Amazon Polly Generative ได้เปิดตัวโมเดลใหม่ที่ให้ผลลัพธ์การสังเคราะห์เสียงที่ฟังดูเป็นธรรมชาติและมีความแม่นยำสูง พร้อมทั้งมีความหน่วงต่ำ (low latency)
การอัปเกรดนี้มาพร้อมกับพอร์ตโฟลิโอเสียงที่ได้รับการปรับปรุงให้มีคุณภาพสูงขึ้น โดยมีเสียงใหม่ถึง 14 เสียงใน 9 พื้นที่ และรองรับภาษาใหม่ 2 ภาษา คือ ภาษาฮินดีและภาษาฟินแลนด์ ซึ่งเป็นครั้งแรกที่ให้บริการผ่าน Generative engine
เสียงใหม่ที่เพิ่มเข้ามา ได้แก่ Kenneth และ Nate (US English), Russell และ Curtis (Australian English), Kiara และ Arjun (Hindi และ Indian English), Tina (German), Carlos (US Spanish), Leo และ Carolina (Brazilian Portuguese), Hyunduk (Korean) และ Suvi (Finnish)
การอัปเกรดนี้ช่วยให้การจัดการเนื้อหาที่ซับซ้อน เช่น ตัวเลข ที่อยู่อีเมล และที่อยู่ถนน มีความน่าเชื่อถือมากขึ้น โดยยังคงรองรับการใช้ SSML tags เช่นเดิม
สำหรับผู้ที่ต้องการสร้างประสบการณ์แบบเรียลไทม์ สามารถใช้ low-latency streaming API เพื่อพัฒนา Contact center, แชทบอท หรือ Agentic voice application ที่ขับเคลื่อนด้วย LLM ได้อย่างรวดเร็ว และบริการนี้ยังขยายไปยัง AWS GovCloud ด้วย
ศัพท์ที่ควรรู้
- Amazon Polly Generative – คือบริการที่เปลี่ยนข้อความเป็นเสียงพูดที่มีความเป็นธรรมชาติ
- Low-latency streaming API – คือส่วนต่อประสานที่ช่วยให้การส่งข้อมูลเสียงเกิดขึ้นได้แบบเรียลไทม์และมีความหน่วงต่ำ
- SSML tags – คือภาษาที่ใช้ควบคุมการสังเคราะห์เสียง เช่น การเน้นเสียง หรือการหยุดชั่วคราว
- LLM – คือแบบจำลองภาษาขนาดใหญ่ที่ใช้เป็นพื้นฐานในการสร้างเสียง
- AWS GovCloud – คือบริการคลาวด์ของ AWS ที่ออกแบบมาสำหรับหน่วยงานภาครัฐ
ที่มา: AWS