AWS aggiorna il motore generativo di Amazon Polly con 14 nuove voci

Il 22 ottobre 2026 Amazon Web Services ha rilasciato un aggiornamento del motore di sintesi vocale Generative di Amazon Polly, ora disponibile in via generale, aggiungendo 14 nuove voci in nove lingue e introducendo per la prima volta le voci generative in hindi e finlandese. In un articolo sul blog di AWS dedicato al machine learning, l’azienda ha descritto il motore aggiornato come capace di produrre un parlato più espressivo e accurato, con bassa latenza, ora disponibile in produzione.

La versione è disponibile come aggiornamento immediatamente integrabile per le voci generative esistenti: i nomi delle voci e le chiamate API non cambiano, quindi le applicazioni che già le utilizzano continuano a funzionare senza modifiche. AWS descrive Amazon Polly come un servizio completamente gestito che converte il testo in parlato dal suono naturale, utilizzato nei contact center, nelle applicazioni basate su agenti costruite con modelli linguistici di grandi dimensioni, nei media e nell’intrattenimento, nell’apprendimento online, nell’accessibilità e in altri carichi di lavoro che richiedono una riproduzione vocale affidabile su larga scala.

Qualità del parlato e progettazione del motore

AWS ha dichiarato che le voci aggiornate possono adattare l’emozione e la prosodia al testo di input senza configurazioni manuali. L’annuncio ne illustra il funzionamento con tre letture della stessa frase, che racconta di un pacco arrivato in anticipo: una neutra, una incerta e una sorpresa; sono inoltre disponibili esempi audio. In un esempio, la voce di Tiffany saluta l’ascoltatore e si presenta come una delle voci generative di Polly; in un altro, la voce di Kenneth legge una conferma d’ordine, riproducendo con precisione, secondo AWS, un numero di tracciamento, una data di consegna e una fascia oraria, un importo in valuta e un indirizzo stradale.

La guida per sviluppatori di Amazon Polly descrive il motore Generative come il più grande modello di sintesi vocale di Amazon Polly realizzato finora. Abbina un trasformatore da un miliardo di parametri, che converte il testo grezzo in codici vocali, a un decodificatore basato su convoluzioni che trasforma tali codici in forme d’onda in modo incrementale e trasmissibile in streaming. La guida avverte che, poiché questa tecnologia rientra nel paradigma dell’IA generativa, gli aggiornamenti dei dati di addestramento e del modello possono causare lievi variazioni nel suono delle voci, anche quando la qualità complessiva migliora. È un aspetto da considerare per i contenuti sintetizzati in più parti nell’arco di un periodo prolungato, come una stagione di podcast.

Nuove voci, lingue e regioni

Le 14 nuove voci, suddivise per lingua, sono: inglese statunitense (Kenneth, Nate), inglese australiano (Russell, Curtis), inglese indiano (Kiara, Arjun), tedesco (Tina), spagnolo statunitense (Carlos), portoghese brasiliano (Leo, Carolina), coreano (Hyunduk), hindi (Kiara, Arjun) e finlandese (Suvi). AWS ha pubblicato testi di esempio per le voci hindi Arjun e Kiara e per la voce finlandese Suvi, e ha dichiarato che l’hindi e il finlandese sono disponibili in via generale sul motore Generative per la prima volta.

Con queste aggiunte, il catalogo Generative conta ora, secondo AWS, 57 voci in 11 lingue e 25 varianti linguistiche. Le 14 nuove voci sono disponibili in 11 regioni AWS: Stati Uniti orientali (Virginia settentrionale), Stati Uniti occidentali (Oregon), Europa (Francoforte), Europa (Zurigo), Europa (Londra), Asia-Pacifico (Sydney), Asia-Pacifico (Seul), Asia-Pacifico (Singapore), Asia-Pacifico (Tokyo), Canada (centrale) e AWS GovCloud (Stati Uniti occidentali). L’aggiunta di GovCloud (Stati Uniti occidentali) amplia la copertura geografica del motore.

API, prezzi e limitazioni documentate

Le integrazioni esistenti restano invariate. La stessa chiamata API SynthesizeSpeech, con il parametro engine impostato su generative, consente di utilizzare le voci aggiornate e, secondo AWS, non è necessario modificare il codice. Per i carichi di lavoro in tempo reale, l’API di streaming bidirezionale StartSpeechSynthesisStream permette a un’applicazione di inviare testo in streaming ad Amazon Polly e di ricevere contemporaneamente l’audio sintetizzato: AWS ha descritto questo approccio come particolarmente adatto agli agenti vocali e ai personaggi personalizzati nei giochi.

I prezzi restano invariati. AWS ha dichiarato che l’aggiornamento migliora la qualità e l’accuratezza delle voci allo stesso prezzo, senza aumenti dei costi, nuove SKU o modifiche alle integrazioni attuali; i clienti possono inoltre memorizzare nella cache e riprodurre prompt statici sintetizzati senza costi aggiuntivi. Il motore Generative continua anche a supportare i tag dello Speech Synthesis Markup Language per controllare con precisione l’output.

Restano in vigore diverse limitazioni documentate. I marcatori vocali non sono ancora disponibili con le voci generative; le voci standard e neurali, non interessate dall’aggiornamento, continuano a supportarli. La guida per sviluppatori specifica che lo stile di lettura da notiziario non è supportato nel motore Generative, che lo streaming bidirezionale è disponibile solo in alcune regioni e che le voci generative utilizzano per impostazione predefinita una frequenza di campionamento di 24 kHz e i formati di output MP3, OGG (Vorbis) e PCM grezzo. La guida descrive inoltre un meccanismo integrato di arresto di emergenza che interrompe la generazione del parlato quando il modello mostra una potenziale tendenza ad allucinare, di solito verso la fine di una frase. AWS avverte che questa misura di sicurezza riduce il rischio, ma non lo elimina, e che in casi limite il modello può troncare parte di una parola o continuare a generare contenuti oltre la soglia di arresto.

Disponibilità e primi utilizzi da parte dei clienti

Secondo AWS, i miglioramenti della qualità si estendono automaticamente ai flussi dei contact center di Amazon Connect e Genesys. Gli sviluppatori possono utilizzare le voci tramite la Console di gestione AWS, l’interfaccia a riga di comando AWS o gli SDK AWS, con l’autorizzazione IAM polly:SynthesizeSpeech, e possono chiamare DescribeVoices al momento della distribuzione per verificare che una voce generativa selezionata sia disponibile nella regione in cui viene eseguita un’applicazione.

Justus Reinikainen, responsabile di prodotto presso Sanoma Media Finland, ha dichiarato che l’azienda utilizza Amazon Polly per trasformare in audio gli articoli di notizie in tempo reale e che attualmente pubblica con la voce neurale finlandese di Polly più di 10.000 articoli al mese. Reinikainen ha affermato che, nei test dell’azienda, la nuova voce generativa Suvi rappresentava un netto miglioramento rispetto alla precedente voce neurale e risultava sensibilmente più naturale per gli ascoltatori.