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.mp3Warum 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
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.

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
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
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.

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
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
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.

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.
23 Sprachen
Jede Stimme kann jede dieser Sprachen sprechen.
