Amazon Pollyは既存APIを維持して生成音声を更新しました。ヒンディー語とフィンランド語を一般提供し、音声品質や数値の読み上げを改善したと説明しています。 既存連携にも更新が適用されます。API互換性に加え、発音や声の変化を実際の原稿で確認することが焦点です。 既存の生成音声へ適用されるエンジン更新 AWSは10月22日、Amazon PollyのGenerativeエンジンを更新したと発表しました。自然さや表現、数値などの読み上げの正確さを改善し、本番で一般提供しています。既存の生成音声は、名称とAPI呼び出しを変えずに更新されます。利用者が別の製品へ移行する発表ではなく、同じ連携に新しい生成品質が適用される仕組みです。Pollyは、問い合わせ窓口、音声エージェント、教材、アクセシビリティーなどの文章読み上げに使われます。記事では文字列の正確な読み上げや、文章の文脈に応じた話し方の例を示しています。低遅延の音声出力を必要とするサービスで、従来の連携を保ちながら表現を広げる狙いがあります。 9つのロケールに14の音声を追加 更新では9つのロケールに14音声を追加しました。Generativeエンジンとしては初めて、ヒンディー語とフィンランド語の音声を一般提供します。全体では57の生成音声、11言語、25ロケールになると説明しています。GovCloudの米国西部にも広がり、対応は11のAWSリージョンです。既存のSynthesizeSpeechに加え、文章を送りながら音声を受ける双方向のストリーミングAPIも紹介しています。問い合わせ時の注文番号や金額、住所などの読み上げが、改善を確認する対象として示されています。声の更新に追加の価格引き上げや新しいSKUはないとしています。既存の生成音声を使う開発者と、新しい言語の窓口を整える運用者に関係します。原文のサンプルは機能を示す例で、すべての入力に対する正確さを保証するものではありません。 互換性が保たれても耳で確認する工程が必要 実務では、コードを変更しなくてよいことと、音声の挙動を確認しなくてよいことを分ける必要があります。顧客向けの声は体験の一部なので、数字、固有名詞、略語、長い文章など、自社の代表的な原稿を聞き比べることが論点になります。文脈に応じた表現が強まる場合は、意図しない感情や区切りが付かないかも確認できます。価格が同じでも、読み上げ量や生成済み音声の再利用率によって全体の費用は変わります。ストリーミングでは最初の音が出るまでの時間だけでなく、文章の分割や途中停止も評価対象です。言語や音声、利用リージョンを揃えて試し、必要に応じて読みの調整を残す進め方が考えられます。既存の認証と監視を使いながら、品質の確認を運用手順へ組み込むことが導入判断につながります。読み上げの品質確認も継続する必要があります。