大咖专栏 | Amazon Polly：你打字，我说话！
大咖专栏
大咖专栏主要刊登亚马逊AWS诸位大咖亲自撰写的Blog，内容涉猎广泛，话题讨论前沿，且与实战紧密相连。我们非常欢迎小伙伴们在评论区留言，与大咖互动交流！
今天为大家撰文的大咖，是亚马逊AWS首席布道师——Jeff Barr。
Jeff Barr
亚马逊AWS首席布道师
前言
在AWS re:Invent 2016上，AWS发布的三项Amazon AI服务：Amazon Lex、Amazon Polly和Amazon Rekognition，备受业界关注。亚马逊AWS首席布道师Jeff Barr在官方Blog上发表了一系列文章，对这三项服务进行了解读。今天我们就为大家介绍如何快速入门Amazon Polly。
在准备写下这篇文章时，我的思绪不禁回到了自己的孩提时代（那时候大部分时间都用在了看电视上）。上世纪六十到七十年代，出现了大批热门的计算机与机器人语音产品。一时间，HAL-9000（来自《2010太空漫游》）、B9（来自《迷失太空》）、初代《星际旅行》中的计算机以及罗茜（来自《摩登家庭》）等形象再次涌现在我眼前。那个时候，人们都热衷于这种机械生成的语音——声音精准、清晰且缺乏人类应有的情感。
《2010太空漫游》中的HAL-9000是无数科幻迷心中的经典
时光飞逝，如今我们已经拥有大量出色的计算机生成语音应用及用例可供选择，业界将其称为文本到语音或者简称TTS功能。娱乐、游戏、公共发布系统、电子学习、电话、辅助应用及设备乃至个人助手都已经开始将其引入。其中大部分应用能够很好地对接移动环境，但本地处理及存储型方案则表现平平。
你好， Polly
为了解决此类用例的实际需求（当然也包括其它大家能够想到的场景），我们推出了Polly，这项云服务能够将文本转化为逼真的语音，并允许大家将其用于您的工具及应用程序当中。Polly目前支持总计47种男声/女声表达并涵盖24种语言（暂不支持中文），而更多语言及语音选项亦在路线图规划之中。
Polly的设计目标在于解决语音生成工作中的大部分常见挑战。举例来说，我们以“live”一词为例，“I live in Seattle”代表我生活在西雅图，而“Live from New York”则代表由纽约发回的现场直播，二者在意义上显然存在差别。Polly能够理解这种同一词汇在不同语境下的含义，并给出完全不同的发音。类似的例子还有“St.”。根据语言类别及上下文背景的不同，其可以代表（或者应该发音为）“Street（街道）”或者“saint（圣）”。Polly同样能够准确识别二者间的差别。另外，Polly亦能够处理单位、分数、缩写、货币、日期、时间以及其它复杂的语言成分与表达方式。
为了实现这一目标，我们与以Polly支持的目标语言为母语的语言专家们进行合作。我们要求每位参与者利用其选定的语种提供大量单词与短语发音，并将音频拆分为声音单元，即双音素。
Polly在处理普通文本时拥有良好表现。大家只需要提交文本，Polly即可顺利完成接下来的工作，即以音频文件或者流媒体的方式给出精准、自然且与人类相似的语音表达。对于其它更为复杂的应用，大家可以使用SSML（即语音合成标记语言）为Polly提供更多附加信息。举例来说，如果您的文本内容中包含多种语言（例如英语与法语混杂），则可利用SSML作出标记以纠正发音。
在本文中我无法直接提供相关语音片段，因此感兴趣的朋友可以直接访问Polly Console：
https://console.aws.amazon.com/polly
亲自加以尝试。大家只需要输入文本内容并点击Listen to speech（听取语音）即可：
大家也可以将生成的音频保存在MP3文件并将其运用于您的应用程序当中。
以下为完全展开的语言与地区菜单：
技术细节
通过Console使用Polly当然非常便利，不过大家也可以采取其它方式以实现更具动态的使用途径。大家可以在文本或者SSML当中调用SynthesizeSpeech API函数。大家可以直接将输出结果以流媒体形式直接交付至用户，或者生成MP3或Ogg文件以备需要时播放。Polly能够以MP3或者Vorbis格式生成高质量（最高采样率为22 kHz）音频，亦可以PCM格式生成电话质量级（8 kHz）音频。
大家也可以利用AWS命令行界面（CLI）生成音频。例如：
Polly会对全部闲置数据进行加密，并通过SSL连接进行音频传输。所提交文本与提交者间的关联将被移除，以加密形式存储最多6个月，并被用于维护及改进Polly功能。
价格与上线时间
大家每月可以利用Polly处理500万字而无需支付任何费用。在此之后，每个字的处理价格为0.000004美元，或者折合为音频生成约为每分钟0.004美元。本篇博文的语音转换价格约为0.018美元，而《哈克贝利·费恩历险记》全文的语音转换亦仅需约2.4美元。
Polly目前已经在美国东部（北弗吉尼亚州）、美国西部（俄勒冈州）、美国东部（俄亥俄州）以及欧洲（爱尔兰）服务区上线，大家可以从今天开始加以使用。
期待你的创意！
关于Amazon Poly，如果你有很酷的创意，欢迎大家在评论区留言。诸位小伙伴们也可以互相勾搭一下，一起构建好玩、有趣的应用！
点击“阅读原文”
了解更多AWS官方Blog内容