Amazon Polly обновила движок синтеза и добавила голоса
22 октября 2026 года AWS объявила обновление Generative engine в Amazon Polly. Компания описывает улучшение естественности и точности синтеза, снижение задержки и добавление четырнадцати голосов для девяти локалей. Также AWS сообщила, что Hindi и Finnish стали общедоступными для этого движка. Обновление предназначено для существующей службы синтеза речи; эффект в конкретном приложении зависит от текста, языка, произношения и используемых возможностей Polly.
Что изменилось
AWS заявляет о более естественном звучании и точности
По сообщению AWS, новая версия генеративного движка улучшает естественность голоса и точность произношения, а также снижает задержку. Эти характеристики важны для приложений, где длинное ожидание мешает диалогу или где синтезированные инструкции звучат неубедительно. Однако в публикации не приводится независимая оценка на русском языке или конкретной библиотеке пользовательских текстов. Командам стоит провести собственную проверку на именах, числах, аббревиатурах, сокращениях и длинных предложениях.
Добавлено четырнадцать голосов для девяти локалей
AWS перечисляет четырнадцать новых голосов и девять языковых вариантов. Расширение может помочь выбрать тембр и язык для конкретного интерфейса, но не гарантирует одинаковое качество всех голосов. При выборе важно прослушать нейтральные фразы и сложные случаи, проверить ударения и понятность на устройстве пользователя. Также требуется сверить доступность выбранного голоса по региону, API и конкретному движку, а не полагаться на общий список возможностей Polly.
Hindi и Finnish получили общую доступность
В анонсе сказано, что голоса Hindi и Finnish для Generative engine перешли в статус general availability. Это означает заявленную готовность функций к коммерческому использованию в поддерживаемых конфигурациях AWS, но не подтверждает доступность в каждом регионе или тарифном окружении. Перед планированием релиза нужно проверить регион службы, совместимость с выбранным SDK, квоты и ограничения на дополнительные теги разметки речи.
Обновление описано как совместимое с существующей интеграцией
AWS сообщает, что переход на обновленный движок не требует изменения кода и сохраняет прежнюю цену. Для действующих приложений это может уменьшить объем миграции, однако команде все равно следует сравнить выход до и после обновления: произношение, длительность, разбиение на фразы, задержку и совместимость с речевой разметкой. Автоматическое обновление может изменить звучание продукта, поэтому голосовые образцы и пользовательские сценарии нужно включить в регрессионную проверку.
Остаются ограничения для специализированной разметки
Публикация отдельно отмечает ограничения для speech marks: некоторые маркеры, в частности для слов и визем, не поддерживаются этим движком. Если приложение синхронизирует аудио с подсветкой текста, субтитрами или анимацией рта, это может быть критично. Перед заменой движка проверьте доступные типы разметки и сценарии воспроизведения. Общая заявка на совместимость не означает, что все расширенные функции предыдущих голосов доступны в новой генеративной модели.
Что это дает пользователю
Заявлено снижение задержки и улучшение естественности синтеза
Появились новые голоса в девяти локалях
AWS пишет о переходе Hindi и Finnish к общей доступности
Что нужно учитывать
Качество конкретного текста и голоса требует локальной проверки
Региональная доступность зависит от конфигурации AWS
Часть speech marks не поддерживается Generative engine
Коротко
Обновление расширяет возможности Polly и, по словам AWS, сохраняет цену и совместимость существующего кода. Перед сменой движка разработчикам стоит проверить не только звучание, но и задержку, региональную доступность, разметку и поведение интерфейса. Результаты анонса следует воспринимать как описание поставщика, а не как независимое сравнение голосовых систем. Перед обновлением важно составить небольшую коллекцию фраз из реального продукта, убрав персональные и конфиденциальные сведения. В нее стоит включить адреса, даты, числа, сокращения, названия брендов, длинные инструкции и реплики с пунктуацией. Сравнение проводят на одном и том же устройстве и с одинаковыми параметрами, отдельно записывая задержку генерации и субъективные замечания слушателей. Если приложение использует синхронизацию текста и звука, тестируют ее вместе с поддерживаемыми speech marks. Также нужно сверить регионы, квоты и политику хранения аудио. Такой регрессионный набор не заменит независимую оценку качества, но покажет, не ухудшился ли важный пользовательский сценарий после обновления. Если команда выпускает аудио через несколько регионов, сравните доступность голосов и одинаковость настроек в каждом из них. Не подменяйте пользовательское согласие записью, сделанной для внутренней оценки. Для голосовых интерфейсов заранее предусмотрите переключение на текст, если синтез оказался неразборчивым или недоступен. Заранее сохраните контрольные образцы аудио, версии движка и параметры, чтобы сравнение можно было повторить после очередного обновления.