Una alternativa a Amazon Polly para aplicaciones que hablan mucho
Amazon Polly es un servicio sólido de texto a voz dentro de AWS que cobra por carácter: 4 $ por millón con las voces Standard, 16 $ con Neural, 30 $ con Generative y 100 $ con Long-Form, según la página de precios de Polly en octubre de 2026. Su nivel gratuito da para empezar, pero cuando una aplicación habla horas cada día la factura sigue a los caracteres.
La API de voz de SuperClonica cobra por tiempo, desde 5 $ al mes. Esta guía compara ambas con honestidad y muestra cuándo conviene cada una.
Lo que cuesta un mes con mucho uso
A 1000 caracteres por minuto, 216 horas de voz son unos 13 millones de caracteres. A precio de lista de Polly eso es unos 52 $ con voces Standard, 207 $ con Neural, 389 $ con Generative y 1296 $ con Long-Form. El plan Inicio de SuperClonica da 3 minutos de audio cada 10 minutos por 5 $ al mes, hasta 216 horas usado sin pausas.
- Gratis: 1 minuto de audio al día.
- Inicio, 5 $: hasta 216 horas al mes.
- Autor, 10 $: hasta 576 horas.
- Pro, 20 $: hasta 1440 horas.
- Estudio, 50 $: hasta 4680 horas.
Qué más cambia
Polly tiene voces fijas por idioma. SuperClonica tiene un catálogo de voces de distintos autores —personajes, narradores, locutores— y en un plan de pago cualquiera funciona por la API; también puedes entrenar una voz con tu propia grabación en el sitio. Los textos largos se convierten por partes en varios workers a la vez y pueden transmitirse desde 300 ms, y no hay cuenta de AWS, política IAM ni SDK que configurar: una solicitud HTTPS con una clave.
Cambiar una solicitud
Donde tu código llama a SynthesizeSpeech, envía el texto a https://superclonica.com/api/v1/speech con Authorization: Bearer y tu clave, y el cuerpo {"text": "...", "voice": "F1", "language": "es", "format": "mp3"}. La respuesta es el propio audio. Las etiquetas SSML no se leen como marcado, así que envía texto plano; los saltos de línea se conservan como cortes de párrafo.
Cuándo Polly es mejor opción
Quédate con Polly si dependes de SSML, de Speech Marks para marcas de tiempo por palabra o sincronía labial, del chino u otros idiomas que Supertonic 3 no habla, de la facturación y el cumplimiento de AWS, o si tu volumen cabe en su nivel gratuito: 5 millones de caracteres Standard al mes y 1 millón de caracteres Neural al mes durante los primeros 12 meses. Escucha antes de decidir: pon la misma frase en la página de una voz de SuperClonica y en la consola de Polly.