本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
由於語音之間的自然差異，每個可用的語音會以略有不同的速度說話。例如，使用美國英文語音時，Ivy 和 Joanna 比 Matthew 快一些，而且比 Joey 快很多。由於語音之間差異很大，因此 Amazon Polly 語音沒有標準速度 （每分鐘字數）。不過，您可以找到語音使用語音標記說出所選文字所需的時間。
時間口語文字段落的長度
-
開啟 AWS CLI。
-
執行下列程式碼，視需要填入 。
aws polly synthesize-speech \ --language-codeoptional language code if needed--output-format json \ --voice-id[name of desired voice]\ --text '[desired text]' \ --speech-mark-types='["viseme"]' \ LengthOfText.txt -
打開
LengthOfText.txt.
如果文字是「Mary 有一點小羊」，Amazon Polly 傳回的最後幾行會是：
{"time":882,"type":"viseme","value":"t"}
{"time":964,"type":"viseme","value":"a"}
{"time":1082,"type":"viseme","value":"p"}基本上，最後視素即「lamb」中最後字母發音，是在開始說話後 1082 毫秒處開始。雖然這並非音訊確實的長度，但是已經很接近，可做為語音比較的基礎。
