AWS améliore le moteur Generative d’Amazon Polly en y ajoutant 14 nouvelles voix

Le 22 octobre 2026, Amazon Web Services a lancé une mise à niveau du moteur de synthèse vocale Generative d’Amazon Polly, désormais accessible à tous, qui ajoute 14 nouvelles voix dans neuf paramètres régionaux et introduit pour la première fois des voix génératives en hindi et en finnois. Dans un article du blog AWS consacré au machine learning, l’entreprise a décrit le moteur mis à jour comme produisant une parole plus expressive et plus précise, avec une faible latence, et désormais disponible en production.

Cette version constitue une mise à niveau transparente pour les voix génératives existantes : les noms des voix et les appels d’API restent inchangés. Les applications qui les utilisent déjà continuent donc de fonctionner sans modification. AWS présente Amazon Polly comme un service entièrement géré qui convertit du texte en parole naturelle. Il est utilisé dans les centres de contact, les applications agentiques reposant sur de grands modèles de langage, les médias et le divertissement, la formation en ligne, l’accessibilité et d’autres charges de travail nécessitant une production vocale fiable à grande échelle.

Qualité vocale et conception du moteur

AWS a indiqué que les voix mises à niveau peuvent adapter l’émotion et la prosodie au texte fourni, sans configuration manuelle. L’annonce illustre ce comportement au moyen de trois lectures d’une même phrase évoquant l’arrivée anticipée d’un colis — l’une neutre, l’autre incertaine et la troisième surprise — ainsi que d’extraits audio. Dans l’un d’eux, la voix Tiffany salue l’auditeur et se présente comme l’une des voix génératives de Polly ; dans un autre, la voix Kenneth lit une confirmation de commande, qui restitue avec précision, selon AWS, un numéro de suivi, une date de livraison et un créneau horaire, un montant dans une devise donnée et une adresse postale.

Le guide du développeur Amazon Polly présente le moteur Generative comme le plus grand modèle de synthèse vocale d’Amazon Polly à ce jour. Il associe un transformeur d’un milliard de paramètres, qui convertit le texte brut en codes vocaux, à un décodeur à convolution qui transforme ces codes en formes d’onde de manière incrémentielle et diffusable en continu. Le guide précise que, la technologie relevant de l’IA générative, les mises à jour des données d’entraînement et du modèle peuvent entraîner de légères variations du rendu des voix, même lorsque la qualité globale s’améliore. C’est un point à prendre en compte pour les contenus synthétisés par morceaux sur une longue période, comme une saison de podcasts.

Nouvelles voix, langues et régions

Les 14 nouvelles voix, classées par paramètre régional, sont les suivantes : anglais des États-Unis (Kenneth, Nate), anglais australien (Russell, Curtis), anglais indien (Kiara, Arjun), allemand (Tina), espagnol des États-Unis (Carlos), portugais brésilien (Leo, Carolina), coréen (Hyunduk), hindi (Kiara, Arjun) et finnois (Suvi). AWS a publié des scripts d’exemple pour les voix hindi Arjun et Kiara et la voix finnoise Suvi. L’entreprise a précisé que le hindi et le finnois sont disponibles pour la première fois dans le moteur Generative, de manière générale.

Avec ces ajouts, le catalogue Generative compte désormais 57 voix dans 11 langues et 25 paramètres régionaux, a indiqué AWS. Les 14 nouvelles voix sont disponibles dans 11 régions AWS : Est des États-Unis (Virginie du Nord), Ouest des États-Unis (Oregon), Europe (Francfort), Europe (Zurich), Europe (Londres), Asie-Pacifique (Sydney), Asie-Pacifique (Séoul), Asie-Pacifique (Singapour), Asie-Pacifique (Tokyo), Canada (Centre) et AWS GovCloud (Ouest des États-Unis). L’ajout à GovCloud (Ouest des États-Unis) étend la présence géographique du moteur.

API, tarifs et limites documentées

Les intégrations existantes restent inchangées. Le même appel à l’API SynthesizeSpeech, avec le paramètre du moteur réglé sur generative, permet d’accéder aux voix mises à niveau ; AWS a précisé qu’aucune modification du code n’est nécessaire. Pour les charges de travail en temps réel, l’API de diffusion bidirectionnelle StartSpeechSynthesisStream permet à une application d’envoyer du texte à Amazon Polly en continu tout en recevant simultanément l’audio synthétisé. Selon AWS, ce mode de fonctionnement convient particulièrement aux agents vocaux et aux personnages personnalisés dans les jeux.

Les tarifs restent inchangés. AWS a indiqué que la mise à niveau améliore la qualité et la précision des voix au prix actuel, sans hausse de coût, sans nouvelle référence SKU et sans modification des intégrations actuelles. Les clients peuvent également mettre en cache et rediffuser des invites statiques synthétisées sans frais supplémentaires. Le moteur Generative continue par ailleurs de prendre en charge les balises du langage de balisage de synthèse vocale, qui permettent de contrôler finement le rendu.

Plusieurs limites documentées restent en vigueur. Les marques de parole ne sont toujours pas disponibles pour les voix génératives ; les voix standard et neuronales, qui ne sont pas concernées par la mise à niveau, continuent de les prendre en charge. Le guide du développeur précise que le moteur Generative ne prend pas en charge le style de présentation de journal télévisé, que la diffusion bidirectionnelle n’est proposée que dans certaines régions et que les voix génératives utilisent par défaut une fréquence d’échantillonnage de 24 kHz, avec les formats de sortie MP3, OGG (Vorbis) et PCM brut. Le guide décrit également un mécanisme d’arrêt d’urgence intégré qui interrompt le rendu vocal lorsque le modèle semble susceptible d’halluciner, généralement vers la fin d’une phrase. AWS avertit que cette mesure de protection réduit le risque sans l’éliminer et que, dans des cas limites, le modèle peut couper une partie d’un mot ou continuer à générer du contenu au-delà du seuil d’arrêt.

Disponibilité et premières utilisations par les clients

Selon AWS, les améliorations de qualité sont automatiquement répercutées dans les flux des centres de contact Amazon Connect et Genesys. Les développeurs peuvent utiliser ces voix depuis AWS Management Console, AWS Command Line Interface ou les SDK AWS, avec l’autorisation IAM polly:SynthesizeSpeech, et appeler DescribeVoices au moment du déploiement afin de vérifier qu’une voix générative sélectionnée est disponible dans la région où s’exécute une application.

Justus Reinikainen, chef de produit chez Sanoma Media Finland, a déclaré que l’entreprise utilise Amazon Polly pour convertir ses articles d’actualité en temps réel en fichiers audio et qu’elle publie actuellement plus de 10 000 articles par mois avec la voix neuronale finnoise de Polly. Selon Reinikainen, lors des tests de l’entreprise, la nouvelle voix générative Suvi représentait une nette amélioration par rapport à la voix neuronale précédente et paraissait nettement plus naturelle aux auditeurs.