Amazon Polly ofrece una importante actualización de su motor generativo
Amazon Polly delivers a major upgrade to its Generative engine
Suyin Wang
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
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
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.
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.
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
Amazon Polly Generative engine now offers more natural and accurate speech output. We’re introducing an upgrade to the Amazon Polly Generative engine that delivers more expressive, more accurate speech output with low latency. The upgrade adds 14 new voices across 9 locales, including general availability of Generative voices in Hindi and Finnish for the first time. The upgrade is now generally available in production.
Importantly, this is a drop-in upgrade for existing generative voices. Voice names and API calls are unchanged, so your existing applications continue to work as they do today.
Amazon Polly is a fully managed AWS service that converts text into natural-sounding speech for contact centers, large language model (LLM)-based agentic applications, media and entertainment, e-learning, accessibility, and other applications that require reliable voice output at scale.
Hear the difference
You can use sample audio to evaluate the improvements directly.
The more natural, authentic, and expressive voices. Hear how Tiffany welcomes you in a delightful tone.
“Hi there! I’m Tiffany, one of Polly’s generative voices. I was built to sound natural, expressive, and a little bit delightful. What should we talk about?”
Accurate speech generation for numbers, currency, addresses, and so on. Kenneth reads back an order confirmation, including the tracking number, date and time, currency and address accurately.
“Thanks for calling. Your order, number 4471 9902 ships today to 85 Harbor View Drive, Apartment 4B, Portland, Oregon 97209. It should arrive on Thursday, October 22nd, between 9 AM and 1 PM. Your total was $1,284.50 and your confirmation code is K-7-Q-2-X-9.”
Net new languages. Arjun and Kiara for Hindi, and Suvi for Finnish. Hindi and Finnish are generally available for the first time on the Amazon Polly Generative engine.
Arjun: नमस्कार, आप सुन रहे हैं आज की मुख्य ख़बरें। देश के कई हिस्सों में मानसून की विदाई के साथ मौसम सुहाना हो गया है। (Hello, you’re listening to today’s top stories. As the monsoon retreats across much of the country, the weather has turned pleasant.)
Kiara: नमस्ते! मेरा नाम कियारा है। आइए, आज मैं आपको एक छोटी सी कहानी सुनाती हूँ।(Hello! My name is Kiara. Come, let me tell you a little story today.)
Suvi: Majakanvartija ei ollut nähnyt laivaa yhteentoista päivään. Sitten, vähän puolenyön jälkeen, horisontissa välähti yksi ainoa valo. Kerran. Kahdesti. Ja sitten, uskomatonta kyllä, se vilkutti takaisin hänen nimensä. (The lighthouse keeper hadn’t seen a ship in eleven days. Then, just after midnight, a single light blinked on the horizon. Once. Twice. And then, impossibly, it blinked back his name.)
Different styles of speech delivery based on textual context. Powered by the new Amazon Polly Generative engine, the voices can reflect emotion and prosody even better based on the text input, without manual setup.
Neutral: “Your package arrived early.”
Uncertainty: “So, um… your package arrived early. I think?”
Surprised: “Wait, what? Your package arrived early?”
New voices, languages, and Region availability
A larger catalog overall for Amazon Polly Generative engine – Totaling 57 generative voices across 11 languages and 25 locales.
14 new voices across 9 locales – US English (Kenneth, Nate), Australian English (Russell, Curtis), Indian English (Kiara, Arjun), German (Tina), US Spanish (Carlos), Brazilian Portuguese (Leo, Carolina), Korean (Hyunduk), Hindi (Kiara, Arjun) and Finnish (Suvi).
Net new languages generally available in Generative engine – Hindi and Finnish.
Region expansion to AWS GovCloud (US-West) – Totaling 11 AWS Regions.
Built for production-ready speech workflows for enterprise
The upgraded Amazon Polly Generative engine uses a standard Amazon Polly API call to build your speech applications. With Amazon Polly, you can continue to build with familiar AWS patterns: call the same Amazon Polly API, manage access with AWS Identity and Access Management (IAM), use the output in your existing applications and contact-center flows, and monitor the workloads that synthesize speech for your customers.
This launch is designed to elevate the speech output quality that you can hear with your existing Amazon Polly implementation. No changes to your code are required to get the upgraded voices. For applications that already use Amazon Polly Generative voices, the upgrade happens in place. For new applications, the same SynthesizeSpeech API gives you access to a larger set of generative voice catalogs. With the Bi-Di Streaming API StartSpeechSynthesisStream, you can stream text to Amazon Polly and receive synthesized audio back simultaneously. This is well-suited for real-time applications like voice agents and bespoke characters in games.
Competitive price-performance
The Amazon Polly Generative engine offers competitive pricing on a pay-as-you-go basis. With this model upgrade, you get improved voice quality and accuracy at the same price. There’s no cost increase, no new SKU, and no changes to your existing integration. You can cache and replay synthesized static prompts with no additional cost. Refer to Amazon Polly pricing for complete cost information.
The Amazon Polly Generative engine now delivers more natural, expressive speech alongside low-latency streaming for real-time applications, Speech Synthesis Markup Language (SSML) support for fine-grained control, and the operational reliability of a fully managed AWS service. This combination of quality, performance, and cost efficiency supports a wide range of production use cases.
What you can build
Contact centers. Accuracy matters most in customer service conversations. When a caller checks an order, a voice that reads back the tracking number, address, and confirmation code correctly helps resolve the call in self-service rather than escalating to a human agent. Amazon Polly Generative voice’s accurate entity pronunciation and low-latency generation make automated interactive voice response (IVR) interactions sound more conversational.
Cascaded voice agents. Using Amazon Polly in a voice agent framework, you can convert LLM response text into clear, natural-sounding speech and stream it back to users in near real time over WebSockets or telephony channels. This makes live conversational voice possible. The primary benefits are low-latency playback, high scalability, and cost efficiency.
Media, localization, and dubbing. Convert scripts into finished audio for video, advertising, podcasts, product overviews, and audiobooks. You can use one voice or many, without a studio session. More natural intonation reduces post-production. The expanded locale coverage, including first-time generative Hindi and Finnish, means you can localize a single piece of content into more markets from the same pipeline.
E-learning and training. Narrate courseware, onboarding, and knowledge-based articles at scale, and update them as soon as the source text changes. No re-recording is required. More expressive delivery supports engagement through long-form material.
Accessibility. Provide a clear, natural spoken version of articles, documents, and applications so more people can consume your content by listening: read aloud, on the go, or with a screen reader.
Interactive and transactional experiences. Voice-enable games, kiosks, IVR menus, and IoT devices with responses generated on demand. Use Amazon Polly when the voice needs to sound natural and read names, numbers, product details, addresses, and confirmations reliably.
“At Sanoma Media Finland, we use Amazon Polly to turn our real-time news articles into audio, giving the listener the choice to listen whenever it suits them better. Today we publish over 10,000 articles per month using Polly’s Finnish neural voice. Based on our testing, Suvi’s new generative voice is a clear improvement over the previous neural voice – it sounds noticeably more natural and makes for a more enjoyable experience for the listener.”
— Justus Reinikainen, Product Manager, Sanoma Media Finland
AWS Command Line Interface (AWS CLI) installed and configured.
Python 3.10+.
Boto3 installed: pip install boto3.
AWS Identity and Access Management (IAM) permissions: polly:SynthesizeSpeech.
Here’s a quick example using the AWS SDK for Python (Boto3) with the SynthesizeSpeech API and a generative voice:
import boto3
polly = boto3.client("polly", region_name="us-east-1")
response = polly.synthesize_speech(
Text="Hello! This is Amazon Polly's next-generation generative voice.",
VoiceId="Kenneth", # any generative voice in the catalogue
Engine="generative",
OutputFormat="mp3",
)
with open("speech.mp3", "wb") as f:
f.write(response["AudioStream"].read())
You can also make the same request with the AWS CLI:
To retrieve the full, current voice list programmatically, call DescribeVoices. You can use this in deployment checks to confirm that a selected generative voice is available in the Region where your application runs.
Availability
The next-generation Generative engine and the new voices are now generally available. The 14 new Generative voices are available in the following AWS Regions: US East (N. Virginia), US West (Oregon), Europe (Frankfurt), Europe (Zurich), Europe (London), Asia Pacific (Sydney), Asia Pacific (Seoul), Asia Pacific (Singapore), Asia Pacific (Tokyo), Canada (Central), and AWS GovCloud (US-West). Getting started, by audience:
Developers – Call synthesize_speech with Engine="generative" in your existing application. No other changes are required.
Contact-center teams – The improvements reach Amazon Connect and Genesys flows automatically.
Speech marks are not available on generative voices (unchanged from today). If your application requires them, standard and neural voices continue to support them.
Generative engine continues to support SSML tags. See supported SSML tags for more details.
Use current voice availability at runtime. Call DescribeVoices or check the console when deploying across Regions.
Conclusion
The next-generation Generative engine of Amazon Polly is available today, delivering more natural and more accurate voices, adding 14 new voices, including generative voices generally available in Hindi and Finnish for the first time, and requires no change to your code. See Amazon Polly pricing page for pricing information. To get started, open the Amazon Polly console to try the voices, and see the Amazon Polly documentation to build with them.
About the authors
¿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.