AWS breidt generatieve engine van Amazon Polly uit met 14 nieuwe stemmen

Amazon Web Services heeft op 22 oktober 2026 een upgrade van de generatieve tekst-naar-spraakengine van Amazon Polly algemeen beschikbaar gemaakt. Daarmee zijn er 14 nieuwe stemmen bijgekomen in negen locales en zijn generatieve stemmen voor het eerst beschikbaar in het Hindi en Fins. In een blogbericht over machine learning van AWS beschreef het bedrijf de bijgewerkte engine als een engine die expressievere en nauwkeurigere spraak met een lage latentie produceert en nu in productie kan worden gebruikt.

De release is een naadloze upgrade voor bestaande generatieve stemmen: de stemnamen en API-aanroepen zijn ongewijzigd, zodat applicaties die deze stemmen al gebruiken zonder aanpassingen blijven werken. AWS beschrijft Amazon Polly als een volledig beheerde dienst die tekst omzet in natuurlijk klinkende spraak. De dienst wordt gebruikt voor contactcenters, agentgestuurde applicaties op basis van grote taalmodellen, media en entertainment, e-learning, toegankelijkheid en andere toepassingen waarvoor betrouwbare spraakuitvoer op grote schaal nodig is.

Spraakkwaliteit en engineontwerp

AWS zei dat de verbeterde stemmen de emotie en prosodie kunnen afstemmen op de invoertekst, zonder dat hiervoor handmatige configuratie nodig is. De aankondiging laat dit zien aan de hand van drie versies van dezelfde zin over een pakket dat eerder aankomt dan verwacht: één neutrale, één onzekere en één verbaasde versie. Ook zijn er voorbeeldopnamen. In één voorbeeld begroet de stem Tiffany een luisteraar en stelt die zich voor als een van de generatieve stemmen van Polly. In een ander voorbeeld leest de stem Kenneth een orderbevestiging voor. Volgens AWS worden daarin een trackingnummer, een bezorgdatum en tijdvak, een totaalbedrag in een valuta en een straatadres nauwkeurig weergegeven.

De ontwikkelaarshandleiding van Amazon Polly beschrijft de generatieve engine als het grootste tekst-naar-spraakmodel van Amazon Polly tot nu toe. De engine combineert een transformer met een miljard parameters, die onbewerkte tekst omzet in spraakcodes, met een op convoluties gebaseerde decoder die deze codes stapsgewijs en streambaar omzet in golfvormen. De handleiding waarschuwt dat updates van de trainingsgegevens en het model, doordat de technologie deel uitmaakt van het generatieve AI-paradigma, kleine verschillen in de klank van stemmen kunnen veroorzaken, zelfs wanneer de algehele kwaliteit verbetert. Dit is iets om rekening mee te houden bij content die gedurende een lange periode in delen wordt gegenereerd, zoals een podcastseizoen.

Nieuwe stemmen, talen en regio’s

De 14 nieuwe stemmen per locale zijn: Amerikaans-Engels (Kenneth, Nate), Australisch-Engels (Russell, Curtis), Indiaas-Engels (Kiara, Arjun), Duits (Tina), Amerikaans-Spaans (Carlos), Braziliaans-Portugees (Leo, Carolina), Koreaans (Hyunduk), Hindi (Kiara, Arjun) en Fins (Suvi). AWS heeft voorbeeldscripts gepubliceerd voor de Hindi-stemmen Arjun en Kiara en de Finse stem Suvi. Ook liet het bedrijf weten dat Hindi en Fins voor het eerst algemeen beschikbaar zijn op de generatieve engine.

Met deze toevoegingen telt de generatieve catalogus volgens AWS nu in totaal 57 stemmen in 11 talen en 25 locales. De 14 nieuwe stemmen zijn beschikbaar in 11 AWS-regio’s: US East (N. Virginia), US West (Oregon), Europe (Frankfurt), Europe (Zurich), Europe (London), Asia Pacific (Sydney), Asia Pacific (Seoul), Asia Pacific (Singapore), Asia Pacific (Tokyo), Canada (Central) en AWS GovCloud (US-West). De toevoeging van GovCloud (US-West) vergroot het geografische bereik van de engine.

API’s, prijzen en gedocumenteerde beperkingen

Bestaande integraties blijven ongewijzigd werken. Dezelfde SynthesizeSpeech-API-aanroep, met de parameter engine ingesteld op generative, maakt gebruik van de verbeterde stemmen. Volgens AWS zijn hiervoor geen codewijzigingen nodig. Voor realtime toepassingen biedt de bidirectionele streaming-API StartSpeechSynthesisStream applicaties de mogelijkheid om tekst naar Amazon Polly te streamen en tegelijkertijd de gegenereerde audio terug te ontvangen. AWS beschreef deze aanpak als bijzonder geschikt voor spraakagents en op maat gemaakte personages in games.

De prijzen blijven hetzelfde. AWS zei dat de upgrade de stemkwaliteit en nauwkeurigheid verbetert tegen de bestaande prijs, zonder prijsverhoging, nieuwe SKU of wijzigingen aan huidige integraties. Klanten kunnen gegenereerde statische prompts bovendien zonder extra kosten cachen en opnieuw afspelen. De generatieve engine blijft ook Speech Synthesis Markup Language-tags ondersteunen voor nauwkeurige controle over de uitvoer.

Verschillende gedocumenteerde beperkingen blijven van kracht. Spraakmarkeringen zijn nog steeds niet beschikbaar voor generatieve stemmen; standaardstemmen en neurale stemmen, die niet door de upgrade zijn beïnvloed, blijven deze wel ondersteunen. De ontwikkelaarshandleiding vermeldt dat de presentatiestijl voor nieuwslezers niet wordt ondersteund in de generatieve engine, dat bidirectionele streaming slechts in bepaalde regio’s beschikbaar is en dat generatieve stemmen standaard een samplefrequentie van 24 kHz gebruiken, met MP3, OGG (Vorbis) en onbewerkte PCM als uitvoerformaten. De handleiding beschrijft ook een ingebouwd noodstopmechanisme dat de spraakweergave onderbreekt wanneer het model mogelijk begint te hallucineren, meestal tegen het einde van een zin. AWS waarschuwt dat deze beveiliging het risico verkleint, maar niet wegneemt. In uitzonderlijke gevallen kan het model een deel van een woord afbreken of content blijven genereren nadat de stopdrempel is bereikt.

Beschikbaarheid en eerste toepassingen bij klanten

Volgens AWS worden de kwaliteitsverbeteringen automatisch doorgevoerd in contactcenterworkflows van Amazon Connect en Genesys. Ontwikkelaars kunnen de stemmen gebruiken via de AWS Management Console, de AWS Command Line Interface of de AWS SDK’s, met de IAM-machtiging polly:SynthesizeSpeech. Tijdens de implementatie kunnen ze DescribeVoices aanroepen om te controleren of een geselecteerde generatieve stem beschikbaar is in de regio waar een applicatie draait.

Justus Reinikainen, productmanager bij Sanoma Media Finland, zei dat het bedrijf Amazon Polly gebruikt om zijn nieuwsartikelen in real time om te zetten naar audio en momenteel met Polly’s Finse neurale stem meer dan 10.000 artikelen per maand publiceert. Reinikainen zei dat Suvi’s nieuwe generatieve stem tijdens de tests van het bedrijf een duidelijke verbetering was ten opzichte van de vorige neurale stem en voor luisteraars merkbaar natuurlijker klonk.