Häufig gestellte Fragen
Was ist ein KI Stimme Generator?
Die Spruchkraft-API ist eine Cloud-basierte Text-to-Speech-API. Sie wandelt Text in Audio-Dateien um. Die Schnittstelle sendet JSON-Anfragen und empfängt Audio. Sie ist speziell für Produktteams in SaaS-Plattformen konzipiert. Die Lösung bietet konsistente Sprachausgaben für Benutzeroberflächen über eine zuverlässige REST-API.
Wie funktioniert die Text-to-Speech API?
Senden Sie eine POST-Anfrage an /v1/audio/speech mit Text, Stimme und Format. Die API verarbeitet die Daten und gibt eine Audio-Datei zurück. Für längere Texte müssen Sie diese in Teile von maximal 4096 Zeichen aufteilen und die Audio-Dateien selbst verbinden. Die Authentifizierung erfolgt über einen Bearer-Token.
Welche Sprachen werden unterstützt?
Wir unterstützen 23 Sprachen, darunter Deutsch, Englisch, Französisch, Spanisch, Chinesisch und Japanisch. Eine Stimme kann jede dieser Sprachen sprechen. Wenn die Sprache nicht explizit gesetzt wird, erfolgt eine automatische Erkennung. Sprachen wie Vietnamesisch oder Thai werden aktuell noch nicht unterstützt.
Wie viele Stimmen gibt es zur Auswahl?
Es stehen acht voreingestellte Stimmen zur Verfügung. Dazu gehören vier weibliche Stimmen wie Aria und Nova sowie vier männliche wie Felix und Milo. Jede Stimme hat einen eigenen Klangcharakter, von klar bis tief. Alle Stimmen können alle unterstützten Sprachen sprechen.
Kann ich die Geschwindigkeit der Stimme anpassen?
Ja, Sie können die Abspielgeschwindigkeit zwischen 0,25 und 4,0 festlegen. Dies ermöglicht eine Anpassung an verschiedene Nutzungskontexte in Benutzeroberflächen. Die Geschwindigkeit wird als Parameter im JSON-Body der API-Anfrage übermittelt. Die Standardgeschwindigkeit liegt bei 1,0.
Welche Audioformate werden angeboten?
Die API unterstützt die Formate MP3, WAV, Opus, FLAC und PCM. Sie können das gewünschte Format im Anfrage-Body angeben. Die Audio-Dateien enthalten ein unsichtbares Wasserzeichen, das die synthetische Herkunft kennzeichnet. Die Wahl des Formats hängt von Ihren technischen Anforderungen ab.
Wie wird die Abrechnung berechnet?
Die Abrechnung erfolgt pro Zeichen. Der Preis beträgt 10 US-Dollar pro einer Million Zeichen. Das entspricht 0,01 US-Dollar pro 1.000 Zeichen. Leerzeichen und Interpunktion zählen als Zeichen. Die Abrechnung erfolgt über Guthaben, das via USDT auf dem TRON-Netzwerk aufgeladen wird.
Gibt es ein Limit für die Zeichenzahl?
Jede einzelne API-Anfrage kann maximal 4096 Zeichen umfassen. Für längere Texte müssen Sie diese in mehrere Anfragen aufteilen. Die resultierenden Audio-Dateien müssen anschließend von Ihrer Seite zusammengeführt werden. Es gibt kein Limit für die Gesamtmenge der Zeichen über die Zeit.
Werden die eingegebenen Texte gespeichert?
Der eingegebene Text wird ausschließlich zur Erzeugung der Audio-Datei verwendet. Er wird nicht dauerhaft gespeichert. Die generierte Audio-Ausgabe wird direkt in der Antwort zurückgegeben und nicht abgelegt. Lediglich Metadaten der Anfrage wie Zeitstempel, Zeichenanzahl und Status werden zur Abrechnung aufbewahrt.
Wird der Text für das Training verwendet?
Nein, Ihre eingegebenen Texte werden nicht für das Training der KI-Modelle verwendet. Sie dienen ausschließlich der Generierung der jeweiligen Audio-Ausgabe. Dies gewährleistet, dass Ihre spezifischen Inhalte nicht in den Trainingsdaten der Sprachmodelle landen. Die Datenhoheit liegt bei Ihnen.
Wie lange dauert die Generierung?
Die Generierung dauert bei langen Texten etwa so lange wie die Wiedergabezeit (Echtzeit). Bei kurzen Sätzen kann es zu Verzögerungen von einigen Sekunden kommen. Anfragen werden nacheinander verarbeitet. Unter hoher Last kann eine Warteschlange entstehen, die die Dauer erhöht.
Was passiert bei einem Fehler bei der Anfrage?
Bei einem Fehler bei der Synthese wird der Betrag voll erstattet. Sie zahlen nur für erfolgreiche Anfragen. Dies gilt auch, wenn die Synthese technisch fehlschlägt. Die Gutschrift erfolgt automatisch auf Ihr Konto. Eine manuelle Beantragung der Rückerstattung ist nicht nötig.
Kann ich meine API-Schlüssel ändern?
Ja, Sie können jederzeit einen neuen API-Schlüssel ausstellen. Sobald der neue Schlüssel aktiviert ist, wird der alte sofort ungültig. Pro Konto ist nur ein aktiver Schlüssel möglich. Dies ermöglicht eine einfache Verwaltung und sofortige Sperrung bei Bedarf.
Gibt es eine kostenlose Testphase?
Ja, beim Anmelden mit Google erhalten Sie 0,50 US-Dollar Guthaben. Dies entspricht etwa 50.000 Zeichen und gilt sieben Tage lang. Konten mit E-Mail-Passwort starten ohne Testguthaben. Das Guthaben verfällt nicht.
Erste Anfrage
curl
curl https://api.playnb66.com/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.mp3API-Infrastruktur für Produktteams
Die Spruchkraft-API bietet eine robuste RESTful-Schnittstelle für die direkte Integration in SaaS-Plattformen. Das POST-Endpunkt-Verfahren an https://api.playnb66.com/v1/audio/speech ermöglicht die nahtlose Einbindung in bestehende Backend-Architekturen ohne komplexe Middleware.
Produktteams nutzen die volle Flexibilität der JSON-basierten Anfragen, um Sprachausgaben präzise in ihre Datenflüsse zu integrieren. Die Architektur ist darauf ausgelegt, konsistente Text-zu-Sprache-Ausgaben in Benutzeroberflächen zu gewährleisten.
RESTful Endpoint
Der zentrale Endpunkt akzeptiert HTTP-POST-Requests und gibt synthetisierte Audiodaten direkt zurück. Diese Struktur eliminiert die Notwendigkeit proprietärer Protokolle und erleichtert die Anbindung an moderne Microservice-Infrastrukturen.
- Endpoint: POST https://api.playnb66.com/v1/audio/speech
OpenAI SDK Kompatibilität
Das Interface folgt dem gleichen Schema wie die OpenAI Speech-Endpunkte. Dadurch können Entwickler die offiziellen OpenAI-SDKs nutzen, indem sie lediglich die base_url auf https://api.playnb66.com/v1 anpassen. Dies reduziert den Integrationsaufwand erheblich.
JSON-Bedingungen
Alle Parameter werden im JSON-Body übergeben. Die Authentifizierung erfolgt über einen Bearer-Token im Header. Diese klare Struktur gewährleistet eine vorhersagbare Datenübertragung und vereinfacht die Fehlerbehandlung in automatisierten Workflows.
- Auth: Authorization: Bearer tts-...
Stimmen und Sprachen im Überblick
Unsere API nutzt acht fest definierte Stimmen-Varianten, die auf lizenzierten Aufnahmen basieren. Diese Presets decken das gesamte Spektrum professioneller Sprachausgabe ab – von klaren Erzählerstimmen bis hin zu neutralen Nachrichtenstimmen. Jede Stimme ist für den Einsatz in Produkt-Interfaces optimiert, um eine konsistente Nutzererfahrung über verschiedene Sprachen hinweg zu gewährleisten.
Das System unterstützt 23 Sprachen, wobei jede Stimme jede dieser Sprachen beherrscht. Dies ermöglicht eine flexible Konfiguration für internationale SaaS-Plattformen, ohne dass zusätzliche Stimmenlizenzen erworben werden müssen. Die technische Basis basiert auf lizenzierten Aufnahmen (LibriTTS-R, CC BY 4.0) und öffentlichen Hörbüchern (LibriVox), was klare rechtliche Rahmenbedingungen für die Integration in kommerzielle Produkte schafft.
8 Preset-Stimmen
Die Auswahl umfasst vier weibliche und vier männliche Stimmen mit spezifischen Charakteristika. Aria bietet eine warme, klare Erzählerstimme, während Nova für brillante, energische Ansagen steht. Luna eignet sich für sanftes Storytelling, Sage für ruhige Anleitungen. Felix ist energiegeladen für Promotion-Zwecke, Milo freundlich für Konversationen. Atlas liefert eine neutrale Nachrichtenstimme, Orion eine tiefe Stimme für Dokumentationen.
- Aria: Warme, klare Erzählerstimme
- Nova: Helle, upbeat Stimme
- Luna: Sanfte Geschichte-Stimme
- Sage: Ruhige, anleitende Stimme
- Felix: Energische Promo-Stimme
- Milo: Freundliche Konversationsstimme
- Atlas: Neutrale Nachrichtenstimme
- Orion: Tiefe Dokumentationsstimme
23 unterstützte Sprachen
Das System unterstützt 23 Sprachen: Arabisch, Chinesisch, Dänisch, Niederländisch, Englisch, Finnisch, Französisch, Deutsch, Griechisch, Hebräisch, Hindi, Italienisch, Japanisch, Koreanisch, Malay, Norwegisch, Polnisch, Portugiesisch, Russisch, Spanisch, Swahili, Schwedisch und Türkisch. Alle 8 Stimmen können alle diese Sprachen flüssig sprechen. Nicht unterstützt werden Vietnamesisch, Indonesisch, Thailändisch, Ukrainisch, Rumänisch, Tschechisch, Bengalisch und andere.
Automatische Erkennung
Wenn kein spezifisches Language-Tag gesetzt wird, erkennt das System die Sprache automatisch anhand des Scripts. Text in lateinischer Schrift wird standardmäßig als Englisch interpretiert. Bei nicht-englischen Texten in lateinischer Schrift muss das Language-Tag explizit gesetzt werden, um Fehler bei der Aussprache zu vermeiden.
Technische Spezifikationen
Die API akzeptiert Eingabetexte bis zu 4096 Zeichen pro Anfrage. Für längere Texte wird die Aufteilung in passende Segmente und die nahtlose Verknüpfung der Audio-Dateien empfohlen. Dies gewährleistet eine konsistente Wiedergabe auch bei umfangreicheren Inhaltstexten in SaaS-Interfaces.
Formatunterstützung
Es stehen fünf Ausgabeformate zur Verfügung: MP3, WAV, OPUS, FLAC und PCM. Die Wahl des Formats erfolgt über das Feld response_format im JSON-Body. Dies ermöglicht die direkte Einbindung in verschiedene Mediaplayer und Backend-Verarbeitungspipelines ohne zusätzliche Konvertierungsschritte.
- MP3, WAV, OPUS, FLAC, PCM
Längenbegrenzung
Jede einzelne API-Anfrage ist auf 4096 Zeichen beschränkt. Zeichen, Leerzeichen und Interpunktion zählen zur Berechnung. Bei Überschreitung muss die Eingabe vor der API-Anfrage segmentiert werden. Die nachfolgende Aneinanderreihung der Audio-Dateien erfolgt durch den Kunden oder durch Middleware.
Geschwindigkeitsanpassung
Die Wiedergabegeschwindigkeit ist im Bereich von 0,25 bis 4,0 skalierbar. Dies ermöglicht die Anpassung an unterschiedliche Nutzerbedürfnisse oder Barrierefreiheitsstandards. Die Einstellung erfolgt über das Feld speed im Request-JSON. Standardmäßig wird die normale Geschwindigkeit verwendet.
Integration in bestehende Workflows
Die API integriert sich nahtlos in bestehende SaaS-Architekturen. Durch die Kompatibilität mit der OpenAI-SDK-Struktur können Produktteams die Text-zu-Sprache-Funktionalität direkt in ihre Benutzeroberflächen einbinden, ohne neue Bibliotheken zu lernen. Die Anfragestruktur ist identisch mit dem Standard-Endpunkt, was die Migration und den laufenden Betrieb vereinfacht.
Schnelle Inbetriebnahme
Die Integration erfordert nur wenige Zeilen Code. Nach der Generierung des API-Schlüssels auf /get-api-key/ können Entwickler die Bibliothek konfigurieren und sofort Audioanfragen senden. Die klare JSON-Struktur beschleunigt die Entwicklung und reduziert die Fehleranfälligkeit bei der Anbindung.
- Keine zusätzlichen Treiber oder Plugins erforderlich
- Standard-HTTP-Methoden (POST/GET) für einfache Firewall-Konfiguration
Skalierbarkeit
Die Architektur unterstützt den wachsenden Bedarf an Sprachausgaben ohne komplexe Infrastrukturänderungen. Durch die Aufteilung langer Texte in Blöcke von 4.096 Zeichen bleibt die Latenz kontrollierbar. Ratenlimits von 60 Anfragen pro Minute pro Schlüssel gewährleisten eine stabile Lastverteilung.
- Automatische Chunking-Logik für lange Texte
- Vorhersagbare Abrechnung pro Zeichen, unabhängig von der Textlänge
Keine Lizenzkonflikte
Die verwendeten Stimmen basieren auf lizenzierten Aufnahmen (LibriTTS-R, CC BY 4.0) und öffentlichen Hörbüchern. Dies minimiert rechtliche Risiken bei der kommerziellen Nutzung in SaaS-Plattformen. Die inaudiblen Wasserzeichen kennzeichnen die Ausgabe eindeutig als synthetisch, was die Nachverfolgbarkeit erleichtert.
- Klare Lizenzgrundlage für generierte Audio-Dateien
- Keine monatlichen Lizenzgebühren, nur nutzungsbasierte Abrechnung
Datenschutz und Verarbeitung
Die Eingabetexte werden ausschließlich zur Generierung der Audiodatei verwendet und nicht zur Verbesserung der KI-Modelle gespeichert. Die generierten Audio-Dateien werden nach Auslieferung aus dem Response nicht dauerhaft auf unseren Servern abgelegt, was eine redundante Datenspeicherung verhindert.
Kein Training durch Text
Genau wie bei anderen Cloud-Diensten bleibt Ihre Eingabedaten isoliert. Die verwendeten Stimmen basieren auf lizenzierten Aufnahmen aus LibriTTS-R (CC BY 4.0) und öffentlichen Hörbüchern aus LibriVox, jedoch fließen Ihre spezifischen Textanfragen nicht in das Training der zugrunde liegenden Modelle ein.
Keine Speicherung von Audio
Die synthetisierte Audiodatei wird direkt im HTTP-Response an Ihren Client übergeben und anschließend nicht persistent auf unseren Servern gespeichert. Dies stellt sicher, dass keine sekundäre Kopie Ihrer generierten Inhalte für andere Zwecke verfügbar ist.
Metadata für Abrechnung
Zur Abrechnung und Transparenz werden technische Metadaten gespeichert. Dazu gehören Zeitstempel der Anfrage, die Anzahl der verarbeiteten Zeichen und der Status der Synthese (erfolgreich oder fehlgeschlagen). Diese Daten dienen ausschließlich der korrekten Kontogutschrift und der Nachverfolgung von API-Aufrufen.

Einsatzszenarien
Die API integriert sich nahtlos in die Benachrichtigungslogik von SaaS-Plattformen. Durch die Kombination mit den 8 Preset-Stimmen wie "sage" für Anweisungen oder "felix" für Promo-Inhalte entsteht eine konsistente Hörerfahrung, die die Benutzerinteraktion ohne zusätzliche UI-Komponenten unterstützt.
Für die Barrierefreiheit bietet die Lösung eine zuverlässige Text-zu-Sprache-Brücke. Da jede Stimme alle 23 unterstützten Sprachen beherrscht, können komplexe Interface-Elemente oder lange Textblöcke barrierefrei ausgegeben werden, ohne dass manuelle Sprachaufnahmen notwendig sind.
Benachrichtigungen
Automatisierte Sprachausgaben ersetzen statische Textbenachrichtigungen in kritischen Workflows. Durch die direkte Anbindung an die REST-API können Statusupdates oder Erinnerungen sofort als Audio-Datei generiert und ausgegeben werden, was die Aufmerksamkeit im Hintergrund erhöht.
- Echtzeit-Benachrichtigungen für SaaS-Statusänderungen
- Konsistente Markenstimme über alle Kanäle
- Nahtlose Integration in bestehende Notification-Pipelines
Barrierefreiheit
Die API ermöglicht die sofortige Generierung von Audio-Inhalten für visuelle Barrieren. Da die Stimme nicht an spezifische Textstrukturen gebunden ist, können auch lange Beschreibungen oder Anleitungen effizient in hörbare Formate umgewandelt werden.
Die automatische Spracherkennung basierend auf dem Skript reduziert den Konfigurationsaufwand. Dies gewährleistet eine schnelle Bereitstellung von Accessibility-Features in internationalen Produktumgebungen ohne manuelle Sprachauswahl für jede Sprache.
- Unterstützung von 23 Sprachen
- Kein manuelles Mapping erforderlich
- Schnelle Generierung für lange Texte
Automatisierte Calls
Für automatisierte Anrufsysteme bietet die API eine stabile Grundlage. Die Möglichkeit, Text in kurze Audio-Segmente zu zerlegen, ermöglicht flexible Skripte, die auf Benutzerinteraktionen reagieren, ohne dass Streaming-Verbindungen erforderlich sind.
- Skalierbare Audio-Generierung
- Unterstützung für kurze und lange Skripte
- Keine zusätzlichen Streaming-Kosten
Zuverlässigkeit und Limits
Werken Sie mit hohen Anfragevolumina? Unser System verarbeitet Audioanfragen sequentiell. Bei Last können Anfragen in Warteschlangen stehen, was die Antwortzeit bei kurzen Sätzen auf einige Sekunden erhöht. Bei längeren Texten entspricht die Geschwindigkeit etwa der Echtzeit.
Ratenlimits
Jeder API-Key ist auf 60 Anfragen pro Minute begrenzt. Vor der ersten Aufladung gelten 10 Anfragen pro Minute. Diese Limits gelten pro Account und API-Key.
Warteschlangenverarbeitung
Anfragen werden nacheinander abgearbeitet. Bei hoher Auslastung kann es zu Verzögerungen kommen. Die Generierung dauert bei kurzen Phrasen wenige Sekunden, bei langen Texten etwa 25 Zeichen pro Sekunde.
Fehlerbehandlung
Bei Synthesefehlern wird der volle Betrag erstattet. Die Abrechnung erfolgt nur bei erfolgreicher Generierung. Prüfen Sie Ihre Statuscodes, um Warteschlangenverzögerungen von Fehlern zu unterscheiden.
Vergleich mit anderen Lösungen
Im Vergleich zu plattformbasierten Anbietern bietet Spruchkraft eine direkte Abrechnung pro Zeichen ohne monatliche Mindestvolumen. Während viele Konkurrenten komplexe Stufenmodelle mit versteckten Gebühren für Features wie SSML oder Voice-Cloning nutzen, bleibt die Struktur bei Spruchkraft linear: $0,01 pro 1.000 Zeichen. SSML und Voice-Cloning sind nicht verfügbar. Dies ermöglicht eine präzise Kostenplanung für Produktteams, die konsistente Sprachausgaben in SaaS-Plattformen benötigen.
Transparenz
Die Abrechnung erfolgt exakt nach verbrauchten Zeichen, einschließlich Leerzeichen und Interpunktion. Jeder Fehler bei der Synthese führt zu einer vollen Gutschrift, sodass Sie nur für erfolgreiche Anfragen zahlen. Dies steht im Gegensatz zu vielen Diensten, die auch bei Serverfehlern das Guthaben abziehen.
Zahlungsmethoden
Wir verzichten auf Kreditkarten, PayPal oder monatliche Abonnements. Die Aufladung erfolgt ausschließlich über USDT (TRC-20) auf dem TRON-Netzwerk. Dies reduziert administrative Aufwände bei der Abrechnung für internationale Produktteams und ermöglicht sofortige Kontingenterweiterungen ab einem Minimum von 5 USD.
Keine versteckten Kosten
Es gibt keine Gebühren für API-Zugriff, Sätze oder Support. Das Guthaben verfällt nicht, und es werden keine zusätzlichen Kosten für das Streaming oder die Formatwahl (MP3, WAV, OPUS, FLAC, PCM) berechnet. Die Preise bleiben stabil, unabhängig von der Auslastung der Infrastruktur.
Kontakt und Support
Die Unterstützung erfolgt ausschließlich per E-Mail. Ein Telefon oder Live-Chat wird nicht angeboten. Für technische Fragen und Rückmeldungen nutzen Sie bitte den direkten E-Mail-Kanal.
Email Support
Das Support-Team ist per E-Mail erreichbar. Anfragen zur Integration oder Abrechnung werden schriftlich bearbeitet. Für schnelle Klärungen steht der direkte Kanal zur Verfügung.
Dokumentation
Die vollständige API-Dokumentation finden Sie unter /docs/. Dort sind alle Endpunkte, Parameter und Fehlercodes dokumentiert. Das SDK-Beispiel zur Nutzung des OpenAI-Kompatibilitätsmodus ist enthalten.
API-Key Verwaltung
Ihren API-Schlüssel verwalten Sie auf der Seite /get-api-key/. Dort sehen Sie Kontostand, Verbrauch und können bei Bedarf einen neuen Schlüssel ausstellen. Der alte Schlüssel erlischt sofort.
Hören Sie sich die 8 Stimmen an
Jede der folgenden Samples wurde von dieser API aus demselben Satz generiert. Wir gestalten intuitive Benutzeroberflächen für nahtlose SaaS-Benachrichtigungen, die Produktteams bei der effizienten Steuerung ihrer täglichen Arbeitsabläufe unterstützen.
23 Sprachen
Jede Stimme kann jede dieser Sprachen sprechen.
