Amazon Polly

読み方: ポリー

区分: 専門
提供開始: 2016 年

テキストを自然な音声に変換するテキスト読み上げサービス

約 1 分で読めます最終更新: 2026-10-30

何ができるか

Amazon Polly は、テキストをリアルな音声に変換するテキスト読み上げ (TTS) サービスです。30 以上の言語で数十種類の音声を提供し、ニューラル TTS エンジンによる自然な発話を実現します。SSML (Speech Synthesis Markup Language) で発話速度、ピッチ、間の調整が可能です。

どのような場面で使うか

Web サイトやアプリのアクセシビリティ向上 (視覚障害者向け読み上げ)、e ラーニングのナレーション生成、ニュース記事の音声配信、IVR (自動音声応答) システムの音声生成、IoT デバイスの音声出力に利用されます。

身近な例え

プロのナレーターに例えられます。原稿 (テキスト) を渡すと、指定した声質と言語で自然に読み上げてくれます。読み方の指示 (SSML) で「ここはゆっくり」「ここは強調」といった細かい調整も可能です。

Polly とは

Amazon Polly は、テキストを音声に変換する AI サービスです。音声エンジンには 2026 年 10 月時点で Generative / Long-form / Neural / Standard の 4 種類があり、ニューラルエンジンは標準エンジンより自然で人間に近い発話を生成します。日本語では Mizuki (女性)、Takumi (男性) などの音声が利用可能です。生成した音声は MP3、OGG、PCM 形式でダウンロードまたはストリーミング再生できます。

SSML と音声のカスタマイズ

SSML タグを使うと、発話を細かく制御できます。で間を入れる、で速度やピッチを変える、で強調する、で読み方を指定するなどが可能です。ニュースキャスタースタイルや会話スタイルなど、用途に応じた発話スタイルも選択できます。長文テキストは非同期合成タスクで処理し、結果を S3 に保存できます。

はじめかた

Polly コンソールの「テキスト読み上げ」タブでテキストを入力し、音声を選択して「音声を聴く」をクリックするだけで試せます。API 経由で利用する場合は SynthesizeSpeech API にテキストと音声 ID を渡します。旧 12 か月無料枠 (2025 年 7 月 15 日より前に作成したアカウントのみ) では月 500 万文字 (標準) / 100 万文字 (ニューラル) が対象でした。それ以降の新規アカウントには最大 200 ドルのクレジット制無料プランが適用されます (2026 年 8 月時点)。