Was ist eine Text-to-Speech API und wie funktioniert sie?

Von Klangbuch Redaktion · Aktualisiert 2026-11-19

Diese Seite erklärt dir, wie eine Text-to-Speech API funktioniert und warum sie das ideale Werkzeug für Startups ist, die Audiobooks oder Content in Rekordzeit erstellen wollen. Du lernst, wie du Klangbuch direkt in deinen Tech-Stack integrierst, egal ob du Python, Node.js oder Android nutzt.

Wir zeigen dir den technischen Ablauf von der API-Anfrage bis zur fertigen Audio-Datei, erklären die Vorteile gegenüber lokalen Lösungen und geben dir einen klaren Überblick über Kosten, Latenz und Skalierbarkeit. Perfekt für Entwickler, die klare Fakten statt Hype brauchen.

Was ist eine Text-to-Speech API und wie funktioniert sie?

Häufig gestellte Fragen

Was ist TTS?

Text-to-Speech wandelt geschriebenen Text in gesprochene Audio-Dateien um. Unsere Cloud-API nimmt Text entgegen und gibt direkt Audio zurück. Das ist ideal für Audiobooks, Content-Erstellung und Apps. Du sendest JSON an unseren Endpunkt und erhältst eine MP3-, WAV- oder OPUS-Datei zurück. Kein komplexes Setup nötig, einfach integrieren und loslegen mit automatischer Sprachsynthese.

Wie funktioniert die API?

Sende einen POST-Befehl an https://api.vespertina.info/v1/audio/speech mit deinem API-Key im Header. Der JSON-Body enthält Text, Stimme und Format. Wir verarbeiten die Anfrage und senden dir die Audio-Datei zurück. Die Struktur ist kompatibel mit der OpenAI-API, sodass du bestehende SDKs nutzen kannst. Einfach Base-URL anpassen und loslegen.

Welche Sprachen werden unterstützt?

Wir unterstützen 23 Sprachen, darunter Deutsch, Englisch, Französisch, Spanisch, Arabisch, Chinesisch, Japanisch und Hindi. Du kannst die Sprache optional per ISO-Code angeben. Ohne Angabe wird die Sprache automatisch erraten. Nicht unterstützt werden unter anderem Vietnamesisch, Thailändisch, Ukrainisch und Rumänisch. Die Stimmen sind multilingual und passen sich flexibel an deinen Inhalt an.

Welche Stimmen gibt es?

Wir bieten 8 vordefinierte Stimmen: Aria, Nova, Luna, Sage (weiblich) sowie Felix, Milo, Atlas und Orion (männlich). Jede Stimme hat einen eigenen Klangcharakter, von warm bis tief. Die Stimmen basieren auf lizenzierten Aufnahmen aus LibriVox. Du wählst einfach die passende Stimme für dein Projekt aus und generierst damit hochwertigen Audio-Content.

Was kostet die API?

Der Preis beträgt 10 US-Dollar pro eine Million Zeichen. Das sind 0,01 Dollar pro 1.000 Zeichen. Leerzeichen und Interpunktion zählen als Zeichen. Fehlgeschlagene Anfragen werden kostenlos zurückvergütet. Es gibt keine monatlichen Grundgebühren oder Mindestumsätze. Du zahlst nur für das, was du tatsächlich generierst, flexibel und transparent abgerechnet.

Wie hoch sind die Limits?

Du kannst bis zu 4.096 Zeichen pro Anfrage senden. Bei längeren Texten teilen wir automatisch auf und fügen die Audio-Dateien zusammen. Der Rate Limit liegt bei 60 Anfragen pro Minute pro API-Key. Vor der ersten Aufladung sind es 10 Anfragen pro Minute. Das reicht für die meisten Startups und automatisierten Workflows.

Wie funktioniert die Zahlung?

Wir akzeptieren nur USDT auf dem TRON-Netzwerk (TRC-20). Der Mindestbetrag beträgt 5 Dollar. Die Gutschrift erfolgt automatisch innerhalb weniger Minuten nach der Überweisung. Es gibt keine Kreditkarten, PayPal-Abos oder Rechnungen mit MwSt. Dein Guthaben verfällt nicht. Du kannst jederzeit einen neuen API-Key ausstellen, falls nötig.

Welche Formate werden unterstützt?

Wir unterstützen MP3, WAV, OPUS, FLAC und PCM als Ausgabeformat. Wähle das Format, das am besten zu deinem Tech-Stack passt. MP3 ist effizient für das Web, WAV bietet hohe Qualität. Die Formatwahl hat keinen Einfluss auf den Preis oder die Geschwindigkeit. Die Audio-Dateien enthalten einen unsichtbaren Wasserzeichen-Marker für synthetische Sprache.

Werden Daten für Training genutzt?

Nein. Der eingegebene Text wird ausschließlich zur Erzeugung der Audio-Datei verwendet und nicht für das Training von Modellen genutzt. Die generierte Audio-Datei wird nach der Auslieferung nicht gespeichert. Nur Metadaten wie Zeit, Zeichenanzahl und Status werden für die Abrechnung aufbewahrt. Deine Daten bleiben also privat und werden nicht für andere Zwecke verwendet.

Gibt es ein kostenloses Testkonto?

Ja, du erhältst 0,50 Dollar Guthaben (ca. 50.000 Zeichen) für 7 Tage, wenn du dich mit Google anmeldest. Konten mit E-Mail-Passwort starten ohne Testguthaben. Das Guthaben ist ideal, um die API zu testen, ohne sofort Geld ausgeben zu müssen. Es ist einfach, schnell und unverbindlich, um die Qualität zu prüfen.

Wie schnell ist die Generierung?

Die Generierung dauert etwa eine Sekunde pro 25 Zeichen Text bei langen Inhalten. Kurze Sätze benötigen einige Sekunden. Anfragen werden nacheinander verarbeitet, sodass es unter Last zu Warteschlangen kommen kann. Die Geschwindigkeit ist in etwa Echtzeit. Für Startups ist das ausreichend, um Inhalte schnell zu produzieren und zu integrieren.

Kann ich eigene Stimmen hochladen?

Nein, wir bieten keine individuelle Stimmenklonerei oder das Hochladen eigener Stimmen an. Du wählst aus den 8 vordefinierten Stimmen aus. Es gibt auch keine Möglichkeit, eigene Voice-Designs zu erstellen. Die Stimmen basieren auf lizenzierten Aufnahmen aus LibriTTS-R (CC BY 4.0) und LibriVox. Für die meisten Use Cases reichen die vordefinierten Optionen völlig aus.

Gibt es SSML-Unterstützung?

Nein, wir unterstützen kein SSML (Speech Synthesis Markup Language). Es gibt auch keine Phonem-Wörterbücher oder individuelle Aussprachelexika. Du kannst nur Text, Stimme und Geschwindigkeit anpassen. Das hält die API einfach und schnell. Für komplexe Formatierungen musst du den Text vorbereiten, bevor du ihn an die API sendest.

Wie funktioniert die Spracherkennung?

Unsere API ist eine Text-to-Speech-Lösung, keine Spracherkennung. Sie wandelt Text in Audio um, erkennt aber keine Spracheingabe. Die Sprache wird optional automatisch erraten oder manuell gesetzt. Für Spracherkennung (Speech-to-Text) nutzen wir dieses Produkt nicht. Es ist ein reiner Ausgabe-Endpunkt für Audio-Dateien basierend auf eingegebenem Text.

Definition von TTS

Schallwellenillustration für: Definition von TTS

Text-to-Speech (TTS) wandelt geschriebenen Text in synthetische Audio-Dateien um. Statt vorgefertigter Aufnahmen generiert die Engine den Klang in Echtzeit. Dies ermöglicht die sofortige Erstellung von Inhalten für Audiobooks, ohne dass jedes Wort neu gesprochen werden muss.

Text zu Audio Konvertierung

Die API empfängt Text als Eingabe und liefert eine Audio-Datei zurück. Sie verarbeitet bis zu 4096 Zeichen pro Anfrage. Das Ergebnis ist eine klare, menschlich klingende Stimme, die direkt in deine Anwendung integriert werden kann.

  • Keine manuelle Aufnahme nötig
  • Sofortige Verfügbarkeit des Audiomaterials
  • Unterstützung für mp3, wav, opus, flac und pcm

Cloud-basierte Dienste

Die Verarbeitung findet auf unseren Servern statt. Du installierst keine Software lokal. Eine stabile Internetverbindung und ein API-Key reichen aus, um die Engine über HTTP-Anfragen anzusprechen. Das spart Rechenleistung auf deinem eigenen Gerät.

  • Keine Hardware-Installation
  • Zugriff von überall
  • Automatische Skalierung der Infrastruktur

Automatisierte Generierung

Der gesamte Prozess ist softwaregesteuert. Du sendest einen JSON-Body an die API und erhältst das Audio zurück. Für längere Texte wird automatisch in Abschnitte unterteilt und zusammengefügt. Dies beschleunigt die Erstellung ganzer Kapitel.

  • Automatische Textaufteilung
  • Nahtlose Integration in CI/CD-Pipelines

Wie funktioniert die Engine?

Schallwellenillustration für: Wie funktioniert die Engine?

Unsere Engine nutzt neuronale Netzwerke, um aus rohem Text natürliche, menschenähnliche Stimmen zu synthetisieren. Sie verarbeitet Zeichenfolgen und gibt Audio-Dateien zurück.

Im Gegensatz zur klassischen Concatenation, die vorab eingesprochene Fragmente verknüpft, generiert das Modell jede Silbe neu. Das Ergebnis ist flüssig, ausdrucksstark und frei von hörbaren Übergängen.

Neuronale Netzwerke

Die Kernkomponente ist ein tiefes neuronales Netzwerk, das Muster in Sprachdaten lernt. Es analysiert Kontext, Betonung und Intonation, um jeden einzelnen Ton präzise zu formen.

Synthese vs. Concatenation

Während ältere Methoden (Concatenation) kleine Audio-Clips aneinanderreihen, entsteht bei unserer Synthese-Engine jeder Audio-Sample individuell. Das verhindert das typische Roboter-Gefühl und sorgt für natürliche Pausen.

Dieser Ansatz ermöglicht es, komplexe Satzstrukturen natürlich wiederzugeben.

Modell tts-1 und tts-1-hd

Wir bieten zwei Modelle an: tts-1 für schnelle Generierung und tts-1-hd für höhere Audioqualität. Beide nutzen denselben neuronalen Hintergrund, unterscheiden sich aber in der Detailtreue.

Für Audiobooks und hochwertige Inhalte empfehlen wir tts-1-hd. Die Wahl des Modells erfolgt über das Feld 'model' im JSON-Request.

Vorteile einer API

Schallwellenillustration für: Vorteile einer API

Eine Text-to-Speech-API entfernt die Notwendigkeit, Audio-Dateien manuell zu erstellen oder lokale Server für die Sprachsynthese zu betreiben. Stattdessen senden Sie Text an einen Cloud-Endpoint und erhalten sofort eine Audio-Datei zurück. Diese Architektur ermöglicht es Startups, die Infrastruktur zu nutzen, ohne sich um Wartung oder Hardware-Updates kümmern zu müssen.

Für Audiobook-Produktionen bedeutet dies, dass neue Kapitel schnell generiert werden können. Die API übernimmt die gesamte Verarbeitung, sodass Sie sich auf den Inhalt konzentrieren können. Ob für interne Präsentationen oder veröffentlichte Hörbücher – die Skalierung erfolgt nahtlos mit Ihrem Wachstum.

Skalierbarkeit

Die API passt sich Ihrer Nachfrage an, ohne dass Sie eigene Server hochfahren müssen. Bei hohen Anfragevolumina verarbeitet das System die Warteschlange automatisch. Sie zahlen nur für die tatsächlich verbrauchten Zeichen, was die Kostenkontrolle erleichtert.

Im Gegensatz zu lokalen Lösungen bleibt die Performance stabil, auch wenn Sie plötzlich Tausende von Seiten synthesieren müssen. Die Cloud-Infrastruktur sorgt dafür, dass keine Engpässe entstehen.

  • Keine manuelle Server-Verwaltung nötig
  • Automatische Lastverteilung
  • Zahlung nur für verbrauchte Zeichen

Plattformunabhängigkeit

Da die API über RESTful HTTP-Schnittstellen kommuniziert, können Sie sie in jeder Programmiersprache nutzen. Ob Sie mit Python, Node.js oder Android entwickeln – die JSON-Datenübertragung ist universell kompatibel.

Das bedeutet, dass Ihr gesamter Tech-Stack flexibel bleibt. Sie sind nicht an einen bestimmten Anbieter oder eine bestimmte Technologie gebunden, was die langfristige Planung erleichtert.

  • Nutzung in Python, Node.js und mehr
  • Universelle JSON-Kompatibilität
  • Unabhängig vom Betriebssystem

Einfache Integration

Die Integration ist denkbar einfach: Senden Sie ein JSON-Objekt mit Ihrem Text und erhalten Sie die Audio-Datei zurück. Die Struktur ähnelt bekannten Standards, was die Einarbeitungszeit verkürzt.

Mit einem einzigen API-Key können Sie alle Funktionen nutzen. Die Authentifizierung läuft über einen einfachen Header, sodass die Einbindung in bestehende Workflows nur wenige Codezeilen erfordert.

  • JSON-basierte Anfrage und Antwort
  • Einfache Authentifizierung mit API-Key
  • Schnelle Integration in bestehende Apps

Anwendungsbereiche

Schallwellenillustration für: Anwendungsbereiche

Klangbuch hilft Startups, Inhalte schnell zu skalieren. Die API wandelt Texte direkt in Audio um, ohne manuelle Aufnahmen. Dies beschleunigt die Produktion von Hörbüchern und digitalen Inhalten erheblich.

Audiobooks

Erstelle Hörbücher in Rekordzeit. Mit Modellen wie tts-1 oder tts-1-hd und 8 verschiedenen Stimmen passt sich die Stimme deinem Inhalt an. Du kannst Texte bis zu 4096 Zeichen pro Anfrage senden und sie zu langen Dateien zusammenfügen.

  • Unterstützung für 23 Sprachen
  • Formate wie MP3, WAV und OPUS
  • Keine manuelle Synchronisation nötig

Barrierefreiheit

Mache deine App für alle zugänglich. Konvertiere Artikel oder Menüs in Audio, um Lesebarrierefreiheit zu bieten. Die Engine erkennt automatisch die Sprache oder du gibst sie explizit an.

  • Natürliche Sprachausgabe
  • Schnelle Integration in Web-Apps

Interaktive Systeme

Versorge Chatbots oder IVR-Systeme mit Audio. Sende Text an unsere API und erhalte sofort eine Audio-Datei zurück. Dies ermöglicht dynamische Antworten in Android, Python oder Node.js Anwendungen.

  • Einfache JSON-Integration
  • Skalierbar für viele Nutzer

Technische Anforderungen

Schallwellenillustration für: Technische Anforderungen

Eine stabile Internetverbindung ist die Grundvoraussetzung, um Textdaten an unsere Cloud-API zu senden und die Audioantwort zu empfangen. Da die Verarbeitung in der Cloud stattfindet, ist keine lokale Rechenleistung für die Synthese erforderlich.

Die Authentifizierung erfolgt über einen eindeutigen API-Key, der im Header gesendet wird. Dieser Schlüssel identifiziert dein Konto und ermöglicht die Abrechnung sowie die Durchsetzung der Rate Limits.

Internetverbindung

Für die Datenübertragung zu https://api.vespertina.info/v1 wird eine aktive Internetverbindung benötigt. Ohne diese können weder Anfragen gesendet noch Audio-Dateien empfangen werden.

  • Stabile Verbindung für JSON-Daten

API-Key Authentifizierung

Jede Anfrage muss den Header Authorization: Bearer tts-... enthalten. Dein persönlicher Schlüssel wird auf der /get-api-key/ Seite erstellt und kann bei Bedarf neu ausgestellt werden.

Der API-Key wird verwendet, um deine Identität zu verifizieren und deine Kontingente sowie das Guthaben zu verwalten. Ein neuer Key deaktiviert den alten sofort.

  • Bearer Token im Header
  • Ein Schlüssel pro Konto
  • Sofortige Deaktivierung beim Neuausstellen

JSON Datenübertragung

Die Kommunikation erfolgt über REST API im JSON-Format. Du sendest Text, Stimme und Format als JSON-Body an den Endpunkt POST /v1/audio/speech.

Das Antwortformat enthält die Audio-Datei oder Fehlerdetails. Dies ermöglicht eine einfache Integration in Python, Node.js oder andere Sprachen.

  • JSON Body für Anfragen
  • REST API Standard
  • Einfache Datenparsung

Unterschied zu lokalen Lösungen

Schallwellenillustration für: Unterschied zu lokalen Lösungen

Bei lokalen Lösungen musst du die Software auf jedem Server oder Gerät installieren und konfigurieren. Das erfordert oft spezifische Hardware-Anforderungen und manuelle Anpassungen für jede Umgebung, sei es ein lokaler PC oder ein eigener Server im Rechenzentrum.

Keine Hardware-Installation

Unsere API läuft zentral in der Cloud. Du benötigst lediglich eine Internetverbindung und die richtigen API-Keys. Egal, ob du Android, Python oder Node.js nutzt, der Tech-Stack bleibt gleich. Es gibt keine Treiber-Installationen oder lokalen Abhängigkeiten, die Konflikte verursachen könnten.

  • Keine lokalen Server-Installationen nötig
  • Keine Treiber-Verwaltung
  • Unabhängig vom Endgerät

Stetige Updates

Die Engine-Verbesserungen und neuen Sprachmodelle werden zentral bereitgestellt. Du profitierst sofort von Updates, ohne eigene Release-Zyklen oder Wartungsfenster. Während lokale Lösungen oft veralten, bevor sie aktualisiert werden, bleibt deine Integration immer auf dem neuesten Stand.

Zentrale Wartung

Wir kümmern uns um die Infrastruktur, die Sicherheit und die Performance. Du konzentrierst dich auf deine Audiobooks oder deinen Content. Keine Wartungsteams, die physische Server kontrollieren müssen. Die Verwaltung bleibt einfach: API-Key, Text, Audio.

Datenübertragung

Schallwellenillustration für: Datenübertragung

Die API kommuniziert ausschließlich über verschlüsselte HTTPS-Verbindungen, was die Integrität deiner Textdaten während der Übertragung garantiert. Dies ist besonders wichtig, wenn sensible Inhalte für Audiobooks oder interne Startup-Systeme verarbeitet werden.

Sichere HTTPS Verbindung

Alle Anfragen an https://api.vespertina.info/v1 werden TLS-verschlüsselt übertragen. Dies schützt sowohl den API-Key als auch den rohen Text vor Abhörangriffen während des Transfers.

REST API Standard

Die Struktur folgt dem etablierten REST-Paradigma mit JSON-Payloads. Dies ermöglicht eine nahtlose Integration in bestehende Tech-Stacks wie Node.js oder Python, ohne zusätzliche Middleware.

Leichte Parsing

Die Antwort enthält Audio-Daten. Entwickler können die Antwortdaten sofort parsen, ohne komplexe Binärformate analysieren zu müssen.

  • JSON-Struktur für Metadaten
  • Direkter Audio-Stream im Antwortkörper
  • Standard-HTTP-Statuscodes für Fehler
Datenübertragung

Skalierung

Schallwellenillustration für: Skalierung

Unsere Cloud-Infrastruktur skaliert automatisch, sodass du bei steigender Anfragezahl keine manuellen Anpassungen vornehmen musst. Die Architektur ist so ausgelegt, dass sie auch bei hohen Volumina stabil bleibt.

Horizontale Skalierung

Die API verteilt Anfragen auf mehrere Instanzen. Bei Startups mit unvorhersehbarem Traffic-Wachstum bedeutet das: Du zahlst nur für die tatsächlich verarbeiteten Zeichen, ohne dass die Infrastruktur zusammenbricht.

Lastverteilung

Anfragen werden effizient verarbeitet. Bei hoher Auslastung können Requests in eine Warteschlange gelangen, was die Latenz bei sehr kurzen Phrasen erhöht, aber die Datenintegrität gewährleistet.

Cloud Infrastruktur

Alles läuft zentral in der Cloud. Keine eigene Hardware, keine Wartung von Servern vor Ort. Du integrierst dich einfach über REST in deinen bestehenden Tech-Stack.

Formatierung

Schallwellenillustration für: Formatierung

Die API erwartet den reinen Text als Eingabe. Sie übernimmt die Konvertierung direkt, ohne dass du vorher komplexe Formatierungsregeln definieren musst. Der Fokus liegt auf dem Inhalt, nicht auf der Vorverarbeitung.

Textbereinigung

Du übergibst den Text einfach im input-Feld. Die Engine verarbeitet ihn direkt. Es gibt keine eigene SSML-Sprache oder komplexe Tags, die du lernen müsstest. Dies hält die Integration in dein Python- oder Node.js-Backend minimal.

Satzzeichen Erkennung

Natürliche Satzzeichen wie Punkte, Kommas oder Ausrufezeichen werden automatisch in passende Pausen und Intonationen übersetzt. Die Stimme spricht flüssig, als würde sie vorlesen. Du musst keine künstlichen Marker setzen.

Pausen设置

Latenz

Schallwellenillustration für: Latenz

Die Verarbeitungszeit hängt stark von der Textlänge ab. Kurze Phrasen benötigen einige Sekunden, während längere Texte in etwa Echtzeit generiert werden (ca. 25 Zeichen pro Sekunde Audio).

Verarbeitungszeit

Kurze Anfragen sind schnell erledigt, benötigen aber feste Overhead-Zeiten. Bei längeren Texten, die in Teile unter 4096 Zeichen aufgeteilt werden, addieren sich die Generierungszeiten. Die Geschwindigkeit entspricht grob der Sprechgeschwindigkeit.

Warteschlangen

Anfragen werden nacheinander abgearbeitet. Unter hoher Last kann es zu Wartezeiten kommen, da die Engine sequenziell arbeitet. Dies ist keine Garantie für sofortige Verarbeitung, sondern eine faire Verteilung der Ressourcen.

Echtzeitfähigkeit

Für Live-Situationen eignet sich die API weniger, da keine Streaming-Unterstützung existiert. Der gesamte Audio-Stream wird erst nach Abschluss der Synthese zurückgegeben. Für Audiobooks und vorproduzierten Content ist die Latenz jedoch unkritisch.

Kosten

Schallwellenillustration für: Kosten

Die Abrechnung bei Klangbuch orientiert sich strikt an der tatsächlichen Nutzung. Sie zahlen nur für das, was Sie generieren, ohne feste Mindestmengen oder monatliche Grundgebühren. Dies macht die API ideal für Startups, deren Volumen stark schwanken kann.

Nutzungsabhängig

Der Preis liegt bei 10 US-Dollar pro einer Million Zeichen. Das entspricht 0,01 US-Dollar pro 1.000 Zeichen, einschließlich Leerzeichen und Interpunktion. Gescheiterte Anfragen werden vollständig erstattet, Sie zahlen also nur für erfolgreichen Output.

Keine Fixkosten

Es gibt keine Abonnements, keine Seat-Lizenzen und keine Mindestumsätze. Die API passt sich Ihrem Tech-Stack an, ohne dass Sie vorab in teure Infrastruktur investieren müssen.

Transparente Abrechnung

Zahlungen erfolgen über USDT (TRC-20) mit einem Minimum von 5 US-Dollar. Der Saldo verfällt nicht. Nach der Anmeldung erhalten Sie sofort Zugriff auf Ihr Dashboard, wo Sie Ihren Kontostand, das Guthaben und die verbrauchten Zeichen in Echtzeit einsehen können.

Zukunft von TTS

Schallwellenillustration für: Zukunft von TTS

Die Zukunft der Text-to-Speech-Technologie liegt in der stetigen Verbesserung der neuronalen Modelle. Durch fortlaufende KI-Fortschritte werden Synthese und natürliche Sprachmuster immer präziser, was zu flüssigeren Audioausgaben führt.

KI Fortschritte

Neuronale Netzwerke entwickeln sich weiter, um Intonation und Pausen natürlicher zu gestalten. Dies ermöglicht eine nahtlose Integration in Audiobooks und interaktive Systeme.

Bessere Stimmen

Die acht verfügbaren Presets basieren auf lizenzierten Aufnahmen und bieten eine hohe Vielfalt. Jede Stimme wird durch fortlaufende Optimierung der Engine klarer und authentischer.

Mehr Sprachen

Aktuell unterstützen wir 23 Sprachen, darunter Deutsch, Englisch, Spanisch und Chinesisch. Die API erkennt die Sprache automatisch oder lässt sie explizit setzen.

Hören Sie sich die 8 Stimmen an

Jede der folgenden Samples wurde von dieser API aus demselben Satz generiert. Dies ist besonders wichtig, wenn mehrere Requests nacheinander verarbeitet werden.

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. IETF RFC 7845: Ogg Opus
  3. LibriTTS-R corpus (OpenSLR 141)
  4. curl documentation
  5. Node.js documentation
  6. Creative Commons Attribution 4.0
  7. W3C WAI: making audio and video accessible
  8. openai-python on GitHub
  9. ISO 639 language codes
  10. TRON developer hub: TRC-20
  11. Python documentation
  12. openai-node on GitHub

Mehr auf dieser Website