AI 时代下组织如何快速变革?如何提升全员 AI 技能?戳> 了解详情
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 08:00906

评论

发布
暂无评论
发现更多内容

iOS——解密RunLoop原理

iOSer

ios iOS面试 ios开发 RunLoop

【网络安全】2022年第一次靶场渗透实战学习

H

网络安全 渗透测试

聚类算法有哪些?又是如何分类?

郑州埃文科技

数据分析 聚类算法

政法委跨单位重点人员联防联控平台建设,治安防控系统开发

a13823115807

手把手教程|通过部署 Apache Superset 实现 Amazon S3 的数据可视化

亚马逊云科技 (Amazon Web Services)

analytics

大数据平台中的企业级数仓建设

五分钟学大数据

数据仓库 1月月更

推动数字化人才发展|奈学科技CEO孙玄受邀出席2022年CXO领导力峰会

科技热闻

17 Prometheus之服务发现介绍

穿过生命散发芬芳

Prometheus 1月月更

表单数据高级搜索功能设计

全象云低代码

搜索引擎 前端 低代码 搜索 表单

阿里云视频云「 vPaaS 」演绎了怎样的音视频应用开发「未来图景」?

阿里云CloudImagine

阿里云 音视频 低代码 低代码开发平台 视频云

改进企业CRM系统实施的方法

低代码小观

企业管理 CRM 企业管理系统 CRM系统 企业管理工具

建木持续集成平台v2.2.0发布

Jianmu

开源 持续集成 CI/CD

腾讯自选股如何实现单位小时内完成千万级数据运算

ninetyhe

腾讯 海量数据 分布式,

Android 64位架构适配

百瓶技术

andiod 客户端

ThinkPHP6和GatewayWorker简单的示例

CRMEB

物联网场景中灵活实施对设备的控制管理

亚马逊云科技 (Amazon Web Services)

analytics

数据安全是指什么?有什么意义?

行云管家

防火墙 信息安全 数据安全 堡垒机

打造手淘极简包的轻量化框架

阿里巴巴终端技术

ios android 框架设计 移动开发 包大小

在字节,A/B 实验是这么做的!

字节跳动数据平台

大数据 字节跳动 AB testing实战 ab测试

带你玩转Flink流批一体分布式实时处理引擎

华为云开发者联盟

flink 分布式 实时计算 批处理 流处理框架

恒源云(GPUSHARE)_实例关机后如何操作迁移?

恒源云

gpu 运维 实例

网络安全kali渗透学习 web渗透入门 Kali系统的国内源配置

学神来啦

CPython 性能将提升 5 倍?faster-python 项目 PEP 659 源码级解读

阿里巴巴终端技术

Python 源码 源码分析 CPython

无服务器应用DevOps最新实践(内附完整演讲+视频)

亚马逊云科技 (Amazon Web Services)

计算

实战 MongoDB Aggregate

PingCode研发中心

mongo pipeline Expression

IT运维人员日常工作包含哪些?核心任务是什么?工作量多吗?

行云管家

运维 IT运维 服务器运维

APICloud 原生模块、H5模块、多端组件使用教程

YonBuilder低代码开发平台

前端开发 APP开发 APICloud 模块 跨端开发

Linux下玩转nginx系列(一)——初识nginx及其使用入门

anyRTC开发者

nginx Linux 音视频 WebRTC 服务器

第二节:SpingBoot单元测试

入门小站

java 编程

4 种高速安全混合云解决方案,助力您的云迁移之旅!

亚马逊云科技 (Amazon Web Services)

网络

使用Rainbond打包业务模块,实现业务积木式拼装

北京好雨科技有限公司

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