AWS于2026年10月22日将Amazon Polly的生成式语音引擎升级，新增覆盖印地语与芬兰语在内的语言与语音变体，接口与计费方式保持不变。AWS提示虽无须改代码但可能存在声音细微变化与文档差异，建议在目标区域与SSML支持上进行验证与试听。
亚马逊云科技（AWS）于2026年10月22日宣布，Amazon Polly的生成式语音引擎完成升级，新增覆盖9个语言区域的14个语音变体，印地语和芬兰语首次获得该引擎的正式支持。AWS称，升级已正式用于生产，现有生成式语音的名称、API调用方式和价格保持不变。
这不是Polly服务的首次推出，也不是其双向流式接口的首次发布。此次变化集中在生成式引擎的声音表现、语言覆盖和部署区域；标准语音与神经语音引擎不受影响。对已经接入Polly生成式语音的应用，AWS将其描述为一次原位升级，而不是需要重新集成的新产品。
不过，接口不变与输出完全不变并非同一回事。AWS开发指南提醒，模型和训练数据更新可能改变声音的细微表现；与此同时，公告与指南列出的语音目录总数仍有差异。对企业用户而言，迁移成本较低不等于可以省略试听和部署检查。
新增语言之外，AWS希望改善的是“读对”和“说得自然”
在此次官方公告中，AWS把更自然的语调、更丰富的表达，以及数字、货币、地址等内容的读音准确性列为升级重点。公告以订单确认、物流编号和收货地址等场景展示其预期用途，也称引擎能根据文本中的语境调整语气，而不必逐项手动设置。
这些能力直接关系到客服和语音智能体的实际体验：一句欢迎语是否悦耳，与一串确认码能否准确读出，是不同的问题。前者影响听感，后者则可能影响用户能否完成交易或核对信息。AWS展示了相关示例，但公告没有给出足以独立复核的统一质量评分、错误率或端到端延迟对照，因此不能据此判断改进幅度，也不能认定其领先于其他语音服务。
新增目录覆盖美国英语、澳大利亚英语、印度英语、德语、美国西班牙语、巴西葡萄牙语、韩语、印地语和芬兰语。其中，Arjun和Kiara同时出现在印度英语与印地语条目中，Suvi用于芬兰语。因此，公告所称的“14个新语音”应结合语言区域理解，不宜直接写成14个互不重复的声音ID。
AWS称，升级后的生成式目录合计有57个语音，覆盖11种语言、25个语言区域。这里的语言区域（locale）用于区分同一种语言的不同地区版本，并不等同于新增语言数量。
公告还引用芬兰媒体Sanoma Media Finland产品经理Justus Reinikainen的说法：该公司每月利用Polly的芬兰语神经语音将超过一万篇文章转为音频，其测试认为新的Suvi生成式语音更自然。这个案例说明现有新闻朗读流程的潜在升级方向，但每月一万多篇对应的是原有神经语音业务，不能写成新生成式语音已经承载的产量；客户的测试感受也不是独立评测结果。
接口与计费延续，但实时对话仍是一条完整链路
AWS表示，现有应用继续使用相同的Polly接口、身份与访问管理（IAM）机制及业务流程，无须为此次生成式引擎升级修改代码。开发者仍可通过SynthesizeSpeech合成语音，或使用StartSpeechSynthesisStream在持续发送文本的同时接收音频。
双向流式接口文档显示，该操作通过HTTP/2连接逐步接收文本事件，并在音频可用时返回音频片段。这适合把语言模型逐步生成的回答转成语音，但Polly在这种架构中承担的是文本转语音环节，不等于同时提供了语音识别、对话推理和业务执行能力。
价格方面，AWS称本次升级不涨价、不增加新的计费项目。Polly定价页列出的生成式语音按需价格为每百万字符30美元，适用于免费额度之外的语音请求；计费单位是输入文本字符，而非大模型常见的token。页面也说明，已生成的语音可以缓存并重播，不额外收取Polly语音合成费用。这不代表应用的存储、网络或其他云服务成本一并免除。
对实时语音应用而言，流式传输是降低等待感的一种机制，却不是延迟表现的测量结果。用户实际需要等待多久，还受上游文本生成、网络传输和播放器缓冲等环节影响。此前本站介绍的开放TTS排行榜及其评测方法也区分了可懂度、生成速度、首段音频等待时间和人工听感；这种区分有助于理解此次公告，但并不构成对新版Polly的实测。
官方目录尚有差异，区域覆盖也不等于功能完全一致
此次扩展包括AWS GovCloud（US-West）。公告将生成式引擎的覆盖范围列为11个AWS区域，开发指南也列出了这11个区域。
然而，当前生成式语音开发指南仍写有55个语音变体，语言区域主表列出24项，与公告所称的57个语音、25个语言区域并不一致。指南主表列出了芬兰语Suvi，没有单列印地语；但同一页的区域兼容性说明又明确列出Arjun和Kiara支持en-IN及hi-IN。
这些差异说明，公告、目录表格与区域说明不能不加区分地合并为一份已经核实的运行时清单。目前没有足够依据确认差异原因，不能自行归结为文档更新滞后，也不能据主表缺项否定公告中的印地语支持声明。AWS建议部署时调用DescribeVoices，确认所选生成式语音在目标区域是否可用。
功能覆盖也需要单独核对。指南列出的生成式引擎区域有11个，但双向流式接口的区域列表只有9个，未列入东京和首尔；伦敦、加拿大中部、苏黎世及GovCloud（US-West）还附有特定语音支持清单。因此，“引擎在该区域可用”不能直接推导为“所有语音与所有接口都可用”。
无须改代码，不意味着无须重新验收
生成式语音仍有明确功能边界。AWS说明，这一引擎不支持speech marks，即用于语音与文本、动画等同步的标记数据。需要此类输出的应用不能仅凭声音更自然就直接替换原有方案。
此外，SSML支持表显示，语音合成标记语言并非全部可用：停顿等标签获得支持，发音和韵律控制中的部分标签仅获部分支持，强调、耳语及新闻播报风格等功能则不支持。已有SSML模板仍需按生成式引擎的实际支持范围检查。
声音一致性是另一项长期成本。开发指南指出，即使总体质量提升，模型更新仍可能让同一语音听起来略有不同；对跨较长时间持续合成的播客、课程或其他系列内容，这种变化可能影响前后统一。
指南也保留了生成式语音的幻觉风险说明：内置紧急停止机制可以降低异常输出风险，却无法完全消除风险；某些情况下可能截断词语，另一些边缘情况下仍可能继续生成随机内容。这意味着，对金额、地址、身份信息或交易确认等关键内容，不能将“准确性提升”的产品声明视为免除验收的保证。
此次升级的实际意义，是让已有Polly生成式语音用户在延续接口和计费方式的同时，获得更广的语言选择及AWS所称的声音质量改进。但能否满足具体业务，仍取决于目标区域、语音、SSML模板和真实文本的组合。本文核验的是公开公告与文档，未进行账户级调用、音频生成或端到端兼容性测试；相关性能与可用性不应被理解为已经独立验证。