生成式语音

Amazon Polly 的生成 text-to-speech (TTS) 引擎提供了最像人类、最具情感参与度和自适应性的对话语音，可供通过 Amazon Polly 控制台使用。

生成引擎是迄今为止最大的亚马逊 Polly TTS 模型。该引擎部署了一个包含十亿参数的转换器，用于将原始文本转换为语音代码，然后部署基于卷积的解码器，该解码器以可流式传输的增量方式将这些语音代码转换为波形。这种方法显示了广泛报道的大型语言模型 (LLMs) 在接受越来越多的公开和专有数据（包括各种声音、语言和风格）的训练时出现的能力。

生成式引擎可以创建合成语音，这种语音具有情感参与度、言语果断并且高度口语化，其方式与人类语音高度相似。您可以在以下场景中使用这些语音：知识广博的客户助理、虚拟培训师或采用合成语音媲美人类的广告商。

注意

这些声音背后的 state-of-the-art技术属于用于语言和语音建模的生成式人工智能的范式。这项技术的一个副作用是，对训练数据和模型的任何更新都可能会导致语音听起来略有不同，即使随着模型的更新，语音的整体质量有所提高，也是如此。这可能会影响由长期合成的不同内容部分组成的应用场景，例如一个季度的播客。

可用的生成式语音

Amazon Polly 目前以生成变体形式提供 20 种声音。这些生成式声音也有对话NTTS变体。

	语言	语言代码	名称/ID	性别
1	英语（澳大利亚）	en-AU	Olivia	女
2	英语（印度）	en-IN	Kajal	女
3	英语（英国）	en-GB	Amy	女
4	英语（美国）	en-US	Danielle	女
5	英语（美国）	en-US	Joanna	女
6	英语（美国）	en-US	Matthew	男
7	英语（美国）	en-US	Ruth	女
8	英语（美国）	en-US	Stephen	男
9	英语（南非）	en-ZA	Ayanda	女
10	法语（法国）	fr-FR	Léa	女
11	法语（法国）	fr-FR	Rémi	男
12	西班牙语（西班牙）	es-ES	Lucia	女
13	西班牙语（西班牙）	es-ES	Sergio	男
14	西班牙语（墨西哥）	es-MX	Mía	女
15	西班牙语（墨西哥）	es-MX	Andrés	男
16	西班牙语（美国）	es-US	Lupe	女
17	西班牙语（美国）	es-US	Pedro	男
18	德语（德国）	de-DE	Vicki	女
19	德语（德国）	de-DE	Daniel	男
20	意大利语（意大利）	it-IT	Bianca	女

注意

生成式语音费用在 Amazon Polly 定价信息页面上列示。

特征和区域兼容性

Amazon Polly 生成式语音在以下区域可用：

• 美国东部（弗吉尼亚北部）：us-east-1

• 欧洲地区（法兰克福）：eu-central-1

• 美国西部（俄勒冈）：us-west-2

• 其他区域不可用

生成式语音支持以下功能：

• 实时和异步语音合成操作。

• 生成式引擎不支持新闻播音员风格。

• Amazon Polly 支持许多（但不是全部）SSML标签。有关NTTS支持的SSML标签的更多信息，请参阅支持的SSML标签

• 与标准语音一样，您可以从各种采样率中进行选择，以优化应用程序的带宽和音频质量。标准和神经语音的有效采样率为 8 kHz kHz、16 kHz、22 或 24 kHz。标准声音的默认值为 22 kHz。生成语音的默认值为 24 kHz。Amazon Polly 支持MP3、OGG (Vorbis) 和原始PCM音频流格式。

目前不支持生成式语音标记。

注意

在可能性非常小的模型幻觉情况下（并且所采用的生成式引擎的模型行为是按令牌渲染语音），存在一种强制性的紧急停止机制。该内置机制会阻止模型进一步渲染语音。此安全功能基于数据分析，其中模型有可能会产生幻觉，通常是在句子的末尾。

在某些情况下，模型认为自身会产生幻觉，然后最终可能会在生成步骤中切断一个单词，从而只渲染这个单词的一半。这可能会产生不恰当的结果。