AWS、音声合成「Amazon Polly」の生成エンジンを大幅刷新　表現力と読み上げ精度が向上、既存コード変更なしで利用可能

要点

• 米AWSは、音声合成サービス「Amazon Polly」の生成音声エンジン（Generative engine）の大幅なアップグレードを発表し、本番環境で一般提供を開始した。

• 低レイテンシーを維持しながら、より自然で表現力豊かな音声合成と、数字や住所などの高精度な読み上げを実現している。

• 9つの言語環境（ロケール）で14種類の新しい音声が追加され、ヒンディー語とフィンランド語の生成音声が初めて一般提供となった。

• 音声名やAPI仕様は従来通り維持されており、既存アプリケーションのコードを変更せずにそのまま利用できるドロップイン更新となっている。

• 米Amazon Web Services（AWS）は2026年10月22日（現地時間）、クラウド音声合成サービス「Amazon Polly」の生成エンジン「Generative engine」の大幅アップグレードを発表し、本番環境向けに一般提供（GA）を開始した。

• 今回の刷新は、低レイテンシー（応答遅延）を保ちながら、より表現力豊かで高精度な音声合成を実現したものだという。

• 既存の音声名やAPI仕様を変更しないドロップイン形式で提供され、ヒンディー語やフィンランド語への初対応を含む多言語展開も同時に行われた。

表現力の向上と低遅延を両立した新エンジン

Amazon Pollyの「Generativeエンジン」は、テキストを自然な音声へ変換する生成AIベースの機能である。今回のアップグレードでは、従来のモデルに比べてより本物らしく、感情やニュアンスに富んだ音声を出力できるよう改良されたと説明されている。

同時に、対話システムなどで重要となる低遅延な処理性能も維持されているという。AWSが公開したサンプル音声「Tiffany」では、親しみやすいトーンでの挨拶が披露されており、機械的な硬さを抑えた自然な会話調の発話が可能になったことが示されている。

数値や住所、通貨などの読み上げ精度を強化

今回のアップデートでは、ビジネス用途で不可欠となる表記データの読み上げ精度も大幅に改善された。数値の羅列や通貨単位、日時、住所といったテキストは、文脈に応じた適切な発音が求められるため誤読が生じやすい領域である。

公開された男性音声「Kenneth」による注文確認のサンプルでは、注文番号「4471 9902」、オレゴン州ポートランドの住所、配送日時（10月22日木曜、午前9時〜午後1時）、合計金額（1,284ドル50セント）、英数字コード「K-7-Q-2-X-9」が正確に読み上げられている。これにより、顧客対応や注文確認などの実務現場でも誤認を防ぎやすくなったとしている。

ヒンディー語とフィンランド語が新登場、14音声を拡充

対応言語と音声のバリエーションも拡充された。今回の発表により、9つのロケール（言語や地域環境）にわたり、新たに14種類の音声が追加されている。

なかでもヒンディー語とフィンランド語は、PollyのGenerativeエンジンにおいて初めて一般提供の対象となった。ヒンディー語ではニュース調の「Arjun」と物語を語る「Kiara」、フィンランド語では灯台守の物語を朗読する「Suvi」のサンプル音声が公開されている。これにより、多言語展開を行うサービスにおける音声合成の選択肢がさらに広がった形だ。

コード変更不要の「ドロップイン」仕様とPollyの用途

開発者にとって大きな利点となるのが、互換性を維持した「ドロップイン」形式での提供である。音声名やAPIの呼び出し方法は変更されていないため、すでにGenerativeエンジンを利用している既存システムは、コードを書き換えることなく最新エンジンの恩恵を受けられるという。

Amazon Pollyは、テキストを自然な音声に変換するAWSのフルマネージド型（運用管理が不要なクラウド形態）サービスである。コンタクトセンターの自動応答、大規模言語モデル（LLM）と連携したAIエージェント、メディア、eラーニング、アクセシビリティ支援など、信頼性と規模が求められる幅広い用途で活用されている。