신경 음성

포커스 모드

신경 음성 - Amazon Polly

Amazon Polly에는 표준 음성보다 자연스러운 음성을 낼 수 있는 신경망 텍스트 투 스피치(NTTS) 시스템이 있습니다. 표준 TTS 음성은 연결 합성을 사용합니다. 이 표준 엔진은 녹음된 스피치의 음소를 서로 연결하여 매우 자연스럽게 들리도록 합성된 스피치를 만들어 냅니다. 하지만 말은 변형될 수밖에 없고 파형 분절에 사용되는 기술로 인해 스피치 품질이 제한됩니다. Amazon Polly NTTS 엔진은 스피치를 생성하기 위해 표준 연결 합성을 사용하지 않으며, 다음 두 부분으로 이루어져 있습니다.

신경망 - 음소(가장 기본적인 언어 단위) 시퀀스를 스펙트로그램 시퀀스로 변환합니다. (스펙트로그램은 다양한 주파수 대역의 에너지 레벨을 스냅샷으로 찍은 것입니다.)
보코더 - 스펙트로그램을 거의 연속된 오디오 신호로 변환합니다.

신경 TTS 시스템의 첫 번째 구성 요소는 Sequence-to-Sequence 모델입니다. 이 모델은 해당하는 입력에서만 결과를 만들 뿐만 아니라 입력 요소의 시퀀스가 함께 작동하는 방식도 고려합니다. 모델이 출력되는 스펙트로그램을 선택하면 주파수 대역이 사람의 뇌가 말을 처리할 때 사용하는 음향 기능을 강조합니다.

그런 다음 이 모델의 출력이 신경 보코더로 전달되고 스펙트로그램이 스피치 파형으로 변환됩니다. 범용 연결 합성 시스템을 빌드하는 데 사용되는 대규모 데이터세트로 훈련될 경우 이 Sequence-to-Sequence 접근 방식은 더 우수하고 자연스럽게 들리는 음성을 만들어 냅니다.

사용 가능한 신경 음성

신경 음성은 36개 언어 및 언어 변형으로 제공됩니다. 다음 표에 음성이 나와 있습니다.

	언어 및 사투리	언어 코드	이름/ID	Gender
1	아랍어(걸프)	ar-AE	Hala Zayd	여성 남성
2	벨기에 네덜란드어(플랑드르)	nl-BE	Lisa	여성
3	카탈루냐어	ca-ES	Arlet	여성
4	체코어	cs-CZ	Jitka	여성
5	중국어(광동어)	yue-CN	Hiujin	여성
6	표준 중국어	cmn-CN	Zhiyu	여성
7	덴마크어	da-DK	Sofie	여성
8	네덜란드어	nl-NL	Laura	여성
9	영어(호주)	en-AU	Olivia	여성
10	영어(영국)	en-GB	Amy* Emma Brian Arthur	여성 여성 남성 남성
11	영어(인도)	en-IN	Kajal	여성
12	영어(아일랜드)	en-IE	Niamh	여성
13	영어(뉴질랜드)	en-NZ	Aria	여성
14	영어(싱가포르어)	en-SG	재스민	여성
15	영어(남아프리카)	en-ZA	Ayanda	여성
16	영어(미국)	en-US	Danielle Gregory Ivy Joanna* Kendra Kimberly Salli Joey Justin Kevin Matthew* Ruth Stephen	여성 남성 여성(어린이) 여성 여성 여성 여성 남성 남성(어린이) 남성(어린이) 남성 여성 남성
17	핀란드어	fi-FI	Suvi	여성
18	프랑스어(벨기에)	fr-BE	Isabelle	여성
19	프랑스어(캐나다)	fr-CA	Gabrielle Liam	여성 남성
20	프랑스어	fr-FR	Léa Rémi	여성 남성
21	독일어	de-DE	Vicki Daniel	여성 남성
22	독일어(오스트리아)	de-AT	Hannah	여성
23	독일어(스위스)	de-CH	Sabrina	여성
24	힌디어	hi-IN	Kajal	여성
25	이탈리아어	it-IT	Bianca Adriano	여성 남성
26	일본어	ja-JP	Takumi Kazuha Tomoko	남성 여성 여성
27	한국어	ko-KR	Seoyeon 지혜	여성 여성
28	노르웨이어	nb-NO	Ida	여성
29	폴란드어	pl-PL	Ola	여성
30	포르투갈어(브라질)	pt-BR	Camila Vitória/Vitoria Thiago	여성 여성 남성
31	포르투갈어(유럽)	pt-PT	Inês/Ines	여성
32	스페인어(스페인)	es-ES	Lucia Sergio	여성 남성
33	스페인어(멕시코)	es-MX	Mia Andrés	여성 남성
34	스페인어(미국)	es-US	Lupe* Pedro	여성 남성
35	스웨덴어	sv-SE	Elin	여성
36	터키어	tr-TR	Burcu	여성

*Amy, Joanna, Lupe 및 Matthew 음성은 뉴스 진행자 말투로 사용할 수 있습니다. 자세한 내용은 뉴스 진행자 음성 적용 단원을 참조하십시오.

기능 및 리전 호환성

일부 AWS 리전에서는 신경 음성을 사용할 수 없으며 모든 Amazon Polly 기능을 지원하지도 않습니다.

신경 음성이 지원되는 리전은 다음과 같습니다.

미국 동부(버지니아 북부): us-east-1
미국 서부(오레곤): us-west-2
아프리카(케이프타운): af-south-1
아시아 태평양(도쿄): ap-northeast-1
아시아 태평양(서울): ap-northeast-2
아시아 태평양(오사카): ap-northeast-3
아시아 태평양(뭄바이): ap-south-1
아시아 태평양(싱가포르): ap-southeast-1
아시아 태평양(시드니): ap-southeast-2
아시아 태평양(말레이시아): ap-southeast-5
캐나다(중부): ca-central-1
유럽(프랑크푸르트): eu-central-1
유럽(아일랜드): eu-west-1
유럽(런던): eu-west-2
유럽(파리): eu-west-3
유럽(스페인): eu-south-2
AWS GovCloud(미국 서부): us-gov-west-1

이 리전의 엔드포인트와 프로토콜은 표준 음성에 사용되는 것과 같습니다. 자세한 내용은 Amazon Polly 엔드포인트 및 할당량을 참조하세요.

신경 음성에 지원되는 기능은 다음과 같습니다.

실시간 및 비동기 스피치 합성 작업
뉴스 진행자 말투입니다. 진행자 말투에 대한 자세한 내용은 뉴스 진행자 음성 적용을 참조하세요.
모든 스피치 마크
Amazon Polly에서 지원하는 상당수의(전부 아님) SSML 태그입니다. NTTS를 지원하는 SSML 태그에 대한 자세한 내용은 지원되는 태그를 참조하세요.

표준 음성의 경우와 마찬가지로, 다양한 샘플링 속도 중에서 선택하여 애플리케이션의 대역폭과 오디오 품질을 최적화할 수 있습니다. 표준 음성과 신경 음성에 맞는 샘플링 속도는 8kHz, 16kHz, 22kHz 또는 24kHz입니다. 표준 음성의 기본값은 22kHz이고 신경 음성의 기본값은 24kHz입니다. Amazon Polly는 MP3, OGG(Vorbis) 및 원시 PCM 오디오 스트림 형식을 지원합니다.