Amazon Polly 中的配额 - Amazon Polly
支持的 区域配额和节流率发音词典SynthesizeSpeech API 操作SpeechSynthesisTask API 操作语音合成标记语言 (SSML)

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

Amazon Polly 中的配额

Amazon Polly 通过拒绝过多请求，对客户流量实行配额制。对于单个 AWS 账户，在单个区域内，使用标准语音的 SynthesizeSpeech 请求的默认配额为每秒 80 个事务 (tps)。如果限制没有增加，并且您使用标准语音每秒生成 100 个 SynthesizeSpeech 请求，则每秒 80 个请求将成功，而每秒 20 个请求将受到 Amazon Polly 的限制。此类请求将返回一个 HTTP 状态为 400 的响应和一个表示 ThrottlingException 的响应标头。Amazon Polly 还会根据请求速率对所有操作进行节流。

语音合成限制示例

  • 合成英语字母表的前 24 个字母，一次只能合成一个字母。如果每个字母的合成时间少于 50 毫秒，操作限制为 8tps，则合成 24 个字母至少需要三秒钟。在此期间，您每秒最多可以合成八个字母。任何进一步的请求都将受到限制。由于请求持续的时间很短，因此它们将按顺序合成，不会重叠。

  • 合成 16 个段落。如果每个段落在两秒或更短的时间内在客户端合成并完全接收且操作限制为八个并发请求，则合成所有 16 篇文章至少需要四秒钟。在第一秒内，您最多可以启动八个请求。在并发请求期间，由于并发限制，任何启动新合成的尝试都将受到限制。在第一批请求完成后，您可以在前两秒钟后合成剩余的八个段落。

在使用 Amazon Polly 时，请记住以下限制。

支持的 区域

有关 Amazon Polly 可用的 AWS 区域的列表，请参阅 Amazon Web Services 一般参考 中的 Amazon Polly 终端节点和限额。有关支持神经语音的区域，请参阅神经 TTS 的 特征和区域兼容性。美国东部（弗吉尼亚州北部）提供长篇语音。

配额和节流率

下表定义了每个 Amazon Polly 操作的节流率。如果需要，您可以使用AWS Management Console 请求提高可调节的配额。

操作

限制

词典

DeleteLexicon

PutLexicon

GetLexicon

ListLexicons

这些操作组合起来为每秒任意 2 个事务 (tps)。

允许的最大突增为 4 tps。

语音

DescribeVoices

80 tps，突增限制为 100 tps

SynthesizeSpeech

标准语音：80 tps，突增限制为 100 tps

神经语音：8 tps，突增限制为 10 tps

长篇语音：8 tps，突增限制为 10 tps

StartSpeechSynthesisTask

标准语音：10 tps，突增限制为 12 tps

神经语音：1 tps

长篇语音：1 tps

GetSynthesizeSpeechTask 和 ListSynthesizeSpeechTask

总共最多允许 10 tps

并发请求

Amazon Polly 还支持对并发请求进行限制。对于标准语音，Amazon Polly 支持 80tps，最多可处理 80 个并发请求。对于神经语音，Amazon Polly 支持 8tps，突发限制为 10tps，最多可处理 18 个并发请求。对于长篇语音，Amazon Polly 最多支持 26 个并发请求。

减少节流的最佳实践

  • 使用退避和抖动重试节流，以便您在短时间内分散负载，并在不影响可用性的情况下处理意外的使用高峰。AWS 代码示例目录 已配置为在许多编程语言中默认执行此操作。请访问功能重试行为以查看详细信息。

  • 使用 Amazon Polly 指标。Amazon Polly 会自动向 CloudWatch 发布信息，以分析您的当前使用情况并预测使用量增长。

注意

在申请增加配额（如适用）之前，请按照本页上的指南计算您的 tps 需求。为了保持较低的成本，Amazon Polly 仅根据客户需求确保所需的计算资源。

发音词典

  • 您可以在每个账户中存储最多 100 个词典。

  • 词典名称可以是不超过 20 个字符的字母数字字符串。

  • 每个词典的大小最多为四万个字符。（请注意，词典的大小会影响 SynthesizeSpeech 操作的延迟。）

  • 您可以在词典中为每个 <phoneme> 或 <alias> 替换指定最多 100 个字符。

有关使用词典的信息，请参阅 管理词典。

SynthesizeSpeech API 操作

在估算 SynthesizeSpeech 的使用量时，请记住，Amazon Polly 生成的音频，尤其是用于交互式应用程序的音频，通常至少需要几秒钟才能播放。这会将请求速率降低至 SynthesizeSpeech，即便有大量并发使用者，也是如此。此外，Amazon Polly 会根据其合成的并发请求数量来限制 SynthesizeSpeech 请求。并发请求没有单独设置。并发请求限制值始终与允许的 tps 数量相同，并随着 tps 数量的增加而增加。

短篇故事示例应用程序。您可以使用 Amazon Polly 来构建一款可以播放一系列短篇故事的应用程序。使用这种应用程序，将会从第一个故事开始播放，然后播放下一个故事，依此类推，直到用户退出应用程序。每个故事的合成时间大约为 0.5 秒，播放时间为 10 秒。在这种情况下，使用者每使用应用程序 10 秒钟，就会调用 SynthesizeSpeech 一次。这相当于每 10 名同时使用应用程序的使用者每秒有一次调用。如果您有 1000 名使用者同时使用该应用程序，则 SynthesizeSpeech 的平均调用速率仅为每秒 100 个事务。

请注意以下与使用 SynthesizeSpeech API 操作相关的限制：

  • 输入文本最大为 3000 个计费字符（总计 6000 个字符）。SSML 标签不会算作计费字符。

  • 您可以指定最多 5 个要应用于输入文本的词典。

  • 输出音频流（合成）限制为 10 分钟。达到此限制之后，将截断任何剩余语音。

有关更多信息，请参阅SynthesizeSpeech。

注意

使用 SynthesizeSpeech API 操作可绕过 StartSythensizeSpeechTask API 操作的一些限制。有关更多信息，请参阅创建长音频文件。

SpeechSynthesisTask API 操作

请注意以下与使用 StartSpeechSynthesisTask、GetSpeechSynthesisTask 和 ListSpeechSynthesisTasks API 操作相关的限制：

  • 输入文本最大为 100,000 个计费字符（总计 200,000 个字符）。SSML 标签不会算作计费字符。

  • 您可以指定最多 5 个要应用于输入文本的词典。

语音合成标记语言 (SSML)

请注意以下与使用 SSML 有关的限制：

  • <audio>、<lexicon>、<lookup> 和 <voice> 标签不受支持。

  • <break> 元素可以指定的最大持续时间为 10 秒。

  • <prosody> 标签不支持低于 -80% 的费率属性值。

有关更多信息，请参阅由 SSML 文档生成语音。