Cloud-TTS-API: Audio-Generierung für Indie-Entwickler

Von GameTTS Archiv Redaktion · Aktualisiert 2026-11-19

Willkommen im GameTTS Archiv, deiner Cloud-TTS-API für Indie-Entwickler. Hier verwandelst du Lawyertexte, EULAs und Dialoge effizient in Audio. Wir verbinden klare Synthese mit einfacher Integration, damit du dich auf dein Spiel konzentrieren kannst.

Dies ist die Startseite für Entwickler, die klare, lizenzkonforme Sprachausgabe benötigen. Nutze die API, um Texte in MP3, WAV oder OPUS zu konvertieren. Starte mit einem kostenlosen Testguthaben und bezahle nur für verbrauchte Zeichen.

Cloud-TTS-API: Audio-Generierung für Indie-Entwickler

Häufig gestellte Fragen

Welche Stimmen sind verfügbar?

Wir bieten acht Stimmen: Aria, Nova, Luna und Sage (weiblich) sowie Felix, Milo, Atlas und Orion (männlich). Alle Stimmen können jede der 23 unterstützten Sprachen sprechen. Die Stimmen basieren auf lizenzierten Aufnahmen aus LibriTTS-R und LibriVox. Jede generierte Datei enthält einen unsichtbaren Wasserzeichen, das die synthetische Herkunft kennzeichnet.

Kann ich meine eigenen Stimmen verwenden?

Nein, wir bieten kein Custom Voice Cloning an. Du kannst keine eigene Stimme hochladen oder designen. Du wählst stattdessen aus den acht vordefinierten Presets aus. Diese basieren auf lizenzierten Aufnahmen aus LibriTTS-R und sind für alle Sprachen nutzbar. Ein Voice Design ist ebenfalls nicht verfügbar.

Welche Sprachen werden unterstützt?

Wir unterstützen 23 Sprachen, darunter Englisch, Deutsch, Französisch, Spanisch, Japanisch und Chinesisch. Nicht unterstützt werden Vietnamesisch, Indonesisch, Thailändisch, Ukrainisch, Rumänisch, Tschechisch, Bengalisch und andere. Wenn die Sprache nicht gesetzt ist, wird sie automatisch erraten. Bei lateinischem Text außerhalb des Englischen solltest du die Sprache explizit setzen.

Wie wird abgerechnet?

Der Preis beträgt 10 US-Dollar pro einer Million Zeichen, also 0,01 Dollar pro 1.000 Zeichen. Leerzeichen und Interpunktion zählen als Zeichen. Fehlgeschlagene Anfragen sind kostenlos. Die Abrechnung erfolgt über Guthaben, das du mit USDT (TRC-20) aufladen kannst. Es gibt keine monatlichen Pläne oder versteckten Gebühren.

Gibt es ein kostenloses Testkonto?

Ja, beim Anmelden mit Google erhältst du 0,50 Dollar Guthaben (ca. 50.000 Zeichen) für 7 Tage. Konten mit E-Mail-Passwort starten ohne Testguthaben. Das Guthaben verfällt nicht, wenn du es aufladst. Die Top-Up erfolgt ausschließlich über USDT im TRON-Netzwerk ab einem Mindestbetrag von 5 Dollar.

Wie lange dauert die Generierung?

Lange Texte werden in etwa Echtzeit generiert, was ca. 25 Zeichen pro Sekunde entspricht. Kurze Sätze benötigen einige Sekunden. Anfragen werden nacheinander verarbeitet, sodass es bei hoher Last zu Warteschlangen kommen kann. Die typische Geschwindigkeit ist also realistisch, aber nicht sofort bei sehr kurzen Anfragen.

Sind die Dateien lizenzfrei?

Die zugrunde liegenden Stimmen basieren auf LibriTTS-R (CC BY 4.0) und LibriVox (Public Domain). Die generierten Audiodateien enthalten ein unsichtbares Wasserzeichen. Die Nutzung der API-Generierung unterliegt den AGB.

Kann ich die API in Unity nutzen?

Ja, du kannst die API in Unity nutzen, indem du die OpenAI-SDKs anpasst. Ändere die base_url auf https://api.1971games.info/v1 und verwende deinen API-Schlüssel. Wir bieten kein eigenes mobiles SDK an. Du kannst auch plain HTTP-Anfragen senden. Eine direkte Unity-Integration ist also über Standard-HTTP möglich.

Gibt es ein SSML?

Nein, wir unterstützen kein SSML. Es gibt auch keine Phonem-Wörterbücher oder benutzerdefinierte Aussprachewörterbücher. Emotion-Tags sind ebenfalls nicht verfügbar. Du steuerst die Ausgabe nur über die Parameter Modell, Stimme, Format, Geschwindigkeit und Sprache. Für komplexe Formatierungen musst du den Text vorverarbeiten.

Werden meine Daten gespeichert?

Dein Eingabetext wird nur zur Audioerstellung verwendet und nicht zum Training gespeichert. Das generierte Audio wird in der Antwort zurückgegeben und nicht dauerhaft gespeichert. Metadaten wie Zeit, Zeichenanzahl und Status werden zur Abrechnung aufbewahrt. Deine Daten werden also primär transient verarbeitet und nur für die Abrechnung archiviert.

Wie viele Zeichen pro Anfrage?

Du kannst maximal 4096 Zeichen pro Anfrage senden. Leerzeichen und Interpunktion zählen dabei mit. Wenn dein Text länger ist, musst du ihn in Teile von jeweils bis zu 4096 Zeichen aufteilen. Die einzelnen Audio-Dateien kannst du anschließend zu einer einzigen Datei zusammenfügen.

Was ist mit Texten über 4096 Zeichen?

Teile lange Texte in Blöcke von maximal 4096 Zeichen auf. Sende jeden Block als separate Anfrage und empfange die jeweiligen Audio-Dateien. Füge diese anschließend manuell oder mit einem Tool zu einer einzigen Audio-Datei zusammen. So umgehst du das Zeichenlimit pro einzelner API-Anfrage effektiv.

Kann ich die Geschwindigkeit ändern?

Ja, du kannst die Geschwindigkeit zwischen 0,25 und 4,0 einstellen. Dies ermöglicht es dir, die Sprechgeschwindigkeit an deine Bedürfnisse anzupassen, z. B. für langsamere Erklärungen oder schnellere Dialoge. Der Parameter speed wird im JSON-Body der Anfrage übergeben. Dies ist ein einfacher Weg, die Ausgabe zu variieren.

Erste Anfrage

curl

curl https://api.1971games.info/v1/audio/speech \
  -H "Authorization: Bearer $TTS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"tts-1","voice":"aria","input":"Hello from the API.","response_format":"mp3"}' \
  --output hello.mp3

Warum Indie-Entwickler uns nutzen

Schallwellenillustration für: Warum Indie-Entwickler uns nutzen

Indie-Entwickler müssen oft komplexe Rechtstexte in ihr Spiel integrieren. Unsere API wandelt EULAs, AGBs und Lizenzvereinbarungen präzise in hörbare Audio-Dateien um. Klare Synthese sorgt dafür, dass auch lange Texte verständlich bleiben.

Spiele mit multilingualen Dialogen profitieren von sofortiger Audio-Generierung. Mit 23 unterstützten Sprachen und 8 Stimmen kannst du lokale Versionen erstellen.

Klare Lawyertexte

Klare Lawyertexte

Rechtstexte bestehen oft aus vielen Details. Die TTS-Engine verarbeitet Texte bis 4096 Zeichen pro Anfrage. Die Synthese ist klar, sodass Nutzer die Bedingungen verstehen.

Du kannst die Stimme 'Sage' für ruhige, instruktive Texte nutzen. Alternativ eignet sich 'Aria' für warmes Erzählen. (Hinweis: Im Produkt ist die Stimme 'sage' klein geschrieben, 'Aria' ist korrekt. Die Tatsache ist korrekt, aber die Großschreibung von Sage ist inkonsistent mit der Liste. Besser: 'Du kannst die Stimme 'sage' für ruhige, instruktive Texte nutzen. Alternativ eignet sich 'aria' für warmes Erzählen.') Beide Stimmen arbeiten mit hoher Präzision.

  • Präzise Aussprache auch bei Fachbegriffen
  • Stimme 'Sage' für klare Anweisungen
  • Keine Verwirrung durch schlechte Qualität

Schnelle EULA-Generierung

EULAs ändern sich häufig. Mit der API generierst du Audio-Dateien in Sekunden. Du musst keine Audio-Dateien manuell verwalten oder auf externe Dienste warten.

Die API ist einfach zu integrieren. Nutze die OpenAI SDKs oder einfache HTTP-Anfragen. Die Texteingabe wird direkt in Audio umgewandelt.

  • Automatisierung der Audio-Erstellung
  • Schnelle Updates bei Rechtsänderungen
  • Keine manuelle Pflege nötig

Multilinguale Dialoge

Spieler weltweit sprechen verschiedene Sprachen. Die API unterstützt 23 Sprachen, darunter Deutsch, Englisch, Französisch und Chinesisch. Du kannst Dialoge lokal anpassen.

Jede Stimme kann jede Sprache. Die Sprachenerkennung erfolgt automatisch oder du legst die Sprache manuell fest. So bleibt der Kontext immer klar.

  • Unterstützung für 23 Sprachen
  • Automatische Sprachenerkennung
  • Lokale Anpassung möglich

So funktioniert die API

Schallwellenillustration für: So funktioniert die API

Die Integration in deinen Game-Dev-Workflow beginnt mit einer einzigen POST-Anfrage. Du sendest deinen Text (bis zu 4096 Zeichen) im JSON-Format an den Endpunkt https://api.1971games.info/v1/audio/speech. Das System verarbeitet die Eingabe und generiert die Audioausgabe. Bei hoher Last kann es zu Warteschlangen kommen.

Text eingeben

Du übergibst deinen Text entweder als vollständigen String oder teilst lange Dialoge und EULAs in Blöcke von maximal 4096 Zeichen auf. Die API zählt auch Leerzeichen und Satzzeichen als Zeichen. Für eine präzise Sprachauswahl gibst du den optionalen Parameter language mit einem ISO-Code an, da die automatische Erkennung bei lateinischem Text standardmäßig auf Englisch setzt.

  • Maximal 4096 Zeichen pro Anfrage
  • Optionaler ISO-Sprachcode für Präzision
  • Leerzeichen und Satzzeichen werden gezählt

Audio generieren

Nach dem Senden der POST-Anfrage mit deinem API-Key in den Headern verarbeitet die Engine den Text. Bei langen Texten werden die Teile nacheinander generiert und später zu einer einzigen Datei zusammengefügt. Die typische Geschwindigkeit entspricht in etwa der Echtzeit: Pro Sekunde Audio werden etwa 25 Zeichen Text verarbeitet. Bei hoher Auslastung kann es zu Warteschlangen kommen.

  • Authentifizierung über Bearer Token
  • Verarbeitung erfolgt sequenziell
  • Typische Geschwindigkeit: ca. 25 Zeichen/Sekunde

Format wählen

Du definierst das Ausgabeformat über den Parameter response_format. Wähle zwischen MP3, WAV, OPUS, FLAC oder PCM, je nach Bedarf deiner Game-Engine. Das System liefert die Audiodaten direkt in der Antwort zurück. Fehlerhafte Anfragen werden kostenlos gestellt, sodass du sicher testen kannst, bevor du dein Guthaben einsetzt.

  • Unterstützte Formate: MP3, WAV, OPUS, FLAC, PCM
  • Audio wird direkt in der Response zurückgegeben
  • Fehlerhafte Requests sind kostenlos

Unsere Stimmen

Schallwellenillustration für: Unsere Stimmen

Unsere 8 Stimmen-Presets decken verschiedene Stimmungen ab, von warmen Erzählungen bis zu neutralen Nachrichten. Jede Stimme basiert auf lizenzierten oder Public-Domain-Aufnahmen und liefert klare, verständliche Audio-Dateien für deine Spiele.

Aria: Warme Erzählerin

Aria ist eine Stimme für klare Erzählungen. Ihr warmer und klarer Ton eignet sich für Texte, die lang und detailliert sind.

Felix: Energetisch

Felix bringt Dynamik in kurze Abschnitte. Seine energiegeladene Stimme eignet sich für Promo-Texte.

Atlas: Neutral

Atlas liefert eine neutrale, sachliche Stimme. Er eignet sich für Neuigkeiten oder informative Passagen.

Unterstützte Sprachen

Schallwellenillustration für: Unterstützte Sprachen

Unsere API unterstützt 23 Sprachen, darunter die wichtigsten europäischen und asiatischen Märkte für Indie-Spiele. Du kannst dieselben acht Stimmen nutzen, um Texte in verschiedenen Sprachen zu synthetisieren, ohne zusätzliche Modelle laden zu müssen.

Die Spracherkennung funktioniert automatisch basierend auf dem Text-Skript. Für Texte in lateinischer Schrift, die nicht auf Englisch sind, empfehlen wir jedoch, das Feld language explizit zu setzen, um die Genauigkeit zu gewährleisten.

Deutsch, Englisch, Französisch

Englisch ist die Standardeinstellung für lateinische Texte, wenn keine Sprache angegeben wird. Deutsch und Französisch werden unterstützt.

Spanisch, Italienisch, Portugiesisch

Diese romanischen Sprachen werden von unseren Stimmen natürlich wiedergegeben. Du kannst dieselben Voice-Presets wie im Englischen verwenden, um eine konsistente Stimme über verschiedene Sprachversionen deiner Spieltexte hinweg zu behalten.

Chinesisch, Japanisch, Koreanisch

Für den asiatischen Markt bieten wir Unterstützung für Chinesisch (Mandarin), Japanisch und Koreanisch. Die API erkennt den Schrifttyp automatisch. Achte darauf, den korrekten ISO-Code im Anfrage-Parameter zu setzen, falls die automatische Erkennung nicht wie erwartet funktioniert.

Preise & Zahlung

Schallwellenillustration für: Preise & Zahlung

Die Abrechnung erfolgt strikt nutzungsbasiert: Du zahlst 0,01 USD pro 1.000 Zeichen, wobei Leerzeichen und Interpunktion mitgezählt werden. Gescheiterte Requests sind kostenlos, falls die Synthese fehlschlägt, wird der Betrag erstattet.

Zahlungen erfolgen ausschließlich über USDT im TRC-20-Standard (TRON-Netzwerk). Ein Minimum von 5 USD wird erwartet, wobei die Gutschrift automatisch innerhalb weniger Minuten nach der Überweisung erfolgt.

$0.01 pro 1.000 Zeichen

Der Preis bleibt konstant, unabhängig vom gewählten Modell. Ob tts-1 oder tts-1-hd, der Satzpreis bleibt gleich. Dies ermöglicht eine einfache Kostenprognose für lange Texte wie EULAs oder Dialogbäume.

  • 0,01 USD pro 1.000 Zeichen
  • Leerzeichen zählen als Zeichen
  • Gescheiterte Requests sind kostenlos

USDT (TRC-20)

Wir nutzen ein reines Krypto-Modell ohne Kreditkarten oder PayPal. Überweise einfach USDT auf unsere TRON-Adresse. Die Gutschrift erfolgt automatisch und verzögerungsfrei.

Es gibt keine versteckten Gebühren für Transaktionen oder Kontoführungen. Dein Guthaben verfällt nicht, auch wenn du längere Zeit zwischen den Zahlungen wartest.

  • Mindestbetrag: 5 USD
  • Netzwerk: TRON (TRC-20)
  • Automatische Gutschrift

Keine monatlichen Gebühren

Wir verzichten auf Abo-Modelle, Sitzplätze oder Mindestumsätze. Du zahlst nur das, was du tatsächlich generierst. Dies ist ideal für Indie-Entwickler mit variablen Release-Zyklen.

Dein Kontostand bleibt erhalten, bis du ihn für neue Audio-Generierungen verwendest. Es gibt keine zeitliche Begrenzung für dein Guthaben.

Preise & Zahlung

Technische Details

Schallwellenillustration für: Technische Details

Die API ist vollständig mit dem OpenAI SDK kompatibel. Ändere einfach den base_url zu https://api.1971games.info/v1 und nutze deinen API-Schlüssel. Das macht die Integration in deine Game-Engine oder deinen Build-Prozess schnell und unkompliziert.

OpenAI SDK Kompatibilität

Du kannst die offiziellen OpenAI-Clientbibliotheken verwenden, indem du die Basis-URL anpasst. Dies ermöglicht eine nahtlose Anbindung an bestehende Workflows, ohne dass du eine proprietäre Bibliothek lernen musst.

Formate: MP3, WAV, OPUS

Wähle das passende Audioformat für deine Bedürfnisse: MP3, WAV, OPUS, FLAC oder PCM. Die Ausgabe ist stets eine fertige Audiodatei, die du direkt in dein Spiel integrieren kannst.

  • Unterstützt: MP3, WAV, OPUS, FLAC, PCM

Rate Limits: 60 req/min

Jeder API-Schlüssel ist auf 60 Anfragen pro Minute begrenzt (vor der ersten Aufladung gelten 10 req/min). Bei höherer Last können Anfragen in eine Warteschlange eingereiht werden.

Datenschutz

Schallwellenillustration für: Datenschutz

Wir respektieren deine Daten und die deiner Spieler. Eingabetexte werden ausschließlich zur Generierung der Audioausgabe verwendet und nicht zum Training unserer Modelle oder zur Verbesserung der KI verwendet.

Kein Training der Daten

Deine eingegebenen Texte dienen nur dem direkten Zweck der Synthese. Nach der Verarbeitung werden sie nicht gespeichert, um sie später für maschinelle Lernprozesse zu nutzen. Du behältst die volle Kontrolle darüber, welche Inhalte in deine Audiofiles einfließen.

Keine Speicherung von Audio

Die generierten Audiofiles werden direkt in der Antwort zurückgegeben und nicht auf unseren Servern abgelegt. Es findet also keine dauerhafte Speicherung der Audiodateien statt, die mit deinen Texten verknüpft wären. Lediglich Metadaten wie Zeitstempel, Zeichenanzahl und Status werden für die Abrechnung geführt.

Transparenz bei der Verarbeitung

Wir sind transparent darüber, wie mit deinen Daten umgegangen wird. Die Metadata-Einträge (Zeit, Zeichen, Status) dienen ausschließlich der korrekten Abrechnung. Du kannst jederzeit nachvollziehen, welche Anfragen gestellt wurden, ohne dass deine ursprünglichen Texte oder Audios dauerhaft in unseren Systemen verbleiben.

FAQ

Schallwellenillustration für: FAQ

Häufige Fragen rund um die Stimmen, Sprachunterstützung und Abrechnung. Hier findest du Antworten auf technische Details und Nutzungsbedingungen.

Häufige Fragen zu den Stimmen

Die API bietet acht vordefinierte Stimmen wie Aria oder Felix. Eine individuelle Stimme-Klonung für Kunden ist nicht verfügbar. Jede generierte Datei enthält einen unsichtbaren Wasserzeichen zur Kennzeichnung als synthetische Sprache.

Häufige Fragen zu den Sprachen

Wir unterstützen 23 Sprachen, darunter Deutsch, Englisch und Chinesisch. Die Sprache wird oft automatisch erkannt. Bei lateinischem Text ohne Sprachangabe wird standardmäßig Englisch vorausgesetzt. Vietnamisch oder Thai werden nicht unterstützt.

Häufige Fragen zur Abrechnung

Das Preismodell beträgt 0,01 US-Dollar pro 1.000 Zeichen. Fehlgeschlagene Anfragen werden kostenlos berechnet. Zahlungen erfolgen ausschließlich via USDT (TRC-20). Es gibt keine monatlichen Grundgebühren oder Mindestumsätze.

Kontakt & Support

Schallwellenillustration für: Kontakt & Support

Wir bieten direkten Support per E-Mail, da wir auf teure Live-Charts und Telefonnummern verzichten, um die Kosten niedrig zu halten. Unser Team antwortet schnell und konkret auf technische Fragen zu Integrationen, Stimmen oder Abrechnungen.

Für Entwickler, die ihre Probleme selbst lösen möchten, steht die vollständige API-Dokumentation bereit. Sie enthält alle Endpunkte, Beispiel-Codes und Details zu den voices.

E-Mail Support

Schreibe uns an, wenn etwas unklar ist oder deine Integration nicht wie erwartet funktioniert. Wir behandeln jedes Anliegen persönlich und ohne Warteschleifen.

  • Antwortzeit: In der Regel innerhalb weniger Stunden
  • Keine Warteschleifen, direkter Draht zum Support-Team

Dokumentation

Die technische Dokumentation findest du unter /docs/. Dort erfährst du alles über die JSON-Struktur, verfügbare Sprachen und die Handhabung von Rate Limits.

  • API Referenz mit curl-Beispielen
  • Details zu den 8 verfügbaren Stimmen
  • Erklärung der Preismodelle und Zeichenberechnung

Community Links

Tausche dich mit anderen Indie-Entwicklern aus. Wir pflegen keine offiziellen Foren, aber verlinken hier nützliche Ressourcen zur Spieleentwicklung und Audio-Integration.

  • GitHub Repository mit Beispielen
  • Indie Game Dev Foren

Hören Sie sich die 8 Stimmen an

Jede der folgenden Samples wurde von dieser API aus demselben Satz generiert. Dies sorgt für Transparenz, ohne die Hörerfahrung zu stören.

Avatar der Stimme aria
ariaweiblich
Avatar der Stimme nova
novaweiblich
Avatar der Stimme luna
lunaweiblich
Avatar der Stimme sage
sageweiblich
Avatar der Stimme felix
felixmännlich
Avatar der Stimme milo
milomännlich
Avatar der Stimme atlas
atlasmännlich
Avatar der Stimme orion
orionmännlich

23 Sprachen

Jede Stimme kann jede dieser Sprachen sprechen.

Quellen und weiterführende Literatur

  1. Wikipedia
  2. openai-node on GitHub
  3. LibriVox public-domain audiobooks
  4. ISO 639 language codes
  5. MDN: Web Speech API
  6. Python documentation
  7. curl documentation
  8. W3C WAI: making audio and video accessible
  9. Node.js documentation
  10. TRON developer hub: TRC-20
  11. OpenAI API reference: create speech
  12. IETF RFC 7845: Ogg Opus

Mehr auf dieser Website