长篇语音 - Amazon Polly

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。

长篇语音

Amazon Polly 有一个长格式引擎,可以产生类似人类、极具表现力和情感熟练的声音。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 长篇语音是使用尖端的深度学习技术开发的。TTS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。

长格式引擎使用文本嵌入来解释文本的含义。使用文本嵌入,长格式引擎可以生成自然语音的正确重点、停顿和语气。结果是一种结合了人类沟通中存在的全部情感元素的声音。这包括模仿令人惊讶的对话或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。该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导致声音的声音略有不同,即使随着模型的更新,声音的整体质量也会有所提高。这可能会对在很长一段时间内合成不同内容部分的用例产生影响,例如一季的播客。

可用的长篇声音

Amazon Polly 目前提供两种女性和一种男性 en-US 长声音。这些长篇声音也有对话NTTS变体。

Language 语言代码 名称/ID 性别

1

英语(美国)

en-US

Danielle

Gregory

Ruth

特征和区域兼容性

Amazon Polly 长篇语音可在以下地区使用:

  • 美国东部(弗吉尼亚北部):us-east-1

  • 其他区域不可用

Amazon Polly 长格式引擎支持以下功能:

  • 实时和异步语音合成操作。

  • 所有语音标记

  • Amazon Polly 支持许多(但不是全部)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。标准声音、长篇声音和神经语音的有效采样率为:8 kHz、16 kHz kHz、22 或 24 kHz。标准声音的默认值为 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 定价信息页面上指定。