写点什么

Amazon Polly 推出神经文本转语音和新闻播音员语音风格

  • 2019-09-23
  • 本文字数:3005 字

    阅读完需:约 10 分钟

Amazon Polly 推出神经文本转语音和新闻播音员语音风格

从 Robbie the Robot 到 Jarvis,科幻作家早已懂得,让人造角色的声音尽可能逼真是多么重要。语言是人类互动的核心,除了说话沟通,它还有助于我们表达感觉和情绪:谁能忘记《2001 太空漫游》中 HAL 9000 令人难以忘怀的最后一幕?


在现实世界中,情况当然更加复杂。早在“人工智能”这个词出现前的几十年,科学家就在设计试图模仿人声的系统。1937 年,亦即在举办开创性的达特茅斯研讨会之前约 20 年,Homer Dudley 发明了声码器,这是用电子元件合成人声的首次尝试:此视频介绍了有关这台令人惊艳的设备的声音样本和额外信息。


从那时起,我们取得了长足进步! 在 AWS re:Invent 2016 大会上,我们宣布推出 Polly,这是一种将文本转换为逼真语音的托管服务,借助该服务,客户可以创建能够说话的应用程序,并构建全新类别的支持语音功能的产品。无需具备机器学习专业知识:只需调用 API 即可完成任务! 从那时起,该团队一直定期添加新语音,目前共有 29 种语言和 59 种语音。


今天,我们很高兴地宣布 Polly 推出两大新功能:神经文本转语音,以及开创性的新闻播音员语音风格。


神经文本转语音 (NTTS) 功能简介


通过一种新的机器学习方法,NTTS 可以显著提高语音质量。它增加了自然性和表现力,这是合成逼真语音的两个关键因素,能使语音越来越接近人声。以下示例呈现了可预期的语音质量。


迄今为止,NTTS 支持 11 种语音,包括实时模式和批处理模式:


  • 所有 3 种英国英语语音:Amy、Emma 和 Brian。

  • 所有 8 种美国英语语音:Ivy、Joanna、Kendra、Kimberly、Salli、Joey、Justin 和 Matthew。

  • 何不前往 AWS 控制台快速测试一下?


新闻播音员语音风格简介


语音质量当然重要,但要让合成语音听起来更逼真、更迷人,还要从其他许多方面做出努力。如何在语音风格方面下功夫? 毋庸置疑,人耳可以分辨出新闻广播、体育广播、大学课程等不同语音;事实上,大多数人会在正确的语境中采用正确的语音风格,这无疑有助于清楚表达他们的意思。


借助 NTTS,我们得以在合成语音中应用语音风格,您现在可以使用 Polly 的新闻播音员语音风格。示例如下。


无论是新闻报道还是博客文章,这一功能都会使语音听起来更加逼真,《环球邮报》等客户如今已在使用此功能。借助 Polly 和新闻播音员语音风格,他们的读者(或者现在应该称之为听众?)可以享受用优质语音读出的文章,听起来就像他们期望在电视或广播中听到的那样。结合 Amazon Translate,他们还可以收听自动翻译为他们能理解的语言的文章。


迄今为止,新闻播音员语音风格适用于两种美国英语语音(Joanna 和 Matthew),包括实时模式和批处理模式。同样,您可以前往 AWS 控制台快速测试一下,其中提供的是与上面相同的新闻播音员语音风格的语音剪辑。


使用具有 NTTS 语音和新闻播音员语音风格的 Polly API 非常简单。请允许我向您展示如何开始使用这两项功能。


使用 NTTS 语音和新闻播音员语音风格


我们不妨让 Polly 读一段文本:读一下 2006 年发布 Amazon Simple Storage Service (S3) 时的这段文本怎么样?


“Earlier today we rolled out Amazon S3, our reliable, highly scalable, and low-latency data storage service.Using SOAP and REST interfaces, developers can easily store any number of blocks of data in S3.Each block can be up to 5 GB in length, and is associated with a user-defined key and additional key-value metadata pairs.Further, each block is protected by an ACL (Access Control List) allowing the developer to keep the data private, share it for reading, or share it for reading and writing, as desired.The system was designed to provide a data availability factor of 99.99%; all data is transparently stored in multiple locations”。


我将使用批处理模式,以便在 S3 中保存声音文件并方便您取用:我明确更改了权限以使这些文件公开,但无需担心,默认情况下您自己的文件是完全私有的。


我们先来试听一下 Matthew 标准语音。


$ aws polly start-speech-synthesis-task      --voice-id Matthew --text file://s3.txt      --output-s3-bucket-name "jsimon-polly" --output-format mp3      --query "SynthesisTask.TaskId""e3db409c-419d-4a31-a3a7-72c1e712fe23"$ wget https://jsimon-polly.s3.amazonaws.com/e3db409c-419d-4a31-a3a7-72c1e712fe23.mp3 -O matthew-standard.mp3
复制代码


Matthew,请给我们介绍一下 S3。


现在,我们听一下相同语音的 NTTS 版本:只需将“engine”参数设置为“neural”。


$ aws polly start-speech-synthesis-task      --voice-id Matthew --engine neural --text file://s3.txt      --output-s3-bucket-name "jsimon-polly" --output-format mp3      --query "SynthesisTask.TaskId""e3902335-c1e6-450b-b6e9-f913d6d52055"$ wget https://jsimon-polly.s3.amazonaws.com/e3902335-c1e6-450b-b6e9-f913d6d52055.mp3 -O matthew-neural.mp3
复制代码


您应该即刻会注意到 NTTS 改进了语音质量。当然,Polly 已经正确识别出技术术语缩写和数字等。


现在,我们来增加一些趣味,应用新闻播音员语音风格。这要求我们使用 SSML 标记语言。我们只需附上如下文本:


<speak><amazon:domain name="news">Earlier today we rolled out Amazon S3, our reliable, highly scalable, and low-latency data storage service.Using SOAP and REST interfaces, developers can easily store any number of blocks of data in S3.Each block can be up to 5 GB in length, and is associated with a user-defined key and additional key-value metadata pairs.Further, each block is protected by an ACL (Access Control List) allowing the developer to keep the data private, share it for reading, or share it for reading and writing, as desired.The system was designed to provide a data availability factor of 99.99%; all data is transparently stored in multiple locations.</amazon:domain></speak>
复制代码


让我们重新合成这段文本,同时确保将文本类型设置为 SSML。


$ aws polly start-speech-synthesis-task       --voice-id Matthew --engine neural       --text file://s3.ssml --text-type ssml       --output-s3-bucket-name "jsimon-polly" --output-format mp3       --query "SynthesisTask.TaskId""25c18bda-b32b-4485-a45f-eb9b757a513b"$ wget https://jsimon-polly.s3.amazonaws.com/25c18bda-b32b-4485-a45f-eb9b757a513b.mp3 -O matthew-neural-newscaster.mp3
复制代码


我相信您立即就能分辨出来! 这听起来不就像是新闻播报员在读这段文本吗?


如果您想了解 Joanna 语音,下面是几段内容相同的语音剪辑:标准语音、神经语音,以及新闻播音员语音风格的神经语音。


现已推出!


如您所见,这些新功能非常易于使用,现已在美国东部(弗吉尼亚北部)、美国西部(俄勒冈)和欧洲(爱尔兰)推出。从您首次请求转换语音(标准语音或 NTTS 语音)开始,免费套餐在前 12 个月每月为您提供 100 万个字符的 NTTS 语音。


我们期待您的反馈! 请将反馈发布到 AWS 论坛的 Polly 版块,或者将其发送给您常用的 AWS Support 联系人。


本文转载自博客 AWS。


原文链接:


https://amazonaws-china.com/cn/blogs/china/amazon-polly-introduces-neural-text-to-speech-and-newscaster-style/


2019-09-23 13:411180
用户头像

发布了 1925 篇内容, 共 153.9 次阅读, 收获喜欢 81 次。

关注

评论

发布
暂无评论
发现更多内容

开源机器学习数据库OpenMLDB v0.4.0产品介绍

第四范式开发者社区

人工智能 机器学习 大数据 OpenMLDB

Spark合并Iceberg小文件内存溢出问题定位和解决方案

漫长的白日梦

spark iceberg 小文件

Go 语言快速入门指南:Go 函数

宇宙之一粟

函数 Go 语言 1月月更

一文聊透Netty核心引擎Reactor的运转架构

bin的技术小屋

网络编程 nio 中间件 jdk8 netty

实时渲染大赛太卷了!来看大佬提前交卷的优秀参赛作品

3DCAT实时渲染

3D 实时渲染

左手2021, 右手2022 | 社区征文

soolaugust

技术 云原生 新春征文

记 服务 内存飙升压测 - 分析总结

常清静

压测分析 内存问题 排查工具

openLooKeng1.5.0新版本正式上线

LooK

记线上服务 cpu 爆表 问题解决

常清静

性能优化 压测分析 CPU问题

模块 6 作业

miliving

MyBatis3源码解析(1)探索准备

Java mybatis

ABAP 和 Java 里的单例模式攻击

汪子熙

Java abap 1月月更

【架构师训练营】模块六作业

樰巳-堕~Horry

架构实战营 「架构实战营」

虎虎生威新春大吉,2月更文挑战来袭!

InfoQ写作社区官方

2月月更 热门活动

如何优雅地解决平台字体适应问题

编程三昧

CSS 前端开发 HTML5, CSS3 1月月更

区块链赋能民生“第一单”:200多套房源试水,“链宜租”租房系统上线

CECBC

Microchip发布具有强大编程和调试功能的新型在线仿真器(ICE)

极客天地

openLooKeng基于选择率的动态过滤优化

LooK

大数据

openLooKeng | Oracle update和delete支持简介及实现

LooK

基于OpenMLDB v0.4.0快速搭建全流程线上AI应用

第四范式开发者社区

人工智能 机器学习 OpenMLDB 特征平台

11张图深入理解分布式锁原理

慕枫技术笔记

微服务 后端 1月月更

你必须知道的Java17新特性-密封类(Sealed Classes)

蜜糖的代码注释

Java 开发 后端开发

openLooKeng算子接口和执行流程

LooK

Python Qt GUI设计:做一款串口调试助手(实战篇—1)

不脱发的程序猿

PyQt Python Qt Python Qt GUI设计 串口调试助手

🏆【Alibaba微服务技术系列】「Dubbo3.0技术专题」(1)Dubbo3新特性概览的介绍说明

码界西柚

dubbo Dubbo3 Alibaba技术 1月日更 Apache alibaba

云智慧智能研究院:2022年智能运维发展八大趋势

云智慧AIOps社区

趋势 AIOPS 智能运维 云智慧 运维发展

对GO切片的理解

CRMEB

模块六

撿破爛ぃ

架构训练营

Microchip宣布标准非混合型宇航级电源转换器系列 已新增28伏输入耐辐射选项

极客天地

ReactNative进阶(三十七):应用 SectionList 实现分组列表

No Silver Bullet

1月月更 ReactNative sectionList

AI+遥感:释放每个像元价值

百度大脑

人工智能 AI

Amazon Polly 推出神经文本转语音和新闻播音员语音风格_语言 & 开发_亚马逊云科技 (Amazon Web Services)_InfoQ精选文章