Häufig gestellte Fragen
Was ist Text-zu-Sprache (TTS)?
Text-to-Speech (TTS) ist eine Technologie, die geschriebenen Text in natürliche gesprochene Audio-Dateien umwandelt. Unser API ermöglicht es YouTube-Erstellern und Agenturen, Texte schnell in professionelle Audio-Inhalte für Videos und Kundenprojekte zu konvertieren. Sie senden Text und erhalten eine Audiodatei im gewünschten Format, ohne komplexe Hardware oder Software installieren zu müssen.
Wie funktioniert die Text-zu-Sprache-Generierung?
Sie senden eine POST-Anfrage an den Endpunkt /v1/audio/speech mit Text, Stimme und Format. Das System verarbeitet die Anfrage und gibt eine Audio-Datei zurück. Für längere Texte teilen Sie diese in Blöcke von maximal 4096 Zeichen auf und verbinden die Ergebnisse. Die Generierung dauert etwa so lange wie die Wiedergabe des Audios.
Welche Sprachen werden unterstützt?
Wir unterstützen 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. Jede Stimme kann jede dieser Sprachen sprechen. Geben Sie bei Nicht-Englisch-Texten im lateinischen Alphabet optional den ISO-Code an.
Kann ich die Geschwindigkeit der Stimme anpassen?
Ja, Sie können die Sprechgeschwindigkeit zwischen 0,25 und 4,0 anpassen. Dies ermöglicht es Ihnen, die Audio-Ausgabe präzise an den Kontext Ihres Videos oder Ihrer Präsentation anzupassen. Die Geschwindigkeit ist ein einfacher Parameter in Ihrer API-Anfrage und wirkt sich direkt auf die Dauer der generierten Audiodatei aus.
Wie viele Zeichen pro Anfrage sind möglich?
Pro API-Anfrage sind maximal 4096 Zeichen möglich. Für Texte, die länger sind, müssen Sie diese in mehrere Teile aufteilen. Jedes Teil wird separat verarbeitet, und die resultingen Audio-Dateien können anschließend zusammengefügt werden. Leerzeichen und Interpunktion zählen als Zeichen.
Sind die Stimmen lizenzfrei für kommerzielle Nutzung?
Die zugrunde liegenden Aufnahmen basieren auf LibriTTS-R (CC BY 4.0) und LibriVox (Public Domain). Jede generierte Datei enthält einen unsichtbaren Wasserzeichen, das sie als synthetische Sprache ausweist. Für kommerzielle Projekte ist die Nutzung über unser API erlaubt.
Werden die Audio-Dateien gespeichert?
Nein, generierte Audio-Dateien werden nicht gespeichert. Sie werden direkt in der Antwort zurückgegeben und danach gelöscht. Nur Metadaten der Anfrage wie Zeitstempel, Zeichenzahl und Status werden für die Abrechnung und Abrechnungszwecke aufbewahrt. Der eingegebene Text wird ausschließlich zur Audio-Generierung verwendet und nicht zum Training von Modellen.
Wie wird abgerechnet?
Die Abrechnung erfolgt nach Verbrauch: 10 USD pro 1 Million Zeichen (0,01 USD pro 1.000 Zeichen). Fehlgeschlagene Anfragen werden kostenlos zurückgebucht. Sie laden Ihr Guthaben via USDT (TRC-20) auf. Es gibt keine monatlichen Pläne oder Mindestumsätze. Das Guthaben verfällt nicht.
Was ist ein API-Key?
Ein API-Key ist Ihr persönlicher Authentifizierungsschlüssel, der Ihre API-Anfragen autorisiert. Sie erhalten ihn nach der Registrierung auf unserer Website. Jeder Account hat einen aktiven Schlüssel. Sie können jederzeit einen neuen Schlüssel ausstellen, wodurch der alte sofort ungültig wird. Geben Sie ihn im Header 'Authorization: Bearer' an.
Wie schnell sind die Antworten der API?
Die Generierung dauert bei langen Texten etwa in Echtzeit (ca. 25 Zeichen pro Sekunde). Kurze Sätze benötigen einige Sekunden. Anfragen werden nacheinander verarbeitet. Bei hoher Auslastung kann es zu Warteschlangen kommen, was die Antwortzeit leicht verlängern kann.
Was passiert, wenn die API überlastet ist?
Bei hoher Auslastung werden Anfragen in einer Warteschlange verarbeitet. Dies kann zu leichten Verzögerungen bei der Antwortzeit führen, insbesondere bei vielen parallelen Anfragen. Sie erhalten Ihre Audio-Datei, sobald die Anfrage an der Reihe ist. Die Abrechnung erfolgt weiterhin nur bei erfolgreicher Generierung.
Kann ich Audio-Dateien in verschiedenen Formaten erhalten?
Ja, Sie können zwischen den Formaten MP3, WAV, OPUS, FLAC und PCM wählen. Jedes Format hat unterschiedliche Eigenschaften in Bezug auf Dateigröße und Qualität. Wählen Sie das Format, das am besten zu Ihrem Workflow passt. Das Format wird als Parameter in Ihrer API-Anfrage angegeben.
Gibt es ein kostenloses Testkonto?
Ja, bei der Anmeldung mit Google erhalten Sie 0,50 USD Guthaben (ca. 50.000 Zeichen), die 7 Tage gültig sind. Konten, die mit E-Mail und Passwort erstellt wurden, starten ohne Testguthaben. Das Guthaben kann für die erste Nutzung des API verwendet werden, um die Qualität und Geschwindigkeit zu testen.
Wie kann ich Support kontaktieren?
Der Support erfolgt ausschließlich per E-Mail. Es gibt keine Telefonnummer oder einen Live-Chat. Für technische Fragen oder Probleme mit Ihrem Konto senden Sie eine E-Mail an die auf der Kontaktseite angegebene Adresse. Wir antworten so schnell wie möglich.
Erste Anfrage
curl
curl https://api.play9999k.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.mp3Warum Agenturen und Creator unser API nutzen
Mit KlangFaden automatisieren Sie die Audioerstellung für YouTube-Kanäle und Agenturprojekte effizient. Unser API verarbeitet große Volumina, sodass Sie konsistent hochwertige Sprechertexte für viele Videos generieren können, ohne manuelle Engpässe.
Die Kosten berechnen sich streng nach Zeichenanzahl – nicht nach Minuten oder Sekunden. Das macht Budgets für Video-Produktionen und Kundenprojekte exakt kalkulierbar, unabhängig von der Länge oder dem Tonfall der Ausgabe.
Skalierbare Audio-Produktion für viele Videos
Verarbeiten Sie längere Skripte durch automatische Aufteilung in Segmente von maximal 4.096 Zeichen und fügen Sie die Audiodateien nahtlos zusammen. Dies ermöglicht die kontinuierliche Produktion von Videoinhalten, auch bei hohem Output.
- Automatische Aufteilung langer Texte
- Nahtloses Zusammenspielen der Audios
Vorhersagbare Kosten pro Zeichen
Nutzen Sie ein transparentes Preismodell: 0,01 USD pro 1.000 Zeichen. Fehlerhafte Anfragen werden kostenlos berechnet, sodass Sie nur für erfolgreiche Synthesen zahlen. So bleibt Ihr Budget planbar.
Nahtlose Integration in bestehende Workflows
Nutzen Sie die bestehende JSON-Struktur und die OpenAI-kompatible API. Entwickler passen einfach die Basis-URL an, um das API direkt in ihre bestehenden Tools und Produktionspipelines zu integrieren.
- JSON-basierte Requests
- OpenAI SDK kompatibel
Unsere 8 Premium-Stimmen
Unsere 8 Stimmen sind auf lizenzierten Aufnahmen (LibriTTS-R, CC BY 4.0) und öffentlichen Hörbüchern (LibriVox) basierend. Jede Datei enthält ein unsichtbares Wasserzeichen, das sie als synthetische Sprache ausweist. Dies garantiert klare, hochwertige Audio-Assets für deine YouTube-Videos und Agenturprojekte.
Klare Narratoren: Aria und Sage
Aria überzeugt als warme, klare Erzählerin, ideal für Storytelling. Sage bietet einen ruhigen, lehrreichen Ton, perfekt für Tutorials oder erklärende Inhalte.
- Aria: Warme, klare Erzählerin
Energie und Gesprächsstil: Nova, Felix und Milo
Nova liefert einen hellen, energiegeladenen Sound. Felix ist ideal für Promo-Content. Milo bringt einen freundlichen, gesprächigen Stil in deine Projekte.
- Nova: Hell und energiegeladen
Weich und Dokumentarisch: Luna, Atlas und Orion
Luna wirkt weich und ist perfekt für Geschichten. Atlas liefert einen neutralen, nachrichtenartigen Ton. Orion bietet eine tiefe, dokumentarische Stimme.
- Luna: Weich und geschichtenerzählend
Unterstützte Sprachen und Formate
Erstelle Inhalte in 23 Sprachen – von Arabisch bis Türkisch. Unsere API unterstützt globale Reichweite für YouTube-Kanäle und Agenturprojekte, die ein internationales Publikum ansprechen.
23 Sprachen für globale Reichweite
Wir unterstützen 23 Sprachen, darunter Englisch, Deutsch, Spanisch, Französisch, Japanisch, Hindi, Arabisch, Chinesisch, Dänisch, Finnisch, Griechisch, Hebräisch, Italienisch, Koreanisch, Malay, Norwegisch, Polnisch, Portugiesisch, Russisch, Schwedisch, Türkisch und Swahili. Jede Stimme beherrscht alle unterstützten Sprachen, was die Produktion multilingualer Inhalte erheblich vereinfacht.
- Arabisch, Chinesisch, Dänisch, Deutsch, Englisch, Finnisch, Französisch, Griechisch, Hebräisch, Hindi, Italienisch, Japanisch, Koreanisch, Malay, Norwegisch, Polnisch, Portugiesisch, Russisch, Spanisch, Swahili, Schwedisch, Türkisch
Flexible Audioformate: MP3, WAV, OPUS, FLAC, PCM
Wähle zwischen MP3, WAV, OPUS, FLAC und PCM. Diese Flexibilität passt sich verschiedenen Bearbeitungsumgebungen an, sei es für schnelle Web-Exports oder verlustfreie Archivierung.
- MP3, WAV, OPUS, FLAC, PCM
Automatische Spracherkennung und manuelle Steuerung
Die API erkennt die Sprache automatisch anhand des Skripts. Für Texte in lateinischer Schrift, die nicht Englisch sind, empfehlen wir die manuelle Angabe des ISO-Codes, um die Qualität zu sichern.
Einfache Integration für Entwickler
Entwickler nutzen unser API nahtlos in bestehende Pipelines. Die Kompatibilität mit den offiziellen OpenAI-SDKs ermöglicht eine schnelle Integration durch einfaches Ändern der base_url. So bleibt eure bestehende Codebasis stabil, während ihr auf unsere leistungsstarke Text-zu-Sprache-Engine zugreift.
Für direkte Anfragen funktioniert die JSON-Struktur direkt nach dem Vorbild der OpenAI-Schnittstelle. Ein einfacher POST-Request an /v1/audio/speech mit Modell, Text und Stimmauswahl reicht aus. Das System antwortet mit der fertigen Audiodatei im gewünschten Format.
Kompatibel mit OpenAI SDKs
Wir verwenden die gleiche Struktur wie die bekannte Speech-Schnittstelle. Ändert ihr die base_url auf https://api.play9999k.com/v1 und nutzt euren API-Key, funktionieren die offiziellen OpenAI-Client-Bibliotheken ohne größere Anpassungen. Dies ermöglicht die Integration für Python, Node.js und andere Sprachen.
Einfache JSON-Requests
Die Kommunikation erfolgt über standardkonforme JSON-Payloads. Ihr sendet Text, wählt eine der 8 Stimmen und definierst das Ausgabeformat (MP3, WAV, OPUS, FLAC oder PCM). Optional könnt ihr Geschwindigkeit und Sprache festlegen. Die Authentifizierung erfolgt über den Bearer-Token im Header.
- Endpoint: POST /v1/audio/speech
- Auth: Bearer <api_key>
- Modelle: tts-1 oder tts-1-hd
Schnelle Antwortzeiten für lange Texte
Für lange Texte empfehlen wir die Aufteilung in Blöcke von maximal 4096 Zeichen. Die Generierung dauert bei langen Texten etwa so lange wie die Wiedergabe der Audiodatei (Real-Time). Bei kurzen Phrasen sind es einige Sekunden. Unter Last können Anfragen in der Warteschlange landen.
Transparente Preise ohne versteckte Kosten
Unsere Preisgestaltung ist einfach und vorhersehbar: Du zahlst nur für das, was du tatsächlich nutzt. Es gibt keine monatlichen Grundgebühren, keine Mindestumsätze und keine versteckten Kosten. Das macht KlangFaden ideal für Creator und Agenturen, deren Volumen stark schwanken kann.
Kosten pro Zeichen statt pro Minute
Der Preis beträgt 10 US-Dollar pro einer Million Zeichen. Das entspricht 0,01 US-Dollar pro 1.000 Zeichen, wobei Leerzeichen und Satzzeichen mitgezählt werden. Bei fehlerhaften Anfragen wird der Betrag vollständig zurückerstattet.
- 10 USD pro 1.000.000 Zeichen
- 0,01 USD pro 1.000 Zeichen
- Leerzeichen und Interpunktion zählen als Zeichen
- Fehlerhafte Anfragen sind kostenlos
Keine monatlichen Grundgebühren
Wir bieten keine Abo-Modelle oder Sitzplatz-Lizenzen an. Du startest mit einem Testguthaben von 0,50 US-Dollar (ca. 50.000 Zeichen) bei der Google-Anmeldung, das sieben Tage gültig ist. E-Mail-Konten starten ohne Guthaben.
Flexible Aufladung via Kryptowährung
Lade dein Guthaben bequem mit USDT im TRON-Netzwerk (TRC-20) auf. Mindestens 5 USD werden benötigt, und der Betrag wird innerhalb von Minuten nach dem Transfer automatisch gutgeschrieben. Der Kontostand verfällt nicht.
- Nur USDT (TRC-20)
- Mindestaufladung: 5 USD
- Gutschrift innerhalb von Minuten
- Kein Verfall des Guthabens

Technische Details im Überblick
Die Geschwindigkeitskontrolle erlaubt es dir, die Sprechgeschwindigkeit zwischen 0,25x und 4,0x präzise anzupassen. Dies ist entscheidend, um den Rhythmus deiner Videos optimal auf deine Bildsprache abzustimmen oder schnelle Erklärvideos zu erstellen.
Jede API-Anfrage verarbeitet maximal 4096 Zeichen. Für längere Skripte müssen Texte entsprechend aufgeteilt und die Audiodateien anschließend verbunden werden. So bleibt die Audioqualität auch bei langen YouTube-Videos oder Podcast-Episoden konsistent.
Geschwindigkeitskontrolle von 0.25x bis 4.0x
Du kannst die Sprechgeschwindigkeit flexibel zwischen 0,25x und 4,0x einstellen. Dies ermöglicht es dir, die Stimme präzise an den Schnitt und die visuelle Dynamik deiner YouTube-Videos anzupassen.
Maximale Textlänge pro Anfrage
Die API akzeptiert Eingabetexte bis zu einer Grenze von 4096 Zeichen pro Anfrage. Für längere Skripte, wie sie typischerweise bei Video-Tutorials oder Dokumentationen vorkommen, musst du den Text in passende Abschnitte aufteilen und die Ergebnisse später zusammenführen.
Authentifizierung über API-Key
Die Authentifizierung erfolgt über einen einzelnen API-Key, den du im Header als Bearer-Token überträgst. Pro Konto ist nur ein aktiver Key möglich; bei Bedarf kannst du jederzeit einen neuen Key ausstellen, wodurch der alte sofort ungültig wird.
Datenverarbeitung und Privatsphäre
Wir behandeln deine Eingabedaten strikt als Dienstleistungsmedium: Der eingegebene Text wird ausschließlich zur Generierung der gewünschten Audioausgabe verwendet und nicht zur Verbesserung oder zum Training unserer Modelle für andere Kunden herangezogen.
Kein Training der Daten für andere Kunden
Deine Texte verbleiben in einem direkten Verarbeitungsfluss. Sie dienen ausschließlich der Erzeugung des Audios für deine Videos oder Projekte und werden nicht in unseren Trainingsdatensätzen gesammelt.
Keine Speicherung generierter Audios
Sobald die Synthese abgeschlossen ist, wird das Audiofile direkt in deiner Antwort zurückgegeben und nicht auf unseren Servern dauerhaft abgelegt. Es wird also nicht in einer Cloud-Bibliothek gespeichert, sondern ist direkt nach der Generierung für dich zugänglich.
Metadaten nur zur Abrechnung
Wir speichern nur die für die Abrechnung notwendigen Metadaten. Dies umfasst das Zeitstempel, die Anzahl der verarbeiteten Zeichen und den Status der Anfrage. Diese Daten dienen ausschließlich der korrekten Berechnung deiner Kosten und der Nachvollziehbarkeit.
Häufige Fragen zur Nutzung
Hier findest du Antworten auf die häufigsten technischen Fragen zur Nutzung unserer Text-to-Speech-API. Diese Hinweise helfen dir, die Generierung effizient in deine Workflows zu integrieren und unerwartete Kosten oder Verzögerungen zu vermeiden.
Wie lange dauert die Generierung?
Lange Texte werden etwa in Echtzeit verarbeitet, was ungefähr 25 Zeichen Text pro Sekunde Generierungszeit entspricht. Bei kurzen Sätzen kann der Prozess einige Sekunden dauern. Da Anfragen nacheinander bearbeitet werden, kann es bei hoher Auslastung zu Wartezeiten in der Queue kommen.
Was passiert bei fehlerhaften Anfragen?
Wenn die Synthese fehlschlägt, erhältst du den vollen Betrag für diese Anfrage zurück. Es entstehen also keine Kosten für gescheiterte Versuche, nur erfolgreiche Generierungen werden abgerechnet.
Kann ich meine eigenen Stimmen nutzen?
Aktuell bieten wir keine individuelle Stimmklonen oder das Hochladen eigener Aufnahmen an. Du wählst aus einer festen Auswahl von 8 vordefinierten Stimmen mit unterschiedlichen Charakteristika aus.
Starte noch heute mit deinem Projekt
Erstelle dein Konto auf unserer /get-api-key/ Seite. Die Registrierung ist unkompliziert: Melde dich einfach mit deinem Google-Account an oder nutze E-Mail und Passwort. Du erhältst sofort Zugang zu deiner individuellen API-Schnittstelle.
Registriere dich mit Google oder E-Mail
Der Prozess dauert nur wenige Sekunden. Wähle deine bevorzugte Anmeldemethode, um dein Konto zu erstellen. Jeder Account ist standortbezogen und direkt einsatzbereit.
- Google-Login für schnellen Zugang
- E-Mail-Registrierung mit Passwort
- Sofortige Kontoeinrichtung
Erhalte deinen ersten API-Key
Nach der Anmeldung siehst du deinen persönlichen API-Schlüssel. Starte mit dem kostenlosen Testguthaben von 0,50 $, das 50.000 Zeichen ermöglicht. Nutze diesen Schlüssel für deine ersten Anfragen.
- Sichtbarer API-Key im Dashboard
- 0,50 $ Testguthaben bei Google-Anmeldung
- Sofortige Aktivierung
Teste die Demo mit deinem Text
Verwende den bereitgestellten curl-Befehl oder das OpenAI SDK, um deine erste Audiodatei zu generieren. Poste Text an den Speech-Endpoint und empfange deine Audio-Datei im gewünschten Format.
- Direkter curl-Befehl verfügbar
- Kompatibel mit OpenAI SDKs
- Sofortige Audio-Generierung
Hören Sie sich die 8 Stimmen an
Jede der folgenden Samples wurde von dieser API aus demselben Satz generiert. Luna eignet sich sanft für Storytelling-Formate, während Sage mit ihrer ruhigen, instruktiven Art perfekt für E-Learning oder Tutorials ist.
23 Sprachen
Jede Stimme kann jede dieser Sprachen sprechen.
