AWS выпустила обновление генеративного движка Amazon Polly для синтеза речи. Компания заявляет о более естественной и выразительной интонации, а также о более точном произношении чисел, денежных сумм, адресов и кодов. Обновление уже общедоступно для производственных нагрузок и применяется на месте: названия существующих голосов и API-вызовы не меняются, поэтому перерабатывать интеграцию не требуется.
Каталог пополнили 14 голосов для девяти локалей. В их числе американский, австралийский и индийский варианты английского, немецкий, американский испанский, бразильский португальский, корейский, хинди и финский. Хинди и финский впервые стали общедоступны в генеративном движке. Всего AWS указывает 57 генеративных голосов для 11 языков и 25 локалей. Поддержка расширена до 11 регионов AWS, включая GovCloud (US-West).
Для новых приложений используется тот же SynthesizeSpeech. Двунаправленный потоковый API StartSpeechSynthesisStream позволяет одновременно отправлять текст и получать аудио, что рассчитано на голосовых агентов и другие сценарии с малой задержкой. Цена модели не изменилась: AWS не вводит отдельный тариф или новый SKU, а статические синтезированные реплики можно кэшировать и повторно воспроизводить.
Стандартные и нейронные голоса обновление не затрагивает. Speech marks для генеративных голосов по-прежнему недоступны, хотя поддерживаемые SSML-теги сохраняются. AWS советует проверять наличие выбранного голоса в нужном регионе через DescribeVoices или консоль. Оценки качества в анонсе принадлежат компании и приведённому клиенту; независимого сравнительного теста AWS не публикует.
