The Pulse
Amazon Polly aggiunge 14 voci e introduce la sintesi vocale generativa in hindi e finlandese
Il motore Generative aggiornato di Amazon Polly aggiunge 14 voci in nove locale, rendendo disponibili per la prima volta l’hindi e il finlandese. Secondo AWS, il modello migliora la naturalezza e la precisione del parlato senza modificare l
AI.info Team · Scritto con l’IA · verificato ·
Il motore Generative di Amazon Polly si arricchisce di 14 voci in nove locale: il catalogo arriva così a 57 voci in 11 lingue e 25 locale. Secondo AWS, il modello aggiornato migliora anche la naturalezza e la precisione del parlato, compresa la lettura di numeri, importi in valuta, indirizzi email e indirizzi stradali. La sintesi vocale generativa in hindi e finlandese diventa disponibile per tutti per la prima volta.
14 voci, anche in hindi e finlandese
Le nuove voci comprendono Kenneth e Nate per l’inglese statunitense, Russell e Curtis per l’inglese australiano, Kiara e Arjun per l’hindi e l’inglese indiano, Tina per il tedesco, Carlos per lo spagnolo statunitense, Leo e Carolina per il portoghese brasiliano, Hyunduk per il coreano e Suvi per il finlandese. Secondo AWS, le aggiunte ampliano la copertura linguistica e regionale del servizio, mantenendo invariati i nomi delle voci e le chiamate API esistenti.
L’aggiornamento è disponibile per tutti in 11 regioni AWS: Stati Uniti orientali (Virginia settentrionale), Stati Uniti occidentali (Oregon), Europa (Francoforte, Zurigo e Londra), Asia Pacifico (Sydney, Seul, Singapore e Tokyo), Canada (centrale) e AWS GovCloud (US-West). Secondo AWS, la disponibilità in GovCloud offre ai clienti del settore pubblico e dei settori regolamentati un’ulteriore opzione di distribuzione.
Numeri e indirizzi sono tra gli obiettivi dichiarati
Amazon propone il nuovo modello per attività di sintesi vocale in cui la lettura errata di un dettaglio può compromettere uno scambio altrimenti fluido. Tra gli esempi figurano conferme d’ordine contenenti numeri di tracciamento, indirizzi di consegna, date, orari e prezzi. Secondo AWS, le voci aggiornate possono anche seguire più da vicino le indicazioni testuali relative a modalità espressive come l’incertezza o la sorpresa, senza che gli sviluppatori debbano configurarle manualmente.
Queste funzionalità sono rivolte alle chiamate dei contact center, agli agenti vocali, alla produzione di contenuti multimediali, all’e-learning e all’accessibilità. AWS presenta l’API di streaming a bassa latenza come un modo per inviare testo a Polly ricevendo contemporaneamente l’audio sintetizzato, anche nelle applicazioni che trasmettono in streaming le risposte di un modello linguistico di grandi dimensioni.
Le integrazioni esistenti mantengono la stessa API e lo stesso prezzo
Secondo AWS, gli sviluppatori che già usano il motore Generative di Polly non devono modificare il codice. L’aggiornamento viene applicato direttamente alle voci generative esistenti e le nuove applicazioni possono usare la stessa API SynthesizeSpeech. AWS afferma che l’aggiornamento del modello non comporta aumenti di prezzo né nuovi SKU; i prompt statici sintetizzati possono ancora essere memorizzati nella cache e riprodotti senza costi aggiuntivi.
Resta una limitazione: i marcatori del parlato non sono disponibili per le voci generative. Secondo AWS, le voci standard e neurali continuano a supportarli e l’aggiornamento del modello non interessa quei motori. Il motore Generative continua a supportare i tag di Speech Synthesis Markup Language.
Secondo Sanoma, Suvi migliora la sua voce neurale finlandese
Sanoma Media Finland usa Polly per trasformare in audio gli articoli di notizie in tempo reale. Justus Reinikainen, responsabile di prodotto di Sanoma Media Finland, ha dichiarato che l’azienda pubblica più di 10.000 articoli al mese usando la voce neurale finlandese di Polly e che, nei test, l’ha confrontata con la nuova voce generativa:
«Sulla base dei nostri test, la nuova voce generativa Suvi rappresenta un netto miglioramento rispetto alla precedente voce neurale: suona sensibilmente più naturale e offre un’esperienza d’ascolto più piacevole».
Justus Reinikainen, responsabile di prodotto, Sanoma Media Finland
Il confronto è una valutazione di un cliente, non un benchmark indipendente pubblicato. Per le applicazioni che dipendono dai marcatori del parlato, la scelta concreta resta questa: continuare a usare il motore standard o neurale di Polly, oppure usare il catalogo Generative ampliato senza il supporto dei marcatori del parlato.