Lex, Polly und Rekognition: Amazon integriert Alexa-KI in sein Cloud-Angebot

Die Amazon-Cloud kann genutzt werden, um Bildinhalte zu erkennen. (Bild: Amazon)

Mit dem eigenen Rechner oder Telefon sprechen, die Geräte geben ihre Antworten ebenso gesprochen aus: Diese Funktionen können Entwickler künftig mit Hilfe der KI in der Amazon-Cloud umsetzen. Eine Bilderkennung kann ebenfalls genutzt werden.

In unserem Test von Amazons digitalem Sprachassistenten Alexa mit dem Gerät Echo funktionierte der Dienst schon so gut, dass wir uns sogar beim Dankesagen erwischt haben. Die zugrundeliegenden KI-Techniken von Alexa bietet Amazon künftig auch in seinem eigenen Cloud-Angebot der Web Services an.

Spracherkennung und -synthese

Mit Hilfe von Amazon Lex können Entwickler Anwendungen erstellen, die Sprachbefehle von Nutzern verstehen können. Der Dienst soll es ermöglichen, sogenannte Bots zu programmieren, die sämtliche Bestandteile einer Konversation enthalten. Die dazu notwendigen Sprachmodelle sollen automatisch erzeugt werden. Neben der Integration in Messenger wie jenen von Facebook, könnten mit Lex aber auch Web-Anwendungen gebaut werden oder Apps und Geräte, die wie Echo auf Befehle des Nutzers warten.

Damit die so erstellten Programme auch natürlich antworten können, bietet Amazon mit Polly zudem einen ausgefeilten Text-to-Speech-Dienst an. Das Team habe dabei besonders auf spezielle Eigenheiten der Sprachsynthese geachtet, etwa die unterschiedliche Aussprache von Worten, die gleich geschrieben werden.

Über die Speech Synthesis Markup Language (SSML) lässt sich das System außerdem um Informationen erweitern wie etwa einen Sprachwechsel innerhalb eines Textes. Damit könnte zum Beispiel verhindert werden, dass englische Wörter auf Deutsch ausgesprochen werden. Entwickler können für Polly aus 47 männlichen und weiblichen Stimmen in 24 Sprachen wählen. Amazon will die Vielfalt hier noch deutlich erhöhen.

Bilderkennung mit Deep Learning

Ein gutes KI-Angebot muss darüber hinaus aber auch eine Bilderkennung enthalten, wofür Amazon seinen Dienst Rekognition anbietet. Dieser basiert auf Deep-Learning-Modellen, die Amazon bereits angelernt und trainiert hat, sodass Rekognition direkt für eine Klassifizierung von Bildern genutzt werden kann. Das komplizierte und aufwändige Aufsetzen eines neuronalen Netzwerkes sowie die Trainingsphase entfallen also völlig.

Zu gegebenen Aufnahmen liefert Rekognition zu bestimmten Kategorien, wie etwa Tier oder Hund, eine dazugehörige prozentuale Wahrscheinlichkeit, was Entwickler dann weiter nutzen können. Ebenso kann der Dienst dazu genutzt werden, Gesichter in Bildern zu erkennen oder dasselbe Gesicht in mehreren Bildern wiederzufinden.

Lex steht zunächst nur in der Region US-East (Northern Virginia) zur Verfügung, Polly und Rekognition darüber hinaus auch in den Regionen US-West (Oregon) und Europa (Dublin).