AWS 于 2026 年 11 月 19 日宣布 Amazon Polly 的声音克隆能力正式可用,但以门控发布形式提供,需通过账户团队或申请表申请。官方写明用征得同意的说话人录制的数分钟音频即可创建克隆声音,运行在 Polly 生成式引擎上,支持英语、西班牙语、德语、法语、意大利语、葡萄牙语与印地语七种语言。克隆声音自动加密并做访问控制,官方称创建后不保留录音副本、也不用于训练 Polly 模型。价格与区域细节以官网为准。
Amazon Polly 上线声音克隆:数分钟录音生成品牌音色,七种语言、需申请访问
这次发布的是什么
AWS 在 2026 年 11 月 19 日宣布 Amazon Polly 支持声音克隆,官方 what's-new 页面标注「Posted on: Nov 19, 2026」,feed 条目时间为当天 08:00 GMT。
官方对状态的描述有两层需要同时记住。一是它写的是正式可用;二是它紧接着写了「as a gated release」,即门控发布。两者合起来的含义是:能力本身已上线,但访问需要申请,并非所有账户默认可用。官方写明已对部分 Polly 客户开放,其他客户可联系账户团队或通过申请表申请。
Amazon Polly 本身是 AWS 的托管文字转语音服务。此次新增的是从录音创建克隆声音的能力,官方举例的用途包括 IVR 与联络中心、语音智能体、移动应用、广告、联网设备,以及有声书、电子学习、播客、视频和游戏角色等内容创作场景。
可用性与限制
- 时间锚点:AWS what's-new 页写 Posted on: Nov 19, 2026,RSS pubDate 为 2026-11-19T08:00:00Z
- 发布状态:官方写正式可用,同时明确 as a gated release,需申请访问
- 申请方式:官方写联系 AWS 账户团队,或通过其页面上的申请表申请
- 录音要求:官方写需要征得同意的说话人提供的数分钟录音
- 语言范围:英语、西班牙语、德语、法语、意大利语、葡萄牙语、印地语共七种,每个克隆声音说其录制时所用语言
- 引擎:克隆声音运行在 Amazon Polly 生成式引擎上,官方称自然度与准确度与其余生成式声音相近
- 区域:官方列出美国东部、美国西部、欧洲法兰克福、苏黎世、伦敦、亚太悉尼、首尔、新加坡、东京、加拿大中部及 AWS GovCloud 美国西部等区域的完整清单,以官网当前列表为准
- 数据与隐私:官方称克隆声音自动加密并做访问控制,仅账户本人可访问;声音创建后不保留录音副本,也不用其训练 Polly 模型
- 计费口径:官方写创建克隆声音不另行收费,合成语音按用量计费,具体价格以官网为准
- 文档入口:官方指向 Amazon Polly 文档与价格页,本文不转述具体金额
主要功能
- 用数分钟征得同意的录音创建与说话人相似的克隆声音
- 在 Polly 生成式引擎上合成克隆语音,支持七种语言
- 为品牌在 IVR、联络中心、语音智能体与移动应用中配置统一音色
- 为有声书、电子学习、播客、视频与游戏角色创建多个不同声音
- 对克隆声音自动加密并施加访问控制
- 声音创建后不保留录音副本,符合官方描述的隐私边界
- 与现有 Polly 文字转语音能力共同使用
技术原理
按官方说明,输入是一段来自同意授权说话人的录音,时长为数分钟;输出是一个可在 Polly 生成式引擎上运行的克隆声音。官方把它与 Polly 其余生成式声音放在同一引擎下,称自然度与准确度相近,但没有公开模型结构、训练方式或所需音频质量阈值的细节,本文不据此推断。
语言处理有一条明确规则:七种语言中,每个克隆声音说它录制时使用的语言。这意味着多语言场景需要分别准备对应语言的录音与声音,而不是一个克隆声音自动覆盖多种语言。官方列出的七种是英语、西班牙语、德语、法语、意大利语、葡萄牙语与印地语。
隐私与访问控制是这次公告着墨较多的部分。官方写克隆声音会自动加密并做访问控制,只有账户本人可以访问;声音创建之后,Polly 不保留录音副本,也不把这些录音用于训练 Polly 模型。这些是官方明示的处理方式。至于录音在传输与创建过程中的保存期限、删除机制与合规认证清单,本次核对的页面没有逐项展开,属于未核实点,留待人工审定。
门控发布意味着技术可用与账户可用是两件事。官方写它已对部分客户启用,其余需通过账户团队或申请表申请,申请审批周期与资格条件未在页面中列出,以官网为准。
实际体验
从官方描述看,使用路径是先获得门控访问,再用数分钟合规录音创建声音,随后像使用其他 Polly 声音一样调用合成接口。官方没有提供控制台截图或逐步操作说明,本文不复写未核实的界面路径,只按官方给出的入口记录。
官方举例的场景里,品牌音色的一致性是主要卖点:在 IVR、联络中心、语音智能体、移动应用、广告与联网设备之间复用同一个声音。内容创作侧则强调可以创建多个声音,分别用于有声书、课程、播客、视频和游戏角色。这些是厂商给出的用途,是否达到预期需要在自己的素材上评估。
需要提醒两点。其一,官方明确录音必须来自同意授权的说话人,合规责任在使用方,不能把这段说明当成授权豁免。其二,声音克隆属于敏感能力,官方用门控发布与访问控制来限制扩散,申请未通过时不应把它规划进既定期限的项目。官方没有公开克隆效果的公开基准或样例对比,本站不转述未公开的表现判断。
项目地址与获取方式
- 官方公告:AWS what's-new 页面「Amazon Polly now supports voice cloning」
- 访问申请:按官方说明联系 AWS 账户团队,或使用页面中的申请表
- 文档入口:Amazon Polly 官方文档,以当前版本为准
- 配套示例:官方指向 AWS 官方 GitHub 仓库中的文字转语音示例
- 价格信息:以 Amazon Polly 官方价格页为准,本文不转述金额
- 请通过官方渠道申请与调用,避免使用来源不明的声音克隆服务处理授权录音
适合谁用
- 需要在 IVR、联络中心与语音智能体中保持统一品牌音色的企业
- 有声书、在线课程、播客与视频内容的制作团队,需要为不同角色配置多个声音
- 已经在使用 Amazon Polly、且具备合规录音来源的 AWS 客户
- 对声音所有权与录音留存有明确要求的团队,官方明示不保留录音副本且不用于训练
- 不必用的场景:没有合规授权录音的个人用户、无法获得门控访问批准的项目、只需要通用预置声音而不追求特定音色的场景
常见问题
这是正式可用还是预览?
官方同时写了两层:能力是正式可用,但以 as a gated release 形式提供。也就是已正式上线,却需要申请访问;官方写明已对部分客户启用,其余可联系账户团队或提交申请表。本文按这两层如实记录。
创建克隆声音需要多少录音?
官方写的是「a few minutes of recordings from a consenting speaker」,即来自同意授权说话人的数分钟录音。官方没有给出精确的最小时长、采样率或设备要求,这些细节以官方文档为准。
一个克隆声音能说多少种语言?
七种:英语、西班牙语、德语、法语、意大利语、葡萄牙语与印地语。官方明确每个克隆声音说它录制时所用的语言,因此多语言内容需要分别准备对应语言的录音,而不是一个声音自动切换语言。
我的录音会被保留或用于训练吗?
官方写明两点:声音创建后 Polly 不保留录音副本,也不使用这些录音训练 Polly 模型。同时克隆声音会自动加密并做访问控制,只有账户本人可访问。更细的留存与删除机制官方页面未列,属于待核实点。
收费是怎么算的?
官方写创建克隆声音本身不另行收费,费用来自合成出来的语音,按用量计费。具体费率、区域差异与免费额度以 Amazon Polly 官方价格页为准,本文不转述任何金额。
相关工具与内容
- 工具页:ElevenLabs
- 工具页:火山引擎语音合成
- 工具页:Murf
- 分类页:AI 音频
- 相关文章:ElevenLabs Scribe v3 Live Medical
相关内容
AWS Quick 同日三组更新:插件打包智能体与技能,网页端与 Flows 打通跨端工作流
AWS 在 2026 年 11 月 20 日至 21 日连续发布三条 AWS Quick 更新:插件可把智能体、技能、连接器与流程打包成一次安装的单元;网页端把桌面体验搬进浏览器,并更新浏览器扩展与 Microsoft 365 加载项;Flows 支持用对话构建自动化,并加入确定性步骤与输出校验。官方用户指南说明 Quick 由 Amazon QuickSight 演进而来,原有 QuickSight 接口与集成继续可用。
Amazon Bedrock 网页搜索新增五种语言与国别字段:按用户所在国偏置检索来源
AWS 于 2026 年 11 月 21 日宣布 Amazon Bedrock 的 Web Search 工具新增西班牙语、法语、德语、意大利语和日语,并支持非美式英语;同时加入可选的国家字段,用 ISO 3166-1 alpha-2 代码把检索来源偏置到指定国家。现有客户无需改代码即可获得语言能力,可用区域与数据驻留口径以官网为准。
Transformers v5.24.0 发布:纳入十个新模型架构,缓存参数改名进入兼容期
Hugging Face 于 2026 年 11 月 21 日发布 Transformers v5.24.0,正式版标注为 prerelease=false。本次新增 Inkling 2 Mini、Apertus 1.5、Omnilingual ASR、HY4-VL 等十个模型架构支持,同时把 past_key_values 与 cache_params 统一改名为 cache,并给出跨版本的兼容时间表。
继续阅读:Gemini 应用 Mac 版上线 computer use:在后台替你操作本地应用与网页 · Vercel AI Gateway 接入 GPT-Live 1.1:全双工语音模型,可中途打断与委派任务