Wie nutze ich eine Text-to-Speech-API für SaaS-Plattformen effektiv?

Von Spruchkraft Redaktionskollegium · Aktualisiert 2026-11-18

Diese Anleitung erklärt, wie Produktteams eine Text-to-Speech-API nahtlos in SaaS-Plattformen und Benutzeroberflächen integrieren. Wir behandeln die technischen Grundlagen der JSON-basierten Anbindung, die Handhabung von Ratenlimits und die Optimierung der Kostenstruktur für konsistente Sprachausgaben.

Leser erhalten konkrete Hinweise zur Fehlerbehandlung, zur Verarbeitung langer Texte und zur Auswahl geeigneter Audioformate. Der Fokus liegt auf einer zuverlässigen REST-API mit transparenter Abrechnung pro Zeichen, die sich direkt in bestehende Backend-Architekturen einfügt.

Wie nutze ich eine Text-to-Speech-API für SaaS-Plattformen effektiv?

Häufig gestellte Fragen

Was ist eine TTS API?

Es handelt sich um eine Cloud-basierte REST-API, die Texteingaben in Audiodateien umwandelt. Entwickler senden JSON-Requests an den Endpunkt /v1/audio/speech und erhalten im Antwort-Body die generierte Audio-Datei. Die Architektur ist einfach und direkt in bestehende SaaS-Workflows integrierbar, ohne komplexe Infrastruktur.

Wie wird die API angesprochen?

Die API wird über POST-Requests an https://api.playnb66.com/v1/audio/speech angesprochen. Für die Nutzung mit offiziellen OpenAI-SDKs muss lediglich die base_url auf https://api.playnb66.com/v1 angepasst werden. Dies gewährleistet eine nahtlose Integration in bestehende Code-Basen, die bereits mit ähnlichen Schnittstellen arbeiten.

Welche Rolle spielt JSON?

JSON ist das Standardformat für die Request-Body-Daten. Es enthält Parameter wie model, input, voice, response_format und speed. Durch die Verwendung von JSON als Austauschformat ist die Struktur klar definiert und ermöglicht eine präzise Steuerung der Sprachsynthese innerhalb der SaaS-Plattform.

Wie wird die Stimme ausgewählt?

Die Stimme wird über das Feld voice im JSON-Request festgelegt. Es stehen acht vordefinierte Stimmen zur Verfügung, darunter Aria, Nova, Luna, Felix, Milo, Atlas und Orion. Jede Stimme hat einen spezifischen Klangcharakter, der sich durch die Parameter speed und language anpassen lässt.

Was ist ein API-Key?

Der API-Key ist das Authentifizierungsmittel für Ihre Kontozugriffe. Pro Konto ist jeweils ein aktiver Key verfügbar, der unter /get-api-key/ angezeigt wird. Bei Bedarf kann ein neuer Key ausgestellt werden, wodurch der alte Key sofort ungültig wird. Dies gewährleistet die Sicherheit Ihrer Nutzung.

Wie funktioniert die Authentifizierung?

Die Authentifizierung erfolgt über den Header Authorization: Bearer <Ihr_API_Key>. Dieser Header wird bei jedem Request an die API gesendet, um die Identität und die Berechtigungen des anfragenden Kontos zu verifizieren. Ohne gültigen Key werden die Requests nicht verarbeitet.

Was bedeutet Rate Limiting?

Rate Limiting beschränkt die Anzahl der Requests auf 60 pro Minute pro Key. Vor der ersten Aufladung sind es nur 10 Requests pro Minute. Dies verhindert eine Überlastung der Infrastruktur und stellt sicher, dass die Servicequalität auch bei hoher Auslastung konstant bleibt.

Wie wird die Qualität der Stimme sichergestellt?

Die Qualität basiert auf lizenzierten Aufnahmen (LibriTTS-R) und öffentlichen Hörbuchaufnahmen. Jede generierte Datei enthält einen unsichtbaren Wasserzeichen, das die Synthese kennzeichnet. Die Stimmen sind klar strukturiert und auf konsistente Wiedergabe in Benutzeroberflächen optimiert.

Kann die API in Echtzeit genutzt werden?

Nein, es gibt kein Streaming oder WebSockets für Echtzeit-Audio. Die Verarbeitung erfolgt asynchron; Requests werden nacheinander abgearbeitet. Bei hoher Last kann es zu Warteschlangen kommen. Die typische Geschwindigkeit entspricht etwa der Echtzeit, wobei kurze Phrasen einige Sekunden benötigen.

Wie wird mit Fehlern umgegangen?

Bei einem Fehlschlag der Synthese wird der Betrag vollständig erstattet. Es entstehen keine Kosten für fehlgeschlagene Requests. Dies ermöglicht eine sichere Integration, da Sie nur für erfolgreich verarbeitete Audio-Generierungen bezahlen. Der Status wird im Response zurückgegeben.

Welche Sprachen werden automatisch erkannt?

Die API erkennt 23 Sprachen, darunter Deutsch, Englisch, Französisch und Spanisch. Wird kein language-Parameter gesetzt, wird bei lateinischem Schriftsatz standardmäßig Englisch angenommen. Für andere Sprachen mit lateinischem Alphabet sollte der language-Parameter explizit gesetzt werden, um Fehler zu vermeiden.

Gibt es eine Dokumentation für Entwickler?

Ja, die Dokumentation ist unter /docs/ verfügbar. Sie enthält Details zu Endpunkten, Parametern und Beispielen. Die API ist kompatibel mit der Struktur der OpenAI-Sprach-API, sodass bestehende SDKs mit angepasster base_url genutzt werden können. Dies erleichtert die technische Integration erheblich.

Wie kann ich die API testen?

Nach der Registrierung mit Google erhalten Sie 0,50 $ Guthaben (ca. 50.000 Zeichen) für sieben Tage. Dies ermöglicht das Testen der Funktionen ohne sofortige Kosten. Sie können Requests über curl oder die OpenAI-SDKs senden und die Audio-Ausgabe direkt validieren.

Ist die API für große Datenmengen geeignet?

Ja, durch die Aufteilung langer Texte in Blöcke von 4096 Zeichen und die nachfolgende Zusammenführung der Audiodateien ist die API für umfangreiche Inhalte geeignet. Die Abrechnung erfolgt pro Zeichen, was eine transparente Kostenvorhersage für große Datenmengen in SaaS-Plattformen ermöglicht.

Grundlagen der Text-to-Speech API

Schallwellenillustration für: Grundlagen der Text-to-Speech API

Die Spruchkraft-API ist ein cloudbasiertes Text-to-Speech-Dienstprogramm, das Texteingaben in synthetische Audiodateien umwandelt. Die Verarbeitung erfolgt serverseitig, sodass keine lokale Installationslast entsteht. Produktteams integrieren die Lösung direkt in ihre SaaS-Plattformen, um Benachrichtigungen oder Interface-Anweisungen automatisiert zu generieren.

Cloud-basierte Generierung

Die Generierung findet vollständig in der Cloud statt. Sie senden den Text über eine HTTPS-Verbindung und erhalten im Gegenzug die Audiodatei zurück. Dies ermöglicht eine nahtlose Anbindung an bestehende Backend-Architekturen ohne zusätzliche Hardware.

JSON-Anfragen

Die Kommunikation erfolgt über standardisierte JSON-Strukturen. Sie senden die Parameter wie Modell, Texteingabe, Stimme und Format als JSON-Körper an den API-Endpunkt. Die Struktur entspricht dem OpenAI-Schema, was die Nutzung bestehender SDKs vereinfacht.

Audio-Ausgabeformate

Für die Ausgabe stehen mehrere Formate zur Verfügung: MP3, WAV, Opus, FLAC und PCM. Die Wahl des Formats hängt von den Anforderungen an Dateigröße und Latenz in Ihrer SaaS-Anwendung ab. MP3 bietet dabei eine gute Balance zwischen Qualität und Komprimierung.

Integration in SaaS-Workflows

Schallwellenillustration für: Integration in SaaS-Workflows

Die API-Integration erfolgt über Standard-Endpunkte, die sich nahtlos in bestehende Backend-Architekturen einfügen. Durch die Kompatibilität mit dem OpenAI SDK lässt sich die Anbindung mit minimalen Codeänderungen realisieren, wobei der base_url auf https://api.playnb66.com/v1 angepasst wird.

Daten werden asynchron verarbeitet, was eine Entkopplung von der Benutzeroberfläche ermöglicht. Dies ist entscheidend für SaaS-Plattformen, die konsistente Sprachausgaben asynchron verarbeiten müssen, ohne den Hauptthread zu blockieren.

Backend-Anbindung

Die Verbindung erfolgt über eine einfache POST-Anfrage an das Endpunkt-Verzeichnis. Entwickler nutzen JSON-Payloads, die Modell, Texteingabe und Sprachparameter enthalten. Dies erlaubt eine direkte Integration in Microservices oder Monolithen ohne zusätzliche Middleware.

  • JSON-basierte Anfragestruktur
  • Kompatibel mit bestehenden HTTP-Clients
  • Keine proprietären Protokolle erforderlich

Skalierung

Die Cloud-Architektur passt sich automatisch an Lastspitzen an, während die Ratenlimits (60 Anfragen pro Minute) eine stabile Performance garantieren. Für höhere Volumina können mehrere API-Schlüssel parallel betrieben werden, um die Durchsatzgrenzen zu erweitern.

  • Klare Ratenlimits pro Schlüssel
  • Parallele Schlüsselverwaltung möglich
  • Keine manuelle Server-Provisionierung

Fehlerbehandlung

Bei Synthese-Fehlern wird der volle Betrag erstattet, was finanzielle Risiken minimiert. Fehlercodes ermöglichen eine präzise Nachbearbeitung im Backend, etwa das Wiederholen fehlgeschlagener Anfragen oder das Melden an das Monitoring-Tool der Produktteams.

  • Automatische Rückerstattung bei Fehlschlag
  • Präzise Status-Codes
  • Integration in Logging-Systeme

Datenfluss und Latenz

Schallwellenillustration für: Datenfluss und Latenz

Die API verarbeitet Audioanfragen über HTTP, wobei der Client bis zum vollständigen Empfang der Audiodatei wartet. Diese Architektur garantiert, dass nur erfolgreich generierte Dateien abgerufen werden, da fehlgeschlagene Anfragen keine Kosten verursachen und sofort zurückgegeben werden.

Synchron vs. Asynchron

Im synchronen Modus sendet das Backend die Textdaten an die API und empfängt das Audio-File direkt in der Antwort. Dies vereinfacht die Fehlerbehandlung in SaaS-Workflows, da das Ergebnis direkt verfügbar ist.

Warteschlangen

Anfragen werden sequenziell verarbeitet. Bei hoher Auslastung kann es zu Wartezeiten in der Queue kommen, wodurch die Latenz steigt. Parallelisierung über mehrere API-Schlüssel oder Instanzen kann Engpässe reduzieren.

Verarbeitungsgeschwindigkeit

Die Generierung entspricht annähernd der Echtzeit (ca. 25 Zeichen pro Sekunde). Kurze Phrasen benötigen einige Sekunden, lange Texte dauern entsprechend länger. Die Verarbeitungsgeschwindigkeit ist konsistent, variiert aber je nach Serverlast.

Skalierung und Performance

Schallwellenillustration für: Skalierung und Performance

Die API verarbeitet Anfragen sequenziell, sodass Anfragen unter Last in einer Warteschlange liegen können. Bei hoher Auslastung kann dies die Antwortzeit verlängern, während kurze Phrasen typischerweise einige Sekunden benötigen.

Ratenlimits

Jeder API-Schlüssel ist auf 60 Anfragen pro Minute begrenzt. Vor dem ersten Top-Up gelten 10 Anfragen pro Minute. Dieses Limit pro Schlüssel ermöglicht eine vorhersehbare Skalierung des Datenverkehrs ohne unerwartete Engpässe.

Parallelisierung

Da die Verarbeitung sequenziell erfolgt, ist Parallelisierung durch mehrere API-Schlüssel effektiv. Jede neue Schlüssel-Generation deaktiviert den alten sofort. Produktteams können so den Durchsatz linear erhöhen, indem sie mehrere Schlüssel parallel nutzen.

Lange Texte

Texte müssen in Teile von maximal 4096 Zeichen aufgeteilt und audio-technisch zusammengesetzt werden. Die Generierung dauert bei längeren Texten etwa so lange wie die Wiedergabezeit (ca. 25 Zeichen pro Sekunde). Dies erfordert eine clientseitige Chunking-Logik.

Sicherheit und Authentifizierung

Schallwellenillustration für: Sicherheit und Authentifizierung

Die Sicherheit der API-Nutzung basiert auf einem einzelnen, aktiven API-Schlüssel pro Konto. Dieser Schlüssel wird über die /get-api-key/-Seite verwaltet und im Bearer-Token-Format an die Endpunkte gesendet. Jeder Request muss das Header-Feld Authorization: Bearer tts-... enthalten, um die Identität zu verifizieren.

Ein entscheidendes Sicherheitsmerkmal ist die sofortige Invalidierung: Wird ein neuer Schlüssel ausgestellt, verliert der alte Schlüssel sofort seine Gültigkeit. Dies minimiert das Risiko bei unbefugtem Zugriff oder Verlust des Schlüssels, ohne dass manuell auf Wartungsfenster gewartet werden muss.

API-Schlüssel

Pro Konto ist nur ein einzelner API-Schlüssel aktiv. Er dient als einziger Authentifizierungsmechanismus für alle Anfragen. Die Verwaltung erfolgt zentral über die Kontoübersicht, wo der aktuelle Schlüssel angezeigt und bei Bedarf neu generiert werden kann.

  • Ein aktiver Schlüssel pro Konto
  • Sofortige Invalidierung bei Neuerstellung

Bearer Token

Der API-Schlüssel wird im HTTP-Header als Bearer-Token übergeben. Das Format lautet Authorization: Bearer tts-.... Dies gewährleistet eine standardisierte und sichere Übertragung der Zugangsdaten über HTTPS, ohne dass komplexe Signaturmechanismen für die Basisnutzung erforderlich sind.

  • Header: Authorization: Bearer tts-...
  • Standardkonformität mit REST-APIs

Datenschutz

Eingegebener Text wird ausschließlich zur Audio-Generierung verwendet und nicht zum Training von Modellen gespeichert. Das generierte Audio wird direkt in der Antwort zurückgegeben und nicht dauerhaft auf den Servern abgelegt. Lediglich Metadaten (Zeitpunkt, Zeichenanzahl, Status) werden zur Abrechnung und Abwicklung aufbewahrt.

  • Kein Training mit Kundentexten
  • Keine Speicherung generierter Audiodateien
  • Nur Metadaten zur Abrechnung

Kosteneffizienz

Schallwellenillustration für: Kosteneffizienz

Die Abrechnung erfolgt rein verbrauchsabhängig: Ein US-Dollar pro eine Million Zeichen, was 0,01 US-Dollar pro 1.000 Zeichen entspricht. Leerzeichen und Interpunktion zählen als Zeichen. Dies ermöglicht eine präzise Kalkulation für SaaS-Workflows ohne fixe Grundgebühren.

Fehlschlagene Synthesen werden vollständig erstattet, sodass Sie nur für erfolgreiche Audio-Generierungen zahlen. Das Startguthaben von 0,50 US-Dollar nach der Google-Anmeldung deckt etwa 50.000 Zeichen ab und ermöglicht schnelle Tests.

Preismodell

Das Preismodell ist linear und transparent: 10 USD pro Million Zeichen. Es gibt keine Staffelpreise, Mindestmengen oder monatlichen Abonnements. Jede Anfrage wird individuell abgerechnet, was die Vorhersagbarkeit der Kosten pro Benutzerevent erleichtert.

  • 0,01 USD pro 1.000 Zeichen
  • Keine Fixkosten oder Mindestvolumina
  • Fehlerhafte Anfragen werden kostenfrei erstattet

Abrechnung

Die Abrechnung erfolgt nutzungsbasiert über das Kontoguthaben. Geladene Mittel verfallen nicht, auch nicht nach Ablauf der 7-tägigen Testphase. Transparenz wird durch die Anzeige des aktuellen Saldos und der verbrauchten Zeichen in Echtzeit gewährleistet.

Kostenoptimierung

Um Kosten zu optimieren, sollte die Eingabetextlänge im Limit von 4.096 Zeichen pro Anfrage gehalten werden. Durch das präzise Zählen von Zeichen (inklusive Leerzeichen) lässt sich der Verbrauch exakt steuern. Da kurze Texte länger dauern, empfiehlt sich die Bündelung kleiner Nachrichten zu längeren Texten, wo das Format es zulässt.

Kosteneffizienz

Benutzererfahrung durch Audio

Schallwellenillustration für: Benutzererfahrung durch Audio

Audio-Outputs in SaaS-Plattformen verbessern die Zugänglichkeit und reduzieren die kognitive Belastung für Nutzer. Durch die Integration von Spracherzeugung in Benutzeroberflächen können Texte vorlesbar gemacht werden, was insbesondere bei der Navigation oder der Darstellung langer Informationen hilfreich ist.

Die Wahl des richtigen Audioformats ist entscheidend für die Nutzererfahrung. MP3 bietet eine gute Balance zwischen Qualität und Dateigröße, während WAV oder FLAC für hochwertige Anforderungen geeignet sind. PCM eignet sich für direkte Weiterverarbeitung.

Barrierefreiheit

Sprachausgabe ermöglicht es Nutzern mit Sehbehinderungen oder Lese-schwächen, Inhalte effizient zu konsumieren. Durch die klare Aussprache der 8 voreingestellten Stimmen wird die Verständlichkeit erhöht.

Die API unterstützt 23 Sprachen, darunter Deutsch, Englisch und weitere, die für internationale Plattformen relevant sind. Dies gewährleistet eine konsistente Nutzererfahrung über verschiedene Märkte hinweg.

  • Unterstützung von 23 Sprachen für globale Anwendungen
  • Klare, natürliche Stimme zur Reduzierung der kognitiven Last

Engagement

Audio-Inhalte steigern die Aufmerksamkeit der Nutzer, da sie oft schneller erfasst werden als reiner Text. Dies ist besonders in Dashboards oder Benachrichtigungen effektiv.

Die Möglichkeit, die Geschwindigkeit der Sprachausgabe zwischen 0,25 und 4,0 zu variieren, erlaubt es Nutzern, den Konsum an ihre individuellen Bedürfnisse anzupassen.

  • Geschwindigkeitsanpassung von 0,25x bis 4,0x für individuelle Präferenzen
  • Steigerung der Interaktionsrate durch multimediale Inhalte

Formatwahl

Die Auswahl des richtigen Audioformats beeinflusst sowohl die Dateigröße als auch die Wiedergabekompatibilität. MP3 ist weit verbreitet und effizient.

Für Anwendungen, die eine hohe Klangqualität benötigen, bieten WAV und FLAC eine verlustfreie Komprimierung. PCM eignet sich für Rohdaten-Verarbeitungen.

  • MP3 für optimale Balance zwischen Größe und Qualität
  • WAV und FLAC für verlustfreie Audioausgabe
  • PCM für direkte Weiterverarbeitung in anderen Systemen

Technische Anforderungen

Schallwellenillustration für: Technische Anforderungen

Die API nutzt das gleiche Anfrageformat wie die OpenAI Speech-Endpunkte. Dadurch können bestehende OpenAI-SDKs direkt verwendet werden, indem einfach die base_url auf https://api.playnb66.com/v1 geändert wird. Dies ermöglicht eine schnelle Integration in bestehende SaaS-Architekturen ohne umfangreiche Anpassungen der Client-Logik.

OpenAI SDK

Die Kompatibilität mit offiziellen OpenAI-Clientbibliotheken reduziert den Entwicklungsaufwand erheblich. Durch die Anpassung der Basis-URL in der Konfiguration des SDKs wird der Endpunkt https://api.playnb66.com/v1 angesprochen. Der Rest der Anfragestruktur bleibt unverändert.

HTTP-Protokolle

Die Kommunikation erfolgt ausschließlich über RESTful HTTP. Anfragen werden als JSON-Body mit dem POST-Methoden-Verb an /v1/audio/speech gesendet. Die Antwort enthält das generierte Audio direkt im Response-Body.

Kompatibilität

Das System ist plattformunabhängig und benötigt keine speziellen Hardwarevoraussetzungen. Jede Programmiersprache, die HTTP-Anfragen und JSON-Parsing unterstützt, ist kompatibel. Es werden keine proprietären Bibliotheken benötigt, was die Integration in heterogene Tech-Stacks erleichtert.

Fazit: API statt App

Schallwellenillustration für: Fazit: API statt App

Die Entscheidung für eine API statt einer abgeschlossenen Anwendung bietet Produktteams die notwendige Flexibilität, um die Sprachausgabe direkt in die bestehende SaaS-Architektur zu integrieren. Dies ermöglicht eine nahtlose Anpassung an sich ändernde Anforderungen, ohne dass externe Abhängigkeiten das Produkt-Design bestimmen.

Flexibilität

Durch die Nutzung einer REST-API bleibt die Architektur offen für Erweiterungen. Das Team kann die TTS-Funktionalität unabhängig von der Benutzeroberfläche weiterentwickeln und an spezifische Use Cases anpassen, ohne auf proprietäre Lösungen beschränkt zu sein.

Kontrolle

Die volle Kontrolle über Datenfluss und Authentifizierung liegt beim Kunden. Durch die direkte Anbindung an das Backend wird sichergestellt, dass sensitive Informationen im eigenen System verbleiben und die Verarbeitung transparent nachvollziehbar ist.

Skalierbarkeit

Die API skaliert mit dem Bedarf. Ob bei wenigen Anfragen oder hohem Volumen durch viele Nutzer – die Infrastruktur passt sich durch die einfache Integration in bestehende Serverlandschaften effizient an.

Stimmen und Sprachen

Schallwellenillustration für: Stimmen und Sprachen

Die API bietet acht fest definierte Stimmen, die auf lizenzierten Aufnahmen basieren und sich durch spezifische Klangprofile auszeichnen. Diese Presets decken ein breites Spektrum von narrativen bis hin zu informativen Stimmungen ab, ohne dass eine individuelle Anpassung möglich ist.

8 voreingestellte Stimmen

Die Auswahl umfasst weibliche Stimmen wie Aria (klar), Nova (aktiv), Luna (weich) und Sage (informativ) sowie männliche Optionen wie Felix (energetisch), Milo (konversativ), Atlas (neutral) und Orion (tief). Jede Stimme nutzt dieselbe Engine, wodurch die Auswahl primär die Wahrnehmung im SaaS-Kontext beeinflusst.

  • Aria: Warme, klare Erzählerin
  • Nova: Hell und aktiv
  • Luna: Weich, für Geschichten
  • Sage: Ruhig, anleitend
  • Felix: Energetisch, werblich
  • Milo: Freundlich, gesprächig
  • Atlas: Neutral, nachrichtenartig
  • Orion: Tief, dokumentarisch

23 unterstützte Sprachen

Das System unterstützt 23 Sprachen, darunter Deutsch, Englisch, Französisch, Spanisch, Chinesisch und Japanisch. Eine Stimme kann jede der verfügbaren Sprachen fließend wiedergeben, was die internationale Skalierung von SaaS-Produkten vereinfacht. Nicht unterstützte Sprachen wie Vietnamesisch, Thai oder Indonesisch werden nicht unterstützt.

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

Spracherkennung

Zahlung und Kontoeinrichtung

Schallwellenillustration für: Zahlung und Kontoeinrichtung

Die Einrichtung des Kontos erfolgt über die Seite /get-api-key/ mit Google oder E-Mail. Der API-Schlüssel wird direkt angezeigt, und ein Testguthaben von 0,50 $ steht für die ersten Tests zur Verfügung. Die Abrechnung erfolgt ausschließlich pro Zeichen.

Zahlungen werden über USDT im TRC-20-Netzwerk auf der TRON-Blockchain getätigt. Ein Mindestbetrag von 5 $ wird automatisch innerhalb weniger Minuten gutgeschrieben. Es gibt keine monatlichen Pläne oder Abonnements.

USDT TRC-20

Die Aufladung erfolgt ausschließlich über USDT im TRC-20-Netzwerk. Transaktionen werden automatisch erkannt und das Guthaben innerhalb weniger Minuten freigegeben. Andere Zahlungsmethoden wie Kreditkarten oder PayPal sind nicht verfügbar.

  • Mindestbetrag: 5 $
  • Keine laufenden Gebühren
  • Guthaben verfällt nicht

Testguthaben

Bei der Anmeldung mit Google erhalten Sie 0,50 $ Testguthaben, das 7 Tage gültig ist. Dies entspricht etwa 50.000 Zeichen. Konten, die nur mit E-Mail und Passwort erstellt wurden, starten ohne dieses Guthaben.

Kontoverwaltung

Auf der /get-api-key/ Seite sehen Sie Ihren API-Schlüssel, das aktuelle Guthaben und die verbrauchten Zeichen. Sie können jederzeit einen neuen API-Schlüssel ausstellen, wobei der alte sofort ungültig wird.

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.

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. MDN: Web Speech API
  3. W3C WAI: making audio and video accessible
  4. Tether (USDT)
  5. LibriTTS-R corpus (OpenSLR 141)
  6. TRON developer hub: TRC-20
  7. Creative Commons Attribution 4.0
  8. LibriTTS-R paper (arXiv 2305.18802)
  9. Node.js documentation
  10. LibriVox public-domain audiobooks
  11. openai-node on GitHub
  12. FFmpeg documentation

Mehr auf dieser Website