KI Stimme generieren: TTS API für Indie-Entwickler

Von Sprachgeist Redaktionsteam · Aktualisiert 2026-11-18

Diese Seite stellt Sprachgeist vor, eine spezialisierte Text-to-Speech-API für Indie-Game-Entwickler. Du lernst hier, wie du NPC-Dialoge schnell und kostengünstig generierst. Wir erklären die Integration über das OpenAI-SDK, die verfügbaren Stimmen und die transparente Preisgestaltung ohne versteckte Gebühren.

Finde hier die technischen Details zu Sprachen, Formaten und Rate Limits. Erfahre, wie du mit USDT bezahlst und warum unsere Lösung sich ideal für Prototyping und skalierbare Spielprojekte eignet. Alles klar strukturiert, damit du dich auf dein Spieldesign konzentrieren kannst.

KI Stimme generieren: TTS API für Indie-Entwickler

Häufig gestellte Fragen

Wie funktioniert die KI Stimme API?

Sende Text per POST an https://api.playi44.com/v1/audio/speech und empfange eine Audiodatei. Der Request-Body entspricht dem OpenAI-Format, sodass bestehende SDKs mit angepasstem base_url funktionieren. Authentifiziere dich mit deinem Bearer-Token. Für längere Texte teile den Input in Segmente von maximal 4096 Zeichen und füge die Audios später zusammen.

Welche Stimmen sind verfügbar?

Wir bieten acht vordefinierte Stimmen: Aria, Nova, Luna und Sage (weiblich) sowie Felix, Milo, Atlas und Orion (männlich). Diese basieren auf lizenzierten Aufnahmen aus LibriTTS-R. Jede Stimme kann jede der 23 unterstützten Sprachen sprechen. Die Wahl der Stimme erfolgt über das Feld 'voice' im JSON-Request.

Unterstützt die API mehrere Sprachen?

Ja, 23 Sprachen werden unterstützt, darunter Englisch, Deutsch, Französisch, Spanisch, Japanisch und Chinesisch. Du kannst optional einen ISO-Sprachcode angeben. Ohne Angabe wird die Sprache anhand des Skripts erraten; bei lateinischem Text wird standardmäßig Englisch angenommen. Setze 'language' explizit, um falsche Erkennungen zu vermeiden.

Wie hoch sind die Kosten pro Text?

Der Preis beträgt 10 US-Dollar pro einer Million Zeichen, also 0,01 Dollar pro 1.000 Zeichen. Leerzeichen und Interpunktion zählen als Zeichen. Der Preis ist einheitlich für die Modelle 'tts-1' und 'tts-1-hd'. Es gibt keine monatlichen Pläne oder Mindestumsätze. Die Abrechnung erfolgt nutzungsbasiert über dein Guthaben.

Gibt es eine kostenlose Testversion?

Ja. Bei der Anmeldung über Google erhältst du 0,50 Dollar Guthaben (ca. 50.000 Zeichen). Dieses Guthaben ist exakt sieben Tage gültig und verfällt danach, auch wenn dein Konto weiterhin aktiv ist. Konten, die ausschließlich mit E-Mail und Passwort erstellt wurden, starten ohne dieses Testguthaben.

Wie lange dauern die Anfragen?

Die Generierung dauert etwa so lang wie die Wiedergabe des Audios, also ca. 25 Zeichen Text pro Sekunde Audiodauer. Bei kurzen Phrasen können einige Sekunden anfallen. Anfragen werden nacheinander verarbeitet, sodass sie unter Last in einer Warteschlange stehen können. Die typische Geschwindigkeit ist annähernd Echtzeit.

Werden die Daten für das Training verwendet?

Nein. Der eingegebene Text wird ausschließlich zur Erzeugung der Audiodatei verwendet und nicht zum Training der Modelle gespeichert. Die generierte Audiodatei wird in der Antwort zurückgegeben und nicht dauerhaft auf unseren Servern gespeichert. Lediglich Metadaten wie Zeitpunkt, Zeichenanzahl und Status werden zur Abrechnung aufbewahrt.

Kann ich eigene Stimmen hochladen?

Nein, wir bieten kein Custom Voice Cloning an. Du kannst keine eigenen Audioaufnahmen hochladen, um eine individuelle Stimme zu erstellen. Du wählst aus den acht verfügbaren Presets aus. Es gibt auch keine Möglichkeit, Emotionen oder Anpassungen an den bestehenden Stimmen vorzunehmen. Die Stimmen sind fest definiert.

Welche Audioformate werden unterstützt?

Du kannst das Format über 'response_format' im Request festlegen. Unterstützt werden MP3, WAV, OPUS, FLAC und PCM. Diese Formate decken die meisten Bedürfnisse für Indie-Games ab. Wähle das Format, das am besten in deine Game-Engine oder deinen Audio-Workflow passt. Die Qualität variiert je nach gewähltem Format leicht.

Gibt es ein SLA für die Verfügbarkeit?

Nein, wir bieten kein Service Level Agreement (SLA) an. Es gibt keine Garantie für eine bestimmte Uptime oder Verfügbarkeit. Wir streben eine zuverlässige Anbindung an, garantieren sie aber vertraglich nicht. Bei Ausfallzeiten oder Wartungsarbeiten wird keine Entschädigung geleistet. Die API kann unter Last durch Warteschlangen verlangsamt sein.

Wie funktioniert das Top-Up mit USDT?

Lade dein Guthaben ausschließlich über USDT im TRON-Netzwerk (TRC-20) auf. Der Mindestbetrag beträgt 5 US-Dollar. Die Gutschrift erfolgt automatisch innerhalb weniger Minuten nach dem Transfer. Es gibt keine Kreditkarten, PayPal oder Rechnungen. Du sendest die Kryptowährung an die angegebene Adresse, und dein Kontostand wird aktualisiert.

Was passiert bei einem Fehler?

Falls die Synthese fehlschlägt, wird der Betrag vollständig erstattet. Du zahlst also nur für erfolgreiche Anfragen. Fehler können durch Zeitüberschreitungen oder Serverprobleme entstehen. Das Guthaben wird deinem Konto automatisch gutgeschrieben. Du kannst den Request bei Bedarf erneut senden. Es fallen keine versteckten Gebühren für fehlgeschlagene Versuche an.

Ist die API für kommerzielle Projekte geeignet?

Ja, die API ist für kommerzielle Projekte geeignet. Die Stimmen basieren auf Aufnahmen aus LibriTTS-R (CC BY 4.0) und LibriVox. Wir geben keine zusätzlichen Einschränkungen vor, doch die zugrunde liegende Lizenz erfordert die korrekte Attribution gegenüber den ursprünglichen Quellen.

Wie viele Zeichen pro Anfrage sind erlaubt?

Pro API-Anfrage sind maximal 4096 Zeichen erlaubt. Wenn dein Text länger ist, musst du ihn in mehrere Segmente aufteilen. Jedes Segment wird separat angefragt. Die resulting Audiodateien musst du anschließend in deinem Programm oder mit einem Tool zu einer einzigen Datei zusammenfügen. Dies gewährleistet eine stabile Verarbeitung.

Erste Anfrage

curl

curl https://api.playi44.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 Sprachgeist?

Schallwellenillustration für: Warum Sprachgeist?

Sprachgeist wurde für die Integration in Indie-Games entwickelt, wobei der Fokus auf einfacher Anbindung, fairen Kosten und schnellen Antwortzeiten liegt. Du konzentrierst dich auf das Spieldesign, während die API die textbasierten Dialoge in hochwertige Audio-Dateien umwandelt.

Einfache JSON-API

Die API folgt dem bewährten JSON-Format von OpenAI. Ein einfacher POST-Request an den Endpoint genügt, um Text in Audio zu konvertieren. Das offizielle OpenAI SDK funktioniert bereits durch Anpassung der Base-URL, was die Integration in bestehende Engines wie Unity oder Unreal erheblich beschleunigt.

Schnelle Generierung

Die Verarbeitung erfolgt sequentiell, nicht parallel. Bei längeren Texten entsteht etwa 25 Sekunden Audio pro Sekunde Eingabezeit (Echtzeit). Bei kurzen Sätzen dauert die Generierung etwas länger, da jeder Request einzeln verarbeitet wird. Unter Last kann es zu Wartezeiten in der Queue kommen.

Transparente Kosten

Es gibt keine monatlichen Grundgebühren oder versteckten Kosten. Du zahlst nur für das tatsächlich generierte Audio. Das计费-System ist klar strukturiert, sodass du die Kosten für deine NPC-Dialoge präzise kalkulieren kannst, ohne an Abonnements gebunden zu sein.

Demo & Voices

Schallwellenillustration für: Demo & Voices

Unsere acht Stimmen-Presets decken das gesamte Spektrum indieroller Dialoge ab. Von warmen Erzählerinnen bis zu neutralen Nachrichtenstimmen – die Auswahl erfolgt über vier einfache Parameter. Keine komplexen SSML-Tags, keine Custom-Cloning-Verfahren. Jede Stimme basiert auf lizenzierten Aufnahmen aus LibriTTS-R und LibriVox.

Aria & Nova

Aria liefert eine warme, klare Erzählerstimme, ideal für narrativen Content oder Intro-Sequenzen. Nova punktet mit einer hellen, energiegeladenen Ausstrahlung, perfekt für dynamische Szenen oder kurze Dialoge, die Aufmerksamkeit erregen sollen.

Felix & Milo

Felix transportiert Energie und eignet sich hervorragend für Werbe-Promos oder actionreiche Momente. Milo wirkt durch seine freundliche, gesprächige Art natürlich und nahtlos in Konversationen eingebunden, was die Immersion in Dialogbäumen erhöht.

Atlas & Orion

Atlas überzeugt durch eine neutrale, journalistische Stimme, die sich klar und sachlich von Texten abhebt. Orion liefert eine tiefe, dokumentarische Qualität, die sich besonders gut für atmosphärische Monologe oder Hintergrundinformationen eignet.

Demo & Voices

Sprachen & Formate

Schallwellenillustration für: Sprachen & Formate

Sprachgeist unterstützt 23 Sprachen, darunter Deutsch, Englisch, Französisch und Japanisch. Jede der acht Stimmen beherrscht alle verfügbaren Sprachen. Setzen Sie das Feld language im Request, um die Sprache korrekt zu steuern. Ohne Angabe wird die Sprache anhand des Skripts erraten (Latin-Standard: Englisch).

Das API gibt Audio im MP3-, WAV-, OPUS-, FLAC- oder PCM-Format zurück. OPUS ist ein effizientes Format, bietet aber kein Streaming an. Es gibt kein SSML oder Phonem-Lexika. Die Steuerung erfolgt rein über die Parameter voice, speed und input.

23 Sprachen

Die API deckt 23 Sprachen ab: Arabisch, Chinesisch, Dänisch, Deutsch, Englisch, Finnisch, Französisch, Griechisch, Hebräisch, Hindi, Italienisch, Japanisch, Koreanisch, Malay, Niederländisch, Norwegisch, Polnisch, Portugiesisch, Russisch, Spanisch, Swahili, Schwedisch und Türkisch. Jede Stimme kann jede dieser Sprachen sprechen.

MP3, WAV, OPUS

Wählen Sie das Ausgabeformat über response_format. Unterstützt werden MP3, WAV, OPUS, FLAC und PCM. Das Format hat keinen Einfluss auf die Stimme oder die Qualität der Synthese, sondern nur auf die Dateigröße und Kompatibilität Ihrer Game-Engine.

Kein SSML nötig

Die API verzichtet auf komplexe XML-Strukturen wie SSML. Die Steuerung erfolgt über einfache JSON-Parameter. Geschwindigkeit (speed) und Stimme (voice) reichen aus, um den Dialogfluss anzupassen. Eine Ausspracheanpassung auf Phonem-Ebene ist nicht verfügbar.

Integration

Schallwellenillustration für: Integration

Die API folgt dem bekannten Request-Shape der OpenAI-Speech-Endpunkte. Dadurch können Entwickler das offizielle OpenAI SDK nutzen, indem sie lediglich die base_url auf unseren Endpunkt anpassen. Dies ermöglicht eine nahtlose Integration in bestehende Codebasen ohne umfangreiche Anpassungen an der HTTP-Logik.

OpenAI SDK kompatibel

Das SDK erwartet JSON-Payloads mit den Feldern model, input, voice, response_format und optional speed sowie language. Da die Struktur identisch ist, funktioniert die offizielle Bibliothek direkt nach der Anpassung der Basis-URL.

cURL Beispiel

Ein direktes POST an https://api.playi44.com/v1/audio/speech mit dem entsprechenden JSON-Body ist die Basis. Dies erlaubt auch die Nutzung einfacher HTTP-Clients ohne externe Abhängigkeiten.

  • Endpoint: POST https://api.playi44.com/v1/audio/speech
  • Body: {"model": "tts-1", "input": "Hallo Welt", "voice": "nova", "response_format": "mp3"}

Authentifizierung

Jede Anfrage erfordert einen gültigen API-Key im Header. Dieser wird nach der Registrierung unter /get-api-key/ generiert und ist pro Konto einzigartig.

  • Header: Authorization: Bearer tts-...

Preise

Schallwellenillustration für: Preise

Die Kosten sind klar kalkuliert: $0,01 pro 1.000 Zeichen. Bei fehlgeschlagenen Anfragen wird der Betrag vollständig erstattet, sodass du nur für erfolgreiche Synthesen bezahlst. Das Startguthaben von 0,50 $ (ca. 50.000 Zeichen) wird automatisch nach dem Google-Sign-in aktiviert und ist sieben Tage gültig. Bei der Anmeldung per E-Mail-Passwort fehlt dieses Guthaben.

$0,01 pro 1000 Zeichen

Der Preis bleibt für beide Modelle tts-1 und tts-1-hd identisch. Leerzeichen und Satzzeichen zählen als Zeichen. Dies ermöglicht eine exakte Budgetplanung für NPC-Dialoge oder Narration, ohne versteckte Kosten pro Sekunde oder Formatwechsel.

  • Keine Kosten für fehlgeschlagene Requests
  • Identischer Preis für Standard und HD
  • Zeichenzählung inkl. Leerzeichen

USDT Top-up

Zahlungen erfolgen ausschließlich per USDT (TRC-20) auf dem TRON-Netzwerk. Ein Mindestbetrag von 5 $ wird geladen und innerhalb weniger Minuten automatisch verbucht. Es gibt keine Kreditkarten, PayPal-Abos oder Rechnungen mit Mehrwertsteuer. Dein Guthaben verfällt nicht.

  • Mindesttop-up: 5 $
  • Automatische Gutschrift
  • Keine Abo-Modelle

Keine monatlichen Gebühren

Es gibt keine Abonnements, keine festen monatlichen Kosten und keine Mindestumsätze. Du zahlst nur das, was du tatsächlich generierst. Dies ist ideal für Indie-Entwickler, deren Projektvolumen zwischen Prototyp und Release stark schwanken kann.

Preise

Technische Details

Schallwellenillustration für: Technische Details

Die API folgt klaren technischen Rahmenbedingungen für zuverlässige Integrationen. Entwickler müssen die Limits und Formatierungen beachten, um Unterbrechungen in ihren Spiel-Workflows zu vermeiden.

Rate Limits

Pro API-Schlüssel sind 60 Requests pro Minute erlaubt. Vor der ersten Aufladung gelten 10 Requests pro Minute. Anfragen werden sequentiell verarbeitet, sodass sie unter Last in der Warteschlange stehen können.

  • 60 Requests/Minute pro Key
  • 10 Requests/Minute vor Top-up
  • Sequentielle Verarbeitung

Text-Länge

Jeder Request akzeptiert maximal 4096 Zeichen. Für längere Dialoge müssen Texte in Teile zerlegt und die Audiodateien anschließend kombiniert werden.

  • Max. 4096 Zeichen pro Request
  • Manuelles Splitting erforderlich
  • Audio-Dateien zusammenfügen

Watermarking

Jede generierte Audio-Datei enthält einen unsichtbaren Wasserzeichen-Code. Dieser kennzeichnet die Ausgabe eindeutig als synthetische Sprache.

  • Inaudible watermark
  • Kennzeichnet synthetischen Ursprung
  • Im Audiostream integriert

Für Indie-Entwickler

Schallwellenillustration für: Für Indie-Entwickler

Sprachgeist wurde speziell für den Bedarf von Indie-Entwicklern entwickelt. Wir bieten eine einfache JSON-API, transparente Kosten und schnelle Antwortzeiten, damit du dich auf das Spieldesign konzentrieren kannst.

NPC-Dialoge

Generiere umfangreiche Dialogbäume für NPCs schnell und kostengünstig. Da jede Stimme 23 Sprachen beherrscht, kannst du komplexe Szenarien mit wenigen Stimmen abdecken.

Prototyping

Nutze die 7-Tage-Testphase mit 0,50 $ Guthaben, um Audio-Assets für dein Spiel zu testen. Die API ist sofort einsatzbereit und erfordert keine lange Einrichtungszeit.

Skalierbarkeit

Das Preismodell skaliert linear mit deinem Bedarf: 0,01 $ pro 1000 Zeichen. Bei höherem Bedarf kannst du einfach mehr USDT aufladen, ohne monatliche Fixkosten.

Daten & Recht

Schallwellenillustration für: Daten & Recht

Wir nutzen eingegebene Texte ausschließlich zur Synthese der Audioausgabe und verwenden sie nicht zum Training unserer Modelle. Die generierten Audiodateien werden nach der Auslieferung nicht gespeichert; lediglich Metadaten wie Zeit, Zeichenanzahl und Status bleiben für die Abrechnung erhalten.

Kein Training

Deine Eingabedaten dienen ausschließlich der momentanen Text-zu-Sprache-Generierung. Wir speichern den Text nicht, um ihn später für das Training neuer Modelle oder die Verbesserung der KI zu verwenden.

Lizenzen

Die Stimmen basieren auf lizenzierten Aufnahmen von LibriTTS-R (CC BY 4.0) und öffentlichen Hörbuchaufnahmen von LibriVox. Jede generierte Datei enthält einen unsichtbaren Wasserzeichen-Marker, der sie als synthetische Sprache ausweist.

DSGVO

Wir verzeichnen keine spezifische DSGVO-Zertifizierung oder gesonderte Compliance-Erklärungen. Metadaten (Zeit, Zeichen, Status) werden zur Abrechnung gespeichert, was für den Betrieb der API erforderlich ist.

Daten & Recht

Kontakt & Support

Schallwellenillustration für: Kontakt & Support

Wir erreichen dich ausschließlich per E-Mail. Es gibt weder Telefon-Support noch Live-Chat, damit wir uns auf die technische Stabilität deiner Integration konzentrieren können.

Der Support ist direkt und lösungsorientiert. Bei Fragen zu deinem API-Key oder technischen Details antworten wir schnell und unkompliziert.

E-Mail Support

Schreib uns einfach an. Wir bearbeiten Anfragen effizient ohne Warteschleifen. Da wir keine zusätzlichen Support-Kanäle unterhalten, ist E-Mail der direkteste Weg zu uns.

API Key Issue

Du benötigst einen neuen Schlüssel? In deinem Dashboard kannst du jederzeit einen neuen Key ausstellen. Der alte Schlüssel wird sofort deaktiviert, sodass du immer nur einen aktiven Key pro Konto hast.

Dies funktioniert sofort. Du musst keine Wartezeit in Kauf nehmen, wenn du deinen Key rotieren möchtest.

FAQs

['Regelmäßig auftretende Fragen zu Limiten, Formaten und Stimmen findest du in unserer Dokumentation. Dort sind auch die genauen technischen Spezifikationen zur Integration erklärt.']

['Falls deine Frage dort nicht beantwortet ist, kontaktiere uns per E-Mail. Wir ergänzen die FAQs kontinuierlich basierend auf den häufigsten Anfragen der Community.']

Hören Sie sich die 8 Stimmen an

Jede der folgenden Samples wurde von dieser API aus demselben Satz generiert. Die NPC-Dialoge lebten auf, als wir sie mit feinen Nuancen und subtilem Emotionsspiel versehen haben.

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. LibriTTS-R paper (arXiv 2305.18802)
  3. OpenAI API reference: create speech
  4. TRON developer hub: TRC-20
  5. LibriVox public-domain audiobooks
  6. Python documentation
  7. Node.js documentation
  8. openai-python on GitHub
  9. MDN: Web Speech API
  10. openai-node on GitHub
  11. LibriTTS-R corpus (OpenSLR 141)
  12. ISO 639 language codes

Mehr auf dieser Website