Amazon Polly

Amazon Pollyは、AWSのクラウドベースのテキスト読み上げ（TTS）サービスで、書かれたコンテンツをリアルな音声に変換します。高度なディープラーニングモデルを基に構築されており、Pollyは開発者や企業に対して、数十の言語と方言で自然で人間のような声を提供し、アプリケーションが本物のように明瞭に「話す」ことを可能にします。Pollyの中心には、標準TTSとニューラルTTS（NTTS）の2種類の声があります。ニューラルボイスは、イントネーション、リズム、強調といったニュアンスを捉える表現力豊かな自然なプロソディを実現する最先端モデルを活用しており、生成された音声は人間のナレーションとほとんど区別がつきません。開発者は音声合成マークアップ言語（SSML）を使用して、発音、音量、ピッチ、速度を調整したり、ポーズや強調を挿入して完璧な音声を作り出すことができます。Pollyは非常にスケーラブルで、APIを介してアプリにシームレスに統合できます。ライブインタラクションのためにリアルタイムのストリーミング音声を生成したり、ポッドキャスト、トレーニング教材、オーディオブックなどのコンテンツのために音声ファイルを事前に生成してキャッシュすることができます。MP3やOGGなどのフォーマットをサポートしており、モバイル、ウェブ、IoTアプリケーションに音声を簡単に埋め込むことができます。主なユースケースには、顧客サービスチャットボットの音声対応、視覚障害者向けのアクセシブルな体験の創出、多言語eラーニングプラットフォームの推進、メディアやゲームのためのボイスオーバーの生成、インタラクティブで音声駆動のIoTソリューションの提供が含まれます。従量課金制の価格設定により、Pollyは小規模プロジェクトから企業規模のワークロードまでコスト効率よくスケール可能です。対象者: モデルをゼロから構築することなく、アプリにリアルな音声出力を追加したい開発者やスタートアップ。自然な音声の多言語バーチャルアシスタントを必要とする企業やカスタマーサポートチーム。オーディオブック、ポッドキャスト、ビデオのボイスオーバーを迅速かつ手頃な価格で制作するメディアクリエイターや出版社。魅力的な音声コースコンテンツを提供したい教育者やeラーニングプラットフォーム。テキストコンテンツに声を与えることで包括性を向上させたいアクセシビリティ推進者。要するに、Amazon Pollyはアプリケーションをより人間的で魅力的かつアクセス可能にし、静的なテキストを動的な音声体験に変える力を誰にでも提供します。