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。
# Amazon Polly 语音引擎
Amazon Polly 具有四种语音引擎，可将输入文本转化为逼真的语音。这些引擎的种类包括：**生成式**、**长篇**、**神经**和**标准**。要使用 Amazon Polly 语音，请选择引擎和语音合成 API 操作。然后提供输入文本供引擎合成，然后选择音频输出格式。在给定这些输入的情况下，Amazon Polly 将提供的文本合成为高质量语音音频流。
以下各个部分包括有关 Amazon Polly 提供的语音引擎的详细信息。
**Topics**
+ [生成式语音](generative-voices.md)
+ [长篇语音](long-form-voices.md)
+ [神经语音](neural-voices.md)
+ [标准语音](standard-voices.md)
+ [选择语音引擎](using-voices.md)
# 生成式语音
Amazon Polly 的**生成式** text-to-speech (TTS) 引擎提供了最像人类、最具情感参与度和自适应性的对话语音，可供通过 Amazon Polly 控制台使用。
**生成式引擎**是迄今为止最大的 Amazon Polly TTS 模型。该引擎部署了一个包含十亿参数的转换器，用于将原始文本转换为语音代码，然后部署基于卷积的解码器，该解码器以可流式传输的增量方式将这些语音代码转换为波形。这种方法显示了广泛报道的大型语言模型 (LLMs) 在接受越来越多的公开和专有数据（包括各种声音、语言和风格）的训练时出现的能力。
生成式引擎可以创建合成语音，这种语音具有情感参与度、言语果断并且高度口语化，其方式与人类语音高度相似。您可以在以下场景中使用这些语音：知识广博的客户助理、虚拟培训师或采用合成语音媲美人类的广告商。
**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。这项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会导致语音听起来略有不同，即使随着模型的更新，语音的整体质量有所提高，也是如此。这可能会影响由长期合成的不同内容部分组成的应用场景，例如一个季度的播客。
## 可用的生成式语音
Amazon Polly 目前以生成变体形式提供 43 种声音。
| | 语言 | 语言代码 | 名称/ID | 性别 |
| --- | --- | --- | --- | --- |
| 1 | **英语（澳大利亚）** | en-AU | Olivia | 女 |
| 2 | **英语（英国）** | en-GB | Amy Brian | 女 男 |
| 3 | **英语（印度）** | en-IN | Kajal | 女 |
| 4 | **英语（爱尔兰）** | en-IE | Niamh | 女 |
| 5 | **英语（新西兰）** | en-NZ | Aria | 女 |
| 6 | **英语（新加坡）** | en-SG | Jasmine | 女 |
| 7 | **英语（南非）** | en-ZA | Ayanda | 女 |
| 8 | **英语（美国）** | en-US | Danielle Joanna Matthew Ruth Salli Stephen Tiffany | 女 女 男 女 女 男 女 |
| 9 | **荷兰语（比利时）** | nl-BE | Lisa | 女 |
| 10 | **荷兰语（荷兰）** | nl-NL | Laura | 女 |
| 11 | **法语（比利时）** | fr-BE | Isabelle | 女 |
| 12 | **法语（加拿大）** | fr-CA | Gabrielle Liam | 女 男 |
| 13 | **法语（法国）** | fr-FR | 琥珀色 Céline 弗洛里安 Léa Rémi | 女 女 男 女 男 |
| 14 | **德语（奥地利）** | de-AT | Hannah | 女 |
| 15 | **德语（德国）** | de-DE | Daniel 伦纳特 Vicki | 男 男 女 |
| 16 | **德语（瑞士）** | de-CH | Sabrina | 女 |
| 17 | **意大利语（意大利）** | it-IT | 比阿特丽斯 Bianca Lorenzo | 女 女 男 |
| 18 | **韩语（韩国）** | ko-KR | Seoyeon | 女 |
| 19 | **波兰语（波兰）** | pl-PL | Ewa Ola | 女 女 |
| 20 | **葡萄牙语（巴西）** | pt-BR | Camila | 女 |
| 21 | **西班牙语（墨西哥）** | es-MX | Andrés Mía | 男 女 |
| 22 | **西班牙语（西班牙）** | es-ES | Lucia Sergio | 女 男 |
| 23 | **西班牙语（美国）** | es-US | Lupe Pedro | 女 男 |
**注意**
生成式语音费用在 [Amazon Polly 定价信息页面](https://aws.amazon.com/polly/pricing/)上列示。
## 特征和区域兼容性
Amazon Polly 生成式语音在以下区域可用：
+ 美国东部（弗吉尼亚北部）：us-east-1
+ 欧洲地区（法兰克福）：eu-central-1
+ 美国西部（俄勒冈）：us-west-2
+ 亚太地区（东京）：ap-northeast-1
+ 亚太地区（首尔）：ap-northeast-2
+ 亚太地区（新加坡）：ap-southeast-1
+ 欧洲地区（伦敦）：eu-west-2
+ 加拿大（中部）：ca-central-1
+ 其他区域不可用
**生成式语音支持以下功能：**
+ 现在，生成引擎中提供了双向流媒体 API，允许同时传输输入和输出。此 API 可在以下 AWS 区域使用：美国东部（弗吉尼亚北部）、欧洲（法兰克福）、美国西部（俄勒冈）和亚太地区（新加坡）。请访问[文档](https://docs.aws.amazon.com/polly/latest/dg/API_StartSpeechSynthesisStream.html)，详细了解如何使用它。
+ 实时和异步语音合成操作。
+ **生成式**引擎不支持新闻播音员风格。
+ Amazon Polly 支持许多（但不是所有）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](https://docs.aws.amazon.com/polly/latest/dg/supportedtags.html)。
+ 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。标准和神经语音的有效采样率为 8 kHz、16 kHz、22 kHz 或 24 kHz。标准语音的默认值为 22 kHz。生成式语音的默认频率为 24 kHz。Amazon Polly 支持 MP3 OGG (Vorbis) 和原始 PCM 音频流格式。
*目前不支持生成式语音标记。*
**注意**
目前，欧洲（伦敦）和加拿大（中部）地区仅支持以下生成声音：蒂芙尼（en-US）、艾米（en-GB）、Brian（en-GB）、弗洛里安（fr-fr）、Ambre（fr-fr）、洛伦佐（it-it）、Beatrice（it-it）、Jasmine（en-SG）、Aria（en-NZ）、Sabrina（de-ch）、Hannah（de-at）、Niamh（en-ie）、Camila（pt-BR）、Lisa（nl-be）和 Seoyeon（ko-kr）
**注意**
在可能性非常小的模型幻觉情况下（并且所采用的生成式引擎的模型行为是按令牌渲染语音），存在一种强制性的紧急停止机制。该内置机制会阻止模型进一步渲染语音。此安全功能基于数据分析，其中模型有可能会产生幻觉，通常是在句子的末尾。
在某些情况下，模型认为自身会产生幻觉，然后最终可能会在生成步骤中切断一个单词，从而只渲染这个单词的一半。这可能会产生不恰当的结果。
# 长篇语音
Amazon Polly 有一个**长篇引擎**，可发出类似人类、极富表现力且情感丰富的语音。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 长篇语音是使用前沿深度学习 TTS 技术开发而成。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。
长篇引擎使用文本嵌入来解释文本的含义。长篇引擎使用文本嵌入后，可以产生自然语音的正确重点、停顿和语气。最后得到的语音能够结合人类交流中存在的各种情感元素。这包括模仿惊讶的对话或者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。这项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会导致语音听起来略有不同，即使随着模型的更新，语音的整体质量有所提高，也是如此。这可能会影响由长期合成的不同内容部分组成的应用场景，例如一个季度的播客。
## 可用的长篇语音
Amazon Polly 目前提供四种 en-US 和两种 es-ES 长篇语音。这两种语言都有女声和男声可供选择。英语长篇语音 Daniel、Gregory 和 Ruth 还有对话式 NTTS 变体。
| | 语言 | 语言代码 | 名称/ID | 性别 |
| --- | --- | --- | --- | --- |
| 1 | **英语（美国）** | en-US | Danielle Gregory Ruth Patrick | 女 男 女 男 |
| 2 | **西班牙语（西班牙）** | es-ES | Alba Raúl | 女 男 |
## 特征和区域兼容性
Amazon Polly 长篇语音在以下区域可用：
+ 美国东部（弗吉尼亚北部）：us-east-1
+ 其他区域不可用
**Amazon Polly 长篇引擎支持以下特征：**
+ 实时和异步语音合成操作。
+ 所有[语音标记](https://docs.aws.amazon.com/polly/latest/dg/speechmarks.html)。
+ Amazon Polly 支持许多（但不是所有）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](https://docs.aws.amazon.com/polly/latest/dg/supportedtags.html)。
+ 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、长篇和神经语音的有效采样率为 8 kHz、16 kHz、22 kHz 或 24 kHz。标准语音的默认值为 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](https://aws.amazon.com/polly/pricing/)上列示。
# 神经语音
Amazon Polly拥有**神经网络 text-to-speech（NTTS）引擎**，可以产生比标准语音更高质量的声音。标准 TTS 语音使用拼接合成。此标准引擎将记录的语音音素串联在一起，生成发音非常自然的合成语音。然而，语音中不可避免的语调变化和用于分割波形的技术限制了语音的质量。Amazon Polly NTTS 引擎不使用标准的拼接合成方法来生成语音。它具有两个部分：
+ 一个神经网络 – 将音素序列（最基本的语言单元）转换为*声谱图*序列。（声谱图是不同频段内能量等级的快照。）
+ 一种声码器 – 可将声谱图转换为近乎连续的音频信号。
神经 TTS 系统的第一个组成部分是 sequence-to-sequence模型。该模型不仅仅从相应的输入创建其结果，而且还考虑输入元素的序列如何配合使用。该模型选择它输出的声谱图，使其频带强调人脑在处理语音时使用的声学特征。
然后该模型的输出传递给神经声码器。声码器会将声谱图转换为语音波形。当在用于构建通用串联合成系统的大型数据集上训练时，这种 sequence-to-sequence方法将产生更高质量、听起来更自然的声音。
## 可用的神经语音
神经语音有 36 种语言和语言变体。下表列出了这些语音。
| | 语言和语言变体 | 语言代码 | 名称/ID | 性别 |
| --- | --- | --- | --- | --- |
| 1 | **阿拉伯语（海湾）** | ar-AE | Hala Zayd | 女 男 |
| 2 | **比利时荷兰语（佛兰芒语）** | nl-BE | Lisa | 女 |
| 3 | **加泰罗尼亚语** | ca-ES | Arlet | 女 |
| 4 | **捷克语** | cs-CZ | Jitka | 女 |
| 5 | **中文（粤语）** | yue-CN | Hiujin | 女 |
| 6 | **中文（普通话）** | cmn-CN | 知语 | 女 |
| 7 | **丹麦语** | da-DK | Sofie | 女 |
| 8 | **荷兰语** | nl-NL | Laura | 女 |
| 9 | **英语（澳大利亚）** | en-AU | Olivia | 女 |
| 10 | **英语（英国）** | en-GB | Amy\$1 Emma Brian Arthur | 女 女 男 男 |
| 11 | **英语（印度）** | en-IN | Kajal | 女 |
| 12 | **英语（爱尔兰）** | en-IE | Niamh | 女 |
| 13 | **英语（新西兰）** | en-NZ | Aria | 女 |
| 14 | **英语（新加坡）** | en-SG | Jasmine | 女 |
| 15 | 英语（南非） | en-ZA | Ayanda | 女 |
| 16 | **英语（美国）** | en-US | Danielle Gregory Ivy Joanna\$1 Kendra Kimberly Salli Joey Justin Kevin Matthew\$1 Ruth Stephen | 女 男 女（孩童） 女 女 女 女 男 男（孩童） 男（孩童） 男 女 男 |
| 17 | **芬兰语** | fi-FI | Suvi | 女 |
| 18 | **法语（比利时）** | fr-BE | Isabelle | 女 |
| 19 | **法语（加拿大）** | fr-CA | Gabrielle Liam | 女 男 |
| 20 | **法语** | fr-FR | Léa Rémi | 女 男 |
| 21 | **德语** | de-DE | Vicki Daniel | 女 男 |
| 22 | **德语（奥地利）** | de-AT | Hannah | 女 |
| 23 | **德语（瑞士）** | de-CH | Sabrina | 女 |
| 24 | **印地语** | hi-IN | Kajal | 女 |
| 25 | **意大利语** | it-IT | Bianca Adriano | 女 男 |
| 26 | **日语** | ja-JP | Takumi Kazuha Tomoko | 男 女 女 |
| 27 | **韩语** | ko-KR | Seoyeon Jihye | 女 女 |
| 28 | **挪威语** | nb-NO | Ida | 女 |
| 29 | **波兰语** | pl-PL | Ola | 女 |
| 30 | **葡萄牙语（巴西）** | pt-BR | Camila Vitória/Vitoria Thiago | 女 女 男 |
| 31 | **葡萄牙语（欧洲）** | pt-PT | Inês/Ines | 女 |
| 32 | **西班牙语（西班牙）** | es-ES | Lucia Sergio | 女 男 |
| 33 | **西班牙语（墨西哥）** | es-MX | Mia Andrés | 女 男 |
| 34 | **西班牙语（美国）** | es-US | Lupe\$1 Pedro | 女 男 |
| 35 | **瑞典语** | sv-SE | Elin | 女 |
| 36 | **土耳其语** | tr-TR | Burcu | 女 |
\$1Amy、Joanna、Lupe 和 Matthew 语音可使用播音讲话风格。有关更多信息，请参阅 [应用新闻播音员的语音](newscaster-voices.md)。
## 特征和区域兼容性
神经语音并非在所有 AWS 地区都可用，也不支持 Amazon Polly 的所有功能。
以下区域支持神经语音：
+ 美国东部（弗吉尼亚北部）：us-east-1
+ 美国西部（俄勒冈）：us-west-2
+ 非洲（开普敦）：af-south-1
+ 亚太地区（东京）：ap-northeast-1
+ 亚太地区（首尔）：ap-northeast-2
+ 亚太地区（大阪）：ap-northeast-3
+ 亚太地区（孟买）：ap-south-1
+ 亚太地区（新加坡）：ap-southeast-1
+ 亚太地区（悉尼）：ap-southeast-2
+ 亚太地区（马来西亚）：ap-southeast-5
+ 加拿大（中部）：ca-central-1
+ 欧洲地区（法兰克福）：eu-central-1
+ 欧洲地区（爱尔兰）：eu-west-1
+ 欧洲地区（伦敦）：eu-west-2
+ 欧洲地区（巴黎）：eu-west-3
+ 欧洲（西班牙）：eu-south-2
+ 欧洲（苏黎世）：eu-central-2
+ AWS GovCloud （美国西部）： us-gov-west-1
这些区域的终端节点和协议与标准语音所用的相同。有关更多信息，请参阅 [Amazon Polly 终端节点和配额](https://docs.aws.amazon.com/general/latest/gr/pol.html)。
神经语音支持以下功能：
+ 实时和异步语音合成操作。
+ 新闻播音员风格。有关讲话风格的更多信息，请参阅 [应用新闻播音员的语音](newscaster-voices.md)。
+ 所有语音标记。
+ 大多（但不是所有）Amazon Polly 支持的 SSML 标签。有关 NTTS 支持的 SSML 标签的更多信息，请参阅“支持的标签”。
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。标准和神经语音的有效采样率为 8 kHz、16 kHz、22 kHz 或 24 kHz。标准语音的默认值为 22 kHz。神经语音的默认值为 24kHz。Amazon Polly 支持 MP3 OGG (Vorbis) 和原始 PCM 音频流格式。
# 标准语音
Amazon Polly 具有一个使用串联合成的**标准**引擎。此标准引擎将记录的语音音素串联在一起，生成发音非常自然的合成语音。
## 可用的标准语音
Amazon Polly 目前提供 29 种语言和语言变体的 40 种女性和 20 种男性标准语音。
| | 语言 | 语言代码 | 名称/ID | 性别 |
| --- | --- | --- | --- | --- |
| 1 | **阿拉伯语** | arb | Zeina | 女 |
| 2 | **中文（普通话）** | cmn-CN | 知语 | 女 |
| 3 | **丹麦语** | da-DK | Naja Mads | 女 男 |
| 4 | **荷兰语** | nl-NL | Lotte Ruben | 女 男 |
| 5 | **英语（澳大利亚）** | en-AU | Nicole Russell | 女 男 |
| 6 | **英语（英国）** | en-GB | Amy Emma Brian | 女 女 男 |
| 7 | **英语（印度）** | en-IN | Aditi Raveena | 女 女 |
| 8 | **英语（美国）** | en-US | Ivy Joanna Kendra Kimberly Salli Joey Kevin | 女 女 女 女 女 男 男 |
| 9 | **英语（威尔士）** | en-GB-WLS | Geraint | 男 |
| 10 | **法语** | fr-FR | Céline/Celine Léa Mathieu | 女 女 男 |
| 11 | **法语（加拿大）** | fr-CA | Chantal | 女 |
| 12 | **德语** | de-DE | Marlene Vicki Hans | 女 女 男 |
| 13 | **印地语** | hi-IN | Aditi | 女 |
| 14 | **冰岛语** | is-IS | Dóra/Dora Karl | 女 男 |
| 15 | **意大利语** | it-IT | Carla Bianca Giorgio | 女 女 男 |
| 16 | **日语** | ja-JP | Mizuki Takumi | 女 男 |
| 17 | **韩语** | ko-KR | Seoyeon | 女 |
| 18 | **挪威语** | nb-NO | Liv | 女 |
| 19 | **波兰语** | pl-PL | Ewa Maja Jacek Jan | 女 女 男 男 |
| 20 | **葡萄牙语（巴西）** | pt-BR | Camila Vitória/Vitoria Ricardo | 女 女 男 |
| 21 | **葡萄牙语（欧洲）** | pt-PT | Inês/Ines Cristiano | 女 男 |
| 22 | **罗马尼亚语** | ro-RO | Carmen | 女 |
| 23 | **俄语** | ru-RU | Tatyana Maxim | 女 男 |
| 24 | **西班牙语（西班牙）** | es-ES | Conchita Lucia Enrique | 女 女 男 |
| 25 | **西班牙语（墨西哥）** | es-MX | Mia | 女 |
| 26 | **西班牙语（美国）** | es-US | Lupe Penélope/Penelope Miguel | 女 女 男 |
| 27 | **瑞典语** | sv-SE | Astrid | 女 |
| 28 | **土耳其语** | tr-TR | Filiz | 男 |
| 29 | **威尔士语** | cy-GB | Gwyneth | 女 |
## 特征和区域兼容性
Amazon Polly 标准语音在以下 Amazon Polly 区域可用：
+ 美国东部（弗吉尼亚北部）：us-east-1
+ 美国东部（俄亥俄）：us-east-2
+ 美国西部（加利福尼亚北部）：us-west-1
+ 美国西部（俄勒冈）：us-west-2
+ 非洲（开普敦）：af-south-1
+ 亚太地区（香港）：ap-east-1
+ 亚太地区（东京）：ap-northeast-1
+ 亚太地区（首尔）：ap-northeast-2
+ 亚太地区（大阪）：ap-northeast-3
+ 亚太地区（孟买）：ap-south-1
+ 亚太地区（新加坡）：ap-southeast-1
+ 亚太地区（悉尼）：ap-southeast-2
+ 亚太地区（马来西亚）：ap-southeast-5
+ 中国（宁夏）：cn-northwest-1
+ 加拿大（中部）：ca-central-1
+ 欧洲地区（法兰克福）：eu-central-1
+ 欧洲地区（爱尔兰）：eu-west-1
+ 欧洲地区（伦敦）：eu-west-2
+ 欧洲地区（巴黎）：eu-west-3
+ 欧洲（西班牙）：eu-south-2
+ 欧洲地区（斯德哥尔摩）：eu-north-1
+ 中东（巴林）：me-south-1
+ 南美洲（圣保罗）：sa-east-1
+ AWS GovCloud （美国西部）： us-gov-west-1
这些区域的端点和协议与神经语音所用的相同。有关更多信息，请参阅 [Amazon Polly 终端节点和配额](https://docs.aws.amazon.com/general/latest/gr/pol.html)。
**Amazon Polly 标准引擎支持以下特征（待定）：**
+ 实时和异步语音合成操作。
+ 所有[语音标记](https://docs.aws.amazon.com/polly/latest/dg/speechmarks.html)。
+ Amazon Polly 支持许多（但不是所有）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](https://docs.aws.amazon.com/polly/latest/dg/supportedtags.html)。
+ 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。标准语音的默认采样率为 22 kHz。Amazon Polly 支持 MP3 OGG (Vorbis) 和原始 PCM 音频流格式。
**注意**
标准语音费用在 [Amazon Polly 定价信息页面](https://aws.amazon.com/polly/pricing/)上列示。
# 选择语音引擎
你可以通过 Amazon Polly 控制台访问亚马逊 Polly 的声音，或者。 AWS CLI
**在控制台上选择语音引擎**
1. 打开 Amazon Polly 主机，网址为。[https://console.aws.amazon.com/polly/](https://console.aws.amazon.com/polly/)
1. 从 Amazon Polly 控制台中，选择所需的语音引擎。
1. 从语音下拉菜单中选择所需语音。
1. 使用您选择的文本生成 TTS 音频。
要在中选择语音引擎 AWS CLI，请在`SyntheszieSpeech`或 `StartSpeechSynthesisTask` API 操作`VoiceId`中指定`Engine`和。要查看一些示例，请参阅[快速入门代码示例](https://docs.aws.amazon.com/polly/latest/dg/get-started-what-next.html)和 [Python 示例](https://docs.aws.amazon.com/polly/latest/dg/get-started-what-next.html)。