Amazon Transcribe

• 自動將語音轉換為文字
• 使用DL的Automatic Speech Recognition(ASR)
• Redaction(自動去識別化): 可自動移除個人可識別資訊(Personally Identifiable Information, PII)，例如年齡、姓名或身分證
• Automatic Language Identification: 可以辨識語音中的多種語言
• ex: 字幕生成、客服通話轉錄成文字
• 提升Transcribe的轉錄精準度，如特定領域或非標準術語正確轉錄
  Custom Vocabulary，將特定詞彙、片語或領域專有名詞加入詞彙表
  Custom Language Models針對語境，比如my crow service與microservice音類似，但根據語境的不同Transcribe會理解詞語在特定領域中的正確用法
  最好的做法是Custom Vocabulary與Custom Language Models一起使用
• Toxicity Detection
  Speech Cues: 分析語音的語調與音高，例如如果語氣中帶有憤怒就會被標記
  Text-based Cues: 分析說出的文字內容，例如髒話或仇恨言論會被偵測
  檢測的範圍包含，sexual harassment、hate speech、threat、abuse、profanity、insult、graphic

Amazon Polly

• 與Transcribe相反，Polly將文字轉換為逼真的語音
• Lexicons: 自訂特定文字的發音，比如AWS的發音為Amazon Web Services
• Speech Synthesis Markup Language(SSML): 控制文字如何發音(低聲、縮寫發音、重音)
• Voice engine: 提供多種語音類型，最新的語音引擎可產生逼真的人聲
• Speech mark: 提供音訊中每個單詞或句子的開始與結束位置，比如用於唇形同步lip-syncing或語音播放時highlight顯示正在說的文字