Amazon Polly 生成式引擎升級：新增 14 種聲音與印地語、芬蘭語

背景

Amazon Polly 是 AWS 提供的一項全託管服務，主要功能將文字轉換為聽起來自然的語音。該服務廣泛應用於客服中心、基於大型語言模型（LLM，一種能理解並生成人類語言的 AI 模型）的代理式應用程式、媒體娛樂、電子學習及無障礙輔助等場景，旨在滿足大規模、可靠的語音輸出需求。 AWS ML Blog

發生什麼事

AWS 於 2026 年 10 月 22 日發布公告，宣布 Amazon Polly 生成式引擎的重大升級已正式全面可用（Generally Available）。此次升級旨在提供更自然、準確且低延遲的語音輸出。對於現有使用者而言，這是一次「即插即用」的升級：聲音名稱與 API（應用程式介面，供不同軟體之間溝通的標準接口）呼叫方式保持不變，現有應用程式無需修改程式碼即可自動獲得新的語音品質。 AWS ML Blog

重點內容

此次升級新增了 14 種聲音，涵蓋 9 個地區語言設定（locales）。具體包括：美國英語（Kenneth, Nate）、澳洲英語（Russell, Curtis）、印度英語（Kiara, Arjun）、德語（Tina）、美國西班牙語（Carlos）、巴西葡萄牙語（Leo, Carolina）、韓語（Hyunduk）、印地語（Kiara, Arjun）以及芬蘭語（Suvi）。其中，印地語和芬蘭語是首次成為 Amazon Polly 生成式引擎的全面可用語言。升級後，Amazon Polly 生成式引擎總共提供 57 種生成式聲音，涵蓋 11 種語言和 25 個地區語言設定。 AWS ML Blog

新引擎在語音表現上有所提升，能夠根據文字上下文自動調整情緒和語調（prosody），無需手動設定。例如，同樣一句「您的包裹提前到了」，引擎可以根據上下文呈現中性、不確定或驚訝等不同語氣。此外，它在朗讀數字、貨幣、地址等實體資訊時更加準確。AWS 還擴展了區域可用性，新增 AWS GovCloud (US-West) 區域，目前總共支援 11 個 AWS 區域。 AWS ML Blog

在技術整合方面，開發者繼續使用標準的 Amazon Polly API 呼叫。對於需要即時互動的應用（如語音代理或遊戲角色），可以使用 Bi-Di Streaming API StartSpeechSynthesisStream，實現文字輸入與合成音訊輸出的同時進行。該服務也支援 SSML（語音合成標記語言，一種用於控制語音合成細節的標記語言）以進行精細控制。定價模式維持按使用量付費（pay-as-you-go），此次升級不增加成本、不推出新 SKU（庫存單位，商品識別碼），且可免費快取和重放靜態提示音訊。 AWS ML Blog

對使用者的意義

企業開發者可以利用此次升級改善客服中心的自動語音回應（IVR，互動式語音回應系統），確保追蹤號碼、地址等關鍵資訊朗讀準確，減少轉接人工的需求。媒體公司可利用新增的印地語和芬蘭語生成式聲音，將內容本地化到更多市場。例如，Sanoma Media Finland 表示他們每月使用 Polly 的芬蘭語神經聲音發布超過 10,000 篇文章，並測試了新的生成式聲音 Suvi。一般使用者則能透過更自然的語音體驗，在電子學習、無障礙閱讀及互動式裝置中獲得更好的聽覺體驗。 AWS ML Blog