Wie funktioniert die Text-to-Speech-API genau?

Von GameTTS Archiv Redaktion · Aktualisiert 2026-11-19

Diese Seite erklärt dir Schritt für Schritt, wie unsere Cloud-TTS-API funktioniert. Du lernst, wie du Text in hochwertige Audio-Dateien umwandelst, welche technischen Voraussetzungen nötig sind und wie die Integration in deine Indie-Game-Engine läuft. Wir gehen auf die genauen Requests, die verfügbaren Stimmen und die Abrechnung ein.

Besonders für Entwickler von Lawyertexten, EULAs und Dialogen ist diese Übersicht wichtig. Wir zeigen dir, wie du die API einfach integrierst, Kosten kontrollierst und typische Fehler vermeidest. Lies weiter, um zu verstehen, wie du dich auf dein Spiel konzentrieren kannst, während wir die Audio-Generierung übernehmen.

Wie funktioniert die Text-to-Speech-API genau?

Häufig gestellte Fragen

Was bedeutet TTS?

TTS steht für Text-to-Speech und bezeichnet die automatische Umwandlung von geschriebenen Texten in gesprochene Audio-Dateien. Unsere Cloud-API verarbeitet deinen Input und liefert nach kurzer Generierungszeit ein fertiges Audioformat zurück, ideal für die Integration in Spiele oder andere digitale Medien.

Wie funktioniert die API?

Sende einen POST-Request an https://api.1971games.info/v1/audio/speech mit deinem API-Key im Header. Wähle ein Modell, eine Stimme und das Format. Die API verarbeitet den Text und gibt die Audio-Datei direkt zurück. Andere Endpunkte listen Stimmen und Modelle auf.

Welche Vorteile bietet TTS?

Du erhältst synthetische Sprache ohne teure Sprecher-Verträge. Die API ist einfach integrierbar, unterstützt 23 Sprachen und 8 Stimmen. Fehlgeschlagene Anfragen sind kostenlos. Du behältst die volle Kontrolle über Textlänge, Geschwindigkeit und Format, ohne auf Streaming oder SSML angewiesen zu sein.

Wer kann TTS nutzen?

Jeder mit einem Konto auf 1971games.info. Erstelle ein Konto per Google oder E-Mail. Die API ist speziell für Indie-Entwickler konzipiert, die Lawyertexte, EULAs oder Dialoge effizient in Audio verwandeln wollen. Keine Mindestmengen oder monatlichen Pläne erforderlich.

Welche Sprachen werden unterstützt?

Wir unterstützen 23 Sprachen, darunter Deutsch, Englisch, Französisch, Spanisch, Japanisch und Chinesisch. Du kannst die Sprache optional per ISO-Code setzen. Nicht unterstützt werden unter anderem Vietnamesisch, Indonesisch, Thai, Ukrainisch, Rumänisch, Tschechisch und Bengalisch.

Wie viele Stimmen gibt es?

Es gibt 8 vordefinierte Stimmen: Aria, Nova, Luna, Sage, Felix, Milo, Atlas und Orion. Jede Stimme kann jede der 23 unterstützten Sprachen sprechen. Die Stimmen basieren auf lizenzierten Aufnahmen aus LibriTTS-R und LibriVox.

Wie hoch sind die Kosten?

Der Preis beträgt 10 $ pro 1 Million Zeichen, also 0,01 $ pro 1.000 Zeichen. Leerzeichen und Interpunktion zählen als Zeichen. Fehlgeschlagene Requests sind kostenlos. Es gibt keine monatlichen Pläne oder versteckten Gebühren.

Ist TTS für Indie-Entwickler geeignet?

Ja, perfekt. Die API ist einfach über HTTP oder OpenAI-SDKs integrierbar. Du zahlst nur für verbrauchte Zeichen ohne Mindestumsatz. Die klare Synthese hilft, Lawyertexte und Dialoge schnell in Audio zu verwandeln, damit du dich auf das Spiel konzentrieren kannst.

Kann ich die API in Unity nutzen?

Ja, da die API HTTP-Requests verwendet, kannst du sie problemlos in Unity oder anderen Engines integrieren. Sende einfach den JSON-Body an den Endpunkt und verarbeite die zurückgegebene Audio-Datei. Es gibt kein natives Unity-SDK, aber die Integration ist direkt.

Wie lange dauert die Generierung?

Lange Texte werden in Echtzeit generiert (ca. 25 Zeichen pro Sekunde Audio). Kurze Phrasen dauern einige Sekunden. Requests werden nacheinander verarbeitet, sodass es bei hoher Last zu Wartezeiten in der Queue kommen kann.

Sind die Dateien lizenzfrei?

Die Stimmen basieren auf CC BY 4.0 (LibriTTS-R) und Public Domain (LibriVox). Jede generierte Datei enthält ein unhörbares Wasserzeichen, das sie als synthetische Sprache kennzeichnet. Die API wird nur zur Erstellung genutzt, nicht zum Training.

Kann ich die Stimme ändern?

Ja, du wählst die Stimme im Request-Feld voice. Du kannst zwischen 8 Presets wählen, z.B. Aria für klare Erzählungen oder Felix für energiegeladene Promo-Texte. Die Stimme ist fest im Modell definiert, ein Custom Cloning ist nicht verfügbar.

Gibt es ein Testkonto?

Ja, beim Anmelden mit Google erhältst du 0,50 $ Guthaben (ca. 50.000 Zeichen) für 7 Tage. Konten mit E-Mail-Passwort starten ohne Testguthaben. Das Guthaben verfällt nach 7 Tagen.

Wie wird abgerechnet?

Die Abrechnung erfolgt über USDT (TRC-20) auf dem TRON-Netzwerk. Mindestens 5 $ werden aufgeladen. Das Guthaben wird automatisch innerhalb von Minuten gutgeschrieben. Es gibt keine Rechnungen, keine MwSt. und keine monatlichen Abos. Der Kontostand verfällt nicht.

Was ist TTS?

Schallwellenillustration für: Was ist TTS?

Text-to-Speech (TTS) wandelt geschriebenen Text direkt in hörbare Audiodateien um. Für Indie-Entwickler ist das die effiziente Lösung, um Lawyertexte, EULAs oder Dialoge in wenigen Sekunden in Audio zu verwandeln, ohne teure Sprecher zu buchen.

Text in Audio

Die API nimmt deinen Text und generiert daraus eine Audiodatei im gewählten Format. Der Prozess ist vollständig automatisiert: Du sendest den Text, erhältst das Audio. Das spart Zeit bei der Erstellung von In-Game-Texten oder Erklärungen.

  • Keine Hardware notwendig
  • Echtzeit-Generierung

Cloud-basiert

Die Verarbeitung findet in der Cloud statt, nicht auf deinem lokalen Rechner. Das bedeutet, dass die Rechenleistung für die Synthese unabhängig von deiner Spiel-Engine oder deinem PC ist. Du kannst auch lange Texte senden, ohne dein System zu belasten.

  • Kein lokaler Server
  • Skalierbar

API-Integration

Die Integration erfolgt über eine einfache REST-API. Du kannst sie direkt in deinen Game-Client oder Server einbinden. Die API folgt dem gleichen Request-Shape wie bekannte Dienste, was die Einarbeitung für Entwickler schnell und unkompliziert macht.

  • RESTful API
  • Einfache JSON-Struktur

Funktionsweise

Schallwellenillustration für: Funktionsweise

Die API funktioniert als Cloud-Dienst: Du sendest Text, das System verarbeitet ihn und liefert Audio zurück. Die Integration ist denkbar einfach – ein POST-Request an https://api.1971games.info/v1/audio/speech genügt.

Der Prozess ist linear und zuverlässig. Du übergibst den Rohtext, die Engine generiert die Stimme und du erhältst die Audiodatei im gewünschten Format.

Eingabe Text

Du übergibst den Text als JSON-Feld input. Der Text kann bis zu 4096 Zeichen lang sein. Leerzeichen und Satzzeichen zählen dabei als Zeichen.

  • Maximal 4096 Zeichen pro Anfrage
  • JSON-Format im Body
  • Optional: Sprachcode (ISO) festlegen

Verarbeitung

Die API verarbeitet die Anfrage asynchron; die Antwort enthält die Audiodatei, wenn die Generierung abgeschlossen ist. Bei langen Texten müssen diese selbst in passende Segmente unterteilt werden. Die Synthese dauert bei kurzen Sätzen einige Sekunden.

  • Verarbeitung erfolgt serverseitig
  • Rate Limit: 60 Requests/Minute

Ausgabe Audio

Das Ergebnis ist eine Audiodatei im gewählten Format (mp3, wav, opus, flac, pcm). Die Datei wird direkt in der Antwort zurückgegeben und nicht gespeichert.

  • Formate: mp3, wav, opus, flac, pcm
  • Audio wird nicht gespeichert
  • Invisible Watermark für Synthetik-Erkennung

Vorteile für Indie-Entwickler

Schallwellenillustration für: Vorteile für Indie-Entwickler

Unsere API eliminiert teure Infrastruktur, da du nur für tatsächlich verarbeitete Zeichen zahlst – bei 0,01 USD pro 1.000 Zeichen. Fehlgeschlagene Anfragen werden erstattet, sodass du kein Risiko für fehlerhafte Generierungen trägst. Das Preismodell ist vollständig transparent und skaliert linear mit deinem Bedarf.

Du musst keine Server für Audio-Rendering bereitstellen. Die Cloud verarbeitet die Anfragen, sodass du dich auf deine Spielmechanik konzentrieren kannst, egal ob du 50 oder 50.000 Dialogzeilen generierst.

Kosteneffizienz

Mit einem Startguthaben von 0,50 USD und einem Preis von 0,01 USD pro 1.000 Zeichen ist die Einstiegshürde minimal. Es gibt keine monatlichen Fixkosten oder Mindestumsätze, was ideal für Indie-Budgets ist.

  • Nur zahlen, was verbraucht wird
  • Fehlerhafte Anfragen werden erstattet
  • Keine monatlichen Grundgebühren

Skalierbarkeit

Die API verarbeitet Anfragen in der Cloud. Ob du kurze EULAs oder lange Dialogbäume generierst, die Abrechnung erfolgt stets pro Zeichen. Die Rate Limits von 60 Anfragen pro Minute (bzw. 10 vor der ersten Aufladung) können unter Last zu Wartezeiten führen.

Einfache Integration

Die Schnittstelle folgt dem bekannten OpenAI-Standard. Du kannst die bestehenden OpenAI-SDKs nutzen, indem du nur die base_url auf https://api.1971games.info/v1 änderst. Das spart Entwicklungszeit und reduziert Einarbeitungsfehler.

  • Kompatibel mit OpenAI SDKs
  • RESTful API mit JSON-Standard
  • Schnelle Integration möglich

Anwendungsbereiche

Schallwellenillustration für: Anwendungsbereiche

GameTTS Archiv konvertiert komplexe Rechtstexte in klare Audioformate. Indie-Entwickler können Lizenzen und AGBs direkt in ihren Spielen einbetten, ohne externe Player zu benötigen.

Die API verarbeitet auch längere Dialoge effizient. Du musst den Text selbst in Segmente unterteilen und die Audio-Dateien im Anschluss zusammenfügen., die sich perfekt in die Spielwelt integrieren lassen.

Lawyertexte

Rechtssichere Informationen müssen verständlich sein. Mit GameTTS Archiv werden juristische Formulierungen in klare Sprache umgewandelt. Spieler hören Lizenzvereinbarungen oder Nutzungsbedingungen direkt im Spielkontext.

Da jede Stimme eine klare Aussprache bietet, bleibt auch bei komplexen Satzstrukturen die Verständlichkeit erhalten. Dies reduziert Missverständnisse bei der Interpretation von Spielregeln.

  • Klare Aussprache komplexer Begriffe
  • Nahtlose Integration in UI

EULAs

Endbenutzer-Lizenzverträge werden oft ignoriert, weil sie zu lang sind. Audio-Versionen erhöhen die Wahrscheinlichkeit, dass Spieler die Bedingungen tatsächlich hören. Dies schafft Transparenz zwischen Entwickler und Nutzer.

Die API unterstützt 23 Sprachen, sodass EULAs lokalisiert werden können. Spieler erhalten die Informationen in ihrer Muttersprache, was die Akzeptanz erhöht.

  • Lokalisierung in 23 Sprachen
  • Erhöhte Nutzerakzeptanz

Audiobooks

Indie-Entwickler nutzen die API auch für narrativen Content. Lange Texte werden in Segmente unterteilt und zu einer einzigen Audiodatei zusammengefügt. Dies eignet sich ideal für Story-Modi.

Die Kosten betragen nur $0,01 pro 1.000 Zeichen. Damit ist die Erstellung von Audio-Inhalten auch bei großen Textmengen kosteneffizient und skalierbar.

  • Automatische Textaufteilung
  • Kostengünstige Skalierung

Technische Anforderungen

Schallwellenillustration für: Technische Anforderungen

Die API ist cloud-basiert und erfordert eine stabile Internetverbindung, um Textdaten an den Server zu senden und Audiodateien zu empfangen. Die Generierung dauert bei kurzen Sätzen einige Sekunden; bei hoher Last kann eine Warteschlange entstehen.

Für die Authentifizierung benötigst du einen gültigen API-Key, den du nach der Registrierung auf /get-api-key/ erhältst. Dieser wird im Header als Bearer-Token übergeben und ist pro Account aktiv. Ein neuer Key deaktiviert den alten sofort.

Internetverbindung

Die API ist cloud-basiert und erfordert eine stabile Internetverbindung, um Textdaten an den Server zu senden und Audiodateien zu empfangen. Da die Verarbeitung in Echtzeit erfolgt, sind kurze Latenzzeiten bei der Abfrage wichtig, besonders bei der Generierung einzelner Sätze.

API-Key

Für die Authentifizierung benötigst du einen gültigen API-Key, den du nach der Registrierung auf /get-api-key/ erhältst. Dieser wird im Header als Bearer-Token übergeben und ist pro Account aktiv. Ein neuer Key deaktiviert den alten sofort.

  • Nutze den Key nur in vertrauenswürdigen Umgebungen.
  • Maximal ein aktiver Key pro Account.

JSON Format

Die Kommunikation erfolgt über JSON. Sende POST-Anfragen an /v1/audio/speech mit den Feldern model, input, voice und response_format. Das Format orientiert sich an der OpenAI-Schnittstelle, sodass bestehende SDKs einfach angepasst werden können.

Stelle sicher, dass der Text die Grenze von 4096 Zeichen pro Anfrage nicht überschreitet. Bei längeren Texten musst du aufteilen und die Ergebnisse später zusammenführen.

  • Endpunkt: POST /v1/audio/speech
  • Auth: Bearer Token im Header

Sprachunterstützung

Schallwellenillustration für: Sprachunterstützung

Die GameTTS API unterstützt 23 Sprachen, von Deutsch über Englisch bis hin zu Arabisch und Swahili. Jede der 8 verfügbaren Stimmen beherrscht alle aufgeführten Sprachen flüssig, was die Lokalisierung deiner Indie-Spiele oder Lawyertexte erheblich erleichtert. Sprachen wie Vietnamesisch oder Thai werden aktuell noch nicht unterstützt.

23 Sprachen

Wir unterstützen Deutsch, Englisch, Französisch, Spanisch, Italienisch, Japanisch, Chinesisch, Koreanisch, Arabisch, Hindi, Russisch, Portugiesisch, Niederländisch, Polnisch, Türkisch, Schwedisch, Norwegisch, Dänisch, Finnisch, Griechisch, Hebräisch, Malay und Swahili. Diese breite Palette deckt die meisten Zielgruppen ab, die Indie-Entwickler ansprechen.

  • Deutsch, Englisch, Französisch, Spanisch, Italienisch
  • Japanisch, Chinesisch, Koreanisch, Arabisch, Hindi
  • Russisch, Portugiesisch, Niederländisch, Polnisch, Türkisch
  • Schwedisch, Norwegisch, Dänisch, Finnisch, Griechisch
  • Hebräisch, Malay, Swahili

Automatische Erkennung

Wenn du das Feld language in der Anfrage offen lässt, versucht die API, die Sprache anhand des Zeichensatzes zu erkennen. Lateinische Texte werden standardmäßig als Englisch interpretiert. Bei nicht-lateinischen Skripten ist die Erkennung in der Regel zuverlässig.

Manuelle Auswahl

Für präzise Ergebnisse, besonders bei lateinischen Texten in anderen Sprachen als Englisch, solltest du den ISO-Code (z. B. de, fr, es) explizit im language-Feld setzen. Dies verhindert Fehlinterpretationen und stellt sicher, dass die Stimme die korrekten Akzente und die Grammatik der Zielsprache verwendet.

Stimmenauswahl

Schallwellenillustration für: Stimmenauswahl

Die API bietet acht vordefinierte Stimmen, die auf lizenzierten Aufzeichnungen basieren. Jede Stimme ist für einen bestimmten Einsatzzweck optimiert, von klaren Erzählungen bis hin zu energiegeladenen Promo-Texten. Die Auswahl erfolgt einfach über den Parameter voice in deiner API-Anfrage.

Du kannst zwischen vier weiblichen und vier männlichen Stimmen wählen. Die Stimmen decken verschiedene Stimmungen ab, sodass du genau den Ton für deine Lawyertexte oder Dialoge findest. Alle Stimmen können alle 23 unterstützten Sprachen sprechen.

8 Stimmen

Verfügbare Optionen sind: Aria, Nova, Luna, Sage, Felix, Milo, Atlas und Orion. Jede Stimme hat einen einzigartigen Klangcharakter, der sich durch Tests mit kurzen Textproben leicht vergleichen lässt. Die Stimme atlas eignet sich beispielsweise gut für neutrale Nachrichten, während aria sich für klare Erzählungen eignet.

  • aria: warm, klar
  • nova: hell, energetisch
  • luna: sanft
  • sage: ruhig
  • felix: lebhaft
  • milo: freundlich
  • atlas: neutral
  • orion: tief

Geschlecht

Die Auswahl zwischen männlichen und weiblichen Stimmen ist frei und unabhängig vom Inhalt. Du kannst dieselbe Stimme für verschiedene Sprachausgaben verwenden. Die Stimme orion bietet eine tiefe Stimme, die sich gut für Dokumentationen eignet, während nova eine helle, positive Stimme hat.

Stil

Jede Stimme hat einen bestimmten Stil, der zur Art des Inhalts passt. sage ist ruhig und instruktiv, ideal für Anleitungen. felix ist lebhaft und eignet sich gut für Werbung. Der Stil bleibt konsistent, auch wenn du die Sprache änderst. Die Geschwindigkeit kannst du zwischen 0,25 und 4,0 anpassen, um den Stil weiter zu verfeinern.

Stimmenauswahl

Preismodell

Schallwellenillustration für: Preismodell

Die Abrechnung erfolgt strikt pro Zeichen, wobei jeder Buchstabe, jedes Leerzeichen und jedes Satzzeichen zählt. Du zahlst nur für das, was tatsächlich verarbeitet wird, was besonders bei variablen Dialogmengen oder sich ändernden EULAs vorteilhaft ist. Der Preis liegt bei $10 pro einer Million Zeichen, also $0,01 pro 1.000 Zeichen.

Das System ist vollständig nutzungsbasiert. Es gibt keine monatlichen Grundgebühren, keine Fixkosten für die API-Nutzung und auch keine Mindestumsätze. Die API stoppt nicht automatisch; du musst selbst auf dein Guthaben achten, da es nicht automatisch nachgeladen wird. Dies macht das Budget für Indie-Projekte hervorragend kalkulierbar.

Pro Zeichen

Jedes Zeichen in deinem Eingabetext wird als eine Einheit gezählt. Dies schließt Leerzeichen, Interpunktion und Umlaute ein. Die Preisspanne von $0,01 pro 1.000 Zeichen ermöglicht eine präzise Kalkulation des Audio-Budgets für jedes Spielprojekt.

Fehlerhafte Anfragen werden kostenlos abgerechnet. Wenn die Synthese aufgrund eines Systemfehlers misslingt, wird der Betrag für die Zeichen automatisch zurückerstattt. Du zahlst also nur für erfolgreich generierte Audio-Dateien.

  • $10 pro 1.000.000 Zeichen
  • $0,01 pro 1.000 Zeichen
  • Leerzeichen und Satzzeichen zählen

Keine Fixkosten

Es gibt keine monatlichen Abonnementgebühren oder Lizenzen, die du zahlen musst, auch wenn du die API nicht nutzt. Du startest ohne fixe Last, was den Einstieg für kleine Teams mit begrenztem Budget erleichtert. Die API ist jederzeit skalierbar, ohne dass Vertragslaufzeiten berücksichtigt werden müssen.

Das Preismodell ist transparent und vorhersehbar. Da die Abrechnung exakt an den Verbrauch gekoppelt ist, entstehen keine überraschenden Nebenkosten für Hintergrunddienste oder Wartezeiten, solange die Rate-Limits eingehalten werden.

Transparent

Jede Transaktion wird in deinem Dashboard sichtbar dokumentiert. Du siehst genau, wie viele Zeichen verbraucht wurden und wie hoch dein verbleibender Guthabenstand ist. Dies gibt dir volle Kontrolle über deine Ausgaben.

Das Guthaben verfällt nicht. Bezahlt wird über USDT (TRC-20), wobei der Betrag nach Bestätigung der Blockchain-Transaktion sofort deinem Konto gutgeschrieben wird. Es gibt keine versteckten Gebühren für die Zahlungsmethode oder die Abrechnung.

Beispielanfrage

Schallwellenillustration für: Beispielanfrage

Die Integration ist unkompliziert: Sende eine POST-Anfrage an den Speech-Endpoint und erhalte sofort Audio. Der JSON-Körper enthält alle notwendigen Parameter wie Modell, Stimme und Format.

Ein minimales cURL-Beispiel zeigt, wie einfach die Authentifizierung und Textübertragung funktionieren. Die Antwort enthält direkt die Audiodaten oder eine Fehlerbeschreibung.

curl Kommando

Nutze diesen Befehl, um deine erste Synthese durchzuführen. Ersetze YOUR_API_KEY durch deinen Schlüssel aus dem Dashboard.

  • curl -X POST https://api.1971games.info/v1/audio/speech \
  • -H "Authorization: Bearer YOUR_API_KEY" \
  • -H "Content-Type: application/json" \
  • -d '{"model": "tts-1", "input": "Hallo Welt", "voice": "nova"}'

JSON Körper

Der Request Body erfordert model, input und voice. Optional sind response_format, speed und language. Der Text darf maximal 4096 Zeichen umfassen.

Antwort

Bei Erfolg erhältst du die Audiodaten im gewählten Format. Bei Fehlern (z.B. ungültiger Key) wird ein JSON-Error zurückgegeben, der den Vorgang kostenlos lässt.

Fehlerquellen

Schallwellenillustration für: Fehlerquellen

Damit die Audio-Generierung reibungslos funktioniert, solltest du potenzielle Fehlerquellen kennen. Die meisten Probleme entstehen durch ungültige Eingaben, Verbindungsprobleme oder Authentifizierungsfehler.

Ungültiger Text

Dein Text darf maximal 4096 Zeichen pro Anfrage umfassen. Überschreitet er diesen Wert, wird die Synthese abgebrochen. Prüfe daher deine Eingaben, bevor du die API aufrufst.

  • Maximal 4096 Zeichen pro Anfrage
  • Leerzeichen und Interpunktion zählen als Zeichen

Netzwerkfehler

Stabilität ist wichtig. Bei Netzwerkproblemen kann die Anfrage fehlschlagen. Die API speichert keine generierten Audiodateien, daher muss die Antwort sofort empfangen werden. Stelle sicher, dass deine Verbindung stabil ist.

API-Key Fehler

Der API-Key muss korrekt im Header als Authorization: Bearer übergeben werden. Ist er ungültig oder abgelaufen, wird die Anfrage abgelehnt. Du kannst jederzeit einen neuen Key ausstellen.

Best Practices

Schallwellenillustration für: Best Practices

Effiziente Integration erfordert weniger als eine stabile Internetverbindung und einen gültigen API-Key. Die Nutzung des JSON-Formats sorgt für eine nahtlose Einbindung in deine bestehende Pipeline, sodass du dich auf das Spiel konzentrieren kannst, während die API die Synthese übernimmt.

Die Einhaltung bestimmter Praktiken minimiert Wartezeiten und Kosten. Da Anfragen nacheinander verarbeitet werden, ist eine intelligente Vorverarbeitung deines Textmaterials entscheidend, um Warteschlangen zu vermeiden und die Generierungsgeschwindigkeit optimal zu nutzen.

Textaufteilung

Teile lange Texte in Blöcke von maximal 4096 Zeichen auf. Jedes Zeichen, einschließlich Leerzeichen und Interpunktion, zählt. Die Audio-Dateien der Teile können im Anschluss zusammengefügt werden, um ein nahtloses Hörerlebnis zu gewährleisten.

  • Maximale Länge pro Anfrage: 4096 Zeichen
  • Leerzeichen und Satzzeichen zählen als Zeichen

Cache nutzen

Speichere generierte Audio-Dateien lokal, besonders für wiederkehrende Inhalte wie EULAs oder feste Dialoge. Da die Generierung bei kurzen Phrasen einige Sekunden dauern kann, reduziert Caching die Latenz erheblich und spart API-Requests.

Fehlerbehandlung

Prüfe vor der Anfrage die Länge des Strings und die Verfügbarkeit des API-Keys. Bei Fehlern wird der Betrag erstattet. Implementiere Retry-Logik, da Anfragen unter Last in einer Warteschlange landen können und zeitweise verzögert werden.

  • Rate Limit: 60 Anfragen pro Minute
  • Bei Synthese-Fehler: volle Gutschrift

Zukunft von TTS

Schallwellenillustration für: Zukunft von TTS

Die zugrunde liegende Engine bleibt stabil, während sich die Standards im Markt weiterentwickeln. Wir konzentrieren uns darauf, eine zuverlässige Grundlage für deine Spielentwicklung zu bieten, ohne ständig die Architektur zu ändern.

Langzeitkunden schätzen die Vorhersagbarkeit der Kosten. Solange die Basisfunktionen stabil bleiben, kannst du dich auf die Integration in deine Engine konzentrieren.

KI Fortschritte

Unsere Engine basiert auf bewährten Modellen aus dem LibriTTS-R-Datensatz. Es gibt keine plötzlichen Änderungen an der Synthesequalität oder neue KI-Features, die deine bestehende Integration brechen würden. Es gibt keine SLA oder Garantie für die Stabilität.

Bessere Stimmen

Die acht verfügbaren Stimmen (Aria, Nova, Luna, Sage, Felix, Milo, Atlas, Orion) decken die meisten Bedürfnisse ab. Das Angebot an Stimmen und Modellen bleibt stabil; es gibt keine kontinuierlichen Optimierungen der Modelle.

Mehr Sprachen

Derzeit unterstützen wir 23 Sprachen fest. Neue Sprachen werden hinzugefügt, wenn die Datenqualität es zulässt. Wir warten nicht auf Trends, sondern setzen auf sprachlich robuste Modelle, die auch in komplexen EULAs oder Dialogen präzise arbeiten.

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. FFmpeg documentation
  3. Node.js documentation
  4. ISO 639 language codes
  5. IETF RFC 7845: Ogg Opus
  6. Python documentation
  7. OpenAI API reference: create speech
  8. curl documentation
  9. Creative Commons Attribution 4.0
  10. openai-node on GitHub
  11. openai-python on GitHub
  12. LibriVox public-domain audiobooks

Mehr auf dieser Website