Amazon Polly

Amazon Polly es texto a voz en forma de API. Le mandás una frase, elegís una voz y un idioma, y te devuelve un archivo de audio (un MP3, por ejemplo) o un stream que suena como una persona leyendo ese texto en voz alta. Pagás según la cantidad de texto que convertís, y el audio que generaste lo podés guardar y volver a reproducir sin pagar de nuevo.

Tiene varias familias de voces. Las standard, las más viejas, se notan claramente sintéticas; las neural, long-form y generative usan modelos de machine learning más nuevos y suenan mucho más parecidas a un locutor real. Si necesitás controlar cómo se dice algo, podés envolver el texto en SSML, un pequeño lenguaje de marcado para indicar pausas, énfasis o cómo pronunciar una sigla.

Usos típicos: leer en voz alta las noticias de una app, voces para cursos online y juegos, menús telefónicos y funciones de accesibilidad para personas que no pueden leer bien una pantalla. Es el camino inverso de Amazon Transcribe, que pasa de voz a texto.