Amazon Polly とは

Amazon Polly はテキストを肉声に近い音声に変換するクラウドサービスです。Amazon Polly を使用して、エンゲージメントやアクセシビリティを高めるアプリケーションを開発できます。Amazon Polly では多様な言語がサポートされており、さまざまのリアルな音声が含まれています。そのため、お客様に最適なボイスを使用して、さまざまな場所で機能する音声対応アプリケーションを構築できます。Amazon Polly は、合成したテキスト分のみお支払いいただくだけで利用可能です。また、追加コストなしで、Amazon Polly が生成した音声をキャッシュして再生できます。

さらに、Amazon Polly には多数のニューラルテキスト読み上げ (NTTS) 音声が含まれており、新しい機械学習アプローチによって音声品質が画期的に向上するため、 text-to-speech 可能な限り最も自然で人間のような音声がお客様に提供されます。ニューラル TTS 技術は、ニュースナレーションのユースケースに合わせたニュースキャスタースタイルもサポートしています。

Amazon Polly の一般的なユースケースは、ニュースリーダー、ゲーム、e ラーニングプラットフォーム、視力が弱い方向けのアクセシビリティアプリケーション、および急速に成長している IoT 分野などですが、他にもいろいろあります。

Amazon Polly は、HIPAA (Health Insurance Portability and Accountability Act of 1996) および Payment Card Industry Data Security Standard (PCI DSS) の規制されたワークロードでの使用が認定されています。

Amazon Polly を使用する利点のいくつかを以下に示します。

• 高品質 — Amazon Polly は、新しいニューラル TTS best-in-class と標準 TTS テクノロジーの両方を提供し、高い発音精度 (略語、頭字語の展開、日付/時刻の変換、同形異義語の読み分けを含む) で優れた自然音声を合成します。

• 低レイテンシー – Amazon Polly は応答が早いため、ダイアログシステムなどの低レイテンシーなユースケースにおいても選択肢になります。

• 多数の言語とボイスのポートフォリオをサポート – Amazon Polly では、多数の音声言語がサポートされており、ほとんどの言語で男性と女性のボイスを選択できます。ニューラル TTS は現在、3 つの英国英語音声と 8 つの米国英語音声をサポートしています。さらに多くのニューラル音声が提供されるにつれて、この数は増え続ける予定です。米国英語の音声 Matthew と Joanna では、プロのニュースアンカーのようなニューラルニュースキャスターの話し方も使用できます。

• コスト効率が良い pay-per-use — Amazon Polly はかかりません。小規模で開始し、アプリケーションが大きくなるにつれてスケールアップできます。

• クラウドベースのソリューション – デバイス上の TTS ソリューションは、膨大なコンピューティングリソース、特に CPU パワー、RAM、ディスク容量を必要とします。そのため、開発コストが高くなり、またタブレットやスマートフォンなどのデバイスの電力消費も高くなります。これに対して、AWS クラウド上で TTS 変換を実行すると、ローカルで必要なリソースが劇的に減ります。これにより、すべての利用可能な言語とボイスを可能な限りの最高品質でサポートできます。さらに、音声が改良されるとすぐにすべてのエンドユーザーが使用できるようになり、デバイスで追加更新する必要がありません。

Amazon Polly を初めてお使いになる方向けの情報

Amazon Polly 初めて使用する方には、次のセクションを順を追って読むことをお勧めします。

1. Amazon Polly の例— このセクションでは、 end-to-end エクスペリエンスを作成するために使用できるさまざまな Amazon Polly の入力とオプションを紹介します。

2. Amazon Polly の開始方法 – このセクションでは、アカウントをセットアップして Amazon Polly の音声合成をテストします。

3. アプリケーション例 – このセクションでは、Amazon Polly を試すときに役立つその他の例を示します。