O que mudou no Amazon Polly Generative
A AWS acaba de lançar uma atualização significativa no motor Generative do Amazon Polly, seu serviço de conversão de texto em fala. A nova versão entrega vozes mais expressivas, pronúncia mais precisa e baixa latência. Além disso, chegam 14 novas vozes em 9 localidades, incluindo a disponibilidade geral de vozes generativas em hindi e finlandês pela primeira vez.
Um ponto importante para quem já usa o serviço: trata-se de uma atualização transparente. Os nomes das vozes e as chamadas de API permanecem iguais, ou seja, aplicações existentes continuam funcionando sem nenhuma alteração de código.
O Amazon Polly é um serviço totalmente gerenciado da AWS que converte texto em fala com som natural. Ele atende cenários como contact centers, aplicações baseadas em Modelos de Linguagem de Grande Escala (LLM), mídia e entretenimento, e-learning, acessibilidade e outras aplicações que exigem saída de voz confiável em escala.
Ouça a diferença
A AWS disponibiliza amostras de áudio para que os usuários avaliem diretamente as melhorias. Veja alguns exemplos do que a atualização entrega:
Vozes mais naturais e expressivas
A voz Tiffany demonstra um tom acolhedor e agradável ao se apresentar: “Hi there! I’m Tiffany, one of Polly’s generative voices. I was built to sound natural, expressive, and a little bit delightful. What should we talk about?”
Pronúncia precisa de números, moedas e endereços
A voz Kenneth lê uma confirmação de pedido com número de rastreamento, data, horário, valor monetário e endereço de forma precisa: “Thanks for calling. Your order, number 4471 9902 ships today to 85 Harbor View Drive, Apartment 4B, Portland, Oregon 97209. It should arrive on Thursday, October 22nd, between 9 AM and 1 PM. Your total was $1,284.50 and your confirmation code is K-7-Q-2-X-9.”
Novos idiomas: hindi e finlandês
As vozes Arjun e Kiara para hindi, e Suvi para finlandês, estão disponíveis pela primeira vez no motor Generative do Amazon Polly. São vozes que demonstram naturalidade em seus respectivos idiomas, com entonação e ritmo adequados para cada contexto.
Estilos de fala baseados no contexto textual
Um dos avanços mais interessantes é que as vozes do novo motor Generative conseguem refletir emoção e prosódia com base no texto de entrada, sem necessidade de configuração manual. O mesmo texto pode soar neutro, incerto ou surpreso dependendo de como é escrito:
- Neutro: “Your package arrived early.”
- Incerteza: “So, um… your package arrived early. I think?”
- Surpresa: “Wait, what? Your package arrived early?”
Novas vozes, idiomas e disponibilidade regional
Com esta atualização, o catálogo do motor Generative do Amazon Polly passa a contar com:
- 57 vozes generativas em 11 idiomas e 25 localidades
- 14 novas vozes em 9 localidades: inglês americano (Kenneth, Nate), inglês australiano (Russell, Curtis), inglês indiano (Kiara, Arjun), alemão (Tina), espanhol americano (Carlos), português brasileiro (Leo, Carolina), coreano (Hyunduk), hindi (Kiara, Arjun) e finlandês (Suvi)
- Novos idiomas no motor Generative: hindi e finlandês com disponibilidade geral
- Expansão regional para AWS GovCloud (US-West), totalizando 11 regiões AWS
Vale destacar para o público brasileiro: as vozes Leo e Carolina em português brasileiro estão entre as novidades dessa atualização.
Pronto para produção em ambientes corporativos
O motor Generative atualizado utiliza a chamada de API padrão do Amazon Polly. Isso significa que equipes podem continuar construindo com os padrões familiares da AWS: mesma API do Amazon Polly, controle de acesso via Gerenciamento de Identidade e Acesso (IAM), integração com aplicações e fluxos de contact center existentes, e monitoramento das cargas de trabalho que sintetizam fala.
Para aplicações que já utilizam vozes generativas do Amazon Polly, a atualização acontece automaticamente — sem necessidade de alteração de código. Para novas aplicações, a mesma API SynthesizeSpeech dá acesso ao catálogo expandido de vozes generativas.
Com a API de streaming bidirecional StartSpeechSynthesisStream, é possível enviar texto para o Amazon Polly e receber áudio sintetizado simultaneamente. Isso é especialmente adequado para aplicações em tempo real, como agentes de voz e personagens em jogos.
Preço-performance competitivo
O motor Generative do Amazon Polly opera em modelo de pagamento por uso. Com esta atualização do modelo, a qualidade e a precisão das vozes melhoram pelo mesmo preço — sem aumento de custo, sem novo SKU e sem alterações na integração existente. Além disso, é possível armazenar em cache e reproduzir prompts estáticos sintetizados sem custo adicional. Consulte a página de preços do Amazon Polly para informações completas.
O motor Generative agora combina fala mais natural e expressiva com streaming de baixa latência para aplicações em tempo real, suporte a Linguagem de Marcação para Síntese de Fala (SSML) para controle refinado, e a confiabilidade operacional de um serviço totalmente gerenciado da AWS.
O que é possível construir
Contact centers
Em conversas de atendimento ao cliente, a precisão é fundamental. Quando um cliente consulta um pedido, uma voz que lê corretamente o número de rastreamento, endereço e código de confirmação ajuda a resolver a chamada em autoatendimento, sem escalar para um agente humano. A pronúncia precisa de entidades e a geração de baixa latência tornam as interações automatizadas de Resposta de Voz Interativa (IVR) mais naturais.
Agentes de voz em cascata
Usando o Amazon Polly em um framework de agente de voz, é possível converter o texto de resposta de um LLM em fala clara e natural, transmitindo de volta para os usuários em tempo quase real via WebSockets ou canais de telefonia. Os principais benefícios são reprodução de baixa latência, alta escalabilidade e eficiência de custo.
Mídia, localização e dublagem
O serviço permite converter roteiros em áudio finalizado para vídeo, publicidade, podcasts, apresentações de produtos e audiolivros — sem necessidade de estúdio de gravação. A entonação mais natural reduz o trabalho de pós-produção. A cobertura expandida de localidades, incluindo hindi e finlandês generativos pela primeira vez, possibilita localizar um mesmo conteúdo para mais mercados a partir do mesmo pipeline.
E-learning e treinamento
Permite narrar cursos, onboarding e artigos de base de conhecimento em escala, atualizando a narração assim que o texto fonte muda — sem necessidade de regravar. A entrega mais expressiva favorece o engajamento em materiais de longa duração.
Acessibilidade
Oferece uma versão falada clara e natural de artigos, documentos e aplicações, para que mais pessoas possam consumir conteúdo ouvindo: leitura em voz alta, em movimento ou com leitor de tela.
Experiências interativas e transacionais
É possível habilitar voz em jogos, quiosques, menus IVR e dispositivos de Internet das Coisas (IoT) com respostas geradas sob demanda. O Amazon Polly é indicado quando a voz precisa soar natural e ler nomes, números, detalhes de produtos, endereços e confirmações de forma confiável.
Caso de uso real: Sanoma Media Finland
A Sanoma Media Finland compartilhou sua experiência com o serviço: “Na Sanoma Media Finland, usamos o Amazon Polly para transformar nossos artigos de notícias em tempo real em áudio, dando ao ouvinte a opção de ouvir quando for mais conveniente. Hoje publicamos mais de 10.000 artigos por mês usando a voz neural finlandesa do Polly. Com base em nossos testes, a nova voz generativa Suvi é uma melhoria clara em relação à voz neural anterior — soa notavelmente mais natural e proporciona uma experiência mais agradável para o ouvinte.” — Justus Reinikainen, Product Manager, Sanoma Media Finland.
Como começar
As novas vozes podem ser acessadas pelo Console de Gerenciamento da AWS, pela Interface de Linha de Comando da AWS (AWS CLI) ou pelos SDKs da AWS.
Pré-requisitos:
- Conta AWS ativa com acesso ao Amazon Polly
- AWS CLI instalada e configurada
- Python 3.10+
- Boto3 instalado:
pip install boto3 - Permissões IAM:
polly:SynthesizeSpeech
Veja um exemplo usando o SDK da AWS para Python (Boto3) com a API SynthesizeSpeech e uma voz generativa:
import boto3
polly = boto3.client("polly", region_name="us-east-1")
response = polly.synthesize_speech(
Text="Hello! This is Amazon Polly's next-generation generative voice.",
VoiceId="Kenneth", # any generative voice in the catalogue
Engine="generative",
OutputFormat="mp3",
)
with open("speech.mp3", "wb") as f:
f.write(response["AudioStream"].read())Também é possível fazer a mesma requisição via AWS CLI:
aws polly synthesize-speech \
--region us-east-1 \
--voice-id Kenneth \
--engine generative \
--output-format mp3 \
--text "Hello! This is Amazon Polly's next-generation generative voice." \
speech.mp3Para recuperar a lista completa e atualizada de vozes programaticamente, utilize a chamada DescribeVoices. Isso pode ser usado em verificações de deploy para confirmar que uma voz generativa selecionada está disponível na região onde a aplicação roda.
Disponibilidade
O motor Generative de nova geração e as novas vozes já estão disponíveis. As 14 novas vozes generativas estão disponíveis nas seguintes regiões AWS: US East (N. Virginia), US West (Oregon), Europe (Frankfurt), Europe (Zurich), Europe (London), Asia Pacific (Sydney), Asia Pacific (Seoul), Asia Pacific (Singapore), Asia Pacific (Tokyo), Canada (Central) e AWS GovCloud (US-West).
Por público-alvo:
- Desenvolvedores: basta chamar
synthesize_speechcomEngine="generative"na aplicação existente. Nenhuma outra mudança é necessária. - Equipes de contact center: as melhorias chegam automaticamente aos fluxos do Amazon Connect e Genesys.
- Todos: é possível acessar qualquer voz no console do Amazon Polly.
Pontos importantes:
- Vozes standard e neural não são afetadas pela atualização.
- Marcações de fala (speech marks) não estão disponíveis em vozes generativas. Caso a aplicação precise delas, as vozes standard e neural continuam com suporte.
- O motor Generative continua suportando tags SSML compatíveis.
- Verifique a disponibilidade de vozes em tempo de execução usando
DescribeVoicesou o console ao fazer deploy em diferentes regiões.
Conclusão
O motor Generative de nova geração do Amazon Polly já está disponível, entregando vozes mais naturais e precisas, com 14 novas vozes — incluindo hindi e finlandês generativos pela primeira vez — e sem necessidade de alteração de código para quem já usa o serviço. Consulte a página de preços do Amazon Polly para informações de custo. Para começar, acesse o console do Amazon Polly para testar as vozes e consulte a documentação do Amazon Polly para construir com elas.
Fonte
Amazon Polly delivers a major upgrade to its Generative engine (https://aws.amazon.com/blogs/machine-learning/amazon-polly-delivers-a-major-upgrade-to-its-generative-engine/)
Leave a Reply