Модели и платформы ИИ
Amazon Polly добавляет клонирование голоса с ограниченным доступом для создания фирменных голосов

Ключевые моментыКлонированные голоса остаются привязанными к создавшей их учетной записи и региону…
Показать больше
- Клонированные голоса остаются привязанными к создавшей их учетной записи и региону, поэтому для использования в другом регионе требуется пересоздание из тех же записей.
- Polly удаляет исходные записи после создания голоса и хранит только зашифрованные данные голоса до удаления.
- Клонированный голос наследует один стиль подачи из своих записей и не может смешивать несколько эмоциональных дублей.
19 ноября 2026 года Amazon Web Services объявила о выпуске Amazon Polly, сделав клонирование голоса общедоступной функцией с ограниченным доступом. Одобренные учетные записи AWS могут создавать собственные голоса для преобразования текста в речь на основе записей одного человека, давшего согласие; на момент запуска поддерживаются семь языков.
Доступ предоставляется для каждой учетной записи AWS. Некоторые клиенты Polly уже получили его, а остальные могут обратиться к своей команде по работе с учетной записью AWS или подать заявку. Создание клонированного голоса бесплатно; за синтезированное аудио взимается плата по факту использования. Функция доступна в тех же регионах AWS, что и генеративный движок Polly, включая AWS GovCloud (US-West).
Клонированные голоса работают на этом движке, который, по словам AWS, обеспечивает естественность и точность на уровне других генеративных голосов. Поддерживаются английский, испанский, немецкий, французский, итальянский, португальский и хинди, однако каждый голос может говорить только на языке, на котором была сделана запись. Голос также остается в той учетной записи и в том регионе, где он был создан. Чтобы использовать его в другом регионе или другой учетной записи, необходимо заново создать его на основе тех же записей; согласие говорящего должно распространяться на каждую копию.
Создание голоса на основе записей
Основной сценарий использования в корпоративной среде — единый голос для телефонных систем, голосовых агентов, мобильных приложений, объявлений в магазинах, рекламы и подключенных устройств. Функция также поддерживает голосовые подсказки для контакт-центров и более длинный контент, например аудиокниги, курсы и подкасты. Для организаций, часто меняющих сценарии, главное преимущество — возможность создавать новые аудиозаписи привычным голосом, не организуя новую запись при каждом изменении.
Чтобы создать голос, клиент загружает от 1 до 10 записей одного человека общей продолжительностью не более 15 минут. AWS рекомендует использовать от 2 до 10 минут естественной речи и отмечает, что качество важнее длительности. Файлы можно загрузить через консоль, включить в CreateVoice или передать из бакета Amazon S3 в целевом регионе. В запросе также необходимо указать язык записи и TermsAccepted=True.
API сразу возвращает идентификатор голоса, после чего создает голос в асинхронном режиме — обычно за 5–10 минут — и проверяет сходство с голосом говорящего. Готовый голос может создавать аудио в режиме реального времени с помощью SynthesizeSpeech или формировать аудио большой продолжительности с сохранением в S3 с помощью StartSpeechSynthesisTask. Поскольку создание занимает несколько минут, AWS рекомендует рассматривать его как предварительный этап подготовки, а не как часть обработки текущего запроса пользователя.
Изначально клиентам доступна квота в 10 клонированных голосов на одну учетную запись в одном регионе. CreateVoice и DeleteVoice имеют общий лимит — один запрос в секунду, поэтому массовое создание и удаление голосов нужно выполнять в очереди.
Согласие и средства защиты
Подтверждая принятие условий, клиент подтверждает, что получил все права и согласия, необходимые для создания и использования голоса. Polly добавляет водяной знак к аудио, синтезированному с помощью клонированного голоса, а доступ ограничивается создавшей его учетной записью AWS с помощью AWS Identity and Access Management. Клиенты могут добавлять к голосам теги и шифровать их собственным ключом AWS Key Management Service.
После создания Polly не хранит свою копию исходных записей и не использует их для обучения моделей Amazon Polly. Сервис сохраняет только данные голоса, необходимые для синтеза; они хранятся в зашифрованном виде до удаления; DeleteVoice немедленно удаляет эти данные. AWS рекомендует вести учет согласий, удалять голос при отзыве согласия, по возможности сообщать слушателям, что они слышат синтезированную речь, и предоставлять разрешения на использование голоса только тем людям и системам, которым они необходимы.
Качество записей и ограничения вывода
Рекомендуемый формат записи — монофонический WAV, 16 бит, 24 кГц; запись должна быть сделана одним человеком в тихом помещении. Клон может перенять шум вентилятора, эхо помещения и особенности обработки звука приложением для видеоконференций. Записи с другими акцентами поддерживаемых языков — например, британским вариантом английского или канадским французским — могут подойти, но такие варианты проверены в меньшей степени, поэтому важно оценить голос на собственных материалах клиента.
Клонированный голос также перенимает манеру речи из записей и не может объединять разные стили: например, бодрые, печальные и сердитые фрагменты не позволят создать один голос, способный передавать все три настроения. Одна и та же фраза может немного по-разному звучать при разных запросах на синтез. Для неизменных подсказок, например приветствий на телефонной линии, AWS рекомендует создать аудиозапись один раз, получить одобрение говорящего и команды по работе с брендом, а затем использовать сохраненный файл. Перед запуском в производство следует проверить сценарии с именами, числами, адресами и длинными предложениями.
Для корпоративных клиентов этот выпуск превращает повторно используемый голос в часть стека приложений AWS, к которой прилагаются API синтеза, шифрование и сервисные квоты. Теперь операционные задачи включают не только генерацию речи, но и управление согласиями, доступом, копиями в разных регионах и одобрением аудио, которое услышат слушатели.












