Amazon Web Services 22 października 2026 roku udostępnił nowy model w generatywnym silniku Amazon Polly, który ma brzmieć naturalniej i dokładniej czytać liczby, adresy oraz kwoty. Aktualizacja dodaje 14 głosów w dziewięciu wariantach językowych, po raz pierwszy wprowadza do silnika generatywnego hindi i fiński, a cena i API pozostają bez zmian.
- 22 października 2026 roku AWS udostępnił nowy model w generatywnym silniku Amazon Polly, który dodaje 14 głosów w dziewięciu wariantach językowych i po raz pierwszy wprowadza do silnika generatywnego hindi oraz fiński, przy czym cena i API pozostają bez zmian.
- Po aktualizacji katalog generatywnego silnika Amazon Polly liczy 57 głosów w 11 językach i 25 wariantach regionalnych, co oznacza ponad dwukrotny wzrost w ciągu około 14 miesięcy.
- Dokumentacja Amazon Polly ostrzega, że aktualizacje modelu mogą zmieniać brzmienie głosów bez możliwości „przypiącia" starszej wersji, co stanowi ryzyko dla treści syntetyzowanych w długich seriach, a wbudowany mechanizm awaryjnego zatrzymania sygnalizuje, że model generujący mowę token po tokenie może w skrajnych przypadkach dopowiedzieć lub uciąć fragment wypowiedzi.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Nowy model zastępuje stary bez zmian w kodzie
AWS określa aktualizację jako zmianę typu drop-in dla istniejących głosów generatywnych: nazwy głosów i wywołania API się nie zmieniają, więc działające aplikacje pracują dalej bez modyfikacji. Amazon Polly to w pełni zarządzana usługa AWS zamieniająca tekst na mowę, wykorzystywana m.in. w contact center, agentach głosowych opartych na modelach językowych, e-learningu i rozwiązaniach dostępności.
Informacje pochodzą z wpisu na blogu AWS Machine Learning, podpisanego przez Suyin Wang, Gosię Brylowską i Nikie Xiong. AWS pokazuje zmiany na przykładach nagrań. Głos Kenneth odczytuje potwierdzenie zamówienia z numerem śledzenia, datą, przedziałem godzin dostawy, kwotą i kodem potwierdzenia, a to zadania, na których syntezatory mowy najczęściej się potykają. Firma twierdzi też, że nowe głosy lepiej dopasowują emocje i prozodię do treści tekstu bez ręcznej konfiguracji, co demonstruje na tym samym zdaniu o paczce wypowiedzianym neutralnie, z wahaniem i ze zdziwieniem.
Według dokumentacji silnik generatywny jest największym modelem TTS w historii Amazon Polly.
14 nowych głosów i pierwszy generatywny hindi oraz fiński
Nowe głosy według wariantów językowych:
- angielski (USA): Kenneth, Nate,
- angielski (Australia): Russell, Curtis,
- angielski (Indie) oraz hindi: Kiara, Arjun,
- niemiecki: Tina,
- hiszpański (USA): Carlos,
- portugalski (Brazylia): Leo, Carolina,
- koreański: Hyunduk,
- fiński: Suvi.
Po aktualizacji katalog silnika generatywnego liczy 57 głosów w 11 językach i 25 wariantach regionalnych, a usługa trafiła także do regionu AWS GovCloud (US-West), co daje łącznie 11 regionów AWS. Wśród nich są dwa europejskie, ważne z punktu widzenia firm dbających o lokalizację danych: Frankfurt i Zurych.
Tempo rozbudowy katalogu dobrze widać w zestawieniu z poprzednimi ogłoszeniami AWS:
| Data | Zmiana | Liczba głosów generatywnych |
|---|---|---|
| 26.08.2025 | 7 nowych głosów, w tym polskie Ola i Ewa | 27 |
| 20.03.2026 | 10 nowych głosów, regiony Londyn i Kanada, API do strumieniowania dwukierunkowego | b.d. w komunikacie |
| 22.10.2026 | nowy model, 14 głosów, hindi i fiński, GovCloud | 57 |
Sierpniowa premiera z 2025 roku zwiększyła liczbę głosów generatywnych do 27, a w marcu 2026 r. AWS dodał 10 kolejnych głosów, regiony Londyn i Kanada oraz obsługę dwukierunkowego API strumieniowego. Oznacza to, że w ciągu około 14 miesięcy katalog urósł ponad dwukrotnie.
Wypełnij formularz, a my skontaktujemy się z Tobą, aby upewnić się czego potrzebujesz.
Cena bez zmian, ale ograniczenia zostają
AWS deklaruje, że lepsza jakość i dokładność przychodzą w tej samej cenie, bez nowego SKU i bez zmian w integracji, a zsyntetyzowane statyczne komunikaty można cache’ować i odtwarzać bez dodatkowych kosztów. Do zastosowań w czasie rzeczywistym służy API StartSpeechSynthesisStream, które pozwala jednocześnie wysyłać tekst i odbierać gotowe audio, co AWS poleca przy agentach głosowych i postaciach w grach. Ulepszenia trafiają automatycznie do przepływów w Amazon Connect i Genesys.
Dokumentacja i wpis AWS wymieniają jednak kilka ograniczeń, które nie zniknęły:
- głosy generatywne nadal nie obsługują speech marks (znaczników synchronizacji tekstu z dźwiękiem), dostępnych w głosach standardowych i neuronowych,
- styl lektora wiadomości (newscaster) nie jest obsługiwany w silniku generatywnym,
- domyślne próbkowanie to 24 kHz, a formaty wyjściowe to MP3, OGG (Vorbis) i surowy PCM,
- na wypadek halucynacji modelu, który generuje mowę token po tokenie, wbudowano mechanizm awaryjnego zatrzymania.
Dokumentacja ostrzega również, że technologia należy do paradygmatu generatywnej AI, a aktualizacje mogą zmieniać brzmienie głosów, co ma znaczenie przy treściach syntetyzowanych przez dłuższy czas, np. przy całym sezonie podcastu.
Podoba mi się, że AWS nie każe płacić więcej za lepszą jakość i nie wymaga przepisywania integracji. Przy contact center poprawne czytanie numerów zamówień i adresów to konkretny pieniądz, bo każde nieporozumienie kończy się przełączeniem do konsultanta. Widzę tu jednak drugą stronę medalu. Aktualizacja „w miejscu” oznacza, że głos marki może z dnia na dzień zabrzmieć inaczej, a sama dokumentacja przyznaje, że przy długich seriach treści to problem. Nie znalazłem informacji, czy da się przypiąć starszą wersję modelu. Do tego dochodzi mechanizm awaryjnego zatrzymania: dobrze, że istnieje, ale jeśli TTS może „dopowiedzieć” coś od siebie albo uciąć słowo, to w komunikatach finansowych czy medycznych nadal potrzebny jest człowiek, który odsłucha wynik. Pytanie, ile firm faktycznie to robi.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Sanoma Media Finland zamienia na audio ponad 10 tys. artykułów miesięcznie
Jedynym klientem cytowanym przez AWS jest fiński wydawca Sanoma Media Finland. Justus Reinikainen, product manager w firmie, mówi, że Sanoma zamienia bieżące artykuły na wersje audio i publikuje w ten sposób ponad 10 tys. tekstów miesięcznie, korzystając dotąd z neuronowego fińskiego głosu Polly. Nowy generatywny głos Suvi ocenia wyraźnie lepiej:
„Nowy generatywny głos Suvi to wyraźna poprawa w stosunku do poprzedniego głosu neuronowego” / „Suvi’s new generative voice is a clear improvement over the previous neural voice”
To wypowiedź z materiału AWS, więc trzeba ją czytać jako referencję klienta, a nie niezależny test.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Polskie głosy Ola i Ewa są w katalogu od 2025 roku
Polski nie znalazł się wśród nowości z 22 października, bo generatywne głosy po polsku Polly oferuje już od ponad roku. 26 sierpnia 2025 r. AWS udostępnił generatywne wersje polskich głosów Ola i Ewa. AWS opisuje nowy model jako ulepszenie istniejących głosów generatywnych, ale w ogłoszeniu nie wymienia głosów, których zmiana dotyczy, z osobna. Polskim zespołom, które już korzystają z Oli lub Ewy, radzę po prostu porównać nowe nagrania z dotychczasowymi, zanim zmiana brzmienia zaskoczy ich klientów.
Dla polskich firm znaczenie ma także dostępność w regionach Frankfurt i Zurych, czyli w europejskich centrach danych AWS.
Jest też polski wątek historyczny. Synteza mowy Amazona ma korzenie w Gdańsku: w styczniu 2013 r. Amazon ogłosił przejęcie polskiej firmy Ivona Software, którą założyło dwóch młodych naukowców z Gdańska. Od tego czasu liczba pracowników Amazon Development Center w Gdańsku wzrosła ponad dziesięciokrotnie.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym oficjalnego wpisu AWS Machine Learning Blog: Amazon Polly delivers a major upgrade to its Generative engine z dnia 22.10.2026 oraz komunikatu AWS What’s New i dokumentacji Amazon Polly Developer Guide. Kontekst dotyczący polskich głosów pochodzi z komunikatu AWS z 26.08.2025, a informacje o Ivona Software z About Amazon EU.
Cytat Justusa Reinikainena, product managera Sanoma Media Finland, został zweryfikowany z oryginalnym anglojęzycznym materiałem źródłowym.
Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o rozwoju generatywnego silnika Amazon Polly.
