Häufig gestellte Fragen
Was ist eine Text-to-Speech-API?
Eine Text-to-Speech-API ist eine Cloud-Schnittstelle, der Sie Text senden und im Gegenzug eine Audiodatei erhalten. Sie nutzen POST-Anfragen an einen spezifischen Endpunkt, um Sprachsynthese zu automatisieren. Das Format entspricht dem der OpenAI Speech-API, sodass die offiziellen OpenAI-SDKs mit angepasster base_url funktionieren. Dies ermöglicht eine einfache Integration in Ihre eigenen Anwendungen oder Workflows ohne komplexe Infrastruktur.
Wie unterscheidet sich LeserStimme von Google Cloud TTS?
LeserStimme nutzt eine einfache, transparente Preisstruktur von 10 $ pro Million Zeichen ohne monatliche Grundgebühren. Wir bieten keine SLAs, Zertifizierungen oder Telefon-Support. Die Integration erfolgt über Standard-HTTP-Anfragen, die sich wie OpenAI-Endpunkte verhalten. Im Gegensatz zu großen Cloud-Anbietern konzentrieren wir uns auf die reine API-Funktionalität für Entwickler und Blogger ohne zusätzliche Dienstleistungskomplexität.
Kann ich die API für kommerzielle Blogs nutzen?
Ja, die API ist ideal für kommerzielle Blogs, WordPress-Seiten und Freelancer-Projekte. Sie können generierte Audiodateien direkt in Ihre Inhalte integrieren, etwa für Barrierefreiheit oder Audiobooks. Es gibt keine Einschränkungen zur kommerziellen Nutzung. Die Abrechnung erfolgt nutzungsbasiert, sodass Sie nur für tatsächlich verbrauchte Zeichen bezahlen. Dies macht es kosteneffizient für Blogs mit variierendem Traffic.
Wie viele Zeichen können pro Anfrage gesendet werden?
Pro API-Anfrage können maximal 4096 Zeichen gesendet werden. Dies umfasst Leerzeichen und Satzzeichen. Für längere Texte müssen Sie diese in entsprechende Teile aufteilen und die Audiodateien anschließend zusammenführen. Dieser Mechanismus stellt sicher, dass jede Anfrage effizient verarbeitet wird. Für sehr lange Dokumente ist also eine einfache Aufteilung im eigenen Code erforderlich.
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. Wenn die Sprache nicht explizit angegeben wird, wird sie automatisch erraten. Nicht unterstützte Sprachen sind unter anderem Vietnamesisch, Thailändisch, Ukrainisch und Rumänisch. Für Texte in lateinischer Schrift außerhalb des Englischen empfehlen wir die manuelle Sprachangabe.
Sind die Stimmen menschenähnlich?
Die Stimmen basieren auf lizenzierten Aufnahmen von LibriTTS-R und LibriVox. Sie klingen natürlich und sind für Narration, Nachrichten oder Storytelling geeignet. Es gibt acht vordefinierte Stimmen mit unterschiedlichen Charakteristika, von warm bis tief. Es werden jedoch keine Emotionen oder SSML unterstützt. Die Qualität ist hoch, aber es handelt sich um festgelegte Presets ohne individuelle Anpassungsmöglichkeiten.
Wie wird die Abrechnung abgerechnet?
Die Abrechnung erfolgt nutzungsbasiert zu einem Preis von 10 $ pro Million Zeichen. Das entspricht 0,01 $ pro 1.000 Zeichen. Gescheiterte Anfragen werden kostenlos gestellt und der Betrag erstattet. Es gibt keine monatlichen Grundgebühren oder versteckten Kosten. Sie zahlen nur für die tatsächlich generierten Zeichen. Dies ermöglicht eine präzise Kostenkontrolle für Projekte mit unterschiedlichem Volumen.
Gibt es ein monatliches Limit?
Nein, es gibt keine monatlichen Limits oder Mindestumsätze. Sie können so viel Text generieren, wie Ihr Guthaben erlaubt. Es gibt keine Begrenzung der gleichzeitigen Anfragen, abgesehen von den Rate Limits. Pro Schlüssel sind 60 Anfragen pro Minute erlaubt. Dies ermöglicht flexible Nutzungsspitzen, ohne dass Sie ein Upgrade für mehr Volumen benötigen.
Kann ich meine eigenen Stimmen hochladen?
Nein, Sie können keine eigenen Stimmen hochladen oder Voice-Cloning für Kunden durchführen. Wir bieten acht vordefinierte Stimmen aus lizenzierten Quellen. Eine individuelle Anpassung oder das Design neuer Stimmen ist nicht möglich. Dies hält die Infrastruktur einfach und die Kosten niedrig. Falls Sie eine spezifische Stimme benötigen, wählen Sie die passende der acht verfügbaren Presets.
Werden die Audiodaten gespeichert?
Die generierten Audiodaten werden nach der Auslieferung nicht gespeichert. Sie werden nur zurückgegeben, aber nicht dauerhaft auf unseren Servern abgelegt. Der eingegebene Text wird ausschließlich zur Erzeugung der Audioausgabe verwendet und nicht zum Training von Modellen genutzt. Es werden jedoch Metadaten wie Zeit, Zeichenanzahl und Status zur Abrechnung gespeichert. Dies gewährleistet Datenschutz bei gleichzeitiger Abrechnungssicherheit.
Wie lange ist das Testguthalten gültig?
Das Testguthalten von 0,50 $ sind sieben Tage gültig. Dieses Guthaben wird bei der Anmeldung über Google gewährt. Bei der Registrierung mit E-Mail und Passwort steht kein Testguthaben zur Verfügung. Das Guthaben ermöglicht das Testen der API, bevor Sie Geld einzahlen. Nach Ablauf der sieben Tage verfällt das Guthaben, falls es nicht verwendet wurde.
Welche Zahlungsmethoden werden akzeptiert?
Wir akzeptieren ausschließlich USDT auf dem TRON-Netzwerk (TRC-20). Es gibt keine Kreditkarten, PayPal oder Rechnungen. Die Einzahlung erfolgt über eine Überweisung, die innerhalb von Minuten automatisch gutgeschrieben wird. Der Mindestbetrag beträgt 5 $. Es gibt keine monatlichen Pläne oder Abonnements. Das Guthaben verfällt nicht und kann jederzeit für die API-Nutzung verwendet werden.
Kann ich die API auch ohne WordPress nutzen?
Ja, die API ist unabhängig von WordPress oder spezifischen CMS. Sie funktioniert über einfache HTTP-Anfragen und JSON. Sie können sie in jeder Programmiersprache nutzen, die HTTP unterstützt. Die Struktur ähnelt bekannten APIs, sodass bestehende SDKs angepasst werden können. Dies macht sie flexibel für individuelle Webanwendungen, Skripte oder andere Plattformen neben WordPress.
Wie schnell ist die Generierung?
Die Generierung dauert bei langen Texten etwa Echtzeit, also ca. 25 Zeichen pro Sekunde. Kurze Sätze benötigen einige Sekunden. Anfragen werden nacheinander verarbeitet, sodass es bei hoher Last zu Warteschlangen kommen kann. Dies ist normal und beeinträchtigt die Qualität nicht. Die Geschwindigkeit ist konsistent und ermöglicht eine vorhersehbare Planung für Ihre Audio-Generierungen.
Erste Anfrage
curl
curl https://api.21v.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.mp3Warum TTS für WordPress-Blogs?
WordPress-Blogs profitieren erheblich von Text-to-Speech-APIs. Durch die Bereitstellung von Audioinhalten wird die Barrierefreiheit für Blinde und Sehbehinderte verbessert, da Texte vorgelesen werden können. Dies ermöglicht einem breiteren Publikum, den Inhalt Ihres Blogs ohne visuelle Unterstützung zu konsumieren.
Audioinhalte steigern die Verweildauer auf der Website. Nutzer, die Texte hören, während sie andere Aktivitäten ausführen, verbringen mehr Zeit mit Ihrem Inhalt. Diese erweiterte Interaktion signalisiert Suchmaschinen eine hohe Relevanz und kann die SEO-Ergebnisse positiv beeinflussen.
Barrierefreiheit für Blinde und Sehbehinderte
Die Integration einer TTS-API macht Ihren Blog zugänglicher. Anstatt lange Texte nur visuell zu konsumieren, können Nutzer Audio nutzen, um Inhalte zu erfassen. Dies ist besonders wertvoll für Menschen mit Sehbehinderungen oder Leseschwächen.
Die automatische Generierung von Audio entfernt technische Hürden. Besucher müssen nicht mühslich scrollen, sondern können den Text einfach anhören. Dies fördert die Inklusion und erweitert Ihre Reichweite.
- Unterstützung für Sehbehinderte durch Vorlesefunktion
- Verbesserung der User Experience auf mobilen Geräten
- Einfache Integration in bestehende WordPress-Strukturen
Steigerung der Verweildauer durch Audio
Audioinhalte halten Besucher länger auf Ihrer Seite. Wenn Nutzer einen Podcast oder ein vorgelesenes Kapitel hören, verbleiben sie länger auf der Website. Dies signalisiert Suchmaschinen, dass Ihr Inhalt wertvoll ist.
Die Kombination aus Text und Audio bietet Flexibilität. Nutzer können wählen, ob sie lesen oder hören möchten. Diese Wahlmöglichkeit erhöht die Zufriedenheit und die Wahrscheinlichkeit, dass Besucher zurückkehren.
Verweildauer ist ein wichtiger Ranking-Faktor. Durch die Bereitstellung von Audioinhalten verbessern Sie diese Metrik signifikant. Dies kann sich positiv auf Ihre Sichtbarkeit in Suchergebnissen auswirken.
- Längere Verweildauer durch Audio-Content
- Verbesserte Nutzerbindung durch Multimodalität
- Positiver Einfluss auf SEO-Metriken
Automatisierung von Blog-Konvertierung
Die Konvertierung von Text zu Audio kann automatisiert werden. Sobald ein neuer Blogbeitrag veröffentlicht wird, generiert die API sofort eine Audioversion. Dies spart manuelle Arbeit und stellt sicher, dass Audioinhalte immer aktuell sind.
Keine manuellen Eingriffe nötig. Die Automatisierung läuft im Hintergrund. Entwickler können die API in ihre WordPress-Workflow integrieren, sodass die Audioerstellung nahtlos in den Publish-Prozess eingebunden ist.
Skalierbarkeit für große Blogs. Auch bei vielen täglichen Veröffentlichungen bleibt die Verarbeitung effizient. Die API verarbeitet Texte schnell und zuverlässig, sodass keine Verzögerungen bei der Audioerstellung auftreten.
- Automatische Generierung nach dem Publish
- Keine manuelle Nachbearbeitung nötig
- Skalierbar für hohe Artikelvolumina
So funktioniert die Integration
Die Integration für WordPress-Autoren und Freelancer beginnt mit der Erstellung Ihres persönlichen API-Keys. Melden Sie sich einfach über die Seite /get-api-key/ mit Ihrem Google-Account an und erhalten Sie sofort Ihre Zugangsdaten sowie die nötigen Berechtigungen.
API-Key mit Google Account erstellen
Nach der Anmeldung auf /get-api-key/ generieren Sie Ihren Schlüssel. Dieser wird direkt im Dashboard angezeigt und kann bei Bedarf jederzeit neu ausgestellt werden, wobei der alte Schlüssel sofort ungültig wird.
JSON-Request an die Speech-Endpunkte
Senden Sie Ihren Text an den Endpunkt POST https://api.21v.info/v1/audio/speech im JSON-Format. Das Format entspricht dem der OpenAI-Speech-API, sodass bestehende SDKs mit angepasster base_url funktionieren. Geben Sie Modell, Text und Stimme an.
Audio-Daten direkt im Browser wiedergeben
Die API gibt das Audioformat (z. B. MP3 oder WAV) direkt in der Antwort zurück. Laden Sie die Datei herunter oder geben Sie sie in Ihrer WordPress-Seite wieder, ohne dass die API selbst einen Streaming-Modus bietet.
Verfügbare Stimmen & Sprachen
Die API bietet acht vordefinierte Stimmen mit unterschiedlichen Charakteren. Von der klaren Erzählerin Aria über die lebendige Nova bis hin zum tiefen Orion für Dokumentationen ist für jeden Inhalt die passende Stimme verfügbar.
8 natürliche Stimmen (Aria, Nova, Luna, Felix)
Die Stimmen basieren auf lizenzierten Aufnahmen (LibriTTS-R, CC BY 4.0). Sie sind klar, natürlich und frei von künstlichen Artefakten. Jede Stimme ist ein festes Preset und kann nicht individuell angepasst werden.
- Aria: Warme, klare Erzählerin
- Nova: Hell und energiegeladen
- Luna: Sanft für Geschichten
- Sage: Ruhig und instruktiv
- Felix: Dynamisch für Werbung
- Milo: Freundlich und gesprächig
Unterstützung von 23 Sprachen
Die API unterstützt 23 Sprachen, darunter Deutsch, Englisch, Französisch, Spanisch, Arabisch und Japanisch. Die Stimmen sind multilingual und können jede der unterstützten Sprachen flüssig sprechen.
Keine manuelle Sprachauswahl nötig
Die Sprache wird automatisch erkannt. Geben Sie einfach den Text ein, und die API wählt die passende Sprache basierend auf dem Skript. Für lateinische Schrift jenseits des Englischen kann die Sprache optional manuell gesetzt werden.
Technische Details für Entwickler
Die API orientiert sich am Request-Shape des OpenAI Speech Endpoints, sodass bestehende OpenAI-SDKs durch Änderung der base_url zu https://api.21v.info/v1 direkt genutzt werden können. Dies ermöglicht eine schnelle Integration in bestehende WordPress-Plugins oder eigene Skripte, ohne neue Client-Bibliotheken implementieren zu müssen. Die Authentifizierung erfolgt über einen Bearer-Token im Header.
Für die Audioausgabe stehen fünf Formate zur Verfügung: MP3, WAV, OPUS, FLAC und PCM. Die Wahl des Formats hängt von den Anforderungen der Zielplattform ab; MP3 eignet sich gut für Web-Player, während PCM für unverarbeitete Daten nützlich ist. Alle Formate werden im JSON-Response direkt als Audio-Daten zurückgegeben.
Kompatibel mit OpenAI SDK
Die Struktur der JSON-Requests entspricht exakt der des OpenAI Speech Endpoints. Durch Anpassung der Basis-URL auf https://api.21v.info/v1 können Sie die offiziellen OpenAI-SDKs unverändert nutzen. Dies vereinfacht die Entwicklung erheblich, da keine eigenen HTTP-Clients für die API-Kommunikation geschrieben werden müssen.
- Keine neuen Bibliotheken nötig
- Standard-JSON-Struktur
- Unterstützung für alle offiziellen OpenAI SDKs
Formate: MP3, WAV, OPUS, FLAC, PCM
Wählen Sie das passende Audioformat für Ihren Use Case. MP3 ist speichereffizient und weit verbreitet, während WAV und FLAC hochwertige, verlustfreie Formate bieten. OPUS eignet sich gut für Streaming-Szenarien, und PCM liefert rohe Audiodaten ohne Komprimierung für direkte Weiterverarbeitung.
- MP3, WAV, OPUS, FLAC, PCM
- Flexibel je nach Anwendungsfall
- Keine Qualitätsverluste bei FLAC/WAV
Generierungsgeschwindigkeit
Die Generierung erfolgt in etwa Echtzeit, wobei ca. 25 Zeichen Text pro Sekunde verarbeitet werden. Kurze Phrasen dauern einige Sekunden, lange Texte werden nahtlos generiert. Bei hoher Auslastung kann es zu Wartezeiten in der Queue kommen, da Anfragen nacheinander bearbeitet werden.
- Ca. 25 Zeichen/Sekunde
- Requests werden sequenziell bearbeitet
- Wartezeiten bei hoher Last möglich
Preise & Abrechnung
LeserStimme berechnet die Nutzung rein nach Verbrauch. Sie zahlen nur für die tatsächlich generierten Zeichen, inklusive Leerzeichen und Satzzeichen. Dies ermöglicht eine präzise Kostenkontrolle für Blogs mit variierenden Textlängen.
0,01 $ pro 1.000 Zeichen
Der Preis beträgt 10 US-Dollar pro eine Million Zeichen. Das entspricht 0,01 Dollar pro 1.000 Zeichen. Fehlerhafte Anfragen werden kostenlos zurückgesetzt, sodass Sie nur für erfolgreiche Audiodateien bezahlen.
Zahlung per USDT (TRC-20)
Die Zahlung erfolgt ausschließlich über USDT im TRC-20 Netzwerk auf der TRON-Blockchain. Nach Ihrer Überweisung wird das Guthaben innerhalb weniger Minuten automatisch gutgeschrieben. Es gibt keine Kreditkarten oder PayPal-Optionen.
- Mindesteinzahlung: 5 US-Dollar
- Keine versteckten Gebühren oder Rechnungen
Keine monatlichen Fixkosten
Es gibt keine Abo-Modelle, Sitzplätze oder Mindestumsätze. Ihr Guthaben verfällt nicht und bleibt dauerhaft verfügbar. Sie starten mit einem kostenlosen Testguthaben von 0,50 Dollar nach der Registrierung über Google.

Typische Anwendungsfälle
Die TTS-API ermöglicht es WordPress-Autoren, Blog-Beiträge schnell in Audio umzuwandeln. Dies erweitert die Reichweite, ohne zusätzlichen manuellen Aufwand für die Aufnahme zu benötigen.
Automatische Podcast-Erstellung
Nutzen Sie die API, um lange Blog-Texte direkt in Audio umzuwandeln. Durch die Aufteilung von Texten über 4096 Zeichen und das Zusammenfügen der Audio-Dateien entstehen nahtlose Audiodateien, die sich leicht in Podcast-Apps integrieren lassen.
- Automatische Trennung langer Texte
- Keine manuelle Nachbearbeitung nötig
- Unterstützung von MP3 und WAV
Vorlese-Funktion für lange Artikel
Bieten Sie Ihren Lesern eine Audio-Variante ihrer Artikel an. Dies ist ideal für Barrierefreiheit und erhöht die Verweildauer, da Nutzer Inhalte auch unterwegs konsumieren können, ohne auf den Bildschirm schauen zu müssen.
- Verbesserung der Barrierefreiheit
- Steigerung der Nutzerbindung
- Einfache Integration via API
Sprachausgabe für mobile Apps
Erweitern Sie mobile Anwendungen um Text-to-Speech-Funktionen. Die API liefert Audio-Dateien in verschiedenen Formaten, die sich problemlos in iOS- oder Android-Apps einbinden lassen, um Inhalte vorzulesen.
- Unterstützung mehrerer Formate
- Kurze Texte werden in wenigen Sekunden generiert
- Einfache API-Integration
Dokumentation & Support
Die vollständige API-Dokumentation und ein curl-Beispiel stehen auf /docs/ bereit. Bei Fragen steht der Support per E-Mail zur Verfügung. Die Integration ist auch für Entwickler ohne tiefgehende TTS-Kenntnisse einfach umsetzbar.
Warum LeserStimme statt großer Anbieter?
LeserStimme berechnet nur das, was Sie tatsächlich verbrauchen. Im Gegensatz zu vielen großen Anbietern gibt es keine versteckten Stufen oder unklare Preisstrukturen. Sie zahlen exakt pro Zeichen, unabhängig davon, welche Stimme oder welches Modell Sie wählen.
Transparente Kosten pro Zeichen
Der Preis liegt bei 0,01 US-Dollar pro 1.000 Zeichen. Dies umfasst alle Modelle (tts-1 und tts-1-hd) und Formate ohne Aufpreis. Fehlgeschlagene Anfragen werden Ihnen in voller Höhe gutgeschrieben, sodass Sie nur für erfolgreiche Synthesen bezahlen.
Keine teuren Monthly-Pläne
Es gibt keine monatlichen Grundgebühren, keine Mindestumsätze und keine Abonnements. Sie laden Ihr Guthaben über USDT (TRC-20) auf und nutzen es, solange es reicht. Das Guthaben verfällt nicht, auch wenn Sie monatelang keine Anfragen stellen.
Einfache Nutzung für Freelancer
Die API ist direkt mit der OpenAI-SDK kompatibel. Sie müssen keine neuen Bibliotheken lernen oder komplexe Integrationsmodule kaufen. Ein einzelner API-Key reicht aus, und Sie können bei Bedarf jederzeit ein neues erstellen, ohne Ihre Infrastruktur zu ändern.
Häufige Fragen zur Integration
Hier finden Sie Antworten zu typischen Fragen zur Integration der LeserStimme API in WordPress-Umgebungen. Die Fragen konzentrieren sich auf Dauer, Rechte und Formate.
Wie lange dauert die Generierung?
Die Generierung dauert etwa so lange wie die Lesegeschwindigkeit (ca. 25 Zeichen pro Sekunde). Kurze Texte sind in wenigen Sekunden erstellt, längere Artikel benötigen entsprechend mehr Zeit.
Sind die Stimmen lizenzfrei?
Die Stimmen basieren auf Aufnahmen aus LibriTTS-R (CC BY 4.0) und öffentlichen Hörbüchern. Die ausgegebenen Audio-Dateien enthalten einen unsichtbaren Wasserzeichen, das die synthetische Herkunft kennzeichnet.
Welche Formate werden unterstützt?
Sie können Audio im MP3-, WAV-, OPUS-, FLAC- oder PCM-Format anfordern. Dies ermöglicht eine flexible Einbindung in verschiedene Blog-Plugins und Player.
Starten Sie noch heute
Beginnen Sie noch heute mit der Integration Ihrer TTS-Funktion in WordPress oder Ihren Blog. Melden Sie sich über die /get-api-key/ Seite an und erhalten Sie sofort Zugriff auf die API. Ihr erster Schritt ist der Erhalt von $0,50 Testguthaben, das etwa 50.000 Zeichen abdeckt und sieben Tage gültig ist.
Erstellen Sie Ihren API-Key mit Ihrem Google-Konto für den sofortigen Start. Die Schlüssel-Ausstellung erfolgt unverzüglich, sodass Sie direkt mit ersten Requests beginnen können. Vergessen Sie nicht: Für E-Mail-Registrierungen steht kein Testguthaben zur Verfügung.
Kostenlose Testguthaben erhalten
Melden Sie sich mit einem Google-Account an und erhalten Sie $0,50 Testguthaben. Dies entspricht etwa 50.000 Zeichen und ist sieben Tage gültig. So testen Sie die Qualität, ohne sofort zu zahlen.
Sofortige API-Key-Ausstellung
Nach der Registrierung wird Ihr API-Key sofort auf der Dashboard-Seite angezeigt. Nutzen Sie diesen Schlüssel, um Ihre ersten Audio-Requests zu senden. Ein neuer Schlüssel beendet den alten sofort.
Einfache Dokumentation
Die vollständige Dokumentation finden Sie unter /docs/. Dort erklärt die API exakt, wie Sie JSON-Requests an die Endpunkte senden und Audio-Daten empfangen. Die Kompatibilität mit dem OpenAI SDK erleichtert die Integration.
Hören Sie sich die 8 Stimmen an
Jede der folgenden Samples wurde von dieser API aus demselben Satz generiert.
23 Sprachen
Jede Stimme kann jede dieser Sprachen sprechen.
Quellen und weiterführende Literatur
- Wikipedia
- ISO 639 language codes
- W3C WAI: making audio and video accessible
- OpenAI API reference: create speech
- openai-node on GitHub
- FFmpeg documentation
- LibriTTS-R paper (arXiv 2305.18802)
- LibriVox public-domain audiobooks
- Creative Commons Attribution 4.0
- Node.js documentation
- LibriTTS-R corpus (OpenSLR 141)
- Python documentation
