Amazon Polly

Polly prend du texte et renvoie de l’audio, que les développeurs appellent depuis leurs apps pour ajouter de la parole. Il offre des dizaines de voix dans beaucoup de langues et d’accents, bâties sur plusieurs moteurs. Les voix neuronales sonnent nettement plus naturelles que les anciennes voix standard, et des voix génératives plus récentes poussent le réalisme plus loin. On s’en sert pour lire des articles à voix haute, faire parler des systèmes téléphoniques et des assistants, créer de la narration e-learning, et ajouter de l’accessibilité aux apps.

Le contrôle de la façon de dire les choses est un point fort. Des balises SSML permettent d’ajuster pauses, emphase, hauteur, vitesse, et la façon dont nombres, dates et abréviations sont dits. Des lexiques sur mesure apprennent à Polly la bonne prononciation de noms de marque et de jargon. Il peut aussi renvoyer des speech marks qui disent à l’app quand chaque mot est prononcé, utile pour surligner le texte en synchro avec l’audio. La sortie peut être streamée ou enregistrée en fichiers dans des formats courants.

Le prix est au caractère converti, avec des tarifs différents selon le type de voix, et une enveloppe gratuite pour la première année d’usage. À l’échelle c’est peu cher, et ça s’insère facilement dans les autres services AWS. Les voix sont bonnes mais moins expressives que celles de spécialistes plus récents comme ElevenLabs, et Polly n’a pas le clonage de voix que beaucoup de créateurs veulent. C’est un choix pratique et fiable pour des applications qui ont besoin de beaucoup de parole à un coût prévisible.