Yapay zeka modelleri ve platformları
Amazon Polly, Özel Marka Sesleri İçin Erişimi Onaya Bağlı Ses Klonlama Özelliği Ekliyor

Öne çıkan noktalarKlonlanan sesler, onları oluşturan hesaba ve Bölgeye kilitli kalır, bu nedenle Bölgeler…
Daha fazla göster
- Klonlanan sesler, onları oluşturan hesaba ve Bölgeye kilitli kalır, bu nedenle Bölgeler arası kullanım aynı kayıtlardan yeniden oluşturmayı gerektirir.
- Polly, bir ses oluşturduktan sonra kaynak kayıtları atar ve silinene kadar yalnızca şifrelenmiş ses verilerini saklar.
- Klonlanan bir ses, kayıtlarından tek bir sunum stili devralır ve birden fazla duygusal çekimi birleştiremez.
Amazon Web Services, 19 Kasım 2026’da Amazon Polly sürümünü duyurarak ses klonlama özelliğini erişim onayına tabi olarak genel kullanıma sundu. Onaylı AWS hesapları, lansmanda yedi dil desteğiyle, rıza gösteren tek bir konuşmacının kayıtlarından özel metin okuma sesleri oluşturabilir.
Erişim her AWS hesabı için etkinleştirilir. Bazı Polly müşterileri özelliğe şimdiden erişebilirken diğerleri AWS hesap ekipleriyle iletişime geçebilir veya başvuruda bulunabilir. Klonlanmış bir ses oluşturmak ücretsizdir; sentezlenen ses, kullandıkça öde esasına göre ücretlendirilir. Özellik, AWS GovCloud (US-West) dâhil olmak üzere Polly’nin üretken motoruyla aynı AWS Bölgelerinde kullanılabilir.
Klonlanan sesler bu motor üzerinde çalışır. AWS, motorun diğer üretken seslerine benzer doğallık ve doğruluk sunduğunu belirtiyor. İngilizce, İspanyolca, Almanca, Fransızca, İtalyanca, Portekizce ve Hintçe desteklenir; ancak her ses yalnızca kaydedildiği dili konuşur. Bir ses, oluşturulduğu hesapta ve AWS Bölgesi’nde kalır. Başka bir AWS Bölgesi’nde veya hesapta kullanmak için aynı kayıtlardan yeniden oluşturulması gerekir; konuşmacının rızası her kopyayı kapsamalıdır.
Kayıtlardan Ses Oluşturma
Şirketlerin bu özelliği başlıca kullanım amacı; telefon sistemlerinde, sesli asistanlarda, mobil uygulamalarda, mağaza içi anonslarda, reklamlarda ve bağlantılı cihazlarda tutarlı bir ses kullanmaktır. Özellik, iletişim merkezi anonslarını ve sesli kitaplar, kurslar, podcast’ler gibi daha uzun içerikleri de destekler. Metinleri sık değişen kuruluşlar için asıl avantaj, her revizyonda yeni bir kayıt oturumu düzenlemek zorunda kalmadan yerleşik bir sesle yeni ses içerikleri oluşturabilmektir.
Müşteri, ses oluşturmak için tek bir konuşmacıya ait 1–10 kayıt gönderir; toplam ses süresi en fazla 15 dakika olabilir. AWS, 2–10 dakikalık doğal konuşma kaydı öneriyor ve kalitenin uzunluktan daha önemli olduğunu belirtiyor. Dosyalar konsol üzerinden yüklenebilir veya CreateVoice hedef Bölgedeki bir Amazon S3 bucket’ından sağlanabilir. İstek ayrıca kayıt dilini ve TermsAccepted=True.
API hemen bir ses kimliği döndürür; ardından konuşmacı benzerliğini denetlerken sesi eşzamansız olarak, genellikle 5–10 dakika içinde oluşturur. Oluşturulan ses, gerçek zamanlı ses üretmek için SynthesizeSpeech veya S3’e yazılan uzun biçimli ses üretmek için StartSpeechSynthesisTaskSes oluşturma işlemi dakikalar sürdüğünden AWS, bunu canlı bir kullanıcı isteğinin parçası olarak değil, önceden yapılması gereken bir hazırlık adımı olarak ele almayı öneriyor.
Müşterilere başlangıçta her hesap ve Bölge için 10 klonlanmış ses kotası tanımlanır. CreateVoice ve DeleteVoice saniyede bir istek sınırını paylaşır; bu nedenle toplu oluşturma ve silme işlemlerinin sıraya alınması gerekir.
İzin ve Güvenlik Denetimleri
Koşulları kabul etme adımı, müşterinin sesi oluşturmak ve kullanmak için gereken tüm hak ve izinleri aldığını teyit eder. Polly, klonlanmış bir sesle üretilen ses kayıtlarına filigran ekler ve erişim, AWS Identity and Access Management aracılığıyla sesi oluşturan AWS hesabıyla sınırlandırılır. Müşteriler seslere etiket ekleyebilir ve kendi AWS Key Management Service anahtarlarıyla şifreleyebilir.
Oluşturma işleminin ardından Polly, kaynak kayıtların kendi kopyasını saklamaz ve bunları Amazon Polly modellerini eğitmek için kullanmaz. Yalnızca sentez için gereken ses verilerini silinene kadar şifrelenmiş olarak saklar; DeleteVoice bu verileri hemen siler. AWS, izinlerin kaydının tutulmasını, izin geri çekilirse sesin silinmesini, uygun durumlarda dinleyicilere sentetik konuşma dinlediklerinin bildirilmesini ve ses izinlerinin yalnızca gerekli kişi ve sistemlerle sınırlandırılmasını öneriyor.
Kayıt Kalitesi ve Çıktı Sınırları
Önerilen kayıt biçimi, sessiz bir odada tek bir konuşmacıdan alınmış, 24 kHz, 16 bit mono WAV kaydıdır. Fan gürültüsü, oda yankısı ve toplantı uygulamalarının ses üzerinde yaptığı işlemler klon tarafından öğrenilebilir. İngiliz İngilizcesi veya Kanada Fransızcası gibi desteklenen dillerin farklı aksanları da kullanılabilir, ancak bunlar daha az test edilmiştir. Bu nedenle sesi müşterinin kendi içerikleriyle denetlemek önemlidir.
Klonlanmış ses, konuşma tarzını da kayıtlardan alır ve farklı tarzları bir araya getiremez. Dolayısıyla neşeli, üzgün ve öfkeli tonlarda alınan kayıtlar, bu üç tarzı da kullanabilen tek bir ses oluşturmaz. Aynı metin, farklı sentez isteklerinde kulağa biraz farklı gelebilir. Telefon hattı karşılama mesajları gibi sabit anonslar için AWS, sesi bir kez oluşturmayı, konuşmacıdan ve marka ekibinden onay almayı ve saklanan dosyayı kullanıma sunmayı öneriyor. Üretim metinleri devreye alınmadan önce özel adlar, sayılar, adresler ve uzun cümlelerle test edilmelidir.
Şirketler için bu sürüm, yeniden kullanılabilir bir sesi sentez API’leri, şifreleme ve hizmet kotalarıyla birlikte AWS uygulama yığınının bir parçası hâline getiriyor. Artık operasyonel görev yalnızca konuşma üretmekten ibaret değil; izinlerin, erişimin, bölgesel kopyaların ve dinleyicilere ulaşan sesin onay sürecinin yönetilmesini de kapsıyor.












