Amazon Polly 語音複製正式推出:7 種語言、免費建立語音,需申請開通
AWS 宣布 Amazon Polly 語音複製以受控方式正式提供,支援 7 種語言,建立語音免費、使用依量計費。目前依帳號開通,需向 AWS 客戶團隊或申請頁面取得權限。
新聞日期: 閱讀時間約 5 分鐘
AWS 宣布 Amazon Polly(AWS 的文字轉語音服務)的語音複製功能已正式提供,但屬於受控(gated)發布:目前已對部分 Polly 客戶開通,其他客戶須向 AWS 客戶團隊洽詢或提出申請。AWS 表示,企業與開發者因此可用同一個品牌聲音製作客服語音、有聲書與應用程式旁白,不必每次改腳本都重新錄音。
Amazon Polly 語音複製是什麼?與一般語音有何不同?
根據 AWS,客戶提供一位已同意被複製聲音的說話者的數分鐘錄音,Polly 即建立專屬的複製語音。這個語音在 Polly 生成式引擎上運作,也就是 Polly 用 AI 產生較自然語音的那一套技術。AWS 表示其自然度與準確度與其他生成式語音相近。複製語音會自動加密並設有存取控制,AWS 稱只有建立者帳號可以使用。
AWS 列出的應用包括:在 IVR(電話自動語音應答系統)、語音代理、行動應用與連網裝置間維持一致的品牌聲音;客服中心提示語;有聲書、課程、播客與遊戲角色;以及無障礙閱讀與個人化互動。
推出到什麼階段?支援哪些語言、區域與限制?
AWS 稱此功能為正式提供的受控發布。支援的區域與 Polly 生成式引擎相同,包含 AWS GovCloud (US)。AWS 列出的區域為美東(維吉尼亞北部)、美西(奧勒岡)、法蘭克福、蘇黎世、倫敦、雪梨、首爾、新加坡、東京、加拿大(中部)與 GovCloud(US-West)。台灣不在這份清單中。
| 項目 | AWS 所述內容 |
|---|---|
| 發布階段 | 正式提供,受控發布,依帳號開通 |
| 語言 | 英文、西班牙文、德文、法文、義大利文、葡萄牙文、印地文 |
| 錄音 | 每個語音 1–10 段、總計最長 15 分鐘;建議 2–10 分鐘 |
| 建立時間 | 通常 5–10 分鐘,非同步(在背景完成) |
| 配額 | 每帳號每區域初始 10 個複製語音;CreateVoice 與 DeleteVoice 共用每秒 1 次請求 |
| 費用 | 建立語音免費;使用依量計費,詳見 Polly 定價頁 |
| 控制 | 綁定建立帳號;以 IAM 權限控管;可用自有 KMS 金鑰加密 |
如何開始?
AWS 說明,若帳號已開通,Polly 主控台左側面板會出現「Voice cloning」。AWS 列出的主控台步驟如下:
- 在主控台展開左側面板並選擇 Voice cloning。
- 上傳最多 10 段錄音,或從 Amazon S3 選取;每個主控台上傳檔案最大 5 MB。
- 確認條款並選擇 Create。
- 語音完成後,在詳細頁面試聽。
若要透過程式使用,AWS 指出需要最新版 boto3(AWS 的 Python 開發套件),以及相關的 IAM 權限。IAM 是 AWS 的帳號權限管理服務。流程是先呼叫 CreateVoice 建立語音,並設定 TermsAccepted=True,接著以 GetVoice 查詢狀態,最後以 Engine="generative" 呼叫 SynthesizeSpeech 或 StartSpeechSynthesisTask 產生語音。完整程式範例請見 AWS 原文。
對實際工作流程有什麼影響?
AWS 建議把語音建立當成事先準備的步驟,而非使用者請求的一部分,因為建立需要數分鐘。對固定提示(如電話問候語),AWS 建議先產生音訊,與說話者及品牌團隊確認後,再提供儲存好的檔案,因為同一段文字在不同請求間可能略有差異。AWS 也提醒,語音風格取自錄音,無法混合多種情緒,並建議用自己的產品名稱、數字與地址實測。音素標籤可用來標註正確發音,在英、法、義、德、西文的複製語音中可用。
在資料處理方面,AWS 表示語音建立後 Polly 不保留錄音副本,也不用來訓練 Polly 模型。Polly 只保留合成所需且經加密的語音資料,可使用客戶自有的 KMS(AWS 金鑰管理服務)金鑰加密,呼叫 DeleteVoice 會立即移除。
常見問題
所有 AWS 客戶現在都能用嗎?
不是。AWS 表示存取依帳號開通,部分 Polly 客戶已啟用,其他客戶需聯絡 AWS 客戶團隊或申請存取。
一個複製語音能說多種語言嗎?
根據 AWS,每個複製語音只說錄音時使用的語言。若要多語體驗,需為每種支援語言分別建立並審核語音。
建立語音要多少錢?
AWS 表示建立複製語音免費,使用則依量計費;具體費率請查 Amazon Polly 定價頁。
可以建立多少個複製語音?
AWS 稱每個帳號每個區域初始配額為 10 個;如需提高,可聯絡客戶團隊或 AWS Support。
生成的音訊能辨識是合成的嗎?
AWS 表示 Polly 會在複製語音產生的文字轉語音音訊中加入浮水印。
覺得這篇整理實用嗎?分享給需要的朋友
同主題延伸閱讀
Signal 在 Android 與 iOS 27 預設封鎖截圖,阻止 Siri、Gemini 等 AI 代理讀取畫面
據 The Verge 報導,Signal 在 Android 與 iOS 27 上限制截圖,以防作業系統層級的 AI 代理讀取訊息內容;使用者可在設定中恢復截圖,但 Signal 警告會削弱隱私保障。
Claude Code 2.1.329:Code Mode 可搭配遙測、/tasks 整合排程任務、macOS computer use 安全規則收緊
Kimi Code CLI v2.7.0 新增原生 Bedrock provider:改用 AWS 憑證鏈連接 Kimi K3.1 Pro Highspeed
AWS 彙整 SageMaker 推論 13 項新功能:HyperPod 託管 NVIDIA Dynamo、MIG GPU 分割、跨區路由
資料來源
本文依據上方所列參考來源與標示之核對日期整理;票價、時刻、功能規格或服務條款可能變動,出發、預訂或購買前請至相關官方網站確認最新資訊。