Amazon Polly
音声合成AIでの評価です
AWS が提供する音声合成のクラウドAPIです。画面上で1本ずつ作るツールではなく、アプリやシステムに組み込んで音声を自動生成する用途を想定しています。従量課金で、100万文字あたり数ドル〜30ドル規模、音声の種類により差があるという情報です。
こんな人におすすめ
- アプリやシステムに読み上げ機能を組み込みたい個人開発者
- 大量の音声を自動で生成し、1文字あたりの単価を抑えたい人
- すでに AWS を使っていて、アカウントと権限の設定に慣れている人
- 手作業ではなく、原稿の更新に合わせて音声を作り直す運用を組みたい人
良い点
- ・大量生成時の単価が低く、費用の見積もりが立てやすい
- ・商用利用が可能とされ、AWS の利用規約の範囲で業務に組み込める
- ・音声の種類を切り替えられるため、安い音声で動作確認し、必要な箇所だけ上位の音声に変える運用ができる
注意点
- ・AWS のアカウント作成と権限設定が前提で、この分野のなかでは導入の手間が最も大きい部類です
- ・単発の手作業で使うには手間が見合いません。画面で作り込む用途にも向きません
- ・従量課金のため、使いすぎると請求が膨らみます。無料利用枠の条件は変更されているという情報があるので、請求アラートを設定してから使い始めてください
料金プラン
標準音声（Standard）100万文字あたり4ドル前後最も安い区分。動作確認や大量処理向けという情報
ニューラル音声（Neural）100万文字あたり16ドル前後自然さを求める場合の標準的な選択肢という情報
生成AI音声（Generative）100万文字あたり30ドル前後表現力の高い区分という情報
長文向け（Long-form）100万文字あたり100ドル前後オーディオブック等の長尺向けという情報。金額は音声の区分とリージョンで変わります
使用に必要なもの
- AWSアカウント（作成時にクレジットカード等の登録が必要）
- IAMでの権限設定と、APIキーまたはロールの用意
- APIを呼び出すプログラム（AWS CLI・SDK など）を扱える環境
- 課金事故を避けるため、請求アラートと利用上限の設定を先に済ませておくこと
組み合わせると効果的なツール
- ChatGPT — 読み上げる原稿そのものを ChatGPT で用意し、確定したテキストを Polly に流す形にすると、原稿の更新から音声の作り直しまでを1つの流れにまとめられます
- Whisper (OpenAI) — Whisper で音声を文字に、Polly で文字を音声にと役割が逆向きのため、音声入力と音声出力の両方を持つアプリを組む場合に組み合わせやすい構成です
- ElevenLabs — 大量の定型部分を Polly で安く生成し、表現力が要る箇所だけ ElevenLabs で作る分担にすると、品質と費用のバランスを取りやすくなります
音声合成AIB上級者向け合計 65/100
大量生成の単価は安いがAWSの設定が前提。単発の手作業で使うには手間が見合わない
コスパ
15
性能
15
使いやすさ
9
日本語
13
サポート
13
評価は編集部独自の基準によるもので、コスパ・性能・使いやすさ・日本語対応・サポートの5項目(各20点満点、合計100点満点)で採点しています。料金・仕様は変更される場合があるため、契約前には必ず公式サイトで最新の情報をご確認ください。