AWS, Amazon Polly Üretken Motorunu 14 Yeni Sesle Yükseltiyor

Amazon Web Services, 22 Ekim 2026’da Amazon Polly Üretken metinden konuşmaya motorunun genel kullanıma sunulan yükseltilmiş sürümünü yayımladı. Dokuz yerel ayarda 14 yeni ses ekleyen sürüm, üretken sesleri ilk kez Hintçe ve Fince için de sunuyor. Şirket, bir AWS Makine Öğrenimi Blogu yazısında güncellenen motorun düşük gecikmeyle daha etkileyici ve daha doğru konuşma çıktısı ürettiğini ve artık üretim ortamlarında kullanılabildiğini belirtti.

Bu sürüm, mevcut üretken sesler için doğrudan kullanılabilen bir yükseltme olarak sunuluyor: Ses adları ve API çağrıları değişmediğinden, bu sesleri kullanan uygulamalar herhangi bir değişiklik yapılmadan çalışmaya devam ediyor. AWS, Amazon Polly’yi metni doğal sesli konuşmaya dönüştüren, tümüyle yönetilen bir hizmet olarak tanımlıyor. Hizmet; çağrı merkezlerinde, büyük dil modelleri üzerine kurulu ajan tabanlı uygulamalarda, medya ve eğlence alanında, e-öğrenmede, erişilebilirlik çözümlerinde ve ölçekli, güvenilir ses çıktısı gerektiren diğer iş yüklerinde kullanılıyor.

Konuşma Kalitesi ve Motor Tasarımı

AWS, yükseltilen seslerin elle herhangi bir ayar yapılmasına gerek kalmadan girdideki metne göre duygu ve prozodiyi ayarlayabildiğini belirtti. Duyuruda bu özellik, bir paketin erken teslim edilmesiyle ilgili aynı cümlenin üç farklı biçimde okunmasıyla (biri nötr, biri tereddütlü, biri şaşkın) ve örnek ses kayıtlarıyla gösteriliyor. Örneklerden birinde Tiffany sesi dinleyiciyi selamlayıp kendisini Polly’nin üretken seslerinden biri olarak tanıtıyor; bir diğerinde Kenneth sesi sipariş onayını yeniden okuyor. AWS, bu sesin takip numarasını, teslimat tarihini ve saat aralığını, para birimi cinsinden toplam tutarı ve sokak adresini doğru biçimde aktardığını belirtiyor.

Amazon Polly Geliştirici Kılavuzu, Üretken motoru bugüne kadarki en büyük Amazon Polly metinden konuşmaya modeli olarak tanımlıyor. Ham metni konuşma kodlarına dönüştüren milyar parametreli bir transformatörü, bu kodları artımlı ve akışa uygun biçimde dalga formlarına dönüştüren evrişim tabanlı bir kod çözücüyle bir araya getiriyor. Kılavuz, bu teknoloji üretken yapay zekâ yaklaşımının bir parçası olduğundan, eğitim verilerinde ve modelde yapılan güncellemelerin genel kaliteyi artırsa bile seslerin tınısında küçük farklılıklara yol açabileceği konusunda uyarıyor. Bu durum, bir podcast sezonu gibi uzun bir süre boyunca parçalar hâlinde sentezlenen içerikler için dikkate alınması gereken bir nokta.

Yeni Sesler, Diller ve Bölgeler

Yerel ayarlara göre 14 yeni ses şöyle: ABD İngilizcesi (Kenneth, Nate), Avustralya İngilizcesi (Russell, Curtis), Hindistan İngilizcesi (Kiara, Arjun), Almanca (Tina), ABD İspanyolcası (Carlos), Brezilya Portekizcesi (Leo, Carolina), Korece (Hyunduk), Hintçe (Kiara, Arjun) ve Fince (Suvi). AWS, Hintçe sesler Arjun ve Kiara ile Fince ses Suvi için örnek metinler yayımladı ve Hintçe ile Fincenin Üretken motorda ilk kez genel kullanıma sunulduğunu belirtti.

AWS, yeni eklemelerle birlikte Üretken kataloğunda artık 11 dil ve 25 yerel ayarda toplam 57 ses bulunduğunu belirtti. Yeni 14 ses, 11 AWS Bölgesinde kullanılabiliyor: ABD Doğu (Kuzey Virginia), ABD Batı (Oregon), Avrupa (Frankfurt), Avrupa (Zürih), Avrupa (Londra), Asya Pasifik (Sidney), Asya Pasifik (Seul), Asya Pasifik (Singapur), Asya Pasifik (Tokyo), Kanada (Merkez) ve AWS GovCloud (ABD-Batı). GovCloud (ABD-Batı) bölgesinin eklenmesi, motorun kapsama alanını genişletiyor.

API’ler, Fiyatlandırma ve Belgelenmiş Sınırlamalar

Mevcut entegrasyonlar hiçbir değişiklik yapılmadan kullanılmaya devam edebiliyor. Motor parametresi generative olarak ayarlanmış aynı SynthesizeSpeech API çağrısı, yükseltilen seslere erişim sağlıyor ve AWS herhangi bir kod değişikliği gerekmediğini belirtiyor. Gerçek zamanlı iş yükleri için çift yönlü akış API’si StartSpeechSynthesisStream, uygulamanın Amazon Polly’ye metin akışı gönderirken sentezlenmiş sesi aynı anda geri almasına olanak tanıyor. AWS, bu yöntemin sesli ajanlar ve oyunlardaki özel karakterler için özellikle uygun olduğunu belirtiyor.

Fiyatlandırma aynı kalıyor. AWS, yükseltmenin mevcut fiyat üzerinden ses kalitesini ve doğruluğunu artırdığını; maliyet artışı, yeni SKU veya mevcut entegrasyonlarda değişiklik getirmediğini belirtiyor. Müşteriler, sentezlenmiş statik istemleri ek ücret ödemeden önbelleğe alıp yeniden oynatabiliyor. Üretken motor, çıktı üzerinde ayrıntılı denetim sağlayan Konuşma Sentezi Biçimlendirme Dili etiketlerini desteklemeyi de sürdürüyor.

Belgelenmiş çeşitli sınırlamalar geçerliliğini koruyor. Üretken seslerde konuşma işaretleri hâlâ kullanılamıyor; yükseltmeden etkilenmeyen standart ve sinir ağı tabanlı sesler ise bu işaretleri desteklemeyi sürdürüyor. Geliştirici kılavuzunda, haber spikeri konuşma tarzının Üretken motorda desteklenmediği, çift yönlü akışın yalnızca belirli bölgelerde sunulduğu ve üretken seslerin varsayılan örnekleme hızının 24 kHz olduğu belirtiliyor. Desteklenen çıktı biçimleri MP3, OGG (Vorbis) ve ham PCM. Kılavuz ayrıca, modelin halüsinasyon görme olasılığı belirdiğinde (genellikle bir cümlenin sonuna doğru) konuşma oluşturmayı durduran yerleşik bir acil durdurma mekanizmasını açıklıyor. AWS, bu güvenlik önleminin riski azalttığı ancak ortadan kaldırmadığı konusunda uyarıyor; uç durumlarda model bir kelimenin bir kısmını kesebilir veya durdurma eşiğinin ötesinde içerik üretmeye devam edebilir.

Kullanılabilirlik ve İlk Müşteri Kullanımları

AWS’ye göre kalite iyileştirmeleri, Amazon Connect ve Genesys iletişim merkezi akışlarına otomatik olarak yansıyor. Geliştiriciler, polly:SynthesizeSpeech IAM iznini kullanarak seslerle AWS Management Console, AWS Command Line Interface veya AWS SDK’ları üzerinden çalışabilir ve seçilen üretken sesin uygulamanın çalıştığı bölgede kullanılabilir olduğunu doğrulamak için dağıtım sırasında DescribeVoices çağrısı yapabilir.

Sanoma Media Finland’da ürün yöneticisi olan Justus Reinikainen, şirketin gerçek zamanlı haber makalelerini sese dönüştürmek için Amazon Polly kullandığını ve şu anda Polly’nin Fince nöral sesiyle ayda 10.000’den fazla makale yayımladığını söyledi. Reinikainen, şirketin testlerinde Suvi’nin yeni üretken sesinin önceki nöral sese kıyasla belirgin bir iyileşme sağladığını ve dinleyicilere çok daha doğal geldiğini belirtti.