Aprendizaje automático
Amazon Polly
Servicio que convierte texto en voz realista (text-to-speech). Sirve para crear aplicaciones que hablan, en varios idiomas y con distintas voces, por ejemplo para lectores de noticias o accesibilidad.
Frases del examen que apuntan aquí
«convertir texto en voz que suene natural»
Amazon Polly recibe texto y devuelve audio hablado con voces realistas, listo para reproducir o guardar.
Cuándo no: Si el sentido es el contrario, de audio a texto, la respuesta es Amazon Transcribe. Si además hay que mantener una conversación con el usuario, se piensa en Amazon Lex, que junto con Polly forma interfaces de voz completas.
«controlar la pronunciación, las pausas o la velocidad de la voz»
Con SSML se marcan pausas, énfasis, velocidad, tono y volumen, y con los lexicones personalizados se fija cómo se pronuncian palabras concretas.
Cuándo no: Si el problema es que el sistema no reconoce bien ciertas palabras en un audio, eso es reconocimiento de voz: se resuelve con el vocabulario personalizado de Amazon Transcribe.
«generar archivos de audio de textos largos y guardarlos para reutilizarlos»
La síntesis asíncrona de Polly procesa textos largos en segundo plano y deja el audio en un bucket de Amazon S3; el audio generado se puede reproducir las veces que se quiera.
Cuándo no: Para frases cortas que deben sonar casi al instante, se usa la síntesis normal (SynthesizeSpeech), que devuelve el audio en la respuesta.
«resaltar cada palabra en pantalla mientras se lee en voz alta»
Las speech marks de Polly devuelven los tiempos de cada frase, palabra o forma de la boca, para sincronizar texto resaltado o animaciones con el audio.
Cuándo no: Polly no traduce: si el texto debe leerse en otro idioma, primero se traduce con Amazon Translate y luego se sintetiza.
«leer contenido en voz alta para mejorar la accesibilidad»
Ayudar a personas con discapacidad visual o con dificultades de lectura es uno de los usos típicos que AWS cita para Polly.
Cuándo no: Si el contenido está en una imagen o en un documento escaneado, primero hay que extraer el texto (Amazon Textract para documentos) y después sintetizarlo.