Leitfaden: TTS API für öffentliche Dienste nutzen

Von CV365 Redaktion · Aktualisiert 2026-11-19

Dieser Leitfaden erläutert die schrittweise Integration der WortKlang TTS API für Produktteams in Behörden und NGOs. Sie erfahren, wie Sie Texte barrierefrei in Audio umwandeln, indem Sie den bestehenden OpenAI-Standard nutzen. Der Fokus liegt auf Kostentransparenz, lizenzrechtlicher Sicherheit durch CC BY 4.0-Stimmen und der einfachen Anbindung an bestehende Workflows ohne zusätzliche Abhängigkeiten.

Erfahren Sie, wie Sie Konten mit Google oder E-Mail einrichten, API-Schlüssel verwalten und die ersten Audio-Dateien generieren. Der Guide deckt die Konfiguration von Stimmen, das Handling langer Texte durch Chunking sowie die Fehlerbehebung bei Ratenbegrenzungen ab. Nutzen Sie diese technische Anleitung, um Ihre Text-zu-Speech-Lösung effizient in öffentliche Dienste zu integrieren.

Leitfaden: TTS API für öffentliche Dienste nutzen

Häufig gestellte Fragen

Wie richte ich mein Konto ein?

Registrieren Sie sich auf /get-api-key/ mit Google oder E-Mail. Sie erhalten einen API-Schlüssel und sehen Kontostand sowie Nutzung. Für den Start erhalten Google-Nutzer 0,50 $ Guthaben (ca. 50.000 Zeichen) für 7 Tage. E-Mail-Konten starten ohne Testguthaben. Die Schlüsselverwaltung ist direkt im Dashboard integriert.

Welche Stimmen sind für öffentliche Zwecke geeignet?

Alle 8 Stimmen basieren auf lizenzierten Aufnahmen (LibriTTS-R, CC BY 4.0) und sind für öffentliche Zwecke geeignet. Optionen wie atlas (neutral, Nachrichten) oder sage (ruhig, Anweisungen) eignen sich gut für Behörden. Die Stimmen sind klar strukturiert und unterstützen 23 Sprachen, was die Barrierefreiheit fördert.

Wie verarbeite ich Texte über 4096 Zeichen?

Teilen Sie lange Texte in Abschnitte von maximal 4096 Zeichen auf. Senden Sie diese nacheinander an den Endpunkt und fügen Sie die resultierenden Audio-Dateien anschließend zusammen. Dies gewährleistet, dass jede einzelne Anfrage die Limitierung nicht überschreitet und die Qualität erhalten bleibt.

Was bedeutet 'base_url' im SDK?

Ändern Sie die base_url in Ihrem SDK auf https://api.cv365.info/v1. Dadurch nutzen Sie die offiziellen OpenAI-SDKs nahtlos mit unserer API. Sie müssen keine eigene Bibliothek integrieren. Passen Sie lediglich den Basis-URL-Pfad an, während die restliche Anfrage-Struktur identisch bleibt.

Wie erkenne ich, ob eine Anfrage fehlgeschlagen ist?

Fehlgeschlagene Anfragen werden nicht berechnet, da die Gebühr vollständig erstattet wird. Prüfen Sie die Antwortcodes Ihrer HTTP-Anfrage. Im Fehlerfall erhalten Sie eine entsprechende Fehlermeldung. Die Abrechnung erfolgt erst bei erfolgreicher Generierung des Audios. Dies minimiert Ihr finanzielles Risiko bei technischen Störungen.

Kann ich die API ohne Programmierkenntnisse nutzen?

Die API ist primär für Entwickler konzipiert und erfordert HTTP-Anfragen. Ein curl-Beispiel wird auf der Dashboard-Seite bereitgestellt. Für komplexe Workloads ist Programmierwissen erforderlich. Es gibt keine grafische Benutzeroberfläche zur Texteingabe und kein No-Code-Plugin. Die Integration erfolgt über JSON-Bodys und Standard-HTTP-Methoden.

Wie oft muss ich meine API-Schlüssel erneuern?

Ein Schlüssel ist aktiv, bis Sie einen neuen ausstellen. Bei Ausgabe eines neuen Schlüssels wird der alte sofort ungültig. Eine regelmäßige Erneuerung ist technisch nicht zwingend erforderlich, kann aber aus Sicherheitsgründen erfolgen. Die Verwaltung erfolgt direkt in Ihrem Konto-Dashboard auf der Website.

Werden die Audiodateien für immer gespeichert?

Generierte Audiodateien werden nicht dauerhaft gespeichert. Sie werden direkt in der Antwort zurückgegeben. Nur Metadaten der Anfrage (Zeit, Zeichen, Status) werden zur Abrechnung aufbewahrt. Dies gewährleistet Datenschutz und minimiert den Speicherbedarf. Ihre Eingabetexte werden ebenfalls nicht zum Training verwendet.

Gibt es eine Rate Limit für Testnutzer?

Ja, das Limit beträgt 60 Anfragen pro Minute pro Schlüssel. Vor der ersten Aufladung gelten 10 Anfragen pro Minute. Dies gilt auch für Testnutzer mit Guthaben. Bei hoher Auslastung können Anfragen in eine Warteschlange gelangen. Die Geschwindigkeit beträgt etwa Echtzeit bei langen Texten.

Wie kann ich die Audio-Qualität prüfen?

Prüfen Sie die Ausgabeformate (mp3, wav, opus, flac, pcm). Die Stimme trägt einen unsichtbaren Wassermark, der synthetische Sprache kennzeichnet. Die Qualität entspricht dem gewählten Modell (tts-1 oder tts-1-hd). Testen Sie verschiedene Stimmen und Geschwindigkeiten (0,25–4,0) über die API, um die Eignung für Ihre Zielgruppe zu validieren.

Sind die Stimmen für kommerzielle Nutzung lizenziert?

Ja, die Stimmen basieren auf LibriTTS-R (CC BY 4.0) und LibriVox (Public Domain). Dies ermöglicht eine lizenzrechtliche Nutzung. Die generierten Dateien sind klar als synthetisch gekennzeichnet. Es gibt keine weiteren Lizenzgebühren für die Nutzung der Stimmen über die API hinaus.

Wie funktioniert die USDT-Zahlung?

Zahlungen erfolgen ausschließlich per USDT im TRON-Netzwerk (TRC-20). Mindestbetrag sind 5 $. Die Gutschrift erfolgt automatisch innerhalb weniger Minuten nach der Überweisung. Keine Kreditkarten, kein PayPal. Der Kontostand verfällt nicht. Rechnungen mit Mehrwertsteuer werden nicht ausgestellt. Dies ermöglicht schnelle, direkte Zahlungen.

Vorbereitung und Kontoeröffnung

Schallwellenillustration für: Vorbereitung und Kontoeröffnung

Der Einstieg in die WortKlang-API beginnt mit der Kontoerstellung auf cv365.info/get-api-key/. Produktteams in Behörden und NGOs können sich direkt mit einem Google-Account oder klassisch per E-Mail und Passwort registrieren. Die Konten sind standortunabhängig und ermöglichen eine schnelle Freischaltung der notwendigen Zugangsdaten.

Google oder E-Mail Anmeldung

Die Registrierung dauert nur wenige Sekunden. Nach der Bestätigung stehen Ihnen alle notwendigen Endpunkte zur Verfügung, um mit der Integration in Ihre bestehenden Workflows zu beginnen.

API-Schlüssel generieren

Nach dem Login generieren Sie Ihren individuellen API-Schlüssel. Dieser Schlüssel autorisiert Ihre Anfragen an die Endpunkte und ermöglicht die Abrechnung nach Zeichenanzahl. Jeder Account verfügt über genau einen aktiven Schlüssel, der bei Bedarf sofort ausgetauscht werden kann.

Testguthaben aktivieren

Bei der Anmeldung mit Google erhalten Sie automatisch 0,50 USD Testguthaben (ca. 50.000 Zeichen), die sieben Tage gültig sind. E-Mail-Registrierungen starten ohne Guthaben. Dies ermöglicht eine unverbindliche Prüfung der Audio-Qualität und der Integrationslogik vor der produktiven Nutzung.

  • Google-Login: 0,50 USD Guthaben
  • Gültigkeit: 7 Tage
  • Kein Guthaben bei E-Mail-Registrierung

Erste Schritte mit der API

Schallwellenillustration für: Erste Schritte mit der API

Nach der Kontoeinrichtung steht Ihnen ein API-Schlüssel zur Verfügung, der über den Header Authorization: Bearer authentifiziert wird. Die API folgt dem Request-Shape des OpenAI-Speech-Endpunkts, was eine nahtlose Integration in bestehende Workflows ermöglicht. Sie senden Text im JSON-Format und erhalten direkt eine Audiodatei zurück.

Für die erste Nutzung können Sie entweder ein Standard-CURL-Kommando oder die offizielle OpenAI-SDK verwenden. Passen Sie dazu einfach die base_url auf https://api.cv365.info/v1 an. Dies stellt sicher, dass Ihre Anfrage korrekt an unsere Infrastruktur geroutet wird.

CURL-Beispiel

Ein direktes Curl-Beispiel zur Generierung von Audio ist in der Dokumentation unter /docs/ verfügbar. Es zeigt die notwendigen Parameter wie model, input, voice und response_format.

Stellen Sie sicher, dass Ihr Schlüssel im Header korrekt gesetzt ist, um 401-Fehler zu vermeiden. Die Antwort enthält die Audiodaten im gewählten Format.

  • POST https://api.cv365.info/v1/audio/speech
  • Header: Authorization: Bearer tts-...
  • Body: JSON mit model und input

OpenAI SDK Konfiguration

Nutzen Sie die OpenAI-SDKs für Python oder Node.js und ändern Sie die base_url zu https://api.cv365.info/v1. Dies erlaubt die Wiederverwendung bekannter Client-Methoden.

Die Authentifizierung erfolgt über den gleichen Schlüssel, den Sie im Dashboard erhalten. Das SDK übernimmt die Serialisierung des JSON-Body automatisch.

Erste Audio-Generierung

Senden Sie einen kurzen Testtext (unter 4096 Zeichen) an das Endpunkt. Die Antwort ist die Audiodatei direkt im Antwort-Body.

Bei Erfolg erhalten Sie den Audio-Stream oder die Datei. Bei Fehlern wird der Fehlercode zurückgegeben, ohne dass Kosten entstehen.

Stimmenauswahl und Konfiguration

Schallwellenillustration für: Stimmenauswahl und Konfiguration

Die API stellt acht vordefinierte Stimmen bereit, die auf lizenzierten Aufnahmen (LibriTTS-R) basieren. Jedes Audiofile enthält einen unsichtbaren Wasserzeichenhinweis auf synthetische Sprache. Die Auswahl erfolgt über den Parameter voice im JSON-Body.

Übersicht der 8 Stimmen

Für barrierefreie öffentliche Dienste stehen weibliche Stimmen wie Aria (klar) oder Luna (sanft) und männliche wie Felix (energisch) oder Atlas (neutral) zur Verfügung. Alle Stimmen sind geschlechtsneutral einsetzbar, da jede Stimme jede der 23 unterstützten Sprachen beherrscht.

  • Aria, Nova, Luna, Sage (weiblich)
  • Felix, Milo, Atlas, Orion (männlich)

Geschwindigkeit anpassen

Der Parameter speed ermöglicht eine Skalierung zwischen 0,25 und 4,0. Dies ist essenziell für die Anpassung an verschiedene Hörbedürfnisse in der Barrierefreiheit. Standard ist 1,0.

Sprache festlegen

Obwohl die Sprache automatisch erkannt wird, empfiehlt sich die explizite Angabe via language (ISO-Code) bei lateinischer Schrift, um Fehlklassifikationen zu vermeiden. Nicht unterstützte Sprachen wie Vietnamesisch werden nicht unterstützt.

Umgang mit langen Texten

Schallwellenillustration für: Umgang mit langen Texten

Bei längeren Dokumenten, wie sie in Behörden oft vorkommen, muss der Eingabetext in Blöcke von maximal 4096 Zeichen aufgeteilt werden. Jeder Block wird separat an die API gesendet, da dies die maximale Pro-Request-Länge darstellt.

Aufteilung in Chunks

Teilen Sie Ihren Text programmatisch in Segmente auf, die jeweils 4096 Zeichen nicht überschreiten. Achten Sie darauf, keine Wörter mitten durchzuschneiden, um die Sprachqualität zu erhalten. Jeder Chunk löst eine eigene API-Anfrage aus.

Audio-Verkettung

Die API gibt für jeden Chunk eine Audiodatei zurück. Diese Dateien müssen sequenziell zusammengeführt werden, um den vollständigen Audiotext zu erstellen. Das Format der Ausgabe bleibt dabei erhalten.

Pufferung und Puffergröße

Empfehlenswert ist ein sequenzieller Puffer, der die einzelnen Audio-Segmente speichert, bevor sie verkettet werden. Bei langen Texten kann die Generierung mehrere Sekunden dauern; Requests werden nacheinander verarbeitet. Planen Sie Wartezeiten für die Queue-Verarbeitung ein, da Anfragen bei hoher Last nacheinander abgearbeitet werden.

Fehlerbehebung

Schallwellenillustration für: Fehlerbehebung

Fehler bei der API-Integration entstehen meist durch ungültige Schlüssel, Überschreitung des Zeichenlimits von 4096 Zeichen oder temporäre Serverlast. Da Anfragen sequentiell verarbeitet werden, kann es unter Last zu Wartezeiten kommen, die als Timeout interpretiert werden. Fehlgeschlagene Synthesen werden vollständig erstattet, was die Kostenkontrolle erleichtert, aber die Fehlerursache erfordert präzise Logik im Client.

Häufige Fehlercodes

Ein 401-Fehler deutet auf einen abgelaufenen oder falschen API-Schlüssel hin. Prüfen Sie die Berechtigung im Dashboard. 429 bedeutet, dass das Limit von 60 Anfragen pro Minute erreicht ist. Bei 400-Fehlern prüfen Sie die JSON-Struktur und die Länge des Eingabetextes.

Wird kein gültiges Modell oder keine Stimme angegeben, antwortet die API mit einem Validierungsfehler. Stellen Sie sicher, dass model entweder tts-1 oder tts-1-hd ist.

  • 401: Ungültiger oder abgelaufener API-Schlüssel
  • 429: Rate Limit exceeded (60 req/min)
  • 400: Ungültiger Eingabetext (>4096 Zeichen)

Timeout-Management

Die Verarbeitung erfolgt sequentiell; bei hoher Auslastung kann eine Anfrage in der Warteschlange liegen. Kurze Phrasen benötigen einige Sekunden, längere Texte werden in etwa Echtzeit-Geschwindigkeit verarbeitet. Setzen Sie ein Client-Timeout von mindestens 30 Sekunden, um Blockaden durch Warteschlangen abzufangen.

Vermeiden Sie kurze Timeouts bei langen Texten, da die Generierung länger dauern kann als die reine Übertragungszeit. Protokollieren Sie die Dauer, um Engpässe zu identifizieren.

Retry-Logik

Implementieren Sie exponentielles Backoff bei 429-Fehlern, um die Rate Limits nicht zu verletzen. Bei 500-Fehlern ist ein sofortiger Retry oft erfolgreich, da die Last kurzfristig nachlässt.

Falls die Synthese fehlschlägt, wird der Betrag erstattet. Prüfen Sie den Antwortstatus, bevor Sie weitere Versuche starten, um doppelte Gebühren bei erfolgreicher, aber verspäteter Antwort zu vermeiden.

Best Practices für Produktteams

Schallwellenillustration für: Best Practices für Produktteams

Produktteams in Behörden und NGOs profitieren stark von strategischem Caching, da TTS-Generierung im Vergleich zu statischen Inhalten rechenintensiver ist. Durch die Speicherung häufig genutzter Audio-Dateien auf Server-Ebene oder über CDN-Edge-Caches kann die Latenz für Endnutzer signifikant reduziert werden, ohne die Datenintegrität zu gefährden.

Die Überwachung der API-Nutzung erfolgt primär über das Dashboard, das Charakterverbrauch und Status historischer Anfragen auflistet. Da die API nach dem Prinzip "Pay-per-Use" abgerechnet wird und keine monatlichen Mindestumsätze vorsieht, ist eine kontinuierliche Beobachtung des Verbrauchs entscheidend, um unerwartete Kosten bei hoher Auslastung frühzeitig zu erkennen.

Caching von Audio-Dateien

Implementieren Sie einen Cache für generierte Audio-Dateien, die sich selten ändern, wie z.B. Impressumstexte oder statische Navigationshinweise. Da jeder Request bis zu 4096 Zeichen verarbeitet, sollten Sie prüfen, ob sich der Input-Text zwischen zwei Aufrufen unterscheidet, bevor Sie eine neue Generierung anfordern. Dies spart sowohl Rechenzeit als auch API-Kontingente.

  • Nutzen Sie HTTP-Header (Cache-Control) für statische Inhalte.
  • Vermeiden Sie Caching für dynamische, sich ändernde Texte.

Nutzungsüberwachung

Das Dashboard zeigt den aktuellen Kontostand und die verbrauchten Zeichen an. Nutzen Sie diese Daten, um Schwellenwerte für Ihre spezifischen Anwendungsfall-Szenarien zu definieren. Da die Generierung bei hoher Last in eine Warteschlange kann, hilft eine regelmäßige Prüfung der Antwortzeiten, Engpässe in der Infrastruktur zu identifizieren.

  • Überwachen Sie die Antwortzeiten auf Fehler.
  • Achten Sie auf die Queue-Zeit bei Spitzenlasten.

Kostenkontrolle

Das Preismodell beträgt 10 USD pro einer Million Zeichen. Fehlerhafte Requests werden voll erstattet, was das Risiko bei Testläufen minimiert. Für die Budgetplanung ist es ratsam, einen Puffer einzuplanen, da die Kosten direkt vom Zeichenumfang abhängen. Top-Ups via USDT (TRC-20) werden schnell gutgeschrieben, sodass keine langfristigen Vertragsbindungen bestehen.

  • Preismodell: 0,01 USD pro 1.000 Zeichen.
  • Keine versteckten Gebühren für Formatwahl oder Geschwindigkeit.

Integration in bestehende Systeme

Schallwellenillustration für: Integration in bestehende Systeme

Die direkte Anbindung an Web-Frontends ermöglicht die Sprachausgabe in barrierefreien Interfaces. Durch die Anpassung der base_url im OpenAI SDK auf https://api.cv365.info/v1 bleibt die bestehende Client-Logik erhalten. Dies reduziert den Integrationsaufwand für bestehende React- oder Angular-Anwendungen in Behördenportalen erheblich.

Web-Frontend Integration

Die API kann direkt im Browser genutzt werden, wobei der API-Schlüssel sichtbar bleibt. Für höhere Sicherheit empfiehlt sich die Verwendung eines Backend-Proxys. Die Antwortformate mp3 und wav sind in allen modernen Browsern nativ unterstützt, was eine sofortige Wiedergabe ohne zusätzliche Plugins ermöglicht.

  • Unterstützung von mp3, wav, opus, flac, pcm
  • Keine externen Bibliotheken für die Audio-Wiedergabe nötig
  • Einfache Konfiguration via base_url

Backend-Prozessierung

Im Backend können Textblöcke effizient vorverarbeitet und in Chunks mit maximal 4096 Zeichen aufgeteilt werden. Die synthetisierten Audio-Dateien werden sequentiell abgerufen und können serverseitig zusammengeführt werden. Dies ist besonders für lange Behördentexte oder NGOs mit umfangreichen Informationsmaterialien geeignet.

Barrierefreiheits-Tools

Die Integration in Screenreader und vorlese-Tools wird durch die standardisierten Audio-Formate erleichtert. Da jede generierte Datei einen unsichtbaren Wasserzeichen trägt, kann die Herkunft als synthetische Sprache eindeutig identifiziert werden. Dies unterstützt die transparente Kennzeichnung von Barrierefreiheits-Maßnahmen in öffentlichen Diensten.

Integration in bestehende Systeme

Rechtliche Aspekte

Schallwellenillustration für: Rechtliche Aspekte

WortKlang bietet eine robuste TTS-API für Produktteams in Behörden und NGOs, die Texte barrierefrei und lizenziert in Audio umwandeln müssen.

Lizenzierung der Stimmen

Die verwendeten Stimmen basieren auf Aufnahmen aus LibriTTS-R (CC BY 4.0) und Audiobooks von LibriVox. Jede generierte Datei enthält einen unsichtbaren Wasserzeichen, das die synthetische Herkunft kennzeichnet.

Datenschutz

Der eingegebene Text wird ausschließlich zur Audio-Generierung verarbeitet und nicht zum Training von Modellen verwendet. Die generierte Audio-Ausgabe wird nicht gespeichert. Nur Metadaten wie Zeitpunkt, Zeichenzahl und Status bleiben für die Abrechnung erhalten.

Haftungsausschluss

Es wird keine SLA, Verfügbarkeitsgarantie oder Zertifizierung angeboten. Die Nutzung erfolgt auf eigene Gefahr, wobei fehlerhafte Synthese-Anfragen kostenfrei sind.

Skalierung und Performance

Schallwellenillustration für: Skalierung und Performance

Die API verarbeitet Anfragen sequentiell, was bei hoher Last zu Warteschlangen führt. Mit 60 Requests pro Minute pro Schlüssel ist die Antwortzeit bei durchschnittlichen Textmengen realistisch. Kurze Phrasen benötigen einige Sekunden, während längere Texte in etwa Echtzeit-Geschwindigkeit verarbeitet werden.

Für eine stabile Integration ist es entscheidend, die Ratenbegrenzung im Auge zu behalten. Bei mehr als zehn Anfragen pro Minute vor der ersten Aufladung kann es zu Verzögerungen kommen. Ein klares Monitoring der eigenen Nutzung hilft, Engpässe frühzeitig zu erkennen.

Ratenbegrenzung verstehen

Jeder API-Schlüssel ist auf 60 Requests pro Minute begrenzt. Dies gilt unabhängig vom Datenvolumen. Vor der ersten Aufladung liegt das Limit bei 10 Requests pro Minute. Überschreitungen führen nicht sofort zu Fehlern, sondern erhöhen die Wartezeit.

Lastverteilung

Da die Verarbeitung sequentiell erfolgt, sollten Batch-Jobs gestaffelt werden. Nutzen Sie mehrere Schlüssel, wenn Sie viele Texte parallel generieren müssen. Verteilen Sie die Last gleichmäßig, um Warteschlangen-Effekte zu minimieren.

Warteschlangen-Management

Bei hoher Auslastung können Anfragen in einer Warteschlange verharren. Implementieren Sie exponentielle Backoff-Strategien für Retries. Vermeiden Sie aggressives Polling, da dies die Warteschlange weiter verlängert. Überwachen Sie die Antwortzeiten, um Stau zu erkennen.

Zusammenfassung der Features

Schallwellenillustration für: Zusammenfassung der Features

Die TTS API von WortKlang bietet eine klare, auf Effizienz ausgelegte Schnittstelle für den Einsatz in Behörden und NGOs. Sie vereint technische Zuverlässigkeit mit transparenten Kosten und einfacher Integration.

Dieser Leitfaden fasst die Kernfunktionen zusammen, die für die barrierefreie Audio-Generierung und die nahtlose Einbindung in bestehende Workflows entscheidend sind.

Unterstützte Formate

Für maximale Kompatibilität mit verschiedenen Abspielgeräten und Archivierungssystemen stehen fünf Audioformate zur Verfügung: MP3, WAV, OPUS, FLAC und PCM. Die Auswahl erfolgt direkt über das Anfrage-Attribut response_format.

  • MP3 und WAV für breite Kompatibilität
  • OPUS und FLAC für effiziente Komprimierung bzw. verlustfreie Speicherung
  • PCM für unverarbeitete Rohdaten

Sprachvielfalt

Die API unterstützt 23 Sprachen, darunter Deutsch, Englisch, Französisch, Spanisch und Arabisch. Eine automatische Erkennung des Skripts ist möglich, wobei die manuelle Angabe des ISO-Code empfohlen wird, um Fehler bei lateinischer Schrift außerhalb des Englischen zu vermeiden.

  • 23 unterstützte Sprachen
  • Automatische Skripterkennung
  • Manuelle Sprachfestlegung für Präzision

Einfache API

Die Struktur der API orientiert sich an etablierten Standards, was die Integration vereinfacht. Ein einzelner POST-Endpunkt verarbeitet Text zu Audio, während separate Endpunkte für Stimmdetails und Modelle verfügbar sind. Die Authentifizierung erfolgt über einen einfachen Bearer-Token.

  • RESTful JSON-Schnittstelle
  • Standardisierte Anfragestruktur
  • Einfache Authentifizierung

Nächste Schritte

Schallwellenillustration für: Nächste Schritte

Nach der technischen Einarbeitung in die API-Endpunkte steht die finale Validierung an. Wir empfehlen, die vollständige Referenzdokumentation zu durchsuchen, um sicherzustellen, dass alle Parameter wie response_format und speed korrekt konfiguriert sind. Dies minimiert Fehler bei der ersten Produktionsnutzung.

Dokumentation lesen

Die technische Dokumentation bietet detaillierte Spezifikationen zu den Endpunkten und Fehlercodes. Sie dient als zentrale Quelle für Entwickler, die komplexe Workloads in Behördensystemen integrieren.

Demo testen

Nutzen Sie das Testguthaben von 0,50 $, um die Audioqualität und Latenzzeiten realistisch zu prüfen. Dies ist besonders sinnvoll, um die Audio-Qualität zu prüfen.

Produktivschlüssel beantragen

Für den dauerhaften Einsatz generieren Sie Ihren API-Schlüssel über das Dashboard. Dieser Schlüssel ist an Ihr Konto gebunden und ermöglicht den Zugriff auf die Produktionsumgebung mit den definierten Ratenbegrenzungen.

  • Schlüssel im Dashboard generieren
  • Ratenlimits (60 req/min) beachten
  • Schlüssel sicher in der Backend-Konfiguration speichern

FAQ für Entwickler

Schallwellenillustration für: FAQ für Entwickler

Dieser Abschnitt beantwortet häufige technische und administrative Fragen zur Integration der WortKlang API. Die Antworten basieren ausschließlich auf den aktuellen Spezifikationen für Behörden- und NGO-Umgebungen.

Technische Fragen

Der Endpunkt unterstützt nur tts-1 und tts-1-hd als Modell. Eine SSML-Unterstützung oder Sprachklonung ist nicht vorhanden. Für Texte über 4096 Zeichen muss die Aufteilung selbst implementiert werden.

Kostenfragen

Der Preis beträgt $0,01 pro 1.000 Zeichen. Fehlgeschlagene Anfragen werden nicht berechnet. Das Guthaben verläuft nicht ab, Top-ups erfolgen nur via USDT (TRC-20).

Support-Kontakt

Wir bieten keinen telefonischen Support oder Live-Chat. Alle Anfragen werden ausschließlich per E-Mail bearbeitet. Eine SLA-Garantie besteht nicht.

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. Creative Commons Attribution 4.0
  3. openai-node on GitHub
  4. OpenAI API reference: create speech
  5. Python documentation
  6. FFmpeg documentation
  7. LibriVox public-domain audiobooks
  8. LibriTTS-R corpus (OpenSLR 141)
  9. LibriTTS-R paper (arXiv 2305.18802)
  10. openai-python on GitHub
  11. Tether (USDT)
  12. W3C WAI: making audio and video accessible

Mehr auf dieser Website