उपकरण समीक्षाएँ

Amazon Polly अपने जनरेटिव इंजन में एक महत्वपूर्ण अपग्रेड पेश करता है

Amazon Polly अपने जनरेटिव इंजन को 57 आवाजों के साथ अपग्रेड करता है, नए हिंदी / फिनिश लोकेल, बेहतर प्रोसोडी और सटीकता, और कोई कोड या मूल्य निर्धारण परिवर्तन नहीं।

Amazon Polly अपने जनरेटिव इंजन में एक महत्वपूर्ण अपग्रेड पेश करता है

मुख्य जानकारी

  • Amazon Polly s जनरेटिव इंजन अब 9 स्थानों में 14 नई आवाज़ें प्रदान करता है, कैटलॉग का विस्तार करते हुए 11 भाषाओं और 25 स्थलों में 57 आवाजें।
  • हिंदी और फिनिश को पहली बार जनरेटिव वॉयस कैटलॉग में जोड़ा गया है, जबकि अपग्रेड AWS GovCloud (यूएस-वेस्ट) की उपलब्धता का भी विस्तार करता है।
  • नई आवाज़ें अधिक अभिव्यंजक, संदर्भ-जागरूक भाषण और ट्रैकिंग नंबरों, तिथियों, मुद्राओं और पते जैसे विवरण के लिए बेहतर सटीकता प्रदान करती हैं।
  • अद्यतन एक ड्रॉप-इन परिवर्तन हैः जनरेटिव आवाजों का उपयोग करने वाले मौजूदा एप्लिकेशन समान ध्वनि नाम, API कॉल और मूल्य निर्धारण रखते हैं, बिना किसी कोड संपादन की आवश्यकता के।
  • सुधार विशेष रूप से संपर्क केंद्रों, LLM आधारित वॉयस एजेंट्स, मीडिया स्थानीयकरण, ई-लर्निंग, पहुंच और इंटरैक्टिव अनुभव के लिए प्रासंगिक हैं।

Amazon ने Amazon Polly के पीछे जेनेरेटिव इंजन को अपग्रेड किया है, इसकी पूरी तरह से प्रबंधित AWS text-to-speech सेवा में 9 स्थानों पर 14 नई आवाज़ें जोड़ी गई हैं और पहली बार जनरेटिव कैटलॉग में हिंदी और फिनिश लाया गया है। यह उन्नयन अब उत्पादन में आम तौर पर उपलब्ध है, और किसी भी व्यक्ति के लिए पहले से ही जेनरेटिव आवाज का उपयोग करना एक ड्रॉप-इन परिवर्तन के रूप में आता हैः वॉयस नाम और API कॉल समान रहते हैं, इसलिए मौजूदा एप्लिकेशन कोड संपादन के बिना काम करते रहते हैं।

 Amazon Polly introduces a significant upgrade to its Generative engine

विस्तारित कैटलॉग के लिए हेडलाइन नंबर 11 भाषाओं और 25 स्थानों को कवर करने वाली 57 जनरेटिव आवाजें हैं। दो नेट-नई भाषाओं से परे, रिलीज़ क्षेत्रीय पहुंच AWS GovCloud (यूएस-वेस्ट) तक फैलाती है, जिससे कुल 11 AWS Regions हो जाता है।

वास्तव में क्या बदल गया

मूल दावा बेहतर आउटपुट हैः अधिक अभिव्यंजक और अधिक सटीक भाषण, कम विलंबता के साथ दिया गया, Amazon के अनुसार। सुधार दो क्षेत्रों को कवर करते हैं जो उत्पादन में मायने रखते हैं।

Amazon का कहना है कि आवाज़ें अब मैनुअल सेटअप के बिना इनपुट टेक्स्ट पर आधारित भावना और प्रोसोडी को प्रतिबिंबित करती हैं, इसलिए एक ही आवाज संदर्भ के आधार पर डिलीवरी बदल सकती है। घोषणा में नमूना ऑडियो इसे तटस्थ लाइन ("आपका पैकेज जल्दी आया"), एक अनिश्चित संस्करण ("तो, उम ... आपका पैकेज जल्द आ गया। मुझे लगता है? ") और एक आश्चर्यचकित ("रुको, क्या?

दूसरी इकाई पर सटीकता है। कंपनी एक ऑर्डर पुष्टिकरण को ट्रैकिंग नंबर, दिनांक और समय, मुद्रा और पते के साथ वापस पढ़ने वाली आवाज का प्रदर्शन करती है इस तरह का विवरण जो यह तय करता है कि क्या स्व-सेवा कॉल हल हो जाती है या मानव एजेंट तक बढ़ जाती है।

स्थान के अनुसार नई आवाज़ें

14 जोड़ों को निम्नानुसार विभाजित किया गया है: US अंग्रेजी (केनेथ, नेट), ऑस्ट्रेलियाई अंग्रेजी (रसेल, कर्टिस), भारतीय अंग्रेज़ी (किआरा, अर्जुन), जर्मन (टीना), 8900006 स्पेनिश (कार्लोस), ब्राजीलियाई पुर्तगाली (लेओ, कैरोलिना), कोरियाई (हियंडुक), हिंदी (किअारा, अर्जून) और फिनिश (सुवी) ।

 Amazon Polly introduces a significant upgrade to its Generative engine

जनरेटिव इंजन पर सामान्य उपलब्धता प्राप्त करने वाली पहली भाषाएं हिंदी और फिनिश हैं। Amazon के नमूनों में अर्जुन समाचार बुलेटिन पढ़ते हुए, कियारा एक कहानी खोलती है, और सुवी फ़िनिश में लाइटहाउस कीपर कथा सुना रही है।

ड्रॉप-इन विवरण क्यों मायने रखता है

पॉली को पहले से चलाने वाली टीमों के लिए, व्यावहारिक कहानी यह है कि एकीकरण में कुछ भी नहीं बदलता है। अपग्रेड जनरेटिव आवाज का उपयोग करने वाले अनुप्रयोगों की जगह पर होता है। नए एप्लिकेशन उसी ∀SynthesizeSpeech` API का उपयोग करते हैं और बड़े कैटलॉग तक पहुंच प्राप्त करते हैं। ▽StartSpeechSynthetisstream` API द्विदिश स्ट्रीमिंग पाठ इन, सिंथेसाइज्ड ऑडियो बैक एक साथ समर्थन करता है जो वास्तविक समय काम जैसे वॉयस एजेंट्स और गेम पात्रों के अनुकूल है।

मूल्य निर्धारण पे-एज़-यू-गो मॉडल पर फ्लैट रहता हैः कोई लागत वृद्धि नहीं, कोई नया SKU नहीं, मौजूदा एकीकरण में कोई बदलाव नहीं। कैश्ड और रीप्ले किए गए स्थैतिक संकेतों को कोई अतिरिक्त लागत नहीं होती है।

ध्यान देने योग्य सीमाएं हैं। मानक और तंत्रिका आवाज अपग्रेड से अप्रभावित हैं। बोलने के निशान जनरेटिव आवाज़ों पर उपलब्ध नहीं रहते, पहले की तुलना में अपरिवर्तित अनुप्रयोग जो उन पर निर्भर होते हैं उन्हें मानक या तंत्रिका स्वरों पर रहना चाहिए। एसएसएमएल टैग अभी भी जेनरेटिव इंजन पर समर्थित हैं.

जहां आवाजें फिट होती हैं

Amazon संपर्क केंद्रों, LLM -आधारित वॉयस एजेंट्स, मीडिया और स्थानीयकरण, ई-लर्निंग, एक्सेसिबिलिटी और इंटरैक्टिव अनुभवों के लिए इंजन को तैनात करता है। संपर्क केन्द्रों में, ट्रैकिंग नंबरों का सटीक उच्चारण और पुष्टिकरण कोड स्व-सेवा आईवीआर का समर्थन करते हैं। कैस्केड वाले वॉइस एजेंटों में पोली LLM प्रतिक्रिया पाठ को वेबसॉकेट या टेलीफोनी चैनलों पर स्ट्रीम किए गए भाषण में परिवर्तित कर देता है, जिसमें कम विलंबता प्लेबैक और उच्च स्केलेबिलिटि कहा गया लाभ होता है। मीडिया और डबिंग के लिए, विस्तारित लोकेल कवरेज का मतलब है कि एक पाइपलाइन अधिक बाजारों में सामग्री को स्थानीयकृत कर सकती है जिनमें पहली बार जनरेटिव हिंदी और फिनिश शामिल हैं।

 Amazon Polly introduces a significant upgrade to its Generative engine

Sanoma Media Finland, जो पोली की फिनिश न्यूरल वॉयस का उपयोग करके प्रति माह 10,000 से अधिक लेख प्रकाशित करता है, ने नई जनरेटिव आवाज का परीक्षण किया। Justus Reinikainen, Product Manager पर Sanoma Media Finland ने घोषणा में कहा कि सुवी की जेनरेटिव आवाज़ "पिछले तंत्रिका आवाज के मुकाबले एक स्पष्ट सुधार है यह ध्यान देने योग्य रूप से अधिक प्राकृतिक लगता है और श्रोता के लिए अधिक सुखद अनुभव बनाता है"।

आरंभ और उपलब्धता

डेवलपर्स AWS Management Console, AWS Command Line Interface (AWS CLI) या AWS SDKs के माध्यम से आवाजों तक पहुंच सकते हैं। पूर्वापेक्षाएं पॉली एक्सेस के साथ एक सक्रिय AWS खाता, स्थापित और कॉन्फ़िगर किया गया AWS CLI, Python 3.10 +, Boto3 इंस्टॉल और IAM अनुमतियां ∀polly:SynthesizeSpeech`.

एक न्यूनतम Boto3 कॉल `Engine="generative"∀ सेट करता है और स्थानीय फ़ाइल में लिखे गए एमपी 3 आउटपुट के साथ उदाहरण के लिए एक आवाज चुनता है। समकक्ष AWS CLI कमांड उसी इंजन और वॉयस फ्लैग्स के साथ AWS पॉली सिंथेसाइज़-स्पीच□ का उपयोग करता है। तैनाती के समय किसी दिए गए क्षेत्र में आवाज़ मौजूद होने की पुष्टि करने के लिए, कॉलिंग करें ।

14 नई आवाजें US ईस्ट (एन. वर्जीनिया), US वेस्ट (ओरेगन), यूरोप (फ्रैंकफर्ट), युरोप (ज़्यूरिख), यूरोप, लन्दन, एशिया प्रशांत (सिडनी), एसिया प्रशान्त (सियोल), एसिया प्रशान्त (सिंगापुर), एसिया प्यासिफिक (टोक्यो), कनाडा (मध्य) और AWS गोवक्लाउड (यूएस-वेस्ट) में उपलब्ध हैं। संपर्क केंद्र टीमों को Amazon कनेक्ट और जेनेसिस प्रवाह में स्वचालित रूप से सुधार मिलते हैं।

डेवलपर्स के लिए, टेकअवे सरल हैः यदि आप पहले से ही जनरेटिव इंजन के साथ पोली को कॉल करते हैं, तो आपको कोड को छूने के बिना बेहतर आवाजें मिलती हैं। अगर आप हिंदी या फिनिश पर इंतजार कर रहे थे, तो प्रतीक्षा खत्म हो गई है और रनटाइम में ∀DescribeVoices` की जांच करना उपलब्धता की पुष्टि करने का सुरक्षित तरीका है जहां भी आपका एप्लिकेशन चलता है।

Comments (0)

  1. No comments yet. Be the first to share what worked for you.

Leave a comment

Comments are reviewed before they appear. Your email address is not published.