสียงของคุณ เครื่องหมายคำพูดให้ข้อมูลเช่นการประทับเวลาของไฟล์เสียง, ไวซีม (ตำแหน่งของใบหน้าและปากเมื่อพูดคำ) และรายละเอียดอื่น ๆ ที่เชื่อมโยงข้อความที่เขียนกับเอาต์พุตเสียง

การปรับแต่ง

คุณต้องการให้ซอฟต์แวร์แปลงข้อความเป็นเสียงของคุณปรับแต่งได้อย่างเต็มที่เพื่อความยืดหยุ่นสูงสุด ตัวอย่างเช่น เอาต์พุตเสียงควรปรับแต่งได้ตามรูปแบบและการกำหนดค่าที่แตกต่างกัน รวมถึงตามประเภทไฟล์ (เช่น) ขนาดไฟล์ และคุณภาพข้อมูล ซอฟต์แวร์ดังกล่าวควรสามารถจัดการคำศัพท์ที่กำหนดเองซึ่งอยู่นอกเหนือข้อมูลการฝึกอบรมได้

Amazon Polly รองรับการปรับแต่งแปลงข้อความเป็นเสียงในทุกขั้นตอน

คำศัพท์

คุณสามารถสร้างพจนานุกรมแบบกำหนดเองพร้อมการออกเสียงเฉพาะสำหรับชื่อบริษัท คำย่อ คำต่างประเทศ และคำศัพท์ใหม่ คุณสามารถขอเอาต์พุตในรูปแบบเสียงหลายรูปแบบเช่น MP3 และ WAV

รูปแบบเอาต์พุต

Amazon Polly ยังรองรับเสียงรูปแบบยาวเช่นการอ่านเอกสารด้วยเสียงที่ฟังเป็นธรรมชาติ คุณสามารถสร้างสตรีมเสียงต่อเนื่องสำหรับการเชื่อมต่อแบนด์วิดท์ต่ำหรือเวลาแฝงต่ำในกรณีการใช้งานแบบเรียลไทม์

เสียง

นอกจากนี้ เรายังให้บริการ Brand Voice ซึ่งเป็นการมีส่วนร่วมแบบกำหนดเอง โดยคุณจะทำงานร่วมกับทีม Amazon Polly เพื่อสร้างเสียงสำหรับการใช้งานเฉพาะขององค์กรของคุณ แทนที่จะฟังดูเหมือนแอปอื่น ๆ คุณสามารถสร้างเครื่องหมายแบรนด์ที่ใช้เสียงที่ไม่เหมือนใครซึ่งช่วยให้คุณโดดเด่นได้

การแปลงข้อความเป็นเสียงช่วยให้คุณสามารถสร้างเสียงผ่านทางข้อความแทนการพูดของมนุษย์ เดิมทีใช้เป็นเทคโนโลยีช่วยเหลือผู้ที่มีความบกพร่องทางสายตา แต่ปัจจุบันกลายเป็นสิ่งจำเป็นในแอปพลิเคชันและการโต้ตอบกับลูกค้ามากมาย ตั้งแต่การเป็นส่วนขยายเบราว์เซอร์ไปจนถึงการใช้ในศูนย์บริการสายด่วนและแอปพลิเคชันสำหรับองค์กร ด้วยการใช้บริการที่มีการจัดการเช่น Amazon Polly นักพัฒนาสามารถรวมกลไกเสียงที่ทันสมัยและสมจริงเข้ากับแอปพลิเคชันได้อย่างง่ายดายผ่านการเรียกใช้ API การแปลงข้อความเป็นเสียง การกำหนดราคา Amazon Polly ขึ้นอยู่กับกลไกและจำนวนอักขระที่ประมวลผลและรวมถึง Free Tier สำหรับการใช้งานส่วนตัว

เสียงพูดของ Amazon Polly เป็นเพียงหนึ่งในบริการ AI ช่วยสร้างที่คุณสามารถใช้ประโยชน์ในการพัฒนาแอปพลิเคชัน ลองดูโซลูชัน AI บน AWS ที่หลากหลายเพื่อช่วยให้คุณสร้างและปรับขนาดแอปได้เร็วขึ้นและแข็งแกร่งขึ้น