Amazon Polly permet aux développeurs de proposer des applications avec une expérience visuelle améliorée, notamment des fonctions de synchronisation labiale ou de surlignage des mots similaire à celui des vidéos de karaoké. Amazon Polly facilite l'interrogation d'un flux additionnel de métadonnées contenant des informations pertinentes lorsque certaines phrases, certains mots et certains sons sont prononcés. En utilisant ce flux de métadonnées en même temps que le flux audio de paroles synthétisées, les clients peuvent animer des avatars et souligner le texte prononcé en temps réel dans leur application.