使用 Amazon Polly 提供实时家居监控警报

这是 Y-cam Solution 高级开发人员 Siva K. Syamala 撰写的客座博客文章。用她自己的话说，“Y-cam 是高质量安保视频解决方案提供商，我们的愿景是让智能家居安防系统变得简单，方便所有人使用。” | 原文链接

家居安防是家庭自动化和物联网的重要组成部分。Y-cam Solutions Limited 在 Amazon 的大力支持下，提供了一个智能安防系统，该系统可通过智能手机在世界任何地方进行监视和控制。为了改进警报、通知和系统控制方式，Y-cam 使用 Amazon Polly 提供一流的 AI 服务。利用该服务，用户可通过语音与安防系统进行交互。

我们的服务的工作方式

当触发报警时，我们通过 Twilio 以语音电话的方式通知客户。在建立呼叫后，Twilio 将逐步执行 TwiML 指令，并使用从 Amazon Polly 检索的合成语音开始向客户传送信息。电话接听方通过按手机键盘上的按钮 (DTMF 代码) 来做出回应。根据具体的 DTMF 代码，我们的服务会采取指定的操作，并返回从 Amazon Polly 检索的合成语音所对应的 TwiML 指令。为了让用户听起来像一个真实的对话，Amazon Polly 必须快速做出回应。延迟和等待会让人不满，并更有可能会导致接听方挂断电话。

下面是触发警报时向客户拨打的电话的示例音频剪辑。

##架构

呼叫 Amazon Polly

以下 Java 代码说明了从 Amazon Polly 请求合成语音并将其存储在 S3 存储桶中的过程。

public String convertTextToSpeech(final String text, final String polyVoiceId) {
	log.info("Converting " + text + " to speech");
	// Create speech synthesis request.
	SynthesizeSpeechRequest synthesizeSpeechRequest = new SynthesizeSpeechRequest()
	.withText(text)
	.withVoiceId(polyVoiceId)
	.withOutputFormat(OutputFormat.Mp3);
 
	// Get the synthesized speech audio stream.
	SynthesizeSpeechResult synthesizeSpeechResult = awsPollyClient.synthesizeSpeech(synthesizeSpeechRequest);
		
	// store audio stream of Polly to S3 as an MP3 file
	byte[] bytes = null;
	try {
		bytes = IOUtils.toByteArray(synthesizeSpeechResult.getAudioStream());
	} catch (IOException e) {
		log.error("Could not get bytes from the audio stream " + e.getMessage());
	}
		
	ObjectMetadata omd = new ObjectMetadata();
	omd.setContentType(synthesizeSpeechResult.getContentType());
	omd.setContentLength(bytes.length);
	ByteArrayInputStream byteArrayInputStream = new ByteArrayInputStream(bytes);
	String fileName = getRandomString();
	final PutObjectRequest s3Put = new PutObjectRequest(pollySpeechBucket, fileName, byteArrayInputStream, omd).withCannedAcl(CannedAccessControlList.PublicRead);
 
	amazonS3Client.putObject(s3Put);
 
	return S3URL;
}

为什么选择 Amazon Polly？

在使用 Amazon Polly 之前，我们使用过另一家 TTS 提供商，该提供商提供的语音不真实，并且存在可扩展性问题。很显然，机器人的声音不会带来良好的客户体验。我们希望声音更加自然，更加接近人类声音。Amazon Polly 为我们提供了一个非常简单、灵活、自然和可扩展的文本到语音的解决方案，而且成本非常低。另外，Amazon Polly 还支持不同的语音和语言。Amazon Polly 可以在数毫秒内处理数据，这样我们的客户不需要长时间等待回应。

未来的发展

我们计划在未来使用 Amazon Lex，以便客户可以向自己的家居安防系统发出控制命令，而不是输入 DTML 代码。Amazon Lex 提供了自动语音识别 (ASR) 的深度学习功能，可将语音转换为文本；并且提供了自然语言理解 (NLU) 来识别文本的意思。我们的目标是为用户提供全语音用户接口。

本文转载自 AWS 技术博客。

原文链接：
https://amazonaws-china.com/cn/blogs/china/using-amazon-polly-to-provide-real-time-home-monitoring-alerts/