本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
生成声音
Amazon Polly 的生成式 text-to-speech (TTS) 引擎提供了最像人类、最具情感参与度和自适应性的对话语音，可供通过 Amazon Polly 控制台使用。
生成引擎是迄今为止最大的亚马逊 Polly TTS 模型。它部署了一个十亿参数的转换器，用于将原始文本转换为语音代码，然后部署基于卷积的解码器，该解码器以增量、可流式传输的方式将这些语音代码转换为波形。这种方法显示了被广泛报道的大型语言模型（LLM）在接受越来越多的公开和专有数据（包括各种声音、语言和风格）的训练时出现的能力。
生成引擎以一种与人类声音非常相似的方式创建的合成语音，这种语音在情感上具有参与度、自信和高度口语。你可以将这些声音用作知识渊博的客户助理、虚拟培训师或具有近乎人性化的合成语音的广告商。
注意
这些声音背后的 state-of-the-art 技术属于用于语言和语音建模的生成式人工智能的范式。该技术的一个副作用是，对训练数据和模型的任何更新都可能导致声音的声音略有不同，即使随着模型的更新，声音的整体质量也会有所提高。这可能会对在很长一段时间内合成不同内容部分的用例产生影响，例如一季的播客。
可用的生成声音
Amazon Polly 目前以生成变体形式提供两种女性英语配音和一种男性英语配音。这些生成语音也有对话式 NTTS 变体版本。
| Language | 语言代码 | 名称/ID | 性别 | |
|---|---|---|---|---|
1 |
英语 (英国) |
en-GB |
Amy |
女 |
2 |
英语（美国） |
en-US |
Matthew Ruth |
男 女 |
注意
生成语音费用在 Amazon Polly 定价信息
功能和区域兼容性
Amazon Polly 生成语音可在以下地区使用：
-
美国东部（弗吉尼亚州北部）区域
-
其他地区不可用
生成语音支持以下功能：
-
实时和异步语音合成操作。
-
生成引擎不支持新闻播客的说话风格。
-
Amazon Polly 支持许多（但不是全部）SSML 标签。有关 NTTS 支持的 SSML 标签的更多信息，请参阅支持的 SSML 标签。
-
与标准语音一样，您可以从各种采样率中进行选择，以优化应用程序的带宽和音频质量。标准和神经语音的有效采样率为 8 kHz、16 kHz、22 kHz 或 24 kHz。标准语音的默认值为 22 kHz。生成语音的默认值为 24 kHz。Amazon Polly 支持 MP3、OGG (Vorbis) 和原始 PCM 音频流格式。
-
新的 Amazon Polly 生成语音有 100 毫秒的延迟。
目前尚不支持生成语音标记。
注意
在不太可能出现模型幻觉的情况下（以及生成引擎的模型行为是通过令牌渲染语音标记），就会有一种强制性的紧急停止机制。内置机制可阻止模型进一步渲染语音。此安全功能基于数据分析，其中模型有可能产生幻觉，通常是在句子的末尾。
在某些情况下，模型认为自己会产生幻觉，然后最终可能会在生成步骤中剪掉一个字，从而呈现出一半的单词。这可能会产生不恰当的结果。
在主机上使用生成引擎
你可以通过 Amazon Polly 控制台访问 Amazon Polly 生成语音，或者。 Amazon CLI在控制台中，选择生成引擎，然后从列表中选择相应的生成语音以收听该语音中的合成语音。您还可以使用SynthesizeSpeech和 StartSpeechSynthesisTask API 操作探索生成语音。对于 API 操作，您可以在 API 请求中指定引擎和语音名称。有关使用 Python 的快速入门代码示例，请参阅 Pyt hon 示例。
在主机上使用生成引擎
-
通过以下网址打开 Amazon Polly 控制台：https://console.aws.amazon.com/polly/
。 -
从 Amazon Polly 控制台中，选择生成引擎。
-
从语音下拉菜单中选择所需的声音。
-
使用您选择的文本生成 TTS 音频。
注意
生成语音也可以与SynthesizeSpeech和 StartSpeechSynthesisTaskAPI 操作一起使用。对于 API 操作，客户可以在 API 请求中指定引擎和语音名称。可以在此处找到更多快速入门代码示例。