تُحدّث AWS محرك التوليد في Amazon Polly بإضافة 14 صوتًا جديدًا

أصدرت Amazon Web Services في 22 أكتوبر 2026 ترقيةً لمحرك تحويل النص إلى كلام التوليدي في Amazon Polly، وأتاحتها للجميع، مضيفةً 14 صوتًا جديدًا عبر تسع مناطق لغوية، ومقدمةً الأصوات التوليدية بالهندية والفنلندية للمرة الأولى. وفي منشور على مدونة AWS للتعلّم الآلي، وصفت الشركة المحرك المحدّث بأنه ينتج كلامًا أكثر تعبيرًا ودقةً وبزمن استجابة منخفض، وأصبح متاحًا الآن للاستخدام في بيئات الإنتاج.

تأتي هذه النسخة على هيئة ترقية مباشرة للأصوات التوليدية الحالية: فأسماء الأصوات وطلبات واجهة برمجة التطبيقات لم تتغير، ولذلك تواصل التطبيقات التي تستخدمها بالفعل العمل دون تعديل. وتصف AWS خدمة Amazon Polly بأنها خدمة مُدارة بالكامل تحوّل النص إلى كلام طبيعي، وتُستخدم في مراكز الاتصال، والتطبيقات المعتمدة على الوكلاء والمبنية على نماذج لغوية كبيرة، وقطاعات الإعلام والترفيه، والتعلّم الإلكتروني، وإمكانية الوصول، وغيرها من أعباء العمل التي تتطلب إخراجًا صوتيًا موثوقًا على نطاق واسع.

جودة الكلام وتصميم المحرك

قالت AWS إن الأصوات المحدّثة تستطيع مواءمة المشاعر والتنغيم مع النص المُدخل دون إعداد يدوي. ويوضح الإعلان هذه الخاصية من خلال ثلاث قراءات للجملة نفسها عن وصول طرد مبكرًا — إحداها محايدة، والثانية تنمّ عن عدم اليقين، والثالثة تنمّ عن الدهشة — إلى جانب عينات صوتية. في إحدى العينات، يحيّي صوت Tiffany المستمع ويعرّف بنفسه بوصفه أحد أصوات Polly التوليدية؛ وفي عينة أخرى، يقرأ صوت Kenneth تأكيد طلب، قالت AWS إنه ينطق بدقة رقم التتبع، وتاريخ التسليم ونافذته الزمنية، وإجمالي المبلغ بعملة محددة، وعنوان الشارع.

يصف دليل مطوري Amazon Polly المحرك التوليدي بأنه أكبر نموذج لتحويل النص إلى كلام في Amazon Polly حتى الآن. ويجمع بين محوّل قائم على مليار مُعامل يحوّل النص الخام إلى رموز كلامية، ومفكّك ترميز قائم على الالتفاف يحوّل تلك الرموز إلى أشكال موجية تدريجيًا وبطريقة تتيح البث. ويحذّر الدليل من أن هذه التقنية، لاندراجها ضمن نهج الذكاء الاصطناعي التوليدي، قد تُنتج تحديثات بيانات التدريب والنموذج معها اختلافات طفيفة في أصوات المتحدثين حتى مع تحسّن الجودة الإجمالية؛ وهو أمر ينبغي أخذه في الحسبان عند تركيب محتوى على أجزاء خلال فترة طويلة، مثل موسم من حلقات البودكاست.

أصوات ولغات ومناطق جديدة

الأصوات الجديدة الـ14، بحسب المنطقة اللغوية، هي: الإنجليزية الأمريكية (Kenneth وNate)، والإنجليزية الأسترالية (Russell وCurtis)، والإنجليزية الهندية (Kiara وArjun)، والألمانية (Tina)، والإسبانية الأمريكية (Carlos)، والبرتغالية البرازيلية (Leo وCarolina)، والكورية (Hyunduk)، والهندية (Kiara وArjun)، والفنلندية (Suvi). ونشرت AWS نصوصًا تجريبية لصوتَي Arjun وKiara باللغة الهندية وصوت Suvi باللغة الفنلندية، وقالت إن الهندية والفنلندية أصبحتا متاحتين للجميع على المحرك التوليدي للمرة الأولى.

قالت AWS إن إضافة هذه الأصوات رفعت إجمالي أصوات المحرك التوليدي إلى 57 صوتًا موزعة على 11 لغة و25 منطقة لغوية. وتتوافر الأصوات الجديدة الـ14 في 11 منطقة من مناطق AWS: شرق الولايات المتحدة (شمال فرجينيا)، وغرب الولايات المتحدة (أوريغون)، وأوروبا (فرانكفورت)، وأوروبا (زيورخ)، وأوروبا (لندن)، وآسيا والمحيط الهادئ (سيدني)، وآسيا والمحيط الهادئ (سيول)، وآسيا والمحيط الهادئ (سنغافورة)، وآسيا والمحيط الهادئ (طوكيو)، وكندا (الوسطى)، وAWS GovCloud (US-West)، حيث وسّعت الإضافة إلى GovCloud (US-West) نطاق انتشار المحرك.

واجهات برمجة التطبيقات والأسعار والقيود الموثّقة

تستمر عمليات التكامل الحالية في العمل دون تغيير. وتتيح المكالمة نفسها إلى واجهة SynthesizeSpeech API الوصول إلى الأصوات المحدّثة عند ضبط قيمة المَعلمة engine على generative، وقالت AWS إن الأمر لا يتطلب أي تغييرات في الشيفرة. أما أعباء العمل الآنية، فتتيح واجهة البث ثنائي الاتجاه StartSpeechSynthesisStream للتطبيق إرسال النص إلى Amazon Polly عبر البث، واستقبال الصوت المُركّب في الوقت نفسه؛ وهو أسلوب وصفته AWS بأنه مناسب لوكلاء الصوت والشخصيات المصممة خصيصًا في الألعاب.

لم تتغير الأسعار. وقالت AWS إن الترقية تحسّن جودة الصوت ودقته بالسعر الحالي، من دون زيادة في التكلفة أو إضافة رمز منتج جديد (SKU) أو إجراء تغييرات على عمليات التكامل الحالية، وإن العملاء يستطيعون تخزين المطالبات الثابتة المُركّبة مؤقتًا وإعادة تشغيلها من دون تكلفة إضافية. كما يواصل المحرك التوليدي دعم وسوم لغة ترميز تركيب الكلام للتحكم الدقيق في المخرجات.

ولا تزال عدة قيود موثّقة سارية. فما زالت علامات الكلام غير متاحة للأصوات التوليدية؛ أما الأصوات القياسية والعصبية، التي لم تتأثر بالترقية، فتواصل دعمها. ويشير دليل المطورين إلى أن أسلوب الإلقاء الإخباري غير مدعوم في المحرك التوليدي، وأن البث ثنائي الاتجاه متاح في مناطق محددة فقط، وأن معدل أخذ العينات الافتراضي للأصوات التوليدية هو 24 kHz، مع إتاحة تنسيقات الإخراج MP3 وOGG (Vorbis) وPCM الخام. كما يصف الدليل آلية إيقاف طارئ مدمجة توقف توليد الكلام عندما يُظهر النموذج احتمالًا للهلوسة، ويحدث ذلك عادةً قرب نهاية الجملة؛ وتحذّر AWS من أن وسيلة الحماية هذه تحدّ من المخاطر لكنها لا تلغيها، وأن النموذج قد يقطع جزءًا من كلمة أو يواصل إنشاء محتوى بعد حد الإيقاف في حالات استثنائية.

التوافر والاستخدام المبكر لدى العملاء

وفقًا لـAWS، تصل تحسينات الجودة تلقائيًا إلى تدفقات مراكز الاتصال في Amazon Connect وGenesys. ويمكن للمطورين استخدام الأصوات عبر AWS Management Console أو AWS Command Line Interface أو AWS SDKs، باستخدام إذن IAM‏ polly:SynthesizeSpeech، كما يمكنهم استدعاء DescribeVoices عند النشر للتأكد من إتاحة الصوت التوليدي المحدد في المنطقة التي يعمل فيها التطبيق.

قال يوستوس راينيكاينن، مدير المنتجات في Sanoma Media Finland، إن الشركة تستخدم Amazon Polly لتحويل مقالاتها الإخبارية الآنية إلى مقاطع صوتية، وتنشر حاليًا أكثر من 10,000 مقال شهريًا باستخدام الصوت العصبي الفنلندي في Polly. وأضاف راينيكاينن أن الاختبارات التي أجرتها الشركة أظهرت أن الصوت التوليدي الجديد Suvi يمثل تحسنًا واضحًا مقارنة بالصوت العصبي السابق، وأنه يبدو للمستمعين أكثر طبيعية بدرجة ملحوظة.