Amazon Polly facture au caractère, et le prix dépend presque entièrement du moteur vocal choisi : 4 $ par million de caractères pour les voix Standard, jusqu’à 100 $ pour Long-Form. La plupart des personnes qui cherchent le prix de Polly hésitent entre ces moteurs, ou se demandent s’il faut partir. Cette page couvre les deux : d’abord les tarifs et l’offre gratuite actuels de Polly, puis 11 alternatives et ce qu’il faut vérifier avant de changer.
Tarifs et offre gratuite d’Amazon Polly
Prix et quotas tirés de la page de tarifs AWS Polly, consultée le 5 octobre 2026 :
| Moteur vocal | Prix pour 1M de caractères | Offre gratuite par mois |
|---|---|---|
| Standard | 4 $ | 5M de caractères |
| Neural | 16 $ | 1M de caractères, 12 premiers mois |
| Generative | 30 $ | 100 000 caractères, 12 premiers mois |
| Long-Form | 100 $ | 500 000 caractères, 12 premiers mois |
Quelques points que le tableau ne montre pas :
- Seule l’offre gratuite Standard dure. Les quotas Neural, Generative et Long-Form prennent fin 12 mois après l’ouverture du compte. Standard conserve ses 5 millions de caractères par mois.
- Les nouveaux comptes reçoivent des crédits. Depuis le 15 juillet 2025, les nouveaux clients AWS peuvent recevoir jusqu’à 200 $ de crédits de l’offre gratuite AWS, utilisables pour Polly. Avec le forfait gratuit, le compte se ferme au bout de six mois ou quand les crédits sont épuisés, sauf passage à un forfait payant.
- Un million de caractères, c’est environ 23 heures d’audio. C’est l’estimation d’AWS. À ce rythme, la voix Neural coûte environ 0,70 $ de l’heure, et la voix Generative environ 1,30 $.
- Les Speech Marks coûtent le même prix que la parole. Les requêtes de repères temporels de mots ou de visèmes sont facturées au caractère au même tarif (les voix Generative ne les prennent pas en charge).
Le prix des voix Standard de Polly est difficile à battre. Si elles sonnent assez bien pour votre usage et que vous êtes déjà sur AWS, vous n’avez peut-être pas besoin de changer. On cherche généralement ailleurs pour trois raisons : il faut une voix plus naturelle que Standard ou Neural, une latence plus faible pour une conversation en direct, ou une voix personnalisée ou clonée.
Les critères à comparer
Polly fait partie d’AWS, ce qui peut simplifier l’accès et la facturation d’une application déjà sur AWS. Testez Cartesia si vous cherchez Sonic pour générer de la parole ou utiliser des voix personnalisées. Prévoyez le travail d’intégration en plus de l’usage API.
Les options ci-dessous répondent à différents besoins et ne constituent pas un classement de performances. Vérifiez la disponibilité, les fonctions et les conditions actuelles de chaque fournisseur avant de vous engager.
Les alternatives en un coup d’œil
| Produit | À évaluer pour | À vérifier avant de choisir |
|---|---|---|
| Cartesia | Parole pour applications vocales | Modèle, langue et intégration |
| Murf AI | Voix off scénarisées | Réglages de montage et droits d’export |
| Speechify | Lecture de documents à voix haute | Offre de lecture, studio ou API |
| ElevenLabs | Génération vocale et doublage | Choix du modèle et limites d’usage |
| Google Cloud Text-to-Speech | TTS dans les applications Google Cloud | Fonctions et quotas propres à la voix |
| Microsoft Azure Text-to-Speech | Parole dans les applications Azure | Région, SSML et accès aux voix personnalisées |
| IBM Watson Text to Speech | Intégration API TTS | Langues, réglages et limites |
| WellSaid Labs | Voix off d’entreprise | Travail d’équipe et langues |
| NaturalReader | Écoute de documents | Formats et droits personnels ou commerciaux |
| iSpeech | Intégration API vocale | Prise en charge et disponibilité de l’API |
| Descript | Montage multimédia par transcription | Processus de montage et exports |
Cartesia
Nous développons Sonic, un modèle de synthèse vocale pour les applications. Vous pouvez diffuser l’audio généré en continu, choisir une voix ou cloner une voix à partir d’enregistrements que vous avez le droit d’utiliser. Essayez vos propres textes dans le playground avant d’intégrer l’API.
Un agent vocal complet demande aussi de la reconnaissance vocale et une gestion de la conversation. Ink est notre modèle de transcription audio, et Managed Agents notre outil de création d’agents vocaux. Sonic seul n’écoute pas les appelants et ne décide pas quoi répondre.
Vérifiez les langues prises en charge, les prérequis API et les tarifs du modèle et de l’offre envisagés. Mesurez le temps de réponse dans votre application : le réseau et la mise en mémoire tampon influencent ce que l’utilisateur entend.
Murf AI
Murf AI propose un éditeur de voix off pour travailler à partir de scripts et synchroniser narration et médias. Envisagez-le pour la formation et les présentations enregistrées. Testez le travail de montage nécessaire et vérifiez les exports et accès d’équipe compris dans l’offre.
Speechify
Speechify propose des applications de lecture qui convertissent documents et pages web en audio. Si vous voulez écouter du texte existant, commencez par cet usage. Évaluez séparément ses produits de lecture, de studio et d’API : l’accès à l’un ne dit pas ce que l’autre comprend.
ElevenLabs
ElevenLabs propose synthèse vocale, clonage et doublage, ainsi que des produits conversationnels. Comparez le modèle et le point de terminaison précis que vous déploieriez. Testez prononciation et temps de réponse avec vos scripts, sans considérer tous les modèles comme interchangeables.
Google Cloud Text-to-Speech
Google Cloud Text-to-Speech fournit la synthèse vocale via les API Google Cloud. Pour une application déjà sur ce cloud, l’intégration des comptes et de la facturation peut simplifier l’adoption. Vérifiez que la voix choisie prend en charge la langue, la diffusion et les réglages nécessaires.
Microsoft Azure Text-to-Speech
Microsoft Azure fournit la synthèse vocale dans ses services vocaux. C’est une option pour les équipes déjà sur Azure. Vérifiez la voix et la région choisies, les commandes SSML prises en charge et les conditions d’accès aux voix personnalisées.
IBM Watson Text to Speech
IBM Watson Text to Speech est une API de génération vocale à partir de texte. Incluez-la si vous comparez des services pour un déploiement fondé sur IBM. Vérifiez les langues et les commandes de prononciation, puis testez les formats de sortie et les limites du service dans votre application.
WellSaid Labs
WellSaid Labs se concentre sur les voix off pour les contenus d’entreprise, notamment la formation et la communication interne. Évaluez la révision des scripts et les changements de prononciation par votre équipe. Vérifiez les langues et l’accès API de l’offre envisagée.
NaturalReader
NaturalReader propose des outils de lecture de documents et de génération vocale. Distinguez lecture personnelle et production audio commerciale dans la comparaison des offres. Testez vos formats réels : un PDF numérisé demande aussi une reconnaissance du texte avant la synthèse.
iSpeech
iSpeech est un autre fournisseur d’API vocale à étudier pour une intégration. Confirmez la documentation actuelle, les SDK et la disponibilité avant de développer. Testez le format de sortie et la langue exacts de votre application.
Descript
Descript associe transcription et montage audio-vidéo par le texte. Envisagez-le pour couper des enregistrements en modifiant leur transcription. Une API vocale seule ne remplace pas cet éditeur : testez le parcours de l’enregistrement à l’export avant de changer.
Tester avant de changer
Inventoriez les fonctions Polly utilisées. Testez chaque instruction SSML et règle de prononciation chez le nouveau fournisseur au lieu de les transmettre telles quelles. Confirmez la fréquence d’échantillonnage et l’encodage côté lecture, puis comparez temps de réponse et coût sur le même échantillon de trafic.
Comparez les coûts à partir du volume prévu et des fonctions nécessaires. Incluez les nouvelles tentatives, l’audio régénéré, les limites de concurrence et les droits commerciaux. Un prix d’entrée bas n’est pas une estimation de votre charge.