Amazon Polly

Amazon Polly 是亚马逊云科技（AWS）旗下的一项云端文本转语音服务。它不提供网页版的「输入文字、点一下播放」界面，而是把语音合成做成 API：开发者把文字发给 Polly，拿回一段音频流，再嵌进自己的应用里。文章、网页、PDF 里的文字都能这样转成声音，用到的技术是深度学习和神经网络。

主要功能

Polly 提供 100 多种男女声，覆盖 40 多种语言及其变体，每种语音由母语者录制，同一语言里通常有男声和女声可选。输出可以存成 MP3、OGG 等标准音频文件，采样率有 8,000 Hz、16,000 Hz、22,050 Hz 三档，存下来重新分发、存档都不额外收费。

想调整读法，可以用 SSML（基于 W3C 标准 XML 的标记语言）改重音、语调、措辞和风格；公司名、缩写、内部术语这类词，则通过自定义词典指定发音。Polly 还提供生成式语音引擎，以增量、可流式传输的方式合成语音，适合对话式场景。

适合谁

• 给网站、RSS 源、视频或移动、物联网应用加语音播报的开发者
• 做交互式语音应答（IVR）和自动语音提示的客服团队
• 需要从脚本批量生成动画、游戏画外音，或做多语言配音的媒体制作方

Alexa 的语音合成也基于 Polly，但 Alexa 自己的声音不能在外部使用。

费用与限制

Polly 按实际使用量计费，没有长期合同。注册后有为期一年的免费额度，阈值从 10 万字符到 500 万字符不等，取决于所选语音引擎。从 2025 年 7 月 15 日起，新 AWS 客户可获得最高 200 美元的免费套餐抵扣金，可用于包括 Polly 在内的符合条件服务；免费套餐在账户创建后 6 个月内有效，抵扣金须在 12 个月内用完。它是完全托管的云服务，不是开源软件，无法下载或部署到自己环境里。官方说明 Polly 不会保留用户提交的文本内容。