WORLDTECHAmazon Polly erweitert Generative-Engine um 14 Stimmen sowie Hindi und Finnisch
Amazon Web Services hat ein wesentliches Upgrade der generativen Text-to-Speech-Engine von Amazon Polly allgemein im Produktivbetrieb verfügbar gemacht. Laut AWS erzeugt die Engine nun natürlicher und genauer klingende Sprache bei niedriger Latenz. Das Update bringt außerdem 14 neue Stimmen in neun Locales sowie generative Stimmen für Hindi und Finnisch.
Was das Upgrade umfasst
AWS hat die Einzelheiten in einem Beitrag des Machine Learning Blog veröffentlicht und die aktualisierte Engine als ausdrucksstärker und genauer bei niedriger Latenz beschrieben. Die niedrige Latenz, also die Verzögerung zwischen Anfrage und zurückgelieferter Audioausgabe, zählt das Unternehmen zu den hervorgehobenen Verbesserungen.
Die neuen Stimmen decken US-Englisch (Kenneth und Nate), australisches Englisch (Russell und Curtis), indisches Englisch (Kiara und Arjun), Deutsch (Tina), US-Spanisch (Carlos), brasilianisches Portugiesisch (Leo und Carolina), Koreanisch (Hyunduk), Hindi (Kiara und Arjun) und Finnisch (Suvi) ab. Im gesamten generativen Katalog stehen nun 57 Stimmen in 11 Sprachen und 25 Locales bereit, und Hindi und Finnisch sind auf der Engine erstmals allgemein verfügbar.
Bestehende Anwendungen laufen weiter
Die Änderung ist ein Drop-in-Upgrade für bestehende generative Stimmen und erfordert keine Codeänderungen. Stimmnamen und API-Aufrufe bleiben gleich, sodass bereits auf Polly aufgebaute Anwendungen weiterhin wie bisher laufen.
Laut AWS berücksichtigt die Engine Emotion und Prosodie stärker auf Grundlage des Eingabetexts, ohne manuelle Einrichtung. AWS hat außerdem Musteraudios veröffentlicht, damit Nutzer die Ausgabe selbst vergleichen können.
Wofür Polly eingesetzt wird
Amazon Polly ist ein vollständig verwalteter AWS-Dienst, der geschriebenen Text in natürlich klingende Sprache umwandelt. AWS nennt Contact Center, auf großen Sprachmodellen basierende agentische Anwendungen, Medien und Unterhaltung, E-Learning und Barrierefreiheit als Bereiche, die verlässliche Sprachausgabe in großem Umfang benötigen.