El

motor generativo Amazon Polly ahora ofrece una salida de voz más natural y precisa. Presentamos una actualización del motor generativo de Amazon Polly que ofrece una salida de voz más expresiva y precisa con una latencia baja. La actualización añade 14 voces nuevas en 9 idiomas, incluida la disponibilidad general de voces generativas en hindi y finés por primera vez. La actualización ya está disponible de forma general en fase de producción

.

Es importante destacar que se trata de una actualización inmediata para las voces generativas existentes. Los nombres de voz y las llamadas a la API no cambian, por lo que sus aplicaciones actuales siguen funcionando como lo hacen

en la actualidad.

es un servicio de AWS totalmente gestionado que convierte el texto en voz con un sonido natural para los centros de contacto, las aplicaciones de agencia basadas en modelos lingüísticos extensos (LLM), los medios de comunicación y entretenimiento, el aprendizaje electrónico, la accesibilidad y otras aplicaciones que requieren

una salida de voz fiable a escala.

Escuche la diferencia

Puede usar audio de muestra para evaluar las mejoras directamente.

  • Las voces más naturales, auténticas y expresivas. Escucha cómo Tiffany te da la bienvenida en un tono encantador.
    • «¡Hola! Soy Tiffany, una de las voces generativas de Polly. Fui creada para sonar natural, expresiva y un poco encantadora. ¿De qué deberíamos hablar?»
  • Generación precisa de voz para números, monedas, direcciones, etc. Kenneth lee con precisión la confirmación de un pedido, que incluye el número de seguimiento, la fecha y la hora, la moneda y la dirección.
    • «Gracias por llamar. Su pedido, número 4471 9902, se envía hoy mismo a 85 Harbor View Drive, Apartment 4B, Portland, Oregon 97209. Debería llegar el jueves 22 de octubre entre las 9 a.m. y la 1 p.m. Tu total fue de 1284,50$ y tu código de confirmación es K-7-Q-2-X-9».
  • Nuevos idiomas netos. Arjun y Kiara para el hindi y Suvi para el finés. En general, el hindi y el finés están disponibles por primera vez en el motor generativo Amazon Polly.
    • Arjun:,, (Hola, estás escuchando las principales noticias del día. A medida que el monzón retrocede en gran parte del país, el clima se ha vuelto agradable).
    • Kiara: ¡! , (¡Hola! Me llamo Kiara. Ven, déjame contarte una pequeña historia hoy.)
    • Suvi: Majakanvartija ei ollut nähnyt laiva yhteentoista päivän. Sitten, vähän puolenyön jälkeen, horisontissa välähti yksi ainoa valo. Kerran. Kahdesti. Ja sitten, uskomatonta kyllä, se vilkutti takaisin hänen nimensä. (El farero no había visto un barco en once días. Luego, justo después de medianoche, una sola luz parpadeó en el horizonte. Una vez. Dos veces. Y luego, imposiblemente, parpadeó su nombre.)
  • Diferentes estilos de entrega de voz basados en el contexto textual. Gracias al nuevo motor generativo Amazon Polly, las voces pueden reflejar aún mejor las emociones y la prosodia en función de la entrada de texto, sin necesidad de configurarlas manualmente.
    • Neutral: «Su paquete llegó temprano».
    • Incertidumbre: «Así que, um... su paquete llegó temprano. ¿Creo?»
    • Sorprendido: «Espera, ¿qué? ¿Tu paquete llegó pronto?»

Disponibilidad de nuevas voces, idiomas y regiones

  • Un catálogo más amplio para el motor generativo Amazon Polly, con un total de 57 voces generativas en 11 idiomas y 25 idiomas locales.
  • 14 nuevas voces en 9 idiomas: inglés estadounidense (Kenneth, Nate), inglés australiano (Russell, Curtis), inglés indio (Kiara, Arjun), alemán (Tina), español estadounidense (Carlos), portugués brasileño (Leo, Carolina), coreano (Hyunduk), hindi (Kiara, Arjun) y finés (Suvi).
  • Todos los nuevos idiomas están disponibles de forma general en Generative Engine: hindi y finés.
  • Expansión regional a AWS GovCloud (oeste de EE. UU.): un total de 11 regiones de AWS.

Diseñado para flujos de trabajo de voz listos para la producción para empresas

El motor generativo actualizado de Amazon Polly utiliza una llamada a la API de Amazon Polly estándar para crear sus aplicaciones de voz. Con Amazon Polly, puede seguir creando con los patrones habituales de AWS: llame a la misma API de Amazon Polly, administre el acceso con AWS Identity and Access Management (IAM), utilice el resultado en sus aplicaciones y flujos de centros de contacto existentes y supervise las cargas de trabajo que sintetizan la voz

para sus clientes.

Este lanzamiento está diseñado para mejorar la calidad de salida de voz que puede escuchar con su implementación actual de Amazon Polly. No es necesario realizar ningún cambio en el código para obtener las voces actualizadas. En el caso de las aplicaciones que ya utilizan Amazon Polly Generative Voices, la actualización se realiza de forma inmediata. Para las aplicaciones nuevas, la misma API de SynthesizeSpeech le brinda acceso a un conjunto más amplio de catálogos de voz generativos. Con la API de streaming StartSpeechSynthesisStream de Bi-Di, puede transmitir texto a Amazon Polly y recibir audio sintetizado de forma simultánea. Es ideal para aplicaciones en tiempo real, como los agentes de voz

y los personajes personalizados de los juegos.

Relación precio-rendimiento competitiva

El motor generativo Amazon Polly ofrece precios competitivos en función del pago por uso. Con la actualización de este modelo, obtendrá una calidad y precisión de voz mejoradas al mismo precio. No hay ningún aumento de costes, ningún SKU nuevo ni ningún cambio en tu integración actual. Puedes almacenar en caché y reproducir las solicitudes estáticas sintetizadas sin coste adicional. Consulte los precios de Amazon Polly para obtener información completa sobre los costos

.

El motor generativo de Amazon Polly ahora ofrece una voz más natural y expresiva, además de una transmisión de baja latencia para aplicaciones en tiempo real, compatibilidad con el lenguaje de marcado de síntesis de voz (SSML) para un control detallado y la confiabilidad operativa de un servicio de AWS totalmente administrado. Esta combinación de calidad, rendimiento y rentabilidad es compatible con una amplia

gama de casos de uso de producción.

Qué puede crear

Centros de contacto. La precisión es lo más importante en las conversaciones de servicio al cliente. Cuando la persona que llama comprueba un pedido, una voz que lee correctamente el número de seguimiento, la dirección y el código de confirmación ayuda a resolver la llamada de forma automática, en lugar de recurrir a un agente humano. La precisión de la pronunciación de las entidades y la generación de baja latencia de Amazon Polly Generative Voice hacen que las interacciones de respuesta de voz interactiva (IVR) automatizadas

parezcan más conversacionales.

Agentes de voz en cascada. Al utilizar Amazon Polly en un marco de agentes de voz, puede convertir el texto de respuesta del LLM en un discurso claro y natural y transmitirlo a los usuarios prácticamente en tiempo real a través de WebSockets o canales de telefonía. Esto hace posible la voz conversacional en directo. Los principales beneficios son la reproducción de baja latencia, la alta escalabilidad y la rentabilidad

.

Medios de comunicación, localización y doblaje. Convierte guiones en audio acabado para vídeos, anuncios, podcasts, descripciones de productos y audiolibros. Puedes usar una voz o varias sin necesidad de una sesión de estudio. Una entonación más natural reduce la posproducción. La ampliación de la cobertura local, que incluye el hindi y el finés generativos por primera vez, significa que puedes localizar un solo contenido en más mercados a partir del

mismo canal.

Aprendizaje electrónico y formación. Describa los materiales didácticos, los artículos de iniciación y los artículos basados en el conocimiento a gran escala, y actualícelos tan pronto como cambie el texto original. No es necesario volver a grabarlos. Una entrega más expresiva favorece la participación a través de material de formato largo

.

Accesibilidad. Proporcione una versión oral clara y natural de los artículos, documentos y aplicaciones para que más personas puedan consumir su contenido escuchando: leyendo en voz alta, mientras viaja o con un lector de pantalla

.

Experiencias interactivas y transaccionales. Juegos, quioscos, menús de IVR y dispositivos de IoT compatibles con la voz y las respuestas se generan a pedido. Utilice Amazon Polly cuando la voz necesite sonar de forma natural y leer nombres, números, detalles de productos, direcciones

y confirmaciones de forma fiable.

«En Sanoma Media Finland, utilizamos Amazon Polly para convertir nuestros artículos de noticias en tiempo real en audio, dando al oyente la opción de escucharlos cuando más le convenga. Hoy publicamos más de 10 000 artículos al mes utilizando la voz neuronal finlandesa de Polly. Según nuestras pruebas, la nueva voz generativa de Suvi representa una clara mejora con respecto a la voz neuronal anterior: suena notablemente más natural y hace que la experiencia del oyente sea más agradable

».

— Justus Reinikainen, director de producto de Sanoma Media Finland

¿Cómo empezar

Puede acceder a las nuevas voces mediante la consola de administración de AWS, la interfaz de línea de comandos de AWS (CLI de AWS) o los SDK de AWS.

Requisitos previos:

  • Cuenta de AWS activa con acceso a Amazon Polly.
  • La interfaz de línea de comandos de AWS (CLI de AWS) está instalada y configurada.
  • Python 3.10 o superior.
  • Boto3 instalado: pip instala boto3.
  • Permisos de AWS Identity and Access Management (IAM): Polly: SynthesizeSpeech.

Este es un ejemplo rápido del uso del AWS SDK para Python (Boto3) con la API SynthesizeSpeech y una voz generativa:

importar boto3

polly = boto3.client («polly», region_name="us-east-1")

respuesta = polly.synthesize_speech (
 Text=» ¡Hola! Esta es la voz generativa de próxima generación de Amazon Polly. «,
 voiceid="kenneth», # cualquier voz generativa del catálogo
 engine="Generativo»,
 Formato de salida = «mp3»,
)

con open (» speech.mp3 «, «wb») como si:
 f.write (response ["AudioStream"] .read
())

También puede realizar la misma solicitud con la CLI de AWS:

como Polly sintetiza-voz\
 --región Estados Unidos-Este-1\
 --identificador de voz Kenneth\
 --motor generativo\
 --formato de salida mp3\
 --text «¡Hola! Esta es la voz generativa de próxima generación de Amazon Polly. «\
 
speech.mp3

Para recuperar la lista de voces completa y actual mediante programación, llama a DescribeVoices. Puedes utilizarla en las comprobaciones de despliegue para confirmar que una voz generativa seleccionada está disponible en la región en la que se ejecuta la aplicación

.

Disponibilidad

El motor Generative de próxima generación y las nuevas voces ya están disponibles para el público en general. Las 14 nuevas voces generativas están disponibles en las siguientes regiones de AWS: EE.UU. Este (Norte de Virginia), EE.UU. Oeste (Oregón), Europa (Fráncfort), Europa (Zúrich), Europa (Londres), Asia Pacífico (Sídney), Asia Pacífico (Seúl), Asia Pacífico (Singapur), Asia Pacífico (Tokio), Canadá (Central) y AWS GovCloud (EE.UU. Oeste). Primeros pasos,

por público:
  • Desarrolladores: llamen a synthesize_speech con engine="generative» en su aplicación actual. No se requieren otros cambios.
  • Equipos de centros de contacto: las mejoras llegan a Amazon Connect y Genesys fluye automáticamente.
  • Todos: accedan a cualquier voz en la consola de Amazon Polly.

Algunas cosas que debe saber:

  • Las voces estándar y neuronales no se ven afectadas.
  • Los signos de voz no están disponibles en las voces generativas (no han cambiado desde hoy). Si su aplicación los requiere, las voces estándar y neuronales seguirán siendo compatibles.
  • El motor generativo sigue admitiendo las etiquetas SSML.
  • Consulta las etiquetas SSML compatibles para obtener más información.
  • Usa la disponibilidad de voz actual durante el tiempo de ejecución. Llama a DescribeVoices o consulta la consola cuando realices la implementación en diferentes regiones
  • .

Conclusión

El motor generativo de última generación de Amazon Polly ya está disponible, ofrece voces más naturales y precisas, y añade 14 voces nuevas, incluidas las voces generativas, disponibles por primera vez en hindi y finés, sin necesidad de cambiar el código. Consulte la página de precios de Amazon Polly para obtener información sobre los precios. Para empezar, abra la consola de Amazon Polly para probar las voces y consulte la documentación de Amazon Polly para crear

con ellas.


Acerca de los autores

Suyin Wang

Suyin Wang

Suyin es arquitecta sénior de soluciones de IA generativa en AWS. Cuenta con años de experiencia en la creación de aplicaciones de aprendizaje automático y basadas en datos que resuelven problemas del mundo real. Le gusta ayudar a los clientes a identificar los problemas correctos para resolverlos y crear soluciones de IA generativas que impulsen el valor empresarial. En su tiempo libre, le encanta cantar o probar nuevas recetas en la cocina

.
Gosia Brylowska

Gosia Brylowska

Gosia es directora de programas en Amazon IMAX Polly. Con casi 20 años de experiencia en periodismo, marketing y producción audiovisual y más de 10 en gestión de programas y productos (los últimos 7 en Amazon TTS), Gosia se esfuerza por alcanzar la excelencia traduciendo los objetivos de ingeniería en delicias de los clientes a diario. Fuera del trabajo, puedes encontrarla paseando a su perro o viendo Star Trek TNG por centésima vez... o cogiendo olas y haciendo turismo con amigos en algún lugar de Sri Lanka, nunca se sabe con esta

película.
Nikie Xiong

Nikie Xiong

Nikie es directora técnica sénior de productos en Amazon Polly. Cuenta con más de 10 años de experiencia en inteligencia artificial y tecnología de voz, y en ofrecer productos innovadores a partir de ideas para lanzarlos en sectores empresariales y de consumo. Con experiencia en diseño de productos y producción de entretenimiento multimedia, le encanta crear productos que deleiten a los clientes. Fuera del trabajo, crea arte interactivo y disfruta del techno

.

¿Tiene un proyecto de software o plataforma SaaS en mente?

Hable directamente con nuestros arquitectos de software en SoftAndino. Le brindamos asesoría técnica y cotización inmediata sin compromiso.