对话式机器人构建 - 使用 Amazon Lex 和 Polly 实现自然的会话界面

对话式机器人的需求与 AWS 的会话 AI 服务

客户支持的自动化、企业内部服务台、预约系统、FAQ 应答等，对话式机器人的应用正在迅速扩大。人们强烈希望将咨询应对的初步环节自动化以缩短等待时间，并让座席专注于附加价值高的工作，不分行业，将对话式机器人定位为主要客户应对渠道之一的组织正在增加。AWS 提供以 Amazon Lex 和 Amazon Polly 为核心的会话 AI 服务，解决这些课题。此外，Lex 在设计上与 Lambda 原生集成，可以用无服务器的方式实现后端的业务逻辑。Lex 可以构建同时支持文本和语音的对话式界面，Polly 则支持多语言的自然语音合成。以下是使用 Lex V2 创建机器人的 CLI 示例。

aws lexv2-models create-bot \
  --bot-name CustomerSupportBot \
  --role-arn arn:aws:iam::123456789012:role/LexBotRole \
  --data-privacy '{"childDirected":false}' \
  --idle-session-ttl-in-seconds 300 \
  --region ap-northeast-1

两项服务都采用按量计费，没有请求的时段成本为零。

Amazon Lex 的对话流程设计

Amazon Lex V2 通过意图（用户的意图）、槽位（参数）、履行（处理的执行）这 3 个概念来设计对话流程。例如在酒店预约机器人中，为 BookHotel 意图定义入住日期、退房日期、房间类型、人数等槽位，所有槽位都填满后，通过 Lambda 函数执行预约处理。Lex V2 原生支持多轮对话，即使用户没有一次提供全部信息，也会按顺序询问并收集缺少的槽位。借助条件分支和槽位的验证逻辑，复杂的对话流程也可以在可视化的流程编辑器中设计。使用 Lex V2 的流式 API，可以实时处理语音输入，无需等待用户说完即可开始应答。此外，Lex V2 可以在单一的机器人资源中管理多种语言的机器人，便于支持多语言。

Amazon Polly 的自然语音合成

Amazon Polly 是利用深度学习技术的文本转语音（TTS）服务，可以根据用途选择 Standard、Neural、Long-form、Generative 各引擎。支持的语言 / 地区变体在 Standard 引擎中有 29 种，在 Neural 引擎中有 36 种（截至 2026 年 8 月）。Neural 引擎生成比以往的 Standard 引擎更自然、更接近人类的语音，Long-form 面向长篇内容，Generative 则提供表现力最高的对话风格语音。在日语方面，Neural 引擎有 Takumi（男性）、Kazuha（女性）、Tomoko（女性）的语音，Standard 引擎则提供 Mizuki（女性）和 Takumi（男性）。使用 SSML（Speech Synthesis Markup Language），可以细致地控制语音输出，例如调整语速、音调和音量，插入停顿，强调特定单词等。借助发音词典功能，可以自定义专业术语和专有名词的读法，使行业特有的术语得到准确发音。Polly 的语音同时支持实时流式传输和批量合成，可以输出 MP3、OGG、PCM 格式。将 Lex 和 Polly 组合使用，可以构建由 Lex 理解语音输入、由 Polly 将应答文本转换为自然语音的端到端语音对话系统。通过与 Amazon Connect（云联络中心）集成，也可以轻松构建基于电话的 IVR（自动语音应答）系统。

实践用例与集成模式

Lex 和 Polly 的组合支持多种用例。在客户支持中，由 FAQ 应答机器人自动回答一般问题、只将复杂的咨询升级给座席的结构是有效的。借助 Lex 的情绪分析功能，还可以实现智能路由：检测用户的情绪（积极、消极、中性），在检测到消极情绪时优先转接给座席。在企业内部服务台中，由 Lex 机器人处理 IT 支持的咨询（密码重置、VPN 连接、软件安装），并通过 Lambda 函数与 Active Directory 和 ServiceNow 联动执行自动处理。在与消息平台的联动方面，Slack、Facebook Messenger、Twilio SMS 可以通过 Lex V2 的内置渠道集成功能直接连接。Microsoft Teams 等不在内置范围内的平台则通过 Lambda 或 API 进行自定义联动来对接。在知识库搜索型机器人中，使用 AMAZON.QnAIntent 可以构建 RAG（Retrieval-Augmented Generation）模式。在该模式中，由 Amazon Bedrock 的基础模型搜索 Bedrock 知识库 / OpenSearch / Amazon Kendra 中的任意一个并生成回答。以往的 AMAZON.KendraSearchIntent 也仍可使用，但请注意两者不能在同一个机器人语言区域设置内同时使用。通过这些集成模式，可以从简单的 FAQ 机器人到高级的企业助手，分阶段地扩展机器人的能力。

Lex 和 Polly 的费用

Lex 的费用按请求数计费。语音请求每 1,000 次约 4.00 美元，文本请求每 1,000 次约 0.75 美元（截至 2026 年 8 月）。Polly 的费用按语音引擎分别以字符数计费，Standard 语音每 100 万字符约 4.00 美元，Neural 语音约 16.00 美元（截至 2026 年 8 月）。提高了表现力的 Long-form / Generative 各引擎设定了比这些更高的单价，最新单价请参阅 AWS 的官方价目表。在 2025 年 7 月 15 日之前创建的旧账户的 12 个月免费套餐中，Lex 的对象为语音每月 10,000 次 / 文本每月 10,000 次。此后的新账户适用最多 200 美元的抵扣金制免费方案（最新条件请参阅 AWS 官方网站）。与 Connect 集成时，会另外产生 Connect 的通话费用。

总结 - 对话式机器人构建的最优解

Lex V2 的多轮对话、条件分支和情绪分析，全面提供了构建实用机器人所需的功能。Polly 的 Neural TTS 生成接近人类的自然语音，大幅提升基于语音的对话体验的质量。通过 Lambda 的无服务器后端集成、与 Connect 的电话渠道集成，以及使用 Bedrock 知识库和 Kendra 的搜索集成，可以从简单的 FAQ 机器人到企业级的对话系统分阶段地构建。在设计对话式机器人时，重要的是从对话流程的复杂程度、支持的渠道、与后端系统的集成要求这 3 个维度来判断最合适的架构。