Pollyはテキストを受け取り、音声を返します。開発者はアプリから呼び出して、読み上げを加えます。いくつかのエンジンに基づく、多くの言語とアクセントの音声を数十用意しています。ニューラル音声は古い標準の音声よりかなり自然に聞こえ、新しい生成音声は現実味をさらに高めます。記事の読み上げ、電話システムやアシスタントの音声、eラーニングのナレーション、アプリへのアクセシビリティ機能の追加に使われます。
話し方を制御できる点が強みです。SSMLのタグで、間、強調、高さ、速さ、それに数字、日付、略語の読み方を調整できます。カスタムの語彙集は、ブランド名や専門用語の正しい発音をPollyに教えます。各単語がいつ発話されるかをアプリに伝えるスピーチマークも返せます。音声に合わせて文字を強調するのに役立ちます。出力はストリームするか、一般的な形式のファイルとして保存できます。
料金は変換した文字数ごとで、音声の種類によって単価が違い、利用開始から1年は無料の許容量があります。規模が大きくなっても安く、他のAWSサービスへ組み込みやすいです。音声は良いものの、ElevenLabsのような新しい専門サービスの音声ほど表現は豊かではなく、多くの制作者が求める種類の音声クローンもPollyにはありません。大量の読み上げを、予測できる費用で必要とするアプリケーションには、実用的で頼りになる選択です。