本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
Amazon Polly 有一个长篇引擎，可发出类似人类、极富表现力且情感丰富的语音。长篇语音旨在吸引听众关注较长内容，例如新闻文章、培训材料或营销视频。
Amazon Polly 长篇语音是使用前沿深度学习 TTS 技术开发而成。该模型学习复制人类语言的音素、韵律、语调以及其他语音和声学方面，从而产生高度自然的语音输出。
长篇引擎使用文本嵌入来解释文本的含义。长篇引擎使用文本嵌入后，可以产生自然语音的正确重点、停顿和语气。最后得到的语音能够结合人类交流中存在的各种情感元素。这包括模仿惊讶的对话或者将对话与叙事区分开来。这些结合在一起，便打造出听起来像真人一样的优质语音产品。
注意
这些声音背后的 state-of-the-art技术属于用于语言和语音建模的生成式人工智能的范式。这项技术的一个副作用是，对训练数据和模型的任何更新都可能会导致语音听起来略有不同，即使随着模型的更新，语音的整体质量有所提高，也是如此。这可能会影响由长期合成的不同内容部分组成的应用场景，例如一个季度的播客。
可用的长篇语音
Amazon Polly 目前提供四种 en-US 和两种 es-es 长篇声音。这两种语言都有女声和男声可供选择。英语长篇配音 Daniel、Gregory 和 Ruth 也有对话式 NTTS 变体可供选择。
| 语言 | 语言代码 | 名称/ID | 性别 | |
|---|---|---|---|---|
1 |
英语（美国） |
en-US |
Danielle Gregory Ruth 帕特里克 |
女 男 女 男 |
2 |
西班牙语（西班牙） |
es-ES |
阿尔巴 劳尔 |
女 男 |
特征和区域兼容性
Amazon Polly 长篇语音在以下区域可用：
-
美国东部（弗吉尼亚北部）：us-east-1
-
其他区域不可用
Amazon Polly 长篇引擎支持以下特征：
-
实时和异步语音合成操作。
-
所有语音标记。
-
Amazon Polly 支持许多（但不是所有）SSML 标签。有关 NTTS 支持的 SSML 标签的更多信息，请参阅支持的 SSML 标签。
-
与标准语音一样，您可以从各种采样率中进行选择，以优化应用程序的带宽和音频质量。标准、长篇和神经语音的有效采样率为 8 kHz、16 kHz、22 kHz 或 24 kHz。标准语音的默认值为 22 kHz。长篇和神经语音的默认值为 24 kHz。Amazon Polly 支持 MP3 OGG (Vorbis) 和原始 PCM 音频流格式。
注意
长篇语音费用在 Amazon Polly 定价信息页面
