FAQ sur Amazon Polly

Amazon Polly est un service qui convertit le texte en un enregistrement audio réaliste. Amazon Polly permet d'intégrer une fonction de communication de première classe aux applications existantes et de créer de toutes nouvelles catégories de produits vocaux allant des applications mobiles aux voitures, en passant par différents appareils et appliances. Ce service comprend des douzaines de voix réalistes et prend en charge de nombreuses langues. Vous pouvez donc sélectionner la voix idéale et distribuer vos applications vocales dans plusieurs zones géographiques. Amazon Polly est simple d'utilisation : il suffit d'envoyer le texte que vous souhaitez convertir en enregistrement audio à l'API Amazon Polly pour que le service renvoie immédiatement le flux audio à votre application, afin que vous puissiez le lire directement ou le stocker dans un fichier audio au format standard, tel que le MP3. Amazon Polly prend en charge les balises SSML (Speech Synthesis Markup Language) comme prosody pour vous permettre d'ajuster le débit de parole, le ton ou le volume de la synthèse vocale. Amazon Polly est un service sécurisé qui offre tous ces avantages à grande échelle et à une faible latence. Vous pouvez également mettre en cache et réécouter le discours généré par Amazon Polly sans frais supplémentaires. Amazon Polly vous permet de convertir gratuitement plusieurs millions de caractères par mois durant la première année, à compter de la date d'inscription. La tarification à l'utilisation, les faibles coûts par requête ainsi que l'absence de restrictions sur le stockage et la réutilisation des enregistrements audio font d'Amazon Polly un moyen économique d'adopter la synthèse vocale dans toutes vos applications.

Vous pouvez utiliser Amazon Polly pour alimenter votre application avec une sortie vocale de haute qualité. Ce service économique présente des temps de réponse très courts et est disponible pour pratiquement tous les cas d'utilisation, sans restrictions sur le stockage et la réutilisation de l'enregistrement vocal généré.

Vous pouvez contrôler différents aspects de la voix, tels que la prononciation, le volume, le ton, le débit de parole, etc. à l'aide du langage de balisage de synthèse vocale (Speech Synthesis Markup Language, SSML) normalisé. Vous pouvez synthétiser le discours pour certaines voix neuronales en utilisant le style Newscaster pour qu'elles sonnent comme un présentateur télé ou radio. Vous pouvez détecter lorsqu'un mot ou une phrase spécifique d'un texte est dit à l'utilisateur grâce aux métadonnées incluses dans le flux audio. Cela permet au développeur de synchroniser le surlignage graphique et les animations, telles que le mouvement des lèvres de l'avatar, avec le discours synthétisé. Vous pouvez modifier la prononciation de mots spécifiques, tels que les noms d'entreprise, les acronymes, les mots étrangers et les néologismes, par exemple « P!nk », « ROTFL », « C'est la vie » (lorsque la voix utilisée n'est pas française) à l'aide de glossaires personnalisés.

Les Speech Marks sont conçus comme un complément au discours synthétisé généré à partir du texte saisi. En utilisant ces métadonnées en même temps que le flux audio du discours synthétisé, les clients peuvent offrir une expérience visuelle améliorée telle qu'une synchronisation labiale ou un surlignage similaire à celui des vidéos de karaoké.

Amazon Polly génère des Speech Marks grâce aux quatre éléments suivants :

1. la phrase, qui indique un élément de phrase du texte saisi qui doit être prononcé ;
2. le mot, qui indique un élément de mot dans le texte ;
3. le visème, qui décrit la forme des lèvres correspondant au son prononcé ;
4. le SSML, qui décrit un élément SSML utilisé dans le texte.

Les Speech Marks sont générés sous la forme d'un flux JSON. Plus précisément, il s'agit d'un ensemble d'objets JSON autonomes délimités par des retours à la ligne, contenant un à quatre de ces éléments et produits pendant l'utilisation de la méthode de synthèse vocale avec le paramètre speech-mark-types. Consultez le guide du développeur Amazon Polly pour plus d'informations.

Avec Amazon Polly, vous pouvez donner vie à vos applications en ajoutant des capacités de synthèse vocale réaliste. Par exemple, dans le cadre de l'apprentissage en ligne et de l'enseignement, vous pouvez concevoir des applications utilisant la capacité Text-to-Speech (TTS) d'Amazon Polly pour aider les personnes rencontrant des difficultés de lecture. Amazon Polly peut permettre aux aveugles et malvoyants de consulter des contenus numériques (eBooks, actualités, etc.). Amazon Polly peut également être utilisé dans les systèmes d'annonces des transports publics et les systèmes de contrôle industriels à des fins de diffusion d'informations et de messages d'avertissement en cas d'urgence. Un large éventail d'appareils, tels que des décodeurs, des montres intelligentes, des tablettes, des smartphones et des appareils de l'Internet des objets, peuvent se servir d'Amazon Polly pour fournir un enregistrement audio. Amazon Polly peut aussi être utilisé dans les solutions de téléphonie pour ajouter de la voix aux systèmes de serveur vocal interactif. Les applications telles que les jeux-questionnaires, les animations, les avatars ou la génération de narrations constituent des cas d'utilisation courants pour une solution TTS basée sur le cloud comme Amazon Polly.

En utilisant également Amazon Lex, les développeurs peuvent créer de véritables interfaces utilisateur vocales pour leurs applications. Au sein d'Amazon Connect, la synthèse vocale d'Amazon Polly est utilisée pour créer des services de centre de contact basés sur le cloud et en libre-service. En outre, les développeurs d'applications mobiles et de solutions de l'Internet des objets peuvent utiliser Amazon Polly pour ajouter une sortie vocale à leurs propres systèmes.

Les solutions de synthèse vocale sur appareil nécessitent que des ressources informatiques importantes, notamment une puissance CPU, de la RAM et de l'espace disque, soient disponibles sur l'appareil. Elles peuvent entraîner des coûts de développement plus élevés et une consommation d'énergie plus importante sur des appareils tels que des tablettes, des smartphones, etc. En revanche, la conversion d'un texte en voix effectuée dans le cloud permet de réduire considérablement les besoins en ressources locales. Toutes les langues et voix disponibles peuvent ainsi être prises en charge en qualité optimale. En outre, des améliorations au niveau de la voix sont instantanément disponibles pour tous les utilisateurs finaux et ne requièrent pas d'autres mises à jour au niveau des appareils. Les solutions de synthèse vocale basées sur le cloud sont indépendantes de la plateforme, ce qui permet de réduire les délais et efforts de développement.

Il vous suffit de vous connecter à votre compte AWS et d'accéder à la console Amazon Polly (qui fait partie de la console AWS). Vous pouvez ensuite utiliser la console pour saisir du texte et écouter l'enregistrement audio généré ou l'enregistrer sous forme de fichier audio.

Reportez-vous à la liste des services régionaux AWS pour connaître toutes les régions prenant en charge les voix standard d'Amazon Polly. Les voix neuronales sont prises en charge dans le sous-ensemble de régions suivant : USA Est (Virginie du Nord), USA Ouest (Oregon), Canada (Centre), Asie-Pacifique (Tokyo), Asie-Pacifique (Séoul), Asie-Pacifique (Singapour), Asie-Pacifique (Sydney), Afrique (Le Cap), UE (Londres), UE (Francfort), UE (Irlande) et AWS GovCloud (US, côte ouest).

Amazon Polly prend en charge tous les langages de programmation figurant dans le kit SDK AWS (Java, Node.js, .NET, PHP, Python, Ruby, Go et C++) et dans le kit SDK AWS Mobile (iOS/Android). Le service prend également en charge une API HTTP afin que vous puissiez mettre en place votre propre couche d'accès.

Avec Amazon Polly, vous pouvez diffuser du contenu audio à vos utilisateurs quasiment en temps réel. Vous pouvez également faire votre choix parmi plusieurs taux d'échantillonnage afin d'optimiser la bande passante et la qualité audio pour votre application. Amazon Polly prend en charge les formats MP3 et Vorbis, ainsi que les formats de diffusion audio PCM bruts.

Veuillez consulter la documentation pour connaître la liste complète des langues prises en charge par Amazon Polly.

Pour garantir la disponibilité des ressources AWS et réduire le risque de facturation pour les nouveaux clients, AWS gère des limites de service pour chaque compte. Lorsque vous utilisez Amazon Polly pour alimenter votre application avec une sortie vocale de haute qualité, des limites de service par défaut s'appliquent, notamment concernant la limitation, les opérations et l'utilisation du langage de balisage SSML. Pour en savoir plus, consultez la section Limites dans Amazon Polly du guide du développeur Amazon Polly. La combinaison d'Amazon Polly avec d'autres services AWS, tels qu'AWS Batch pour un traitement par lots efficace, peut vous aider à tirer le meilleur parti d'Amazon Polly dans le cadre de ces limites de service.

R : Amazon Polly est un service éligible à la norme HIPAA couvert par AWS Business Associate Addendum (AWS BAA). Si vous avez un AWS BAA en place, Amazon Polly utilisera, divulguera et maintiendra vos PHI (Protected Health Information – Infomartions de santé protégées) uniquement tel que permis par les conditions de votre AWS BAA, et non comme prévu par la section Protection des données (Data Privacy) de la FAQ Amazon Polly.

Si vous souhaitez créer une Brand Voice à l'aide d'Amazon Polly, contactez votre responsable de compte AWS ou nous-mêmes pour plus d'informations.

Chaque voix étant unique, il est donc important que nous en apprenions plus sur vos objectifs afin de définir avec précision un engagement Brand Voice. Si vous souhaitez créer une Brand Voice à l'aide d'Amazon Polly, contactez votre responsable de compte AWS ou nous-mêmes pour plus d'informations.