AI WORLD HQ
¿Alguna vez has escuchado una voz de computadora leer un mensaje largo y has sentido que te estaba leyendo algo, en vez de hablar contigo? Ese ritmo plano y robótico es precisamente lo que los modelos de voz más nuevos intentan corregir. Amazon ha anunciado una importante actualización de uno de ellos.
Qué es Amazon Polly
Amazon Polly es un servicio de conversión de texto a voz, es decir, transforma palabras escritas en audio hablado. Las empresas lo utilizan para crear versiones de audio de artículos, sistemas telefónicos, indicaciones de navegación y funciones de voz dentro de las aplicaciones. El motor «Generative» es un tipo más reciente de modelo de voz. En vez de unir sonidos pregrabados, genera el habla a partir de patrones que ha aprendido de una gran cantidad de datos de voces humanas. (En este contexto, un modelo es el software entrenado que realiza el trabajo).
Qué ha cambiado, según Amazon
Según el anuncio de Amazon, la actualización incorpora tres mejoras principales:
- Habla más expresiva. La voz debería sonar más natural, con mejores emociones y ritmo.
- Habla más precisa. El motor debería pronunciar las palabras de acuerdo con lo que pretende decir el texto.
- Baja latencia. La latencia es el breve retraso entre enviar el texto y escuchar el primer sonido. Una latencia menor significa que la voz empieza a hablar más rápido, algo importante en las conversaciones en directo.
Amazon también afirma que la actualización se puede incorporar directamente. Eso significa que las configuraciones existentes pueden pasar a la nueva versión sin tener que reescribir el código. Ahora está disponible para todos en producción, lo que significa que está lista para servicios reales y activos, no solo para pruebas.
Nuevas voces e idiomas
Amazon informa de 14 voces nuevas en 9 variantes regionales. Una variante regional combina un idioma con una variedad propia de una región, como la forma en que se habla inglés en un país frente a otro. La empresa también anunció que el hindi y el finés ya están disponibles para todos. El anuncio no incluye el nombre de cada voz ni todas las variantes regionales en el texto que tenemos, así que consulta la documentación oficial de Polly de Amazon para ver la lista completa antes de planificar un proyecto en torno a una voz específica.
Qué significa para ti
- Para tu negocio o trabajo: Si tu empresa envía mensajes de voz, lee documentos en voz alta o gestiona un sistema telefónico, una voz más natural puede hacer que los clientes sientan que reciben una mejor atención. Pregunta a tu desarrollador o equipo de informática si tu configuración actual ya utiliza Polly, ya que Amazon describe la actualización como una que no requiere cambios en el código.
- Para la accesibilidad y el contenido: Una voz más expresiva puede hacer que las versiones de audio del material escrito sean más fáciles de seguir para quienes prefieren escuchar, incluidas las personas con dificultades de lectura.
- Si estás empezando: No tienes que crear nada para beneficiarte. Busca productos y aplicaciones que mencionen Polly e intenta escuchar sus voces para notar la diferencia por ti mismo.
- Si ya lo utilizas: Si ejecutas Polly en producción, prueba algunos de tus guiones más largos o emotivos con el nuevo motor y compara el ritmo. Presta atención a la latencia en tus funciones en directo, ya que Amazon la destaca como una mejora importante.
En resumen
Amazon afirma que su motor Polly Generative ahora ofrece un habla más natural y precisa, con menos retraso, además de 14 voces nuevas y el hindi y el finés disponibles para todos. La actualización está diseñada para integrarse sin cambios en el código. Tu siguiente paso hoy: abre la documentación oficial de Polly de Amazon, comprueba qué voces y variantes regionales necesita tu proyecto y escucha una muestra antes de decidir nada.