Build a Serverless Text-to-Speech Application with Amazon Polly (Simplified Chinese)

概览

一般来说，语音合成并非易事。您不能假设当应用程序读取一个句子的每个字母时，输出都是有意义的。文字转语音应用程序面临的一些常见挑战包括：

• 书写方式相同但发音不同的单词：I live in Las Vegas 与 This presentation broadcasts live from Las Vegas 相比。
• 文本规范化：消除缩写、首字母缩略词和单位的歧义：例如 St.，可以展开为 Street 或 Saint。
• 在具有复杂映射的语言中将文本转换为音素，例如在英语中，tough、through 和 though。在本例中，不同单词的相似部分可以根据单词和上下文有不同发音。
• 外来词 (déjà vu)、专有名词 (François Hollande) 和俚语（ASAP、LOL）。

Amazon Polly 提供的语音合成功能克服了这些挑战，使您能够专注于构建使用文字转语音的应用程序，而不是解决口译挑战。

Amazon Polly 可将文本转换为逼真的语音。借助 Amazon Polly，您可以构建支持自然聊天的应用程序，从而打造全新类别的具有语音功能的产品。Amazon Polly 是一种 Amazon AI 服务，它使用高级深度学习技术来合成很像人声的语音。它可以提供几十种逼真的声音并支持 20 多种语言，因此您可以选择最合适的声音，并构建适用于许多不同国家/地区的具有语音功能的应用程序。

此外，Amazon Polly 的响应时间一贯很快，而这正是支持实时的交互式对话所必需的。您可以缓存并保存 Polly 的音频文件，以便离线重放或重新分发。（换句话说，您转换和保存的内容就是您的。使用语音不会产生额外的文字转语音费用。）Polly 使用起来也非常简单。您只需将要转换为语音的文本发送到 Amazon Polly API。Amazon Polly 会立即将音频流返回给您的应用程序，以便您的应用程序可以直接播放该音频流，或将其存储为 MP3 等标准音频文件格式。

在本实验中，您将创建一个基本的无服务器应用程序，该应用程序使用 Amazon Polly 将文本转换为语音。该应用程序有一个简单的用户界面，可以接受多种不同语言的文本，然后将其转换为可以从 Web 浏览器播放的音频文件。本实验使用的是博客文章，但您可以使用任何类型的文本。例如，您可以在做饭时使用该应用程序阅读食谱，或者在驾驶或骑自行车时阅读新闻文章或书籍。

应用程序架构

您将构建一个无服务器应用程序，这意味着您不需要使用服务器，无需预置、修补和扩展。AWS 云会自动完成这些任务，让您能够专注于您的应用程序。

该应用程序提供两种方法：一种用于发送有关应转换为 MP3 文件的新文章的信息，另一种用于检索有关文章的信息（包括指向存储在 Amazon S3 存储桶中的 MP3 文件的链接）。这两种方法都通过 Amazon API Gateway 作为 RESTful Web 服务进行公开。

当应用程序发送有关新文章的信息时：

1 信息由 Amazon API Gateway 公开的 RESTful Web 服务接收。此 Web 服务由托管在 Amazon Simple Storage Service (Amazon S3) 上的静态网页调用。

2 Amazon API Gateway 触发一个 AWS Lambda 函数 New Post，该函数负责初始化生成 MP3 文件的过程。

3 Lambda 函数将有关文章的信息插入 Amazon DynamoDB 表，有关所有文章的信息都存储在该表中。

4 要异步运行整个过程，您可以使用 Amazon Simple Notification Service (Amazon SNS) 来分离接收有关新文章的信息和启动音频转换的过程。

5 另一个 Lambda 函数 Convert to Audio 订阅您的 SNS 主题，并在出现新消息时触发（这意味着新文章应转换为音频文件）。

6 Convert to Audio Lambda 函数使用 Amazon Polly 将文本转换为指定语言（与文本语言相同）的音频文件。

7 新的 MP3 文件保存在专用的 S3 存储桶中。

8 有关文章的信息在 DynamoDB 表中更新。存储在 S3 存储桶中的音频文件的 URL 与先前存储的数据一起保存。

当应用程序检索有关文章的信息时：

1 RESTful Web 服务使用 Amazon API Gateway 进行部署。Amazon API Gateway 公开检索有关文章的信息的方法。这些方法包含文章的文本以及指向存储 MP3 文件的 S3 存储桶的链接。该 Web 服务由托管在 Amazon S3 上的静态网页调用。

2 Amazon API Gateway 调用 Get Post Lambda 函数，该函数将部署用于检索文章数据的逻辑。

3 Get Post Lambda 函数从 DynamoDB 表中检索有关文章的信息（包括对 Amazon S3 的引用），并返回该信息。

涵盖的主题

本实验结束时，您将能够：

• 创建 Amazon DynamoDB 来存储数据
• 创建 Amazon API Gateway RESTful API
• 创建由 API Gateway 触发的 AWS Lambda 函数
• 将 AWS Lambda 函数与 Amazon Simple Notification Service (SNS) 连接
• 使用 Amazon Polly 合成多种语言和声音的语音

图标键

本实验中使用了不同图标，以提醒大家注意各种类型的说明和备注。下面的列表解释了每个图标的用途：

• 您必须运行的命令
• 您可以用来验证命令或已编辑文件输出的示例输出
• 一项提示、技巧或重要指导
• 特别相关或较为重要的信息（不查看该信息并不会损坏设备或数据，但可能导致需要重复某些步骤）
• 警告：提醒这是一项不可逆转且可能造成命令或进程失败的操作（包括提醒配置在完成后将无法更改）。