Вопросы и ответы по Amazon Polly

Amazon Polly – это сервис для преобразования текста в естественную речь. Сервис Amazon Polly позволяет озвучивать существующие приложения с первоклассным качеством и использовать поддержку речевых интерфейсов в продуктах совершенно новых категорий, от мобильных приложений и автомобилей и до различных устройств и бытовых приборов. Amazon Polly включает в себя несколько десятков естественно звучащих голосов и поддерживает множество языков. Таким образом, пользователи могут выбрать подходящий голос и распространять свои приложения с поддержкой речевых интерфейсов в различных географических регионах. Сервис Amazon Polly прост в использовании – достаточно отправить текст, который необходимо конвертировать в речь, в API Amazon Polly, и Amazon Polly немедленно возвращает в приложение звуковой поток, который можно сразу воспроизвести или сохранить в стандартном аудиоформате, например MP3. Сервис Amazon Polly поддерживает теги языка разметки синтеза речи (SSML), такие как prosody, что позволяет регулировать скорость речи, интонации и громкость. Amazon Polly является безопасным сервисом, который предлагает все эти возможности при любом масштабе с низкими задержками. Сгенерированную сервисом Amazon Polly речь можно кэшировать и воспроизводить повторно без дополнительной платы. После регистрации Amazon Polly позволяет бесплатно конвертировать миллионы символов в месяц в течение первого года. Оплата Amazon Polly по факту использования, низкая стоимость обработки запросов и отсутствие ограничений на хранение и повторное использование голосовых выходных данных делают сервис экономным средством синтеза речи для любых сфер применения.

Amazon Polly можно использовать для обеспечения в приложении высококачественного речевого вывода. Этот экономичный сервис работает с очень малыми задержками, его можно применить практически для любого примера использования, без ограничений на хранение и повторное использование синтезированной речи.

Можно управлять различными параметрами речи, такими как произношение, громкость голоса, интонация, скорость речи и т. д., используя стандартизированный язык разметки синтеза речи (SSML). Можно воспользоваться стилем Newscaster, чтобы синтезировать речь для некоторых нейронных голосов. В результате они будут звучать как голос теле- или радиодиктора. На основе метаданных, включенных в аудиопоток, можно определить, когда конкретные слова или предложения в тексте воспроизводятся для пользователя. Это позволяет разработчику синхронизировать графическое выделение и анимацию, такую как движение губ анимированного персонажа, с синтезированной речью. Вы можете изменить произношение определенных слов, таких как названия компаний, аббревиатуры, иностранные слова и неологизмы, например «P!nk», «ROTFL», «C’est la vie» (когда говорится без французского произношения), с помощью пользовательских лексиконов.

Речевые метки предназначены для дополнения синтезированной речи, генерируемой из входного текста. Используя эти метаданные вместе с аудиопотоком синтезированного речевого сигнала, клиенты могут добавлять в свои приложения улучшенные визуальные возможности, например анимацию, синхронизированную с речью, или выделение текста в стиле караоке.

Amazon Polly генерирует речевые метки с помощью следующих четырех элементов:

1. элемент предложения, который указывает произносимое предложение во входящем тексте;
2. элемент слова, который указывает слово в тексте;
3. элемент виземы, который описывает форму губ, соответствующую произносимому звуку;
4. элемент SSML, который описывает элементы SSML, используемые в тексте.

Речевые метки реализуются в форме потока JSON (точнее, набора отдельных объектов JSON, разделенных новыми строками), который может содержать от одного до всех четырех указанных элементов при использовании способа синтезирования речи с параметром speech-mark-types. Подробную информацию см. в «Руководстве для разработчиков по Amazon Polly».

С помощью Amazon Polly можно оживить приложение, добавив в него возможности естественной речи. Например, приложения, использующие возможности Amazon Polly по преобразованию текста в речь (TTS), можно создавать в сфере образовании и дистанционного обучения, чтобы помочь людям, которые не могут читать. Amazon Polly можно использовать, чтобы обеспечить доступ к цифровому контенту (электронным книгам, новостям и т. д.) слепым и слабовидящим людям. Сервис Amazon Polly можно использовать в информационных системах на общественном транспорте и в промышленных системах управления для оповещений и аварийных предупреждений. Возможности Amazon Polly по предоставлению звукового вывода могут использоваться на широком спектре устройств, таких как телевизионные приставки, умные часы, планшеты, смартфоны и устройства IoT. Amazon Polly можно использовать в телефонии для создания интерактивных систем ответа на телефонные звонки. Типовыми применениями облачных решений по преобразованию текста в речь (TTS), таких как Amazon Polly, являются игры-викторины, анимация, создание видеообразов или дикторского текста.

Используя Amazon Polly в сочетании с Amazon Lex, разработчики могут создавать полноценный голосовой пользовательский интерфейс для приложений. В Amazon Connect речь Amazon Polly используется для создания облачного контактного центра с возможностью самостоятельного обслуживания. Кроме этого, разработчики мобильных приложения и решений Интернета вещей (IoT) могут использовать Amazon Polly для добавления речевого вывода к собственным системам.

Встроенные в устройство решения по преобразованию текста в речь требуют значительных вычислительных ресурсов, в первую очередь мощного ЦПУ, большой оперативной памяти и доступного дискового пространства. Это может привести к более высоким затратам на разработку и более высокому потреблению энергии на устройствах, таких как планшеты, смартфоны и т. д. Выполняемое в облаке преобразование текста в речь, напротив, значительно снижает требования к локальным вычислительным ресурсам. При этом появляется возможность поддержки всех доступных языков и голосов с очень высоким качеством. Более того, исправления и улучшения речи сразу становятся доступны конечным пользователям без дополнительного обновления ПО на всех устройствах. Облачное преобразование текста в речь (TTS) не зависит от платформы, что сводит к минимуму время и трудоемкость разработки.

Нужно просто войти в аккаунт AWS и перейти в консоль сервиса Amazon Polly (она является частью консоли AWS). После этого можно с консоли вводить любой текст и прослушивать синтезированную речь или сохранять ее в виде аудиофайла.

Сведения обо всех регионах, в которых поддерживаются стандартные голоса Amazon Polly, см. в списке региональных сервисов AWS. Нейронные голоса поддерживаются в следующих регионах: Восток США (Северная Вирджиния), Запад США (Орегон), Канада (Центральная), Азиатско-Тихоокеанский регион (Токио), Азиатско-Тихоокеанский регион (Сеул), Азиатско-Тихоокеанский регион (Сингапур), Азиатско-Тихоокеанский регион (Сидней), Африка (Кейптаун), ЕС (Лондон), ЕС (Франкфурт), ЕС (Ирландия) и AWS GovCloud (США – запад).

Amazon Polly поддерживает все языки программирования, включенные в SDK AWS (Java, Node.js, .NET, PHP, Python, Ruby, Go и C++) и AWS Mobile SDK (iOS/Android). Amazon Polly также поддерживает API HTTP, поэтому можно реализовать свой собственный уровень доступа.

С помощью Amazon Polly можно передавать звуковой поток пользователям в режиме, близком к режиму реального времени. Для оптимизации полосы частот и качества звука для приложения можно выбирать различные частоты дискретизации. Amazon Polly поддерживает звуковые потоки в форматах MP3, Vorbis и несжатом формате PCM.

Полный перечень языков, поддерживаемых сервисом Amazon Polly, см. в документации.

Для обеспечения доступности всех ресурсов AWS и сокращения риска чрезмерных расходов для новых клиентов AWS устанавливает для каждого аккаунта лимиты на использование сервисов. При использовании в приложении сервиса качественного преобразования текста в речь Amazon Polly в действие вступают лимиты по умолчанию, в том числе лимиты на ограничение полосы пропускания, количество операций и использование языка разметки синтеза речи (SSML). Подробнее см. в разделе Лимиты для Amazon Polly Руководства для разработчиков по Amazon Polly. При использовании Amazon Polly совместно с другими сервисами AWS, например с AWS Batch для эффективной обработки пакетных задач, можно максимально эффективно использовать Amazon Polly в рамках установленных лимитов сервиса.

Ответ: Сервис Amazon Polly соответствует требованиям HIPAA и включен в договор делового партнерства AWS (AWS BAA). Если организация заключила с AWS договор BAA, сервис Amazon Polly будет использовать, раскрывать и хранить закрытую медицинскую информацию организации (PHI) только в соответствии с условиями договора AWS BAA, а не в соответствии с правилами, описанными в разделе «Конфиденциальность данных» на странице вопросов и ответов по Amazon Polly.

Если вас интересует создание фирменного голоса с помощью Amazon Polly, обратитесь к менеджеру аккаунтов AWS или свяжитесь с нами для получения дополнительной информации.

Каждый голос уникален, поэтому нам важно узнать как можно больше о ваших целях, чтобы точно определить объем работ по созданию фирменного голоса. Если вас интересует создание фирменного голоса с помощью Amazon Polly, обратитесь к менеджеру аккаунтов AWS или свяжитесь с нами для получения дополнительной информации.