；
亞馬遜（Amazon）早在 2016 年就在 AWS 推出按字計費的 AWS Polly 文字轉語音（Text-to-Speech，TTS）服務。過去很容易分辨電腦與人讀音的差別，隨著現代機器學習技術加持，文字轉語音引擎在近幾年來取得巨大的進步，音質已達新聞播報員的水準了。亞馬遜 AWS 雲端運算部門於 30 日發表了一系列新神經網路文字轉語音（Neural Text-to-Speech，NTTS）模型，並採用模仿新聞播報員聲音的全新風格。
「語音音質當然很重要，但要讓合成語音聽起來更真實、更吸引人，我們還有很大的努力空間，」亞馬遜新聞稿指出：「至於語音風格？當然，人類的耳朵可以分辨新聞節目、體育節目、大學課程等風格的不同；事實上，大多數人在正確語境下採用正確的說話風格，必然讓資訊更容易理解。」
正如亞馬遜網路服務技術傳教士賽門（Julien Simon）在部落格文指出的，透過自然度和表現力提升，神經網路文字轉語音引擎能大幅提高語音音質的表現。至於全新新聞播報員風格支援，能讓新聞報導和部落格文章等論述文聽起來更真實。
這全拜神經網路文字轉語音的底層機器學習演算法之賜而達成，西蒙表示：「多虧 Polly 和新聞播報員風格，（聽眾）可享受高音質的文章閱讀，聽起來就像他們在電視或廣播聽到的一樣。」
「能教 Alexa 根據客戶的要求調整說話風格，這為 ；；；Alexa ；；；提供以前無法想像的全新體驗，」亞馬遜文字轉語音服務研發團隊資深經理布林（Andrew Breen）在部落格寫道。
多家媒體已開始使用，第一年有限字數免費
如今，舉凡加拿大《環球郵報》（The Globe and Mail）、《今日美國》（USA Today）、Gannett 媒體集團、數位軟體出版商 BlueToad、出版工具供應商 TIM Media、《大英百科全書》（Encyclopedia Britannica）、非營利的教育科技（Ed-tech）公司 CommonLit 和遊戲開發商 Volley 等 AWS 客戶，已在使用 Polly 提供的新聞播報員風格。今年 1 月，亞馬遜已默默推廣到支援 Alexa 的裝置，用於每日新聞簡報及維基百科內容片段解說。
新的新聞播報員風格提供男（Matthew）、女（Joanna）兩種英語語音，而神經網路文字轉語音引擎則支援 11 種語音，包括 3 種英語語音和 8 種美語語音，皆採即時與批次處理模式，目前位在美東（維吉尼亞州）、美西（奧勒岡州）和歐洲（愛爾蘭）等 AWS 服務區域的使用者皆可使用。
計費方面，從第一次語音請求（標準語音或 NTTS 語音）開始，最初 12 個月內，每月最多有 100 萬字元的神經網路文字轉語音服務免費，之後就要按字計費了。
憑藉神經網路轉語音引擎與新聞播報員風格，亞馬遜與 Google 正面交鋒2 月，後者在雲端 NTTS 服務推出 31 個新 WaveNet 語音和 24 個新標準語音（整個 WaveNet 語音總數達 57 個）。亞馬遜另一個競爭對手是微軟，微軟在預覽版提供 3 種 AI 生成語音，並透過 Azure 語音服務 API 提供 75 種標準語音。
（本文由科技新報授權轉載，首圖來源：pixabay）
