Text-to-Speech-API für Behörden, NGOs und öffentliche Dienste

Von CV365 Redaktion · Aktualisiert 2026-11-19

Die WortKlang API konvertiert Text effizient in Audio und bietet Behörden sowie NGOs eine verlässliche Infrastruktur für barrierefreie Kommunikation. Über den offenen API-Endpunkt integrieren Produktteams Sprachausgabe nahtlos in bestehende Workflows, ohne zusätzliche Software oder komplexe Lizenzierungsfragen.

Diese Seite erläutert die technische Integration, die unterstützten Sprachen und das transparente Preismodell. Sie richtet sich an Entwickler und Produktverantwortliche, die Wert auf Kostennachvollziehbarkeit, Datensparsamkeit und einfache Anbindung über Standard-Protokolle legen.

Text-to-Speech-API für Behörden, NGOs und öffentliche Dienste

Häufig gestellte Fragen

Was ist eine Text-to-Speech-API?

Eine Text-to-Speech-API ist ein Cloud-Dienst, dem Sie Text übermitteln und im Gegenzug eine Audiodatei erhalten. Die Schnittstelle nutzt die gleiche Anfragestruktur wie die OpenAI-Speech-Endpunkte, sodass bestehende SDKs durch Änderung der Base-URL direkt nutzbar sind. Dies ermöglicht eine einfache Integration in bestehende Produktworkflows von Behörden und NGOs ohne zusätzliche Middleware.

Wie funktioniert die Umwandlung von Text in Audio?

Sie senden eine POST-Anfrage an /v1/audio/speech mit Text, Stimme und Format. Der Server verarbeitet die Daten sequentiell; bei langer Textmenge werden Teile unter 4096 Zeichen getrennt synthetisiert und anschließend zusammengefügt. Die typische Geschwindigkeit entspricht etwa der Echtzeit (25 Zeichen pro Sekunde). Bei hoher Auslastung kann eine Warteschlange entstehen.

Welche Sprachen werden unterstützt?

Wir unterstützen 23 Sprachen, darunter Deutsch, Englisch, Französisch, Spanisch, Arabisch, Chinesisch, Japanisch und Hindi. Jede Stimme kann jede dieser Sprachen sprechen. Die Sprache wird automatisch anhand des Skripts erkannt; bei lateinischer Schrift wird standardmäßig Englisch angenommen. Für andere Sprachen mit lateinischem Alphabet sollte das Feld 'language' explizit gesetzt werden.

Sind die Stimmen lizenziert?

Ja, unsere Stimmen basieren auf lizenzierten Aufnahmen aus LibriTTS-R (CC BY 4.0) und stammen von LibriVox-Publikumsaudios. Jede generierte Audiodatei enthält einen unsichtbaren Wasserzeichen, das den synthetischen Ursprung kennzeichnet. Dies gewährleistet eine rechtlich sichere Nutzung für Produktteams, die auf klare Lizenzierungsverhältnisse angewiesen sind.

Wie hoch sind die Kosten pro Zeichen?

Der Preis beträgt 10 US-Dollar pro eine Million Zeichen, was 0,01 USD pro 1.000 Zeichen entspricht. Leerzeichen und Interpunktion werden als Zeichen gezählt. Es gibt keine monatlichen Grundgebühren oder Mindestumsätze. Die Abrechnung erfolgt nutzungsbasiert über Ihren Kontostand, der durch Top-ups mit USDT (TRC-20) aufgefüllt wird.

Gibt es ein kostenloses Testkonto?

Ja, bei der Anmeldung über Google erhalten Sie 0,50 $ Guthaben, gültig für 7 Tage (ca. 50.000 Zeichen). Konten, die mit E-Mail und Passwort erstellt wurden, starten ohne dieses Testguthaben. Das Guthaben kann direkt für erste API-Anfragen genutzt werden, um die Integration und Qualität der Stimmen zu testen.

Wie werden Anfragen abgerechnet?

Abgerechnet wird pro Zeichen im Eingabetext. Der Preis liegt bei 0,01 USD pro 1.000 Zeichen. Fehlerhafte Anfragen werden kostenlos gestellt, das Guthaben wird voll erstattet. Die Abrechnung erfolgt nutzungsbasiert; es gibt keine festen monatlichen Pläne. Der Kontostand wird in Echtzeit angezeigt und kann via USDT (TRC-20) aufgefüllt werden.

Werden meine Texte für das Training verwendet?

Nein. Der eingegebene Text wird ausschließlich zur Erzeugung der Audiodatei verwendet und nicht für Trainingszwecke gespeichert oder analysiert. Die generierte Audiodatei wird ebenfalls nicht gespeichert, sondern direkt in der Antwort zurückgegeben. Lediglich Metadaten wie Zeitpunkt, Zeichenzahl und Status werden zur Abrechnung aufbewahrt.

Kann ich die Geschwindigkeit der Stimme anpassen?

Ja, Sie können die Geschwindigkeit im Bereich von 0,25 bis 4,0 anpassen. Dies ermöglicht es, die Wiedergabegeschwindigkeit an verschiedene Barrierefreiheitsbedürfnisse oder Inhaltslängen anzupassen. Die Einstellung wird direkt im JSON-Body der API-Anfrage über das Feld 'speed' übermittelt und wirkt sich sofort auf die Synthese aus.

Welche Audioformate werden unterstützt?

Wir unterstützen die Formate MP3, WAV, OPUS, FLAC und PCM. Diese Auswahl deckt die meisten technischen Anforderungen für Web-Integrationen und Archivierungssysteme ab. Das Format wird im Anfrage-Body über das Feld 'response_format' festgelegt. Die Wahl des Formats beeinflusst nicht den Preis, sondern nur die Dateigröße und Kompatibilität.

Was passiert bei einer fehlerhaften Anfrage?

Bei einer fehlerhaften Synthese wird die Anfrage kostenlos gestellt. Das Guthaben wird voll erstattet, sodass Sie keinen Betrag für die fehlgeschlagene Verarbeitung verlieren. Dies gilt sowohl für technische Fehler als auch für Probleme bei der Textverarbeitung. Die Fehlermeldung wird im Response zurückgegeben, um die Fehlersuche zu erleichtern.

Gibt es eine Garantie für die Verfügbarkeit?

Nein, wir bieten keine SLA oder Verfügbarkeitsgarantie. Da Anfragen sequentiell verarbeitet werden, kann es bei hoher Auslastung zu Warteschlangen kommen. Die typische Geschwindigkeit entspricht etwa der Echtzeit, aber kurze Sätze können einige Sekunden dauern. Wir garantieren keine bestimmte Uptime oder Reaktionszeiten außerhalb der technischen Machbarkeit.

Wie viele Zeichen kann ich pro Anfrage senden?

Pro Anfrage können maximal 4096 Zeichen gesendet werden. Bei längeren Texten müssen diese in Teile unter 4096 Zeichen aufgeteilt werden. Die API synthetisiert diese Teile einzeln und fügt die Audiodateien anschließend zusammen. Dies stellt sicher, dass die Verarbeitung auch bei großen Dokumenten stabil bleibt und keine Timeouts auftritt.

Werden die Audiodateien gespeichert?

Nein, die generierten Audiodateien werden nicht dauerhaft gespeichert. Sie werden direkt in der API-Antwort zurückgegeben und nach der Zustellung nicht auf unseren Servern abgelegt. Lediglich Metadaten wie Zeitpunkt, Zeichenzahl und Status der Anfrage werden für Abrechnungszwecke aufbewahrt. Dies unterstützt die Datensparsamkeit bei der Verarbeitung sensibler Behördentexte.

Erste Anfrage

curl

curl https://api.cv365.info/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

Technologie im Überblick

Schallwellenillustration für: Technologie im Überblick

Die API verarbeitet Text zu Audio über einen einfachen POST-Endpunkt unter https://api.cv365.info/v1/audio/speech. Die Anforderungsstruktur entspricht dem OpenAI-Standard, sodass bestehende SDKs mit einer Anpassung der Base-URL direkt nutzbar sind.

API-Endpunkt und Integration

API-Endpunkt und Integration

Ein einzelner Endpunkt akzeptiert JSON-Payloads für die Synthese. Die Authentifizierung erfolgt über einen Bearer-Token im Header, der pro Konto eindeutig ist. Dies ermöglicht eine nahtlose Integration in bestehende Backend-Pipelines ohne zusätzliche Protokolle.

Sprachunterstützung und Modelle

Das System unterstützt 23 Sprachen, darunter Deutsch, Englisch, Französisch und Spanisch. Die Modelle "tts-1" und "tts-1-hd" nutzen dieselbe Engine. Eine automatische Spracherkennung basiert auf dem Schriftbild, wobei manuelle Overrides via ISO-Code empfohlen sind.

Lizenzierung der Stimmen

Die 8 vordefinierten Stimmen basieren auf lizenzierten Aufnahmen aus LibriTTS-R (CC BY 4.0) und öffentlichen Hörbüchern von LibriVox. Dies gewährleistet eine klare rechtliche Basis für die kommerzielle und öffentliche Nutzung der generierten Audioinhalte.

Anwendungsbereiche

Schallwellenillustration für: Anwendungsbereiche

Die API wandelt Text in Audio um und unterstützt Behörden und NGOs bei der Bereitstellung barrierefreier Informationen. Durch die Integration in bestehende Workflows wird die Zugänglichkeit für Menschen mit Sehbehinderungen oder Leseerschwerungen sichergestellt.

Audio-Content wird für Bürgerdienste generiert, um komplexe Texte in verständliche Audiodateien umzuwandeln. Dies ermöglicht eine effiziente Verteilung von Informationen über verschiedene Kanäle, ohne zusätzliche Hardware zu benötigen.

Barrierefreiheit (Barrierefreie Informationen)

Die API ermöglicht die schnelle Umwandlung von Texten in Audioformate, was die Zugänglichkeit für Menschen mit Sehbehinderungen oder Leseerschwerungen verbessert. Durch die Nutzung von vorgefertigten Stimmen wird eine konsistente Qualität gewährleistet.

  • Unterstützung von 23 Sprachen
  • Einfache Integration in bestehende Webseiten
  • Konsistente Audioqualität

Audio-Content für Bürgerdienste

Behörden und NGOs können komplexe Texte in verständliche Audiodateien umwandeln. Dies ist besonders nützlich für die Verbreitung von Informationen über verschiedene Kanäle, wie z.B. Webseiten oder mobile Apps.

  • Generierung von Audio-Content für Bürgerdienste
  • Unterstützung von MP3, WAV, OPUS, FLAC, PCM
  • Keine zusätzliche Hardware erforderlich

Skalierbare Textausgabe

Die API ist darauf ausgelegt, große Mengen an Texten effizient zu verarbeiten. Dies ermöglicht eine skalierbare Lösung für Organisationen, die regelmäßig Audio-Content generieren müssen.

  • Skalierbare Textausgabe
  • Unterstützung von bis zu 4096 Zeichen pro Anfrage
  • Keine manuelle Bearbeitung erforderlich

Stimmen und Formate

Schallwellenillustration für: Stimmen und Formate

Die API bietet acht vordefinierte Stimmen mit klaren Charakterprofilen, von warmen Erzählstimmen bis zu neutralen Nachrichtensprechern. Jede Stimme ist lizenziert (LibriTTS-R) und eignet sich für diverse Anwendungsfälle in der öffentlichen Kommunikation.

Auswahl der 8 vordefinierten Stimmen

Wählen Sie zwischen acht Stimmen, die auf lizenzierten Aufnahmen basieren. Female-Stimmen wie Aria (warm) oder Nova (aktiv) eignen sich gut für Erzählungen, während Male-Stimmen wie Atlas (neutral) oder Milo (freundlich) für Informationen und Konversationen optimiert sind.

  • Aria: Warme Erzählerin
  • Nova: Aktiv und klar
  • Atlas: Neutral, Nachrichten-Stil
  • Milo: Freundlich, gesprächig
  • Luna: Sanft, Geschichten
  • Sage: Ruhe, Instruktion
  • Felix: Energie, Promo
  • Orion: Tief, Dokumentation

Unterstützte Audioformate

Erzeugte Audiodateien können im MP3-, WAV-, Opus-, FLAC- oder PCM-Format ausgegeben werden. Dies ermöglicht eine flexible Integration in bestehende CMS-Systeme und Barrierefreiheits-Tools ohne zusätzliche Konvertierungsschritte.

Sprachliche Flexibilität

Alle 8 Stimmen beherrschen 23 Sprachen, darunter Deutsch, Englisch, Französisch und Spanisch. Die Sprache wird automatisch erkannt oder kann explizit über den ISO-Code gesetzt werden. Dies gewährleistet konsistente Qualität bei mehrsprachigen Bürgerinformationen.

Preismodell

Schallwellenillustration für: Preismodell

WortKlang berechnet die API-Nutzung strikt nach Verbrauch: 10 US-Dollar pro einer Million Zeichen, was 0,01 US-Dollar pro 1.000 Zeichen entspricht. Leerzeichen und Satzzeichen werden als Zeichen gezählt. Gescheiterte Synthese-Anfragen werden vollständig erstattet.

Kosten pro Zeichen

Die Abrechnung erfolgt verbrauchsbasiert ohne Mindestvolumen oder monatliche Fixkosten. Ein Antrag mit 4.096 Zeichen kostet 0,04096 USD. Die Abrechnung ist transparent und direkt an die Textlänge gekoppelt.

  • Preis: 0,01 USD pro 1.000 Zeichen
  • Leerzeichen und Interpunktion zählen als Zeichen
  • Erstattung bei gescheiterten Anfragen

Kostenlose Testnutzung

Bei der Registrierung mit einem Google-Konto erhalten Sie 0,50 USD Guthaben, die sieben Tage gültig sind. Dies entspricht etwa 50.000 Zeichen. Konten, die mit E-Mail und Passwort erstellt wurden, starten ohne Testguthaben.

Abrechnung via Kryptowährung

Top-ups erfolgen ausschließlich über USDT im TRC-20 Netzwerk (Tron). Der Mindestbetrag liegt bei 5 USD. Die Gutschrift erfolgt automatisch innerhalb weniger Minuten nach dem Transfer. Es werden keine Karten, PayPal oder Rechnungen mit Mehrwertsteuer akzeptiert.

  • Zahlungsmethode: USDT (TRC-20)
  • Mindestbetrag: 5 USD
  • Gutschrift: innerhalb weniger Minuten

Technische Daten

Schallwellenillustration für: Technische Daten

Die API verarbeitet Anfragen sequenziell mit einem Limit von 60 Requests pro Minute pro Schlüssel (vor dem ersten Top-Up 10/min). Bei hoher Auslastung können Anfragen in einer Warteschlange stehen; kurze Sätze benötigen wenige Sekunden, längere Texte生成 in Echtzeit (~25 Zeichen/Sekunde).

Eingabetexte werden ausschließlich zur Audiogenerierung verwendet und nicht zum Training gespeichert. Die generierten Audiodateien werden nicht dauerhaft abgelegt. Zur Abrechnung werden nur Metadaten wie Zeitpunkt, Zeichenanzahl und Status gespeichert.

Ratenbegrenzung und Queues

Jeder API-Schlüssel ist auf 60 Requests pro Minute begrenzt. Vor dem ersten Top-Up gelten 10 Requests pro Minute. Da Anfragen sequenziell verarbeitet werden, kann es bei hoher Auslastung zu Wartezeiten in der Queue kommen.

Datenschutz und Speicherung

Der eingegebene Text dient ausschließlich der Synthese und wird nicht für Trainingszwecke verwendet. Die resultierenden Audiodateien werden nicht dauerhaft gespeichert. Lediglich Abrechnungsdaten (Zeitpunkt, Zeichenanzahl, Status) werden für die Abrechnung vorgehalten.

Keine zusätzlichen Dienste

Das Angebot beschränkt sich auf die Text-to-Speech-Synthese. Es werden keine zusätzlichen Dienste wie Streaming, SSML, Voice-Cloning oder eigene SDKs angeboten. Es gibt keine SLAs, Uptime-Garantien oder Zertifizierungen.

  • Kein Streaming oder WebSocket
  • Kein SSML oder Lexika
  • Kein Voice Cloning
  • Keine SLAs oder Zertifizierungen
Technische Daten

Integration

Schallwellenillustration für: Integration

Die API ist vollständig kompatibel mit bestehenden OpenAI-SDKs. Durch Anpassung der base_url auf https://api.cv365.info/v1 und Nutzung des eigenen API-Schlüssels funktioniert die offizielle SDK-Logik nahtlos, ohne dass eine eigene Client-Bibliothek entwickelt werden muss.

Dies ermöglicht eine direkte Integration in bestehende Produkt-Workflows von Behörden und NGOs unter Nutzung bewährter Standard-Tools.

OpenAI SDK Kompatibilität

Nutzern der offiziellen OpenAI-SDKs genügt es, die base_url auf https://api.cv365.info/v1 zu setzen. Alle Request-Shape-Felder wie model, input und voice werden identisch interpretiert. Dies erlaubt den direkten Einsatz bestehender Client-Implementierungen ohne Anpassung der Logik.

Einfache HTTP-Anfragen

Neben SDKs ist eine direkte Kommunikation via HTTP POST auf /v1/audio/speech möglich. Der Header Authorization: Bearer tts-... authentifiziert die Anfrage. Das JSON-Body-Format entspricht exakt den Spezifikationen der OpenAI-Speech-Endpunkte, was die Integration in Legacy-Systeme vereinfacht.

  • Endpoint: POST /v1/audio/speech
  • Auth: Bearer token im Header
  • Format: JSON wie OpenAI Speech

Dokumentation und Beispiele

Technische Details zu Endpunkten, Parametern und Fehlercodes finden Sie in unserer vollständigen API-Dokumentation. Ready-to-use curl-Beispiele zur schnellen Validierung der Integration stehen auf der /get-api-key/-Seite bereit.

Warum CV365?

Schallwellenillustration für: Warum CV365?

Die API ist für Produktteams in Behörden und NGOs konzipiert, die robuste Text-zu-Speech-Lösungen benötigen. Durch die direkte Kompatibilität mit dem OpenAI-SDK und der Nutzung etablierter Standards entfällt die Notwendigkeit eigener, aufwändiger Integrationsschichten. Dies ermöglicht eine schnelle Anbindung an bestehende Bürgerportale und interne Systeme ohne zusätzliche Middleware-Abhängigkeiten.

Fokus auf Effizienz

Die Verarbeitung läuft sequenziell, was bei hoher Last zu Warteschlangen führen kann, aber die Kosten stabil hält. Für typische Texte entspricht die Geschwindigkeit in etwa der Echtzeit, wobei kurze Phrasen einige Sekunden benötigen. Dies ist ein bewusster Trade-off zwischen Kosten und Latenz für den öffentlichen Sektor.

Transparente Kostenstruktur

Es gibt keine versteckten monatlichen Pläne oder Mindestumsätze. Die Abrechnung erfolgt exakt nach Zeichenanzahl (inkl. Leerzeichen) zu 0,01 USD pro 1.000 Zeichen. Fehlgeschlagene Anfragen werden nicht berechnet, was die Kostenplanung für Projekte mit variablen Textmengen erheblich erleichtert und Planungsunsicherheiten minimiert.

Einfache Verwaltung

Die Abrechnung über USDT (TRC-20) eliminiert die Notwendigkeit von Rechnungen, Mehrwertsteuer-Identifikationen oder komplexen Zahlungsanbietern. Ein einzelner API-Schlüssel reicht aus; bei Bedarf kann dieser jederzeit ausgestellt werden, während der alte sofort gesperrt wird. Die Kontoverwaltung ist minimalistisch und auf das Wesentliche beschränkt.

Nächste Schritte

Schallwellenillustration für: Nächste Schritte

Starten Sie die Nutzung der WortKlang-API in drei einfachen Schritten. Erstellen Sie zunächst ein Konto, um Ihren persönlichen API-Schlüssel zu erhalten. Mit diesem Schlüssel können Sie sofort erste Audio-Dateien generieren.

API-Schlüssel anfordern

Gehen Sie auf /get-api-key/, um sich mit Google oder per E-Mail anzumelden. Sie erhalten sofort einen aktiven Schlüssel und sehen Ihren Kontostand sowie das kostenlose Testkontingent von 0,50 $.

Erstes TTS-Beispiel nutzen

Nutzen Sie die bereitgestellten curl-Beispiele oder das OpenAI SDK mit angepasster Base-URL. Senden Sie Text an den Endpunkt /v1/audio/speech und erhalten Sie die Audio-Ausgabe direkt zurück.

Dokumentation lesen

Die vollständige technische Dokumentation unter /docs/ enthält alle Details zu Parametern, Stimmen und Formaten. Dort finden Sie auch die Spezifikationen für Ratenlimits und Fehlercodes.

Kontakt und Support

Schallwellenillustration für: Kontakt und Support

WortKlang bietet direkten E-Mail-Support für alle Nutzer der TTS-API. Unser Support-Team bearbeitet Anfragen zu Konten, Abrechnungen und technischen Details effizient.

Wir bieten keinen Telefon-Support oder Live-Chat. Alle Anfragen werden per E-Mail bearbeitet, was eine lückenlose Dokumentation und Nachverfolgbarkeit gewährleistet.

Email-Support

Nutzen Sie unsere allgemeine Kontaktadresse für administrative Fragen, Kontostände oder Hinweise zur API-Nutzung. Wir antworten zeitnah auf alle Eingänge.

Fragen zur Nutzung

Haben Sie Fragen zur Integration, zu den Stimmen oder zum Preismodell? Beschreiben Sie Ihr Anliegen konkret. Wir klären offene Punkte zur Texteingabe oder Sprachauswahl.

Technische Anfragen

Bei technischen Problemen mit der API oder Fehlermeldungen teilen Sie uns Ihre Request-IDs mit. Wir unterstützen bei der Fehlersuche und prüfen Fehlerstände.

Hören Sie sich die 8 Stimmen an

Jede der folgenden Samples wurde von dieser API aus demselben Satz generiert. Es wird keine SLA, Verfügbarkeitsgarantie oder Zertifizierung angeboten.

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. curl documentation
  3. Python documentation
  4. W3C WAI: making audio and video accessible
  5. FFmpeg documentation
  6. Creative Commons Attribution 4.0
  7. Node.js documentation
  8. TRON developer hub: TRC-20
  9. IETF RFC 7845: Ogg Opus
  10. MDN: Web Speech API
  11. LibriVox public-domain audiobooks
  12. openai-python on GitHub

Mehr auf dieser Website