Englische Texte vorlesen lassen über die API

Von KlangLeser Editorial Team · Aktualisiert 2026-11-19

Diese Seite beschreibt die REST-API von KlangLeser für die Umwandlung von Text in Sprache. Sie erhalten eine vollständige Übersicht über die technischen Endpunkte, die verfügbaren 8 Stimmenprofile und die Unterstützung von 23 Sprachen. Der Fokus liegt auf der präzisen Generierung englischer Audioinhalte für Entwickler und Content-Ersteller, die eine zuverlässige Infrastruktur benötigen.

Hier finden Sie konkrete Details zur JSON-Struktur des Requests, zur Authentifizierung über API-Keys und zur Kompatibilität mit bestehenden SDKs. Die Beschreibung umfasst auch die Abrechnung pro Zeichen, die Zahlungsmethoden via USDT sowie die technischen Randbedingungen wie Ratenbegrenzungen und Datenverarbeitung. Alle Informationen sind auf die Nutzung der API für Language-Learning-Tools und barrierefreie Inhalte zugeschnitten.

Englische Texte vorlesen lassen über die API

Häufig gestellte Fragen

Wie funktioniert die API genau?

Senden Sie Text per POST an /v1/audio/speech und erhalten Sie eine Audiodatei. Das JSON-Format entspricht dem OpenAI-Standard, sodass OpenAI-SDKs mit angepasster base_url funktionieren. Unterstützte Modelle sind tts-1 und tts-1-hd. Der Endpunkt erwartet Parameter wie voice, input, response_format und optional speed sowie language. Die Authentifizierung erfolgt über einen Bearer-Token im Header.

Welche Sprachen werden unterstützt?

Die API unterstützt 23 Sprachen, darunter Englisch, Deutsch, Französisch, Spanisch, Chinesisch und Japanisch. Jede Stimme kann jede dieser Sprachen sprechen. Wenn keine Sprache angegeben ist, wird sie basierend auf dem Skript erraten (Lateinisch standardmäßig Englisch). Nicht unterstützt werden unter anderem Vietnamesisch, Thailändisch, Ukrainisch und Rumänisch.

Kann ich meine eigene Stimme verwenden?

Nein, Custom Voice Cloning wird nicht angeboten. Sie wählen aus acht vordefinierten Stimmen (Aria, Nova, Luna, Sage, Felix, Milo, Atlas, Orion). Diese basieren auf lizenzierten Aufnahmen von LibriTTS-R und öffentlichen Hörbüchern. Es ist keine Möglichkeit vorhanden, eigene Audioaufnahmen hochzuladen oder eine individuelle Stimme für Kunden zu designen.

Wie hoch sind die Kosten pro Anfrage?

Der Preis beträgt 10 US-Dollar pro einer Million Zeichen, also 0,01 US-Dollar pro 1.000 Zeichen. Leerzeichen und Interpunktion zählen als Zeichen. Der Preis ist unabhängig vom gewählten Modell (tts-1 oder tts-1-hd). Die Abrechnung erfolgt basierend auf der tatsächlichen Zeichenanzage des eingegebenen Textes.

Gibt es ein kostenloses Testkonto?

Ja, beim Anmelden mit Google erhalten Sie 0,50 US-Dollar Guthaben, was etwa 50.000 Zeichen entspricht. Dieses Guthaben ist sieben Tage gültig. Konten, die mit E-Mail und Passwort erstellt wurden, starten ohne Testguthaben. Es gibt keine monatlichen Pläne oder Mindestumsätze, die das Testen einschränken.

Wie lange dauert die Generierung?

Lange Texte werden in Echtzeit generiert, etwa 25 Zeichen Text pro Sekunde Audiodauer. Kurze Phrasen benötigen einige Sekunden. Bei hoher Auslastung können Anfragen in einer Warteschlange verarbeitet werden, da sie nacheinander bearbeitet werden. Die Geschwindigkeit ist also typischerweise realzeitnah, kann aber je nach Last variieren.

Werden die Daten zum Training verwendet?

Nein. Der eingegebene Text wird ausschließlich zur Erzeugung der Audiodatei verwendet und nicht für Trainingszwecke gespeichert. Die generierte Audiodatei wird in der Antwort zurückgegeben und nicht dauerhaft gespeichert. Nur Metadaten wie Zeit, Zeichenanzahl und Status werden zur Abrechnung aufbewahrt.

Kann ich das Audio kommerziell nutzen?

Ja, die generierten Audiodateien sind für kommerzielle Zwecke nutzbar. Jede Datei enthält einen unsichtbaren Wasserzeichen, das sie als synthetische Sprache ausweist. Die Stimmen basieren auf lizenzierten Aufnahmen (LibriTTS-R CC BY 4.0) und öffentlichen Hörbüchern. Es gibt keine zusätzlichen Lizenzgebühren für die Nutzung der API-Ausgabe.

Was passiert bei einem Fehler?

Fehlgeschlagene Anfragen sind kostenlos. Wenn die Synthese fehlschlägt, wird der Betrag vollständig erstattet. Es gibt keine Kosten für gescheiterte Versuche. Dies gilt unabhängig vom Grund des Fehlers. Die Abrechnung erfolgt nur für erfolgreich generierte Audioausgaben.

Wie lange ist der Testguthaben gültig?

Das Testguthaben von 0,50 US-Dollar ist sieben Tage gültig. Es wird bei der Anmeldung über Google gewährt. Nach Ablauf dieser Frist verfällt das Guthaben. Es gibt keine Möglichkeit, das Guthaben zu verlängern oder auf ein anderes Konto zu übertragen. Nach Ablauf muss neu aufgeladen werden.

Welche Formate werden unterstützt?

Unterstützt werden die Formate MP3, WAV, OPUS, FLAC und PCM. Diese können über das Feld response_format im Anfrage-JSON ausgewählt werden. Die Wahl des Formats hat keinen Einfluss auf den Preis oder die Qualität der Stimme. Alle Formate werden direkt in der Antwort zurückgegeben.

Gibt es eine SLA?

Nein, es gibt keine Service Level Agreement (SLA) oder garantierte Verfügbarkeitszeiten. Es gibt auch keine Enterprise-Verträge oder On-Premise-Installationen. Die API wird "as is" bereitgestellt. Support erfolgt ausschließlich per E-Mail, es gibt keine Telefonnummer oder Live-Chat-Unterstützung.

Wie viele Anfragen sind erlaubt?

Der Rate Limit liegt bei 60 Anfragen pro Minute pro Schlüssel. Vor der ersten Aufladung sind es 10 Anfragen pro Minute. Dies gilt pro API-Schlüssel. Bei Überschreitung werden Anfragen möglicherweise verzögert oder abgelehnt. Die Begrenzung dient der Sicherstellung der Stabilität des Systems.

Werden Metadaten gespeichert?

Ja, Metadaten wie Zeitpunkt, Zeichenanzahl und Status der Anfrage werden zur Abrechnung gespeichert. Der eigentliche Text und das Audio werden nicht dauerhaft gespeichert. Die Metadaten dienen ausschließlich der Nachverfolgung der Nutzung und der korrekten Abrechnung des verbrauchten Guthabens.

Erste Anfrage

curl

curl https://api.vz58.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

Funktionsweise

Schallwellenillustration für: Funktionsweise

Die Synthese erfolgt über einen einfachen POST-Endpunkt, der Text in Audiodateien umwandelt. Das JSON-Request-Format ist kompatibel mit der OpenAI-Schnittstelle, sodass bestehende SDKs direkt angepasst werden können.

API-Endpunkt und JSON-Body

API-Endpunkt und JSON-Body

Senden Sie Ihre Eingabe an https://api.vz58.info/v1/audio/speech. Der JSON-Body erwartet das Feld input für den Text (max. 4096 Zeichen) und voice für die Stimmwahl. Optional können response_format und speed angepasst werden.

  • Endpunkt: POST /v1/audio/speech
  • Format: JSON-Body
  • Max. Textlänge: 4096 Zeichen pro Anfrage

Modell-Auswahl tts-1 und tts-1-hd

Zwei Modelle stehen zur Verfügung: tts-1 und tts-1-hd. Beide nutzen denselben Engine-Hintergrund und sind zum gleichen Preis verfügbar. Die Wahl liegt allein in der Präferenz für die Ausgabequalität.

Geschwindigkeit und Formatierung

Die Geschwindigkeit lässt sich im Bereich von 0,25 bis 4,0 skalieren. Für die Ausgabe stehen die Formate mp3, wav, opus, flac und pcm zur Verfügung. Dies ermöglicht eine optimale Anpassung an verschiedene Wiedergabeumgebungen.

Stimmen und Sprachen

Schallwellenillustration für: Stimmen und Sprachen

Die API bietet acht vordefinierte Stimmenprofile, die auf lizenzierten Aufnahmen basieren. Diese decken ein breites Spektrum an Sprechstilen ab, von warmen Erzählerstimmen bis hin zu neutralen Nachrichtenformaten.

8 vordefinierte Stimmenprofile

Die verfügbaren Stimmen umfassen Aria, Nova, Luna, Sage, Felix, Milo, Atlas und Orion. Jede Stimme ist ein vordefiniertes Profil mit einem bestimmten Klangcharakter.

  • Aria: Warme, klare Erzählerstimme
  • Nova: Helle, energiegeladene Stimme
  • Luna: Sanfte Stimme für Geschichten
  • Sage: Ruhige Stimme für Anleitungen
  • Felix: Energiegeladene Stimme für Promo
  • Milo: Freundliche, gesprächige Stimme
  • Atlas: Neutrale Stimme für Nachrichten
  • Orion: Tiefe Stimme für Dokumentationen

Unterstützte Sprachen (23)

Die API unterstützt 23 Sprachen, darunter Englisch, Deutsch, Französisch, Spanisch, Chinesisch, Japanisch und Koreanisch. Alle 8 Stimmen können alle unterstützten Sprachen sprechen.

  • Arabisch, Chinesisch, Dänisch, Niederländisch, Englisch
  • Finnisch, Französisch, Deutsch, Griechisch, Hebräisch
  • Hindi, Italienisch, Japanisch, Koreanisch, Malaysisch
  • Norwegisch, Polnisch, Portugiesisch, Russisch, Spanisch
  • Swahili, Schwedisch, Türkisch

Automatische Spracherkennung

Die API erkennt die Sprache automatisch basierend auf dem Textskript. Für Texte in lateinischer Schrift, die nicht englisch sind, sollte das Feld language manuell gesetzt werden, um Genauigkeit zu gewährleisten.

Einsatzgebiete

Schallwellenillustration für: Einsatzgebiete

Die API ermöglicht die nahtlose Integration von Text-in-Audio-Funktionalitäten direkt in Web- und Mobile-Anwendungen. Entwickler nutzen die Struktur für Language-Learning-Tools, um Vokabeln oder Sätze vorlesen zu lassen. Durch die Unterstützung von 23 Sprachen, darunter Englisch, Spanisch und Deutsch, können Lerninhalte präzise und konsistent generiert werden, ohne externe Dienste anzubinden.

Sprachlern-Anwendungen

Für Language-Learning-Plattformen ist die API eine effiziente Lösung zur Generierung von Hörtexten. Entwickler können Texte bis 4096 Zeichen pro Request umwandeln und so Vokabeltrainer oder Lesetexte automatisieren. Die Stimmen aria und nova haben einen klaren Klang. Die Möglichkeit, die Sprache explizit zu setzen, verbessert die Erkennung bei lateinischer Schrift.

  • Ideal für Vokabeltrainer und Hörverständnis-Übungen
  • Unterstützung mehrerer Sprachen pro Projekt
  • Automatische Generierung von Audio für Lerninhalte

Barrierefreie Inhalte

Die API ermöglicht die schnelle Erstellung von Audioversionen für Texte, was die Zugänglichkeit von Inhalten erhöht. Für barrierefreie Web-Anwendungen kann so Text in hörbare Formate wie MP3 oder WAV umgewandelt werden. Dies ist besonders relevant für Nutzer, die auf visuelle Medien eingeschränkt sind, und ermöglicht eine inklusive Nutzererfahrung ohne komplexe Hardware-Voraussetzungen.

  • Schnelle Konvertierung von Text zu Audio
  • Unterstützung verschiedener Ausgabeformate (MP3, WAV, OPUS)
  • Einfache Integration in bestehende Web-Interfaces

Content-Erstellung für Audio

Content-Ersteller nutzen die API, um Blogs, Artikel oder Nachrichten schnell in Audioformate umzuwandeln. Mit Stimmen wie sage oder atlas können verschiedene Stimmungen abgedeckt werden, von sachlich bis freundlich. Die Möglichkeit, die Geschwindigkeit zwischen 0.25 und 4.0 einzustellen, erlaubt eine Anpassung an die gewünschten Hörerfahrungen.

  • Automatisierte Umwandlung von Artikeln zu Audio
  • Vielseitige Stimmen für verschiedene Content-Typen
  • Skalierbare Generierung für große Textmengen

Technische Details

Schallwellenillustration für: Technische Details

Die API ist mit der OpenAI-SDK-Kompatibilität ausgestattet. Entwickler können die offizielle OpenAI-Bibliothek verwenden, indem sie einfach die base_url auf https://api.vz58.info/v1 anpassen. Dies ermöglicht eine nahtlose Integration in bestehende Code-Bases ohne Anpassung der Request-Struktur.

OpenAI SDK Kompatibilität

Das Request-Format entspricht exakt dem der OpenAI Speech-Endpunkte. Durch Änderung der Basis-URL in der Konfiguration des OpenAI-SDKs können bestehende Client-Bibliotheken direkt genutzt werden. Dies reduziert den Integrationsaufwand erheblich, da keine proprietären Client-Libraries für den eigenen Client entwickelt werden müssen.

Authentifizierung mit API-Key

Jedes Konto verfügt über einen einzelnen aktiven API-Schlüssel. Die Authentifizierung erfolgt über den HTTP-Header Authorization: Bearer tts-.... Jeder API-Aufruf muss diesen Header enthalten, um Berechtigungen zu überprüfen und das Abrechnungsmeter zu aktivieren.

  • Ein aktiver Key pro Konto
  • Header: Authorization: Bearer <key>
  • Key-Wechsel invalidiert den alten Key sofort

Ratenbegrenzung (Rate Limits)

Die API ist auf 60 Anfragen pro Minute pro Schlüssel begrenzt. Bis zur ersten Aufladung des Kontos beträgt das Limit 10 Anfragen pro Minute. Diese Begrenzung stellt sicher, dass die Engine auch unter Last stabil bleibt und Audio-Dateien korrekt generiert.

Preisgestaltung

Schallwellenillustration für: Preisgestaltung

Die Abrechnung erfolgt rein nutzungsbasiert: 10 US-Dollar pro eine Million Zeichen, was 0,01 $ pro 1.000 Zeichen entspricht. Leerzeichen und Interpunktion werden als Zeichen gezählt. Fehlerhafte Anfragen werden voll erstattet, gescheiterte Synthesen belasten das Guthaben nicht.

Kosten pro Zeichen

Jeder API-Aufruf wird pro Zeichen abgerechnet, wobei der Preis konstant bei $0,01 pro 1.000 Zeichen liegt. Es gibt keine monatlichen Grundgebühren oder Mindestumsätze. Das Modell (tts-1 oder tts-1-hd) hat denselben Preis.

Kostenloser Testzeitraum

Bei der Anmeldung mit Google-Konto erhalten Sie 0,50 $ Startguthaben, das etwa 50.000 Zeichen entspricht und 7 Tage gültig ist. Konten, die mit E-Mail und Passwort erstellt wurden, starten ohne dieses Testguthaben.

Zahlung via USDT

Top-ups erfolgen ausschließlich über USDT im TRC-20 Netzwerk (Tron). Der Mindestbetrag liegt bei 5 US-Dollar. Die Gutschrift erfolgt automatisch innerhalb weniger Minuten nach der Überweisung. Es werden keine Kreditkarten, PayPal oder Rechnungen mit MwSt. verarbeitet.

  • Mindesttop-up: 5 US-Dollar
  • Netzwerk: TRON (TRC-20)
  • Verzögerung: wenige Minuten nach Transfer
  • Keine Abonnements oder laufende Kosten
Preisgestaltung

Daten und Sicherheit

Schallwellenillustration für: Daten und Sicherheit

Die Eingabetexte werden ausschließlich zur Synthese des Audios verwendet und nicht zum Training der Modelle. Nach der Verarbeitung bleibt Ihr Input-Text nicht dauerhaft im System gespeichert.

Das generierte Audio wird direkt in der API-Antwort zurückgegeben und nicht auf unseren Servern abgelegt. Dies minimiert die Datenhaltung auf das technische Minimum für die Bereitstellung der Dienstleistung.

Kein Training der Daten

Ihre Texte dienen ausschließlich dem Zweck der Audio-Generierung. Sie werden nicht verwendet, um die zugrundeliegenden Sprachmodelle weiter zu trainieren oder für andere Zwecke zu analysieren.

Keine Speicherung des Audios

Das Ergebnis wird direkt über die Antwort zurückgegeben. Es findet keine dauerhafte Speicherung der Audio-Dateien auf unseren Servern statt, wodurch die Datenhaltung auf das Notwendigste beschränkt bleibt.

Metadaten zur Abrechnung

Für die korrekte Abrechnung werden Metadaten wie Zeitstempel, Zeichenzahl und Status der Anfrage gespeichert. Diese dienen ausschließlich der Rechnungsstellung und der Transparenz.

  • Zeitstempel der Anfrage
  • Anzahl der Zeichen
  • Status (erfolgreich/fehlgeschlagen)

Vergleich

Schallwellenillustration für: Vergleich

Im Gegensatz zu Anbietern, die oft auf umfangreiche Ökosysteme setzen, konzentriert sich KlangLeser auf die reine API-Funktionalität: Texteingabe, Audioausgabe. Es gibt keine proprietären Dashboards oder Plugins, sondern nur den JSON-Endpunkt, der sich nahtlos in bestehende Workflows integriert.

Unterschiede zu anderen Anbietern

Andere Dienste bieten oft zusätzliche Features wie emotionale Steuerung oder SSML, die hier nicht existieren. Dafür ist die Integration direkt und ohne Middleware. Die Stimme ist synthetisch, erkennbar am unsichtbaren Wasserzeichen, und basiert auf lizenzierten Aufnahmen, was eine klare rechtliche Einordnung ermöglicht.

  • Kein proprietäres Dashboard, nur API
  • Keine Emotion-Tags oder SSML
  • Klare Lizenzierung der Trainingsdaten

Offene vs. geschlossene Ökosysteme

KlangLeser nutzt die Struktur des OpenAI-Endpunkts. Entwickler können die offiziellen SDKs nutzen, indem sie nur die Base-URL anpassen. Dies vermeidet Vendor-Lock-in, da die Struktur standardisiert ist und nicht an eine spezifische Plattform gebunden ist.

Kostenstruktur im Vergleich

Im Gegensatz zu Abo-Modellen oder monatlichen Limits zahlt man hier nur für das tatsächlich verbrauchte Volumen. Der Preis beträgt 0,01 $ pro 1.000 Zeichen. Es gibt keine versteckten Kosten für höhere Kontrakte oder Mindestumsätze, was die Kostenplanung für Projekte erleichtert.

  • Pay-per-use statt Abo
  • Keine Mindestumsätze
  • Transparente Abrechnung pro Zeichen

Integration

Schallwellenillustration für: Integration

Die Integration nutzt den Standard-Endpunkt der OpenAI-API. Durch Änderung der base_url auf https://api.vz58.info/v1 funktionieren offizielle SDKs ohne Anpassung des Codes.

Schnellstart mit cURL

Ersetzen Sie den API-Key in diesem Befehl durch Ihren Schlüssel. Der Befehl sendet einen JSON-Body mit Modell, Stimme und Text an den Endpunkt.

  • Endpoint: POST https://api.vz58.info/v1/audio/speech
  • Auth: Authorization: Bearer tts-...
  • Body: JSON mit model, input, voice

Skalierbarkeit für Projekte

Das System verarbeitet Anfragen sequentiell. Bei hoher Last kann es zu Warteschlangen kommen. Für längere Texte splitten Sie Input in 4096-Zeichen-Blöcke und fügen die Audio-Dateien zusammen.

  • Rate Limit: 60 Requests/Minute
  • Max Input: 4096 Zeichen pro Request

Fehlerbehandlung

Bei Synthesefehlern wird der volle Betrag erstattet. Prüfen Sie den HTTP-Statuscode und die Fehlermeldung im JSON-Response, um Wiederholungslogik zu implementieren.

Support

Schallwellenillustration für: Support

Wir bieten direkten Support per E-Mail. Ein Telefon oder Live-Chat existiert nicht. Antworten erfolgen innerhalb weniger Werktage.

E-Mail Support

Nutzen Sie das Kontaktformular oder senden Sie eine E-Mail an [email protected]. Nennen Sie Ihre API-Key-ID und beschreiben Sie das Problem präzise. Bei Zahlungsfragen mit TRON-Transaktion-Hash erhalten Sie schnellere Bearbeitung.

  • Kein Live-Chat, kein Telefon
  • Antwort innerhalb weniger Werktage
  • Präzise Problembeschreibung empfohlen

Dokumentation

Die vollständige API-Dokumentation finden Sie unter /docs/. Sie enthält alle Endpunkte, Parameter und Beispielanfragen. Die Struktur orientiert sich an der OpenAI-API, daher funktionieren Standard-SDKs direkt.

FAQ-Bereich

Häufige Fragen zu Ratenlimits, Zeichenberechnung und Formatunterstützung sind in der Dokumentation integriert. Suchen Sie spezifisch nach Ihrem Use-Case, da wir keine statische FAQ-Seite führen.

Hören Sie sich die 8 Stimmen an

Jede der folgenden Samples wurde von dieser API aus demselben Satz generiert. Deutsch oder Spanisch) muss der ISO-Code explizit gesetzt werden.

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. openai-node on GitHub
  3. MDN: Web Speech API
  4. OpenAI API reference: create speech
  5. FFmpeg documentation
  6. IETF RFC 7845: Ogg Opus
  7. TRON developer hub: TRC-20
  8. Python documentation
  9. Creative Commons Attribution 4.0
  10. Tether (USDT)
  11. LibriTTS-R paper (arXiv 2305.18802)
  12. W3C WAI: making audio and video accessible

Mehr auf dieser Website