写点什么

Amazon Polly – 支持 47 种语音与 24 种语言的文本到语音转换服务

  • 2019-11-19
  • 本文字数:1670 字

    阅读完需:约 5 分钟

Amazon Polly – 支持47种语音与24种语言的文本到语音转换服务

在准备写下这篇文章时,我的思绪不禁回到了自己的孩提时代(那时候大部分时间都用在了看电视上)。上世纪六十到七十年代,出现了大批热门的计算机与机器人语音产品。一瞬间,哈尔-9000、B9(来自〈迷失太空〉)、初代《星际旅行》中的计算机以及罗茜(来自〈摩登家庭〉)等形象再次涌现在我眼前。那个时候,人们都热衷于这种机械生成的语音——声音精准、清晰且缺乏人类应有的情感。


时间快速推进,如今我们已经拥有大量出色的计算机生成语音应用及用例可供选择,业界将其称为文本到语音或者简称 TTS 功能。娱乐、游戏、公共发布系统、电子学习、电话、辅助应用及设备乃至个人助手都已经开始将其引入。其中大部分应用能够很好地对接移动环境,但本地处理及存储型方案则表现平平。

你好, Polly

为了解决此类用例的实际需求(当然也包括其它大家能够想到的场景),我们推出了Polly,这项云服务能够将文本转化为逼真的语音,并允许大家将其用于您的工具及应用程序当中。Polly 目前支持总计 47 种男声/女声表达并涵盖 24 种语言(暂不支持中文),而更多语言及语音选项亦在路线图规划之中。


Polly 的设计目标在于解决语音生成工作中的大部分常见挑战。举例来说,我们以“live”一词为例,“I live in Seattle”代表我生活在西雅图,而“Live from New York”则代表由纽约发回的现场直播,二者在意义上显然存在差别。Polly 能够理解这种同一词汇在不同语境下的含义,并给出完全不同的发音。类似的例子还有“St.”。根据语言类别及上下文背景的不同,其可以代表(或者应该发音为)“Street(街道)”或者“saint(圣)”。Polly 同样能够准确识别二者间的差别。另外,Polly 亦能够处理单位、分数、缩写、货币、日期、时间以及其它复杂的语言成分与表达方式。


为了实现这一目标,我们与以 Polly 支持的目标语言为母语的语言专家们进行合作。我们要求每位参与者利用其选定的语种提供大量单词与短语发音,并将音频拆分为声音单元,即双音素。


Polly 在处理普通文本时拥有良好表现。大家只需要提交文本,Polly 即可顺利完成接下来的工作,即以音频文件或者流媒体的方式给出精准、自然且与人类相似的语音表达。对于其它更为复杂的应用,大家可以使用SSML(即语音合成标记语言)为 Polly 提供更多附加信息。举例来说,如果您的文本内容中包含多种语言(例如英语与法语混杂),则可利用 SSML 作出标记以纠正发音。


在本文中我无法直接提供相关语音片段,因此感兴趣的朋友可以直接访问Polly Consolehttps://console.aws.amazon.com/polly)并亲自加以尝试。大家只需要输入文本内容并点击Listen to speech(听取语音)即可:



大家也可以将生成的音频保存在 MP3 文件并将其运用于您的应用程序当中。


以下为完全展开的语言与地区菜单:


技术细节

通过 Console 使用 Polly 当然非常便利,不过大家也可以采取其它方式以实现更具动态的使用途径。大家可以在文本或者 SSML 当中调用SynthesizeSpeech API 函数。大家可以直接将输出结果以流媒体形式直接交付至用户,或者生成 MP3 或 Ogg 文件以备需要时播放。Polly 能够以 MP3 或者 Vorbis 格式生成高质量(最高采样率为 22 kHz)音频,亦可以 PCM 格式生成电话质量级(8 kHz)音频。


大家也可以利用 AWS 命令行界面(CLI)生成音频。例如:



Polly 会对全部闲置数据进行加密,并通过 SSL 连接进行音频传输。所提交文本与提交者间的关联将被移除,以加密形式存储最多 6 个月,并被用于维护及改进 Polly 功能。

价格与上线时间

大家每月可以利用 Polly 处理 500 万字而无需支付任何费用。在此之后,每个字的处理价格为 0.000004 美元,或者折合为音频生成约为每分钟 0.004 美元。本篇博文的语音转换价格约为 0.018 美元,而《哈克贝利-费恩历险记》全文的语音转换亦仅需约 2.4 美元。


Polly目前已经在美国东部(北弗吉尼亚州)、美国西部(俄勒冈州)、美国东部(俄亥俄州)以及欧洲(爱尔兰)服务区上线,大家可以从今天开始加以使用。


本文转载自 AWS 技术博客。


原文链接:https://amazonaws-china.com/cn/blogs/china/polly-text-to-speech-in-47-voices-and-24-languages/


2019-11-19 08:001091

评论

发布
暂无评论
发现更多内容

GitHub热点速览:高效双语对照PDF翻译工具推荐

代码忍者

Photoshop插件 Adobe Camera Raw中文直装2024最新版

Rose

Ampere 年度展望:2025年重塑IT格局的四大关键趋势

科技热闻

开源云原生数据仓库 ByConity实测,开启开启数据仓库的新篇章

轻口味

OLAP 火山引擎 ByConity

Red Giant Trapcode Suite(红巨人粒子特效套装插件)最新激活码2024

Rose

Real Glow for mac下载含激活码 AE真实发光效果模拟插件

Rose

Delicious Retouch Panel(PS人像磨皮美容插件) v5.0(DR5) 中文高级版(Win/Mac)

Rose

PS/LR滤镜插件套装Nik Collection 6中文版及新功能介绍

Rose

设计师必备!Sketch Measure让测量工作更高效、更智能!

Rose

鸿蒙 next Scroll() 无法滚动问题

flfljh

鸿蒙Flutter之线程分析

flfljh

小米su7 or 保时捷怎么选?使用 Three 实现 3D 汽车展示平台比比看

战场小包

Vue 前端 ThreeJS AIGC

自定义弹窗(CustomDialog)简易使用

flfljh

汉化版AE插件镜头光晕耀斑 optical flares插件安装教程及注册码

Rose

Kafka Streams 在监控场景的应用与实践

vivo互联网技术

监控 实时处理 Kafka Streams 消费倾斜

鸿蒙 next 元服务实现 app linking 功能

flfljh

AE制作MG动画神器脚本 Overlord脚本下载中文版-mac/win

Rose

酒店综合管理系统(源码+文档+部署+讲解)

深圳亥时科技

GifGun脚本 快速渲染输出Gif格式动画AE插件

Rose

Acon Digital Remix Mac(实时音乐分离插件) 直装激活版

Rose

AE高级辉光特效插件 Deep Glow 下载安装 含Deep Glow激活码

Rose

深入探索ArkWeb:构建高效且安全的Web组件

flfljh

鸿蒙Flutter使用ohos_videocompressor实现视频压缩

flfljh

设计一个可复用的 ArkWeb 基础组件架构

flfljh

鸿蒙 next -arkts-实现防抖节流功能

flfljh

Amazon Polly – 支持47种语音与24种语言的文本到语音转换服务_语言 & 开发_亚马逊云科技 (Amazon Web Services)_InfoQ精选文章