# Amazon Polly

> Un servicio de AWS que convierte texto escrito en audio hablado.

- Nivel: Intermedio
- Temas: AWS, IA
- URL: https://tidbit.legios.com.ar/es/amazon-polly/
- En inglés: [Amazon Polly](https://tidbit.legios.com.ar/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.

## Una analogía

Un locutor de guardia que nunca se cansa: le pasás el guion por abajo de la puerta, elegís quién lo lee y al ratito te devuelven la grabación.

## Para quedarse

- Convierte texto en voz natural en muchos idiomas y voces.
- Las voces standard son más baratas; las neural y generative suenan más humanas.
- Con SSML controlás pausas, énfasis y pronunciación.
- Pagás por cantidad de texto convertido; reproducir audio guardado no cuesta.

## Para seguir leyendo

- [¿Qué es Amazon Polly? (documentación oficial)](https://docs.aws.amazon.com/es_es/polly/latest/dg/what-is.html)
- [Página de Amazon Polly](https://aws.amazon.com/es/polly/)
- [Speech synthesis en Wikipedia (en inglés)](https://en.wikipedia.org/wiki/Speech_synthesis)

## Términos relacionados

- [Texto a voz](https://tidbit.legios.com.ar/es/text-to-speech/): La tecnología que lee en voz alta un texto escrito, con una voz sintética.
- [API](https://tidbit.legios.com.ar/es/api/): El menú de cosas que un programa le deja pedir a otro programa.
- [Machine learning](https://tidbit.legios.com.ar/es/machine-learning/): Enseñarle a una computadora con ejemplos en lugar de escribirle cada regla.
- [Accesibilidad web](https://tidbit.legios.com.ar/es/web-accessibility/): Que sitios y apps los pueda usar todo el mundo, incluidas las personas con discapacidad.
- [Amazon Transcribe](https://tidbit.legios.com.ar/es/amazon-transcribe/): Un servicio de AWS que escucha audio y escribe lo que se dijo.
- [Reconocimiento de voz](https://tidbit.legios.com.ar/es/speech-recognition/): La tecnología que convierte lo que decís en voz alta en texto escrito.