神經語音

Amazon Polly 具有神經 text-to-speech （NTTS） 引擎，可以產生比標準語音更高品質的語音。標準TTS語音使用串連合成。標準引擎會串連錄製語音的電話，產生非常自然的音調合成語音。然而，語音中不可避免的變化以及用於分段波形的技術會限制語音品質。Amazon Polly NTTS引擎不會使用標準串連合成來產生語音。它有兩個部分：

• 神經網路 — 將一系列電話 （最基本的語言單位） 轉換為一系列光譜圖 。（頻譜圖是不同頻帶中能量層級的快照。）

• vocoder：將頻譜圖轉換為幾乎連續的音訊訊號。

神經TTS系統的第一個元件是 sequence-to-sequence模型。此模型不會只從對應的輸入建立其結果，也會考慮輸入元素序列如何共同運作。模型會選擇其輸出的光譜圖，以便其頻帶強調人類大腦在處理語音時使用的聲學特徵。

接著，此模型的輸出會傳遞至神經聲碼器。這會將光譜圖轉換為語音波形。在用於建置一般用途串連合成系統的大型資料集上進行訓練時，此 sequence-to-sequence方法將產生更高品質、更自然的聲音。

可用的神經語音

神經語音提供 35 種語言和語言變體。下表列出了這些語音。

	語言和語言變體	語言代碼	名稱/ID	Gender
1	阿拉伯文 （海灣）	ar-AE	Hala Zayd	女性 男性
2	比利時荷蘭文 （佛林）	nl-BE	Lisa	女性
3	加泰隆尼亞文	ca-ES	Arlet	女性
4	捷克文	cs-CZ	Jitka	女性
5	中文 （廣東文）	yue-CN	海金	女性
6	中文 （中文）	cmn-CN	Zhiyu	女性
7	丹麥文	da-DK	Sofie	女性
8	荷蘭文	nl-NL	勞拉	女性
9	英文 (澳洲)	en-AU	奧利維亞	女性
10	英文 (英國)	en-GB	Amy* Emma Brian Arthur	女性 女性 男性 男性
11	英文 (印度)	en-IN	卡加爾	女性
12	英文 （愛爾蘭）	en-IE	尼安	女性
13	英文 （紐西蘭）	en-NZ	Aria	女性
14	英文 （南非）	en-ZA	Ayanda	女性
15	英文 (美國)	zh-TW	丹尼爾 Gregory Ivy Joanna* Kendra Kimberly Salli Joey Justin Kevin Matthew* Ruth Stephen	女性 男性 女性 （子） 女性 女性 女性 女性 男性 男性 (兒童) 男性 (兒童) 男性 女性 男性
16	芬蘭文	FI	Suvi	女性
17	法文 （比利時）	fr-BE	Isabelle	女性
18	法文 (加拿大)	fr-CA	加布里爾 Liam	女性 男性
19	法文	fr-FR	Léa Rémi	女性 男性
20	德文	de-DE	Vicki 丹尼爾	女性 男性
21	德文 （奧地利）	de-AT	漢納	女性
22	德文 （瑞士）	de-CH	薩布林納	女性
23	印地文	hi-IN	卡加爾	女性
24	義大利文	it-IT	Bianca Adriano	女性 男性
25	日文	ja-JP	Takumi Kazuha Tomoko	男性 女性 女性
26	韓文	ko-KR	Seoyeon	女性
27	挪威文	nb-NO	Ida	女性
28	波蘭文	pl-PL	奧拉	女性
29	葡萄牙文 (巴西)	pt-BR	Camila Vitória/Vitoria Thiago	女性 女性 男性
30	葡萄牙文 (歐洲)	pt-PT	Inês/Ines	女性
31	西班牙文 (歐洲)	es-ES	Lucia Sergio	女性 男性
32	西班牙文 （墨西哥）	es-MX	Mia 安德烈斯	女性 男性
33	西班牙文 （美國）	es-US	Lupe* Pedro	女性 男性
34	瑞典文	sv-SE	Elin	女性
35	土耳其文	tr-TR	Burcu	女性

*Amy、Joanna、Lupe 和 Matthew 語音可以與 Newscaster 發言樣式搭配使用。如需詳細資訊，請參閱套用新聞傳送器語音。

功能和區域相容性

神經語音並非在所有 AWS 區域都可用，也不支援所有 Amazon Polly 功能。

下列區域支援神經語音：

• 美國東部 (維吉尼亞北部)：us-east-1

• 美國西部 (奧勒岡)：us-west-2

• 非洲 （開普敦）：af-south-1

• 亞太區域 （東京）：ap-northeast-1

• 亞太區域 （首爾）：ap-northeast-2

• 亞太區域 （大阪）：ap-northeast-3

• 亞太區域 （孟買）：ap-south-1

• 亞太區域 （新加坡）：ap-southeast-1

• 亞太區域 (雪梨)：ap-southeast-2

• 加拿大 （中部）：ca-central-1

• 歐洲 （法蘭克福）：eu-central-1

• 歐洲 （愛爾蘭）：eu-west-1

• 歐洲 （倫敦）：eu-west-2

• 歐洲 （巴黎）：eu-west-3

• AWS GovCloud （美國西部）： us-gov-west-1

這些區域的端點和協定與用於標準語音的端點和協定相同。如需詳細資訊，請參閱 Amazon Polly 端點和配額 。

神經語音支援以下功能：

• 即時和非同步語音合成操作。

• 新聞播報員風格。如需發言樣式的詳細資訊，請參閱 套用新聞傳送器語音。

• 所有語音標記。

• Amazon Polly 支援的許多 （但不是全部） SSML標籤。如需 NTTS支援SSML標籤的詳細資訊，請參閱支援的標籤。

如同標準語音，您可以從各種取樣率中選擇，為您的應用程式最佳化頻寬和音訊品質。標準和神經語音的有效取樣率為 8kHz、16kHz、22 kHz或 24kHz。標準語音的預設值為 22 kHz。神經語音的預設值為 24 kHz。Amazon Polly 支援 MP3、 OGG（Vorbis） 和原始PCM音訊串流格式。