Amazon Polly 生成式引擎大版本升级，新增 14 个声音

AWS 于 2026 年 10 月 22 日宣布 Amazon Polly 生成式引擎完成大版本升级并正式可用：语音更自然准确，新增 14 个生成式声音覆盖 9 个语言区域，印地语与芬兰语首次提供，且不需要改动代码。

这次发布的是什么

AWS 于 2026 年 10 月 22 日宣布，Amazon Polly 的生成式引擎完成一次大版本升级并正式可用。官方给出的三个要点是：语音输出更自然、更准确，新增 14 个生成式声音覆盖 9 个语言区域，其中印地语与芬兰语的生成式声音是首次正式可用。

这次升级属于原地替换——语音名称与 API 调用方式都不变，已有应用不需要改代码。Amazon Polly 是 AWS 提供的全托管文本转语音服务，面向呼叫中心、基于大模型的智能体应用、媒体娱乐、在线教育与无障碍等需要规模化语音输出的场景。

可用性与限制

• 形态：新一代生成式引擎与新增声音已正式可用。
• 新增内容：14 个生成式声音，覆盖 9 个语言区域；印地语与芬兰语为首次提供生成式声音。
• 兼容性：语音名称与 API 调用保持不变，已有生成式语音的应用原地升级，无需改代码。
• 计费：官方称升级不加价、不新增 SKU，仍是按量计费。具体费率以 Amazon Polly 定价页为准。
• 可用区域：新增的 14 个生成式声音目前在美国东部（弗吉尼亚北部）、美国西部（俄勒冈）、欧洲（法兰克福）、欧洲（苏黎世）、欧洲（伦敦）、亚太（悉尼）、亚太（首尔）、亚太（新加坡）、亚太（东京）、加拿大（中部）以及 AWS GovCloud（美国西部）提供。
• 控制能力：支持 SSML 标记语言做细粒度控制，并提供低延迟流式输出。
• 网络与合规：服务依托 AWS 区域，境内部署与数据合规需自行评估。

主要功能

• 以更自然、更准确的生成式语音合成文本。
• 低延迟流式输出，适配实时语音场景。
• 用 SSML 控制停顿、语速与发音等细节。
• 用同一套 Amazon Polly API 与 IAM 权限体系接入。
• 把大模型的回复文本转成语音，串接成级联式语音智能体。
• 缓存并复用已合成的固定内容，减少重复合成。
• 沿用既有的 AWS 凭据、区域与审计体系。

技术原理

从调用侧看，这次升级没有改变接口形态：仍然是一次标准的 Amazon Polly 语音合成调用，只是引擎参数指定为 generative，语音 ID 选用目录里的生成式语音。官方强调这是一次直接替换式的升级——引擎在服务端换成了新一代模型，调用方不需要调整代码、不需要新增 SKU，也无需重新集成。

在语音智能体这类场景里，典型接法是把大模型的文本回复交给 Polly 合成为音频，再通过 WebSocket 或电话通道流式回传给用户，从而降低用户感知到的等待时间。SSML 则提供了在合成阶段精细控制输出的能力。

实际体验

验证这次升级最省事的方式是「同一段文本、前后对比」：挑一段包含数字、地址、验证码这类容易读错的文本，分别用原有生成式语音和升级后的语音合成，直接听差异——官方也在页面提供了示例音频。如果已经在使用生成式语音，升级是原地生效的，改动的只有听感。

判断是否值得切换，重点看两类内容：一是含有大量专有名词、订单号与地址的客服或交易播报，准确性提升的收益最直接；二是长篇幅的有声内容，表达力的改善更容易被听出来。

项目地址与获取方式

官方渠道：AWS 机器学习博客上的公告文章、Amazon Polly 控制台、Amazon Polly 官方文档，以及 AWS 命令行工具与各语言 SDK。请通过官方渠道获取文档与访问方式，避免从非官方镜像安装被篡改的版本。

适合谁用

• 客服与呼叫中心：需要把订单号、地址、验证码读准的自助服务场景。
• 做级联式语音智能体、要把大模型回复实时转成语音的团队。
• 需要把同一份内容本地化到多个语言市场的媒体与本地化团队。
• 规模化制作课程旁白、知识库音频的教育与培训团队。
• 不适合：只需一次性、少量音频且对语音自然度不敏感的场景，用既有神经语音即可。

常见问题

需要改代码吗？

不需要。官方明确这次是原地升级：语音名称与 API 调用都不变，已经在使用 Polly 生成式语音的应用会在原地获得升级后的声音，新的应用则直接在目录里选用生成式语音即可。

价格变了吗？

官方的说法是同样的价格、更好的质量：不提价、不新增 SKU、集成方式不变。具体费率以 Amazon Polly 定价页为准，做预算时请以官网当前报价为依据。

覆盖哪些语言和区域？

本次新增 14 个生成式声音，覆盖 9 个语言区域，其中印地语与芬兰语是首次提供生成式声音。区域方面，美国、欧洲、亚太、加拿大与 GovCloud（美国西部）的多个区域已提供，完整清单以官方文档为准。

和此前的神经语音是什么关系？

两者是不同的引擎选择。生成式引擎是 AWS 提供的另一条合成路线，这次升级针对的是生成式引擎本身；如果你目前用的是神经语音，这次升级不直接改变它的输出。

能用于实时对话吗？

可以。官方给出的实时场景用法是把大模型回复通过 Polly 合成后流式回传，并支持 SSML 做细节控制。实际延迟取决于区域、网络与集成方式，建议按自己的链路实测。

相关工具与内容

• AI 音频
• AI 对话
• 火山引擎语音合成
• ElevenLabs
• Murf AI
• 通义听悟
• AI 音频工具怎么选
• AI 音频榜单
• MAI Voice 转写流式能力