Vorlesen lassen: Die API für digitale Bildung und Startups

Von Stimmbild Redaktion · Aktualisiert 2026-11-18

Willkommen bei der TTS API von Stimmbild, maßgeschneidert für Startups und LMS-Anbieter, die Inhalte barrierefrei und skalierbar machen wollen. Hier erfährst du, wie du Texte mühelos in natürliche Sprachausgabe verwandelst – ideal für E-Learning, digitale Bildung und moderne Kursplattformen. Unsere API wandelt Text direkt in Audio um, ohne dass komplexe Integrationen nötig sind. Du erhältst auf dieser Seite einen klaren Überblick über unsere 8 hochwertigen Stimmen, die unterstützten Sprachen und die einfache Integration in deine bestehende Infrastruktur. Ob für deutsche Startups oder globale Bildungsplattformen – wir liefern die technischen Details, Preise und FAQs, die du für eine erfolgreiche Implementierung brauchst. Lerne, wie du mit unserer API Inhalte schneller und zugänglicher gestaltest.

Vorlesen lassen: Die API für digitale Bildung und Startups

Häufig gestellte Fragen

Was ist Text-to-Speech (TTS)?

Text-to-Speech (TTS) ist eine Technologie, die geschriebenen Text in natürliche Sprachausgabe umwandelt. Unsere TTS-API ermöglicht es Startups und LMS-Anbietern, Inhalte barrierefrei und skalierbar zu gestalten. Sie senden Text und erhalten eine Audiodatei zurück, ideal für E-Learning und digitale Bildung.

Wie funktioniert die TTS-API genau?

Sie senden eine POST-Anfrage an https://api.playgtr35.com/v1/audio/speech mit einem JSON-Body. Die API verarbeitet den Text und gibt eine Audiodatei zurück. Für längere Texte teilen Sie diese in Blöcke von bis zu 4096 Zeichen auf und fügen die Audiodateien zusammen. Die Authentifizierung erfolgt über einen Bearer-Token.

Welche Sprachen werden unterstützt?

Unsere API unterstützt 23 Sprachen: Arabisch, Chinesisch, Dänisch, Deutsch, Englisch, Finnisch, Französisch, Griechisch, Hebräisch, Hindi, Italienisch, Japanisch, Koreanisch, Malay, Norwegisch, Polnisch, Portugiesisch, Russisch, Spanisch, Schwedisch, Swahili, Türkisch und Niederländisch. Jede Stimme beherrscht alle genannten Sprachen. Die Sprache wird optional per ISO-Code angegeben oder automatisch erkannt; bei lateinischem Text ohne Angabe wird standardmäßig Englisch verwendet.

Kann ich meine eigenen Stimmen verwenden?

Nein, wir bieten kein Custom Voice Cloning an. Sie wählen aus acht vordefinierten Stimmen: Aria, Nova, Luna, Sage, Felix, Milo, Atlas oder Orion. Diese basieren auf lizenzierten Aufnahmen aus LibriTTS-R und LibriVox. Eigene Stimmen können Sie nicht hochladen oder individuell designen.

Wie viele Zeichen kann ich auf einmal eingeben?

Sie können maximal 4096 Zeichen pro Anfrage eingeben. Bei längeren Texten müssen Sie diese in Teile aufteilen, die API für jeden Teil eine Audiodatei generieren lassen und diese anschließend zusammenfügen. Leerzeichen und Satzzeichen zählen als Zeichen. Dies ermöglicht eine präzise Kontrolle über die Generierung.

Was passiert bei einem Fehler bei der Anfrage?

Bei einem Fehler während der Synthese wird der Betrag voll erstattet. Sie zahlen nur für erfolgreich generierte Audiodateien. Dies stellt sicher, dass Sie keine Kosten für fehlgeschlagene Anfragen tragen. Die Abrechnung erfolgt basierend auf den tatsächlich verbrauchten Zeichen nach erfolgreichen Requests.

Sind die Audiodateien lizenzfrei?

Die Stimmen basieren auf lizenzierten Aufnahmen aus LibriTTS-R (CC BY 4.0) und LibriVox. Jede generierte Audiodatei enthält ein unsichtbares Wasserzeichen, das sie als synthetische Sprache ausweist. Die genauen Lizenzbedingungen für die Nutzung der Ausgabe oder eine Garantie werden nicht explizit garantiert.

Wie schnell ist die Generierung?

Die typische Geschwindigkeit entspricht etwa der Echtzeit bei langen Texten (ca. 25 Zeichen pro Sekunde). Kurze Phrasen benötigen einige Sekunden. Anfragen werden nacheinander verarbeitet, sodass es unter Last zu Warteschlangen kommen kann. Die Geschwindigkeit hängt von der Textlänge und der Auslastung ab.

Gibt es eine kostenlose Testversion?

Ja, bei der Anmeldung über Google erhalten Sie 0,50 USD Guthaben (ca. 50.000 Zeichen), die 7 Tage gültig sind. Konten mit E-Mail-Passwort starten ohne Testguthaben. Sie können so die API-Funktionen risikofrei testen, ohne sofort eine Zahlungsmethode hinterlegen zu müssen.

Welche Formate werden unterstützt?

Wir unterstützen die Formate MP3, WAV, OPUS, FLAC und PCM. Sie können das gewünschte Format über das Feld response_format in Ihrer Anfrage festlegen. Dies ermöglicht eine flexible Integration in verschiedene E-Learning-Plattformen und Wiedergabesysteme, die unterschiedliche Audioformate bevorzugen.

Wie wird die Abrechnung durchgeführt?

Der Preis beträgt 10 USD pro 1 Million Zeichen (0,01 USD pro 1.000 Zeichen). Die Zahlung erfolgt ausschließlich über USDT im TRON-Netzwerk (TRC-20) mit einem Mindestbetrag von 5 USD. Es gibt keine monatlichen Pläne oder Abonnements. Das Guthaben verfällt nicht.

Werden meine Daten für das Training verwendet?

Nein, Ihr Eingabetext wird ausschließlich zur Erzeugung der Audiodatei verwendet und nicht zum Training gespeichert. Die generierte Audioausgabe wird in der Antwort zurückgegeben und nicht dauerhaft gespeichert. Nur Metadaten der Anfrage (Zeit, Zeichenanzahl, Status) werden zur Abrechnung aufbewahrt.

Kann ich die Geschwindigkeit der Stimme ändern?

Ja, Sie können die Geschwindigkeit zwischen 0,25 und 4,0 anpassen. Dies geschieht über das Feld speed in der API-Anfrage. Dies ermöglicht es Ihnen, die Sprachausgabe an verschiedene Bedürfnisse anzupassen, z. B. langsamere Aussprache für Lernende oder schnellere Wiedergabe für Übersichten.

Wie erhalte ich Unterstützung bei Problemen?

Wir unterstützen Sie ausschließlich per E-Mail – ohne Telefonnummer oder Live-Chat. Es gibt keine SLA-Garantien. Für Fragen zu Ihrer API-Nutzung oder technischen Problemen nutzen Sie einfach die Kontaktadresse auf unserer /contact/-Seite. Wir bearbeiten Ihre Anfragen zeitnah, da wir auf persönliche, direkte Kommunikation setzen und keine Warteschleifen oder automatisierten Ticketsysteme nutzen.

Erste Anfrage

curl

curl https://api.playgtr35.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.mp3

Warum Text-to-Speech für dein Startup?

Schallwellenillustration für: Warum Text-to-Speech für dein Startup?

Digitale Bildung lebt davon, Inhalte zugänglich und verständlich zu machen. Mit unserer TTS-API wandelst du Text in natürliche Sprachausgabe um – ideal für E-Learning-Plattformen, die Barrierefreiheit ernst nehmen und ihre Kurse für alle Zielgruppen öffnen möchten.

Barrierefreie Kurse

Erhöhe die Inklusion in deinen Online-Kursen. Durch die Umwandlung von Skripten und Texten in Audio kannst du Lernenden mit Lese-Rechtschreib-Schwäche oder Sehbehinderungen eine gleichberechtigte Erfahrung bieten. Natürliche Stimmen machen komplexe Inhalte hörbar und unterstützen so ein besseres Verständnis.

Skalierbare Inhalte

Wächst dein Kursangebot, wächst auch der Bedarf an Audioinhalten. Unsere API verarbeitet Text bis zu 4096 Zeichen pro Anfrage. Bei längeren Texten werden die Dateien automatisch geteilt und zusammengefügt. So kannst du Hunderte von Stunden an Lernmaterialien ohne manuellen Aufwand generieren.

Schnelle Integration

Starte schnell mit der Integration in deine bestehende Infrastruktur. Da die API dem OpenAI-Schema entspricht, reichen wenige Anpassungen im Code. Nutze einfach die bestehenden SDKs oder HTTP-Anfragen, um Audio-Endpunkte in deine LMS-Lösung zu verbinden.

Unsere Stimmen für verschiedene Töne

Schallwellenillustration für: Unsere Stimmen für verschiedene Töne

Die Qualität der Sprachausgabe entscheidet darüber, ob Lerninhalte wirklich ankommen. Mit acht verschiedenen Stimmen bieten wir die passende Stimme für jeden Kontext – von ruhiger Erzählung bis hin zu dynamischen Ankündigungen.

Natürliche Narration

Aria überzeugt mit warmer, klarer Erzählstimme, ideal für Storytelling. Luna sorgt mit weicher Stimme für eine einladende Atmosphäre in längeren Kursmodulen.

Klar und instruktiv

Sage ist die ideale Stimme für Anleitungen und Erklärungen. Ihre ruhige Art hilft Lernenden, komplexe Themen schnell zu verstehen, ohne abgelenkt zu werden.

Energie für Promo

Felix bringt Energie in Produktvorstellungen und Updates. Milo bietet eine freundliche, gesprächige Note, die sich gut für persönliche Begrüßungen in E-Learning-Plattformen eignet.

Unsere Stimmen für verschiedene Töne

Unterstützte Sprachen für globale Reichweite

Schallwellenillustration für: Unterstützte Sprachen für globale Reichweite

Unsere TTS-API unterstützt 23 Sprachen, darunter Deutsch, Spanisch, Arabisch und Swahili. Diese Vielfalt ermöglicht es Startups, digitale Bildungsinhalte direkt für ein globales Publikum zugänglich zu machen, ohne für jede Region separate Lösungen entwickeln zu müssen.

Vielfalt an Sprachen

Wir unterstützen 23 Sprachen, darunter Deutsch, Spanisch, Arabisch und Swahili. Diese Auswahl deckt die Sprachbedürfnisse vieler internationaler Bildungsplattformen ab und ermöglicht eine nahtlose Expansion in neue Märkte.

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

Automatische Erkennung

Die API erkennt die Sprache automatisch basierend auf der Schriftart des Eingabetextes. Bei lateinischem Text ohne explizite Sprachangabe wird standardmäßig Englisch vorausgesetzt. Für andere Sprachen mit lateinischem Alphabet sollten Sie das Feld language manuell setzen, um präzise Ergebnisse zu gewährleisten.

Keine Region-Blocks

Jede Stimme kann jede der unterstützten Sprachen sprechen. Es gibt keine technischen Einschränkungen basierend auf geografischen Regionen. Sie können dieselbe Stimme für verschiedene Sprachen nutzen, was die Entwicklung und Wartung Ihrer LMS-Integration vereinfacht.

Einfache Integration in dein LMS

Schallwellenillustration für: Einfache Integration in dein LMS

Unsere API ist in ihrer Struktur kompatibel mit der OpenAI-Speech-Endpunkt-Spezifikation. Das bedeutet, du kannst die offiziellen OpenAI SDKs nutzen, indem du lediglich die base_url auf https://api.playgtr35.com/v1 änderst und deinen eigenen API-Schlüssel übergibst. Kein neues SDK-Gebäude, keine Learning Curve für neue Bibliotheken.

OpenAI SDK Kompatibilität

Durch die identische Request-Struktur entfällt das Schreiben von Custom-HTTP-Clients. Nutze einfach die vertrauten Methoden deiner bestehenden Integrationen. Die Authentifizierung erfolgt über den Header Authorization: Bearer tts-....

Schnelle API-Anbindung

Die Integration erfolgt über einfache POST-Requests an /v1/audio/speech. Sende Text und Parameter, erhalte die Audiodatei zurück. Diese direkte Anbindung passt nahtlos in bestehende LMS-Architekturen, ohne aufwändige Middleware zu benötigen.

Flexible Formate

Wähle zwischen mp3, wav, opus, flac oder pcm. Jedes Format ist direkt im Request konfigurierbar. So passt du die Ausgabe immer an die technischen Anforderungen deines Learning Management Systems an.

Transparente Kosten für Startups

Schallwellenillustration für: Transparente Kosten für Startups

Die Abrechnung erfolgt streng zeichenbasiert: 10 USD pro einer Million Zeichen, also 0,01 USD pro 1.000 Zeichen. Leerzeichen und Satzzeichen zählen dabei als Zeichen. Bei einem Synthesefehler wird der Betrag vollständig erstattet; du zahlst also nur für erfolgreiche Audiodateien.

Startups starten ohne fixe Kosten. Ein Startguthaben von 0,50 USD (ca. 50.000 Zeichen) wird ausschließlich bei der Registrierung über Google gewährt. Konten mit E-Mail-Passwort beginnen ohne Guthaben. Es gibt keine Abonnements, keine Mindestumsätze und keine monatlichen Pläne.

Preise pro Zeichen

Der Preis liegt bei 10 USD pro eine Million Zeichen, was 0,01 USD pro 1.000 Zeichen entspricht. Leerzeichen und Satzzeichen werden als Zeichen gezählt. Dieser Satz basiert auf der Tatsache, dass 1 Million Zeichen 10 USD kosten.

  • 10 USD pro 1.000.000 Zeichen
  • Leerzeichen und Satzzeichen zählen
  • Fehlerhafte Anfragen sind kostenlos

Keine versteckten Gebühren

Es gibt keine monatlichen Abonnements, keine Sitzkosten und keine Mindestumsätze. Gescheiterte Synthesen werden voll erstattet, sodass du nur für erfolgreiche Audio-Generierungen zahlst. Der Guthabenstatus verfällt nicht.

  • Keine Abonnements oder Mindestumsätze
  • Keine Sitzkosten
  • Guthaben verfällt nicht

Flexible Top-ups

Lade dein Guthaben über USDT im TRON-Netzwerk (TRC-20) auf. Mindestbetrag sind 5 USD. Die Gutschrift erfolgt automatisch innerhalb weniger Minuten nach der Überweisung. Karten- oder PayPal-Zahlungen sind nicht möglich.

  • Zahlung via USDT (TRC-20)
  • Mindestbetrag: 5 USD
  • Automatische Gutschrift in Minuten
Transparente Kosten für Startups

Technische Details auf einen Blick

Schallwellenillustration für: Technische Details auf einen Blick

Die Synthese läuft in etwa Echtzeit: Pro Sekunde Audio entstehen ca. 25 Zeichen. Bei längeren Texten werden Abschnitte automatisch getrennt und zusammengefügt. Unter Last können Anfragen in einer Warteschlange stehen, kurze Phrasen dauern wenige Sekunden.

Schnelligkeit

Die Verarbeitung erfolgt sequenziell. Bei hohem Aufkommen kann es zu Wartezeiten kommen, da Anfragen nacheinander bearbeitet werden.

Datenschutz

Dein Text wird ausschließlich zur Audio-Generierung verwendet und nicht zum Training von Modellen gelagert. Die Audio-Datei wird direkt zurückgegeben und nicht gespeichert. Nur Metadaten wie Zeit, Zeichenanzahl und Status werden zur Abrechnung aufbewahrt. Jede generierte Datei enthält ein unsichtbares Wasserzeichen, das die synthetische Herkunft kennzeichnet.

Format-Optionen

Wähle zwischen mp3, wav, opus, flac oder pcm. Das Format passt sich deinen Speicher- oder Streaming-Anforderungen an.

  • mp3
  • wav
  • opus
  • flac
  • pcm

FAQs für Entwickler und Product Owner

Schallwellenillustration für: FAQs für Entwickler und Product Owner

Du hast Fragen zur Integration? Hier findest du Antworten zu Limiten, Kosten und Support.

Wir haben die häufigsten Fragen unserer Kunden für dich zusammengefasst.

Häufige Fragen zur API

Die Generierung dauert bei langen Texten etwa so lange wie die Wiedergabezeit (ca. 25 Zeichen pro Sekunde), bei kurzen Texten einige Sekunden. Unter Last kann es zu Verzögerungen kommen.

Ein Request kostet 0,01 $ pro 1.000 Zeichen. Fehlschläge werden erstattet. 60 Requests pro Minute sind erlaubt.

  • Max. 4096 Zeichen pro Request
  • Sende Text in Teilen und füge Audios zusammen

Integrations-Tipps

Nutze das OpenAI SDK und ändere nur die base_url auf https://api.playgtr35.com/v1. Das spart Entwicklungszeit.

Teile lange Texte vor der Anfrage in Blöcke von maximal 4096 Zeichen auf, um Wartezeiten zu minimieren.

Support-Kanäle

Wir bieten keinen Live-Chat oder eine Telefonnummer. Support erfolgt ausschließlich per E-Mail.

Es gibt keine SLA oder garantierte Reaktionszeiten.

Starte jetzt mit deiner TTS-Integration

Schallwellenillustration für: Starte jetzt mit deiner TTS-Integration

Nutze dein kostenloses Guthaben von 0,50 $, um die API ohne Risiko zu testen. Du erhältst sofort Zugriff, sobald du dich mit Google anmeldest.

Erstelle deinen API-Schlüssel auf unserer Seite und beginne direkt mit der ersten Audio-Generierung.

Kostenloser Testzugang

Erhalte 0,50 $ Startguthaben für etwa 50.000 Zeichen. Das Guthaben gilt 7 Tage lang und wird direkt nach der Google-Anmeldung aktiviert.

Erste Schritte

Registriere dich auf /get-api-key/, um deinen API-Schlüssel zu erhalten. Nutze das OpenAI SDK oder HTTP-Requests, um Text in Audio umzuwandeln.

  • Erhalte deinen Schlüssel auf der Dashboard-Seite
  • Nutze den bereitgestellten cURL-Beispielcode
  • Wähle eine der 8 verfügbaren Stimmen

Dokumentation

Die vollständige Dokumentation findest du unter /docs/. Dort findest du alle Endpunkte, Parameter und Code-Beispiele für die Integration in dein LMS.

Starte jetzt mit deiner TTS-Integration

Über uns und unsere Mission

Schallwellenillustration für: Über uns und unsere Mission

Stimmbild verbindet technische Präzision mit pädagogischem Verständnis, um digitale Lerninhalte zugänglich zu machen. Unser Fokus liegt auf der nahtlosen Integration unserer TTS-API in bestehende LMS-Infrastrukturen von Startups und Bildungseinrichtungen.

Unser Team

Wir entwickeln die API, die Text in natürliche Sprachausgabe verwandelt. Das Team konzentriert sich auf die technische Zuverlässigkeit und die einfache Integration, damit du dich auf deine Inhalte konzentrieren kannst.

Lizenzen und Daten

Unsere Stimmen basieren auf lizenzierten Aufnahmen aus LibriTTS-R (CC BY 4.0) und öffentlichen Hörbuchaufnahmen von LibriVox. Eingabetexte werden ausschließlich zur Generierung der Audio-Datei verwendet und nicht zum Training weitergenutzt.

  • Stimmen: CC BY 4.0 / LibriVox

Kontakt

Bei Fragen zur Integration oder zum API-Einsatz erreichst du uns ausschließlich per E-Mail. Wir bearbeiten deine Anfragen zeitnah und direkt.

Hören Sie sich die 8 Stimmen an

Jede der folgenden Samples wurde von dieser API aus demselben Satz generiert. Wir entwickeln skalierbare Lernplattformen, damit Startups Wissen effizient an ihr Team weitergeben können.

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. FFmpeg documentation
  4. TRON developer hub: TRC-20
  5. LibriTTS-R corpus (OpenSLR 141)
  6. OpenAI API reference: create speech
  7. LibriVox public-domain audiobooks
  8. Tether (USDT)
  9. MDN: Web Speech API
  10. Creative Commons Attribution 4.0
  11. openai-node on GitHub
  12. openai-python on GitHub

Mehr auf dieser Website