AWS atualiza vozes generativas do Amazon Polly sem exigir mudanças no código
A AWS disponibilizou em produção uma atualização do mecanismo generativo do Amazon Polly, com fala mais expressiva e precisa. A empresa adicionou 14 vozes em nove localidades.
A AWS disponibilizou em produção uma atualização do mecanismo generativo do Amazon Polly, serviço que transforma texto em fala. A empresa afirma que a atualização produz vozes mais expressivas e precisas, com baixa latência. Para quem já usa vozes generativas, ela é aplicada sem mudar os nomes das vozes ou as chamadas de API e não exige alterações no código dos aplicativos.
A atualização acrescenta 14 vozes em nove localidades. Vozes generativas em hindi e finlandês passam a estar disponíveis de forma geral pela primeira vez. As novas vozes podem ser acessadas pelo console da AWS, pela linha de comando ou pelos kits de desenvolvimento da empresa. A AWS lista regiões nos Estados Unidos, Europa, Ásia-Pacífico, Canadá e AWS GovCloud (US-West).
Segundo a AWS, a atualização mantém o preço anterior, sem novo item de cobrança. O serviço também permite transmitir texto e receber áudio ao mesmo tempo, recurso voltado a aplicações de voz em tempo real. A empresa cita usos em atendimento telefônico, agentes de voz, produção de conteúdo, educação e acessibilidade. A avaliação da Sanoma Media Finland sobre a voz finlandesa Suvi foi positiva, mas se baseia nos testes da própria empresa.
O que muda para você
A atualização serve principalmente a quem já usa vozes generativas do Amazon Polly: segundo a AWS, a melhoria chega sem mudanças na integração e sem aumento de preço. Desenvolvedores de novos aplicativos também podem acessar as vozes pelas ferramentas da AWS, mas a disponibilidade varia conforme a região. Para quem não trabalha com síntese de voz, não há mudança direta no uso cotidiano.
Minha leitura
Para quem já integrou o Polly, melhorar a voz sem refazer a integração reduz o atrito de experimentar a atualização. Mas a afirmação de que a fala é mais natural e precisa ainda precisa ser conferida no uso real: uma voz que funciona bem para uma frase pode tropeçar em nomes, números ou termos específicos. Eu compararia as amostras com o tipo de texto que o produto realmente precisa falar.
Thiago FelizolaConsultor de IA, curador do Diário da IA
