Amazon Polly fa pagare a carattere, e il prezzo dipende quasi interamente dal motore vocale che scegli: 4 $ per milione di caratteri con le voci Standard, fino a 100 $ con Long-Form. Chi cerca il prezzo di Polly di solito sta scegliendo tra questi motori, oppure sta valutando se lasciarlo. Questa pagina copre entrambe le cose: prima i prezzi e il piano gratuito attuali di Polly, poi 11 alternative e cosa verificare prima di cambiare.
Prezzi e piano gratuito di Amazon Polly
Prezzi e quote dalla pagina dei prezzi di AWS Polly, consultata il 5 ottobre 2026:
| Motore vocale | Prezzo per 1M di caratteri | Piano gratuito al mese |
|---|---|---|
| Standard | 4 $ | 5M di caratteri |
| Neural | 16 $ | 1M di caratteri, primi 12 mesi |
| Generative | 30 $ | 100.000 caratteri, primi 12 mesi |
| Long-Form | 100 $ | 500.000 caratteri, primi 12 mesi |
Alcune cose che la tabella non mostra:
- Solo il piano gratuito Standard dura nel tempo. Le quote Neural, Generative e Long-Form finiscono 12 mesi dopo l’apertura dell’account. Standard mantiene i suoi 5 milioni di caratteri al mese.
- I nuovi account ricevono crediti. Dal 15 luglio 2025, i nuovi clienti AWS possono ricevere fino a 200 $ di crediti del piano gratuito AWS, validi per Polly. Con il piano gratuito, l’account si chiude dopo sei mesi o quando i crediti finiscono, a meno che tu non passi a un piano a pagamento.
- Un milione di caratteri sono circa 23 ore di audio. È la stima di AWS. A questo ritmo, la voce Neural costa circa 0,70 $ all’ora e la Generative circa 1,30 $.
- Le Speech Marks costano quanto il parlato. Le richieste di marcatori temporali di parole o visemi sono fatturate a carattere con la stessa tariffa (le voci Generative non le supportano).
Il prezzo delle voci Standard di Polly è difficile da battere. Se suonano abbastanza bene per il tuo caso d’uso e sei già su AWS, potresti non dover cambiare. Di solito si cercano alternative per tre motivi: serve una voce più naturale di Standard o Neural, serve una latenza più bassa per una conversazione dal vivo, oppure serve una voce personalizzata o clonata.
Cosa confrontare
Polly fa parte di AWS, il che può semplificare accesso e fatturazione per un’applicazione già su AWS. Cartesia è da provare quando vuoi Sonic per generare parlato o usare voci personalizzate. Prevedi il lavoro di integrazione oltre all’utilizzo API.
Le opzioni seguenti coprono attività diverse e non costituiscono una classifica di benchmark. Prima di impegnarti, verifica la disponibilità attuale, le funzioni e le condizioni dei piani di ciascun fornitore.
Le alternative a colpo d’occhio
| Prodotto | Da valutare per | Da verificare prima della scelta |
|---|---|---|
| Cartesia | Parlato per applicazioni vocali | Requisiti di modello, lingua e integrazione |
| Murf AI | Voiceover da copione | Controlli di editing e diritti di esportazione |
| Speechify | Lettura ad alta voce dei documenti | Piano per app di lettura, studio o API |
| ElevenLabs | Generazione vocale e doppiaggio | Scelta del modello e limiti d’uso |
| Google Cloud Text-to-Speech | TTS nelle applicazioni Google Cloud | Funzioni specifiche della voce e quote |
| Microsoft Azure Text-to-Speech | Parlato nelle applicazioni Azure | Regione, supporto SSML e accesso alle voci personalizzate |
| IBM Watson Text to Speech | Integrazione API TTS | Lingue, controlli e limiti del servizio |
| WellSaid Labs | Voiceover aziendali | Flusso di lavoro del team e copertura linguistica |
| NaturalReader | Ascolto di documenti | Supporto dei file e diritti personali o commerciali |
| iSpeech | Integrazione API vocali | Supporto e disponibilità attuali dell’API |
| Descript | Editing multimediale basato sulla trascrizione | Flusso di editing e opzioni di esportazione |
Cartesia
Sviluppiamo Sonic, un modello di sintesi vocale per applicazioni vocali. Puoi trasmettere in streaming l’audio generato, selezionare una voce oppure usare la clonazione vocale con registrazioni che hai il permesso di utilizzare. Prova i tuoi testi nel playground prima di integrare l’API.
Per un agente vocale completo servono anche riconoscimento vocale e gestione della conversazione. Ink è il nostro modello di trascrizione vocale e Managed Agents è il nostro strumento per creare agenti vocali. Sonic da solo non ascolta chi chiama e non decide cosa dire.
Controlla copertura linguistica, requisiti API e prezzi per il modello e il piano che intendi usare. Misura il tempo di risposta nella tua applicazione: il transito in rete e il buffering della riproduzione contribuiscono a ciò che sente l’utente.
Murf AI
Murf AI offre un editor di voiceover per lavorare da copioni e abbinare la narrazione ai contenuti multimediali. Valutalo per materiali formativi e presentazioni registrate. Prova quanto editing richiede il copione e verifica se il piano include le esportazioni e l’accesso del team necessari.
Speechify
Speechify offre app di lettura che trasformano documenti e pagine web in audio. Se vuoi ascoltare testi esistenti, parti da questo flusso. Valuta separatamente i prodotti di lettura, studio e API: l’accesso a uno non dice cosa includa l’altro.
ElevenLabs
ElevenLabs offre strumenti di sintesi vocale, clonazione e doppiaggio, oltre a prodotti per applicazioni conversazionali. Confronta il modello e l’endpoint specifici che distribuiresti. Prova pronuncia e tempo di risposta con i tuoi copioni anziché considerare tutti i modelli intercambiabili.
Google Cloud Text-to-Speech
Google Cloud Text-to-Speech fornisce sintesi vocale tramite le API Google Cloud. Per un’applicazione già su Google Cloud, l’integrazione di account e fatturazione può semplificare l’adozione. Conferma che la voce scelta supporti la lingua, il comportamento dello streaming e i controlli vocali necessari.
Microsoft Azure Text-to-Speech
Microsoft Azure fornisce sintesi vocale tramite i suoi servizi vocali. È un candidato per i team che lavorano già in Azure. Verifica voce e regione selezionate, controlli supportati di Speech Synthesis Markup Language, SSML, e requisiti di accesso alle voci personalizzate.
IBM Watson Text to Speech
IBM Watson Text to Speech è un’API per generare parlato dal testo. Includila se confronti servizi vocali per una distribuzione basata su IBM. Verifica lingue supportate e controlli della pronuncia, poi prova formati di output e limiti del servizio rispetto alla tua applicazione.
WellSaid Labs
WellSaid Labs si concentra sulla produzione di voiceover per contenuti aziendali, inclusi formazione e comunicazioni interne. Valuta come il team rivede i copioni e gestisce le modifiche alla pronuncia. Controlla la copertura linguistica e l’accesso API del piano che intendi usare.
NaturalReader
NaturalReader offre strumenti per ascoltare documenti e generare parlato. Distingui la lettura personale dalla produzione audio commerciale quando confronti i piani. Prova i tipi di file che usi davvero: leggere un PDF scansionato richiede anche il riconoscimento del testo prima della sintesi vocale.
iSpeech
iSpeech è un altro fornitore di API vocali da esaminare per un’integrazione applicativa. Prima dell’implementazione, conferma documentazione attuale, supporto SDK e disponibilità del servizio. Prova esattamente il formato di output e la lingua necessari.
Descript
Descript combina la trascrizione con l’editing audio e video basato sul testo. Valutalo se vuoi tagliare materiale registrato modificandone la trascrizione. Un’API vocale da sola non sostituisce quell’editor, quindi prova il flusso dalla registrazione all’esportazione prima di cambiare.
Prova prima di cambiare
Inventaria le funzioni di Polly usate dall’applicazione. Prova ogni istruzione SSML e regola di pronuncia con il nuovo fornitore anziché inoltrarla invariata. Conferma frequenza di campionamento e codifica nel livello di riproduzione, poi confronta tempo di risposta e costo con lo stesso campione di traffico.
Confronta i costi in base all’utilizzo previsto e alle funzioni necessarie. Includi nuovi tentativi, audio rigenerato, limiti di concorrenza e diritti commerciali. Un prezzo iniziale basso non è una stima del carico di lavoro.