Amazon Polly
Servicio de texto a voz de AWS en la nube con voces neuronales
Polly toma texto y devuelve audio, que los desarrolladores llaman desde sus apps para añadir voz. Ofrece decenas de voces en muchos idiomas y acentos, basadas en varios motores. Las voces neuronales suenan bastante más naturales que las estándar más antiguas, y las voces generativas más nuevas llevan el realismo más lejos. Se usa para leer artículos en voz alta, dar voz a sistemas telefónicos y asistentes, crear narraciones para e-learning y añadir funciones de accesibilidad a las apps.
El control sobre cómo se dicen las cosas es uno de sus puntos fuertes. Las etiquetas SSML permiten ajustar pausas, énfasis, tono, velocidad y la forma en que se leen números, fechas y abreviaturas. Los léxicos personalizados enseñan a Polly la pronunciación correcta de nombres de marca y jerga. También puede devolver marcas de habla que indican a tu app cuándo se pronuncia cada palabra, útil para resaltar el texto sincronizado con el audio. La salida se puede emitir en streaming o guardar como archivos en formatos habituales.
El precio es por carácter convertido, con tarifas distintas según el tipo de voz, y hay una cantidad gratuita durante el primer año de uso. A gran escala sale barato y encaja fácilmente con otros servicios de AWS. Las voces son buenas pero menos expresivas que las de especialistas más nuevos como ElevenLabs, y Polly no tiene clonación de voz como la que quieren muchos creadores. Es una opción práctica y fiable para aplicaciones que necesitan mucha voz a un coste predecible.