适合大量说话的应用的 Amazon Polly 替代方案
Amazon Polly 是 AWS 中可靠的语音合成服务，按字符计费：根据 2026 年 10 月的 Polly 价格页面，每 100 万字符 Standard 声音 4 美元、Neural 16 美元、Generative 30 美元、Long-Form 100 美元。免费额度足够起步，但当应用每天说上几个小时，账单就会随字符数增长。请注意：Supertonic 3 暂不支持中文，可朗读英语、日语、韩语等 31 种语言。
SuperClonica 语音合成 API 按时间计费，每月 5 美元起。本指南如实比较两者，并说明各自更适合的情况。
繁忙一个月的成本
按每分钟 1000 字符计算，216 小时语音约为 1300 万字符。按 Polly 标价，Standard 声音约 52 美元，Neural 207 美元，Generative 389 美元，Long-Form 1296 美元。SuperClonica 入门套餐每月 5 美元，每 10 分钟提供 3 分钟音频，不间断使用最多 216 小时。
- 免费：每天 1 分钟音频。
- 入门，5 美元：每月最多 216 小时。
- 作者，10 美元：最多 576 小时。
- 专业版，20 美元：最多 1440 小时。
- 工作室，50 美元：最多 4680 小时。
其他不同之处
Polly 每种语言有固定的声音。SuperClonica 有由作者制作的声音目录——角色、朗读者、播音员等，付费套餐可通过 API 使用其中任何一个；你也可以在网站上用自己的录音训练声音。长文本被切分后在多个 worker 上同时朗读，最快 300 毫秒开始流式播放，而且无需配置 AWS 账户、IAM 策略或 SDK：一个带密钥的 HTTPS 请求即可。
切换请求
在代码调用 SynthesizeSpeech 的地方，把文本发送到 https://superclonica.com/api/v1/speech，在 Authorization: Bearer 中放入密钥，请求体为 {"text": "...", "voice": "F1", "language": "en", "format": "mp3"}。响应就是音频本身。SSML 标签不会被当作标记解析，所以请发送纯文本；换行会保留为段落分隔。
什么时候 Polly 更合适
如果你依赖 SSML、用于逐词时间或口型同步的 Speech Marks、中文等 Supertonic 3 不支持的语言、AWS 的计费与合规，或者你的用量在免费额度内（Standard 每月 500 万字符，Neural 在前 12 个月每月 100 万字符），请继续使用 Polly。决定之前，把同一句话分别放到 SuperClonica 声音页面和 Polly 控制台里听一听。