Häufig gestellte Fragen
Welche TTS-API ist die beste?
Es gibt keine allgemein beste TTS-API. ViveText bietet 8 Stimmen, 23 Sprachen und 10 $ pro 1 Mio. Zeichen. Die Qualität hängt vom Anwendungsfall ab. Wir nutzen Lizenzen von LibriTTS-R und LibriVox. Für Indie-Entwickler sind die einfache Integration und das transparente Preismodell entscheidend. Wir sind nicht mit OpenAI oder anderen Anbietern verbunden.
Ist Siri kostenlos?
Siri ist eine integrierte Sprachassistentin von Apple, keine API für Entwickler. Sie ist im iOS-Ökosystem enthalten, aber nicht als unabhängiger Dienst verfügbar, den man programmatisch über eine REST-API mit eigenen Stimmen und Formaten nutzen kann. Siri ist kein direkter Vergleich zu einer TTS-API wie ViveText.
Wie viel kostet ElevenLabs?
ElevenLabs hat ein eigenes Preismodell, das sich von ViveText unterscheidet. Bei ViveText zahlen Sie 10 $ pro 1 Million Zeichen. Es gibt keine monatlichen Pläne oder Mindestumsätze. Fehlerhafte Anfragen werden bei ViveText vollständig erstattet, was die Kostenkontrolle für Redaktionen und Entwickler erheblich erleichtert.
Welche API hat die meisten Sprachen?
ViveText unterstützt 23 Sprachen, darunter Deutsch, Englisch, Französisch, Spanisch, Arabisch, Chinesisch, Japanisch und Hindi. Jede Stimme kann jede dieser Sprachen sprechen. Sprachen wie Vietnamesisch, Thai oder Ukrainisch werden nicht unterstützt. Die Sprache wird optional erkannt oder explizit gesetzt, um Fehler zu vermeiden.
Welche API ist am schnellsten?
Die Generierung dauert bei ViveText etwa so lange wie die Audiodauer (1:1). Kurze Sätze benötigen einige Sekunden. Bei hoher Auslastung können Anfragen in der Warteschlange liegen. Die Geschwindigkeit ist also nicht instantan wie bei lokaler Wiedergabe, aber für Batch-Verarbeitung und News-Feeds gut geeignet.
Welche API hat die beste Qualität?
Qualität ist subjektiv. ViveText nutzt Stimmen aus LibriTTS-R (CC BY 4.0) und LibriVox. Die Stimmen sind klar, natürlich und tragen einen unsichtbaren Wasserzeichen. Wir bieten 8 vordefinierte Stimmen. Es gibt keine Emotion-Tags oder SSML. Die Qualität ist konsistent, aber nicht individuell anpassbar wie bei Custom-Cloning-Diensten.
Ist ViveText open source?
Nein, ViveText ist eine proprietäre Cloud-API. Der Code der API ist nicht öffentlich zugänglich. Sie nutzen die REST-Schnittstelle über HTTP. Die zugrunde liegenden Stimmen stammen aus Open-Source-Daten (LibriVox), aber die Infrastruktur und die API-Logik sind geschlossen. Sie können den OpenAI-SDK-Client nutzen, indem Sie die Base-URL anpassen.
Welche API unterstützt SSML?
ViveText unterstützt kein SSML. Sie können Text direkt übergeben. Geschwindigkeit, Stimme und Format werden über Parameter gesteuert. Es gibt keine Möglichkeit, Pausen, Betonungen oder Sprechgeschwindigkeit pro Satz über XML-Tags zu steuern. Dies ist ein bewusstes Design, um die Integration einfach und unkompliziert zu halten.
Welche API bietet Voice Cloning?
ViveText bietet kein Voice Cloning. Sie können zwischen 8 vordefinierten Stimmen wählen (Aria, Nova, Luna, Sage, Felix, Milo, Atlas, Orion). Es ist nicht möglich, eigene Stimmen hochzuladen oder zu trainieren. Dies unterscheidet uns von Diensten, die individuelle Stimmkopien anbieten, und hält die Infrastruktur schlank.
Welche API ist am einfachsten zu integrieren?
ViveText ist sehr einfach zu integrieren, da es der OpenAI-Speech-Schnittstelle ähnelt. Ändern Sie die base_url in https://api.xvive.info/v1 und nutzen Sie den Bearer-Token. Ein POST-Request mit Text, Stimme und Format reicht aus. Die Dokumentation enthält curl-Beispiele. Keine speziellen SDKs nötig, Standard-HTTP-Client reicht.
Welche API ist barrierefrei?
ViveText ist ein Werkzeug zur Erstellung barrierefreier Audioinhalte. Es generiert Audiodateien aus Text, die in Apps oder Websites eingebettet werden können. Es bietet keine eigenen UI-Elemente für Screenreader. Die Audioausgabe ist klar und natürlich. Die API selbst ist technisch einfach, was die Implementierung von Accessibility-Features erleichtert.
Welche API ist für Nachrichten geeignet?
ViveText ist ideal für Nachrichten, dank der Stimmen Atlas (neutral) und Felix (energetisch). Die API verarbeitet Text schnell und kostengünstig. Lange Artikel können automatisch in Teile unterteilt und zusammengefügt werden. Die 23 Sprachen decken die meisten Märkte ab. Es gibt keine monatlichen Fixkosten, was für variable Nachrichtenmengen ideal ist.
Welche API ist für Entwickler geeignet?
ViveText richtet sich an Entwickler. Die Schnittstelle ist RESTful, JSON-basiert und kompatibel mit bestehenden SDKs. Die Authentifizierung erfolgt über API-Schlüssel. Die Dokumentation ist klar. Es gibt kein komplexes UI. Entwickler steuern alles über Code: Stimmen, Geschwindigkeit, Format. Die Abrechnung ist transparent pro Zeichen, nicht pro Minute.
Welche API hat den besten Support?
ViveText bietet Support per E-Mail. Es gibt keine Telefonnummer, keinen Live-Chat und keine SLA. Die Antwortzeiten variieren. Für Indie-Entwickler und Redaktionen ist dies oft akzeptabel, da die API stabil ist. Es gibt keine Enterprise-Verträge mit garantierter Reaktionszeit. Support ist ein zusätzlicher Service, kein Kernfeature der API.
Einleitung
Die Wahl der richtigen Text-to-Speech-API ist für Indie-Entwickler und Redaktionen entscheidend, die Audio-Content ohne komplexe Infrastruktur benötigen. Dieser Vergleich stellt ViveText in den Kontext etablierter Anbieter, um die praktische Eignung für Accessibility und Audio-Content zu prüfen.
Warum ein Vergleich?
Viele TTS-Dienste versprechen hohe Qualität, aber die tatsächliche Eignung hängt von Preismodellen, Sprachen und der einfachen Integration ab. Wir prüfen, ob eine robuste API-Lösung die komplexen Anforderungen moderner Web- und App-Entwicklung effizient erfüllt.
Kriterien der Auswahl
Wir konzentrieren uns auf messbare Faktoren: Kosten pro Zeichen, verfügbare Sprachen, API-Struktur und Datenschutz. Die Bewertung erfolgt anhand der technischen Spezifikationen und der tatsächlichen Nutzungserfahrung, nicht anhand von Marketingversprechen.
Methodik
Die Analyse basiert auf den öffentlichen Dokumentationen der Anbieter und direkten API-Tests. Alle genannten Fakten, wie Preise und Sprachunterstützung, beziehen sich auf den aktuellen Stand der Technik ohne subjektive Bewertungen.
ViveText API
ViveText ist eine Cloud-API für Indie-Entwickler, die Texte direkt in Audio-Dateien umwandeln. Die Preise sind transparent: 10 US-Dollar pro einer Million Zeichen, wobei auch Leerzeichen und Interpunktion gezählt werden. Fehlgeschlagene Anfragen werden kostenlos zurückerstattet.
Das System nutzt zwei Modelle gleichen Preises („tts-1“ und „tts-1-hd“) und acht feste Stimmen. 23 Sprachen werden unterstützt, wobei die Sprache automatisch anhand des Skripts erkannt oder explizit gesetzt werden kann.
Preise und Modelle
Die Kosten betragen 0,01 USD pro 1.000 Zeichen. Ein kostenloses Testguthaben von 0,50 USD steht nach Google-Anmeldung sieben Tage zur Verfügung. Top-Ups erfolgen ausschließlich über USDT (TRC-20) mit einem Mindestbetrag von 5 USD.
Stimmen und Sprachen
Verfügbar sind vier weibliche und vier männliche Stimmen, darunter „Aria“ für klare Erzählungen und „Atlas“ für Nachrichten. Alle 23 unterstützten Sprachen werden von jeder Stimme flüssig gesprochen.
Integration und Limits
Die API folgt dem OpenAI-Request-Shape. Pro Account ist ein API-Key aktiv, der bei Bedarf ausgetauscht werden kann. Bis zu 60 Anfragen pro Minute sind erlaubt.
- Maximale Textlänge: 4096 Zeichen pro Anfrage.
- Formate: MP3, WAV, OPUS, FLAC, PCM.
- Speed-Range: 0,25 bis 4,0.
Siri (Apple)
Siri ist die eingebaute TTS-Engine von Apple, die auf iOS-, macOS- und watchOS-Geräten standardmäßig verfügbar ist. Im Gegensatz zu unserer API erfordert sie keine externe Infrastruktur, da die Engines direkt im Betriebssystem der Apple-Hardware integriert sind und keine Internetverbindung für die Grundfunktion benötigen.
Verfügbarkeit
Die Engine ist auf allen Apple-Geräten ab iOS 10 vorinstalliert. Für Indie-Entwickler bedeutet dies, dass keine zusätzlichen API-Calls oder Server-Kosten für die Basis-Nutzung anfallen, solange die App auf Apple-Hardware ausgeführt wird.
Qualität
Die Sprachausgabe ist klar und natürlich, basiert aber auf fest integrierten Stimmenprofilen. Die Qualität ist konsistent, bietet jedoch weniger Feinjustierungsmöglichkeiten bei Geschwindigkeit oder Klangfarbe im Vergleich zu einer externen API-Lösung.
Nutzungsmöglichkeiten
Siri eignet sich primär für interaktive Sprachbefehle und kurze Ansagen. Für längere Texte oder Nachrichten-Feeds ist die manuelle Steuerung eingeschränkt, da keine direkte API-Schnittstelle für die Ausgabe langer Textblöcke in Echtzeit angeboten wird.
ElevenLabs
ElevenLabs ist ein Anbieter für Text-to-Speech. Für Indie-Entwickler und Redaktionen bietet das Unternehmen eine Vielzahl an Stimmen und Anpassungsmöglichkeiten, die über die Grundfunktionen hinausgehen.
Die API ist einfach zu integrieren und unterstützt verschiedene Sprachen. Allerdings fallen die Kosten im Vergleich zu alternativen Lösungen oft höher aus, was bei hohem Volumen ins Gewicht fällt.
Preismodell
Das Preismodell von ElevenLabs basiert auf Zeichenanzahl, unterscheidet sich aber deutlich von der simplen Struktur von ViveText. Es gibt verschiedene Stufen, die monatlich kündbar sind, aber keine flexible Top-up-Möglichkeit über Kryptowährungen wie USDT.
- Kostenlos bis 10.000 Zeichen monatlich
- Stufenweise Preiserhöhung ab 30.000 Zeichen
- Keine Krypto-Zahlungsmöglichkeit
Stimmenqualität
Die Stimmenqualität von ElevenLabs ist hoch. Die KI erzeugt flüssige Aussprache und passt sich gut an den Kontext an. Im Vergleich zu ViveText, das auf lizenzierten Aufnahmen basiert, wirkt die KI-generierte Stimme oft dynamischer.
- Hohe Natürlichkeit
- Emotionale Anpassung
- Vielfalt an Stimmen
Features
ElevenLabs bietet erweiterte Features wie Voice Cloning und Streaming. Die API unterstützt verschiedene Formate und Sprachen. Für Indie-Entwickler ist die Dokumentation gut strukturiert, aber die Integration ist komplexer als bei der offenen Struktur von ViveText.
- Voice Cloning
- Echtzeit-Generierung
- Multi-Language Support
Preisvergleich
Der Preisvergleich zwischen ViveText, Siri und ElevenLabs zeigt deutliche Unterschiede in der Kostenstruktur und den damit verbundenen Nutzungsmöglichkeiten. Während ViveText mit einem simplen Flatrate-Modell pro Zeichen punktet, arbeiten die anderen Anbieter oft mit komplexeren Stufen oder monatlichen Limits.
Für Indie-Entwickler ist die Vorhersagbarkeit der Kosten entscheidend. Die folgende Analyse stellt die direkten Kosten pro Zeichen, die Bedingungen für Testphasen und die verfügbaren Zahlungsmethoden nebeneinander, um die wirtschaftlichste Lösung für den jeweiligen Use-Case zu identifizieren.
Kosten pro Zeichen
ViveText berechnet exakt $0,01 pro 1.000 Zeichen, was 10 $ pro eine Million Zeichen entspricht. Gescheiterte Anfragen werden vollständig erstattet, sodass man nur für erfolgreiche Synthesen zahlt. Die Zeichenkalkulation umfasst Leerzeichen und Satzzeichen.
- ViveText: 10 $ pro 1 Mio. Zeichen
- Siri: Variabel je nach Apple-Abonnement oder API-Nutzung
- ElevenLabs: Abgestufte Modelle mit Zeichenlimits pro Monat
Testphasen
Bei ViveText erhalten Google-Anmelder 0,50 $ Guthaben (ca. 50.000 Zeichen) für sieben Tage. E-Mail-Accounts starten ohne Testguthaben. Dies ermöglicht eine schnelle Validierung der Audioqualität ohne finanzielle Verpflichtung.
- ViveText: 0,50 $ Guthaben (7 Tage)
- Siri: Oft im Apple-Abonnement enthalten
- ElevenLabs: Monatliches Testzeichenkontingent
Zahlungsmethoden
ViveText akzeptiert ausschließlich USDT (TRC-20) auf dem TRON-Netzwerk. Es gibt keine Kreditkarten, PayPal-Abos oder Rechnungen. Der Mindestbetrag für eine Aufrüstung liegt bei 5 $, die Gutschrift erfolgt innerhalb von Minuten nach der Überweisung.
- ViveText: USDT (TRC-20) nur
- Siri: Apple ID / App Store Guthaben
- ElevenLabs: Kreditkarte, PayPal, Stripe
Sprachenvergleich
Die Sprachabdeckung ist ein entscheidender Faktor für die globale Reichweite von TTS-Lösungen. Dieser Abschnitt vergleicht ViveText mit Siri und ElevenLabs hinsichtlich der unterstützten Sprachen, der Stimmgüte und der Spracherkennung.
Wir prüfen, wie sich die 23 Sprachen von ViveText im direkten Vergleich zu den Angeboten von Apple und ElevenLabs behaupten, insbesondere für Indie-Entwickler, die mehrsprachige Inhalte generieren müssen.
Anzahl der Sprachen
ViveText unterstützt 23 Sprachen, darunter Arabisch, Chinesisch, Deutsch, Englisch, Französisch, Japanisch, Koreanisch und Russisch. Im Vergleich dazu bietet ElevenLabs eine breite Palette an Sprachen an, während Siri auf iOS-Geräten je nach Region und iOS-Version variierende Sprachpakete bereitstellt.
- ViveText: 23 Sprachen, alle mit allen Stimmen verfügbar
- ElevenLabs: Umfangreiches Sprachangebot, Fokus auf Englisch und Europa
- Siri: Abhängig von Gerät und iOS-Version, begrenzte Auswahl in älteren Versionen
Qualität der Stimmen
Die Stimme von ViveText ist in allen 23 Sprachen konsistent und natürlich. Die Qualität wird durch die Verwendung von LibriTTS-R (CC BY 4.0) sichergestellt. ElevenLabs bietet ebenfalls hohe Qualität, wobei einige Stimmen als natürlicher empfunden werden. Siri-Stimmen sind stark geräteabhängig und variieren in der Qualität.
- ViveText: Konsistente Qualität über alle 23 Sprachen
- ElevenLabs: Hohe Qualität, teils natürlicher
- Siri: Variierende Qualität, geräteabhängig
Spracherkennung
ViveText erkennt die Sprache automatisch anhand des Skripts. Bei lateinischen Schriftzeichen wird Englisch als Standardsprache angenommen, sofern keine Sprache explizit gesetzt wird. Dies ist wichtig für die korrekte Aussprache. Siri und ElevenLabs bieten ebenfalls automatische Spracherkennung.
- ViveText: Automatische Erkennung, lateinische Schrift -> Englisch
- Siri: Automatische Erkennung, geräteabhängig
- ElevenLabs: Automatische Erkennung, hohe Präzision
Integrationsvergleich
Die Integration von ViveText ist für Indie-Entwickler und Redaktionen durch die kompatible OpenAI-Struktur besonders einfach. Dank des gleichen Anfrageformats lässt sich die API nahtlos in bestehende Pipelines einbinden, ohne komplexe Anpassungen zu benötigen. Dies spart Entwicklungszeit und ermöglicht eine schnelle Inbetriebnahme für Audio-Content und Accessibility-Lösungen.
Die Verwendung etablierter SDKs und klarer Dokumentation reduziert die Einstiegshürde weiter. Entwickler können direkt mit bekannten Tools arbeiten, während die klare Struktur der Endpunkte eine zuverlässige Anbindung an News-Systeme und Apps gewährleistet.
API-Struktur
Die API folgt dem bekannten Muster der OpenAI-Sprach-Endpunkte. Ein einfacher POST-Request an /v1/audio/speech genügt, um Text in Audio umzuwandeln. Dies ermöglicht die Wiederverwendung bestehender Client-Logiken, die bereits für andere Dienste entwickelt wurden.
- POST-Endpunkt für
/v1/audio/speech - Kompatibel mit OpenAI-Request-Format
- Einfache JSON-Body-Struktur
SDKs
Wir bieten kein eigenes SDK an, nutzen aber die offiziellen OpenAI-SDKs. Durch Änderung der base_url zu https://api.xvive.info/v1 funktionieren alle bestehenden Bibliotheken sofort. Dies unterstützt Entwickler, die bereits mit der OpenAI-Infrastruktur vertraut sind.
- Offizielle OpenAI-SDKs nutzen
- Kein proprietäres SDK nötig
- Schnelle Integration durch Standard-Libs
Dokumentation
Die technische Dokumentation ist unter /docs/ verfügbar und beschreibt alle Parameter klar. Entwickler finden dort Details zu Stimmen, Formaten und Limits. Die klare Struktur hilft bei der schnellen Implementierung in eigene Projekte.
- Klare Parameter-Beschreibung
- Beispiel-Requests inklusive
- Direkter Zugang zu /docs/

Qualitätsvergleich
Die Qualität der synthetischen Sprache hängt von der Engine und den gewählten Parametern ab. Bei ViveText basieren die acht Stimmen auf lizenzierten Aufnahmen aus LibriTTS-R und LibriVox, was zu einem natürlichen, aber erkennbar synthetischen Klang führt.
Die Wiedergabetreue variiert je nach Textlänge und Sprache. Kurze Phrasen benötigen einige Sekunden, während längere Texte in Echtzeit verarbeitet werden, was eine nahtlose Integration in News-Feeds oder Apps ermöglicht.
Natürlichkeit
Die Stimmen wirken klar und verständlich, da sie auf echten Aufnahmen basieren. Jede generierte Datei enthält einen unsichtbaren Wasserzeichen-Indikator für synthetische Sprache, was die Herkunft transparent macht.
Geschwindigkeit
Die Generierung dauert bei kurzen Texten nur wenige Sekunden. Bei längeren Inhalten entspricht die Geschwindigkeit etwa der Echtzeit (ca. 25 Zeichen pro Sekunde), wobei Anfragen unter Last in einer Warteschlange verarbeitet werden können.
Konsistenz
Die Sprachausgabe bleibt über verschiedene Abschnitte hinweg stabil. Durch die Aufteilung langer Texte in Blöcke von 4096 Zeichen und nahtloses Zusammenfügen der Audio-Dateien entsteht ein homogener Hörverlauf ohne spürbare Brüche.
Datenschutz
Die Eingabetexte werden ausschließlich zur Erzeugung der Audioausgabe verwendet und nicht für Trainingszwecke gespeichert. Die generierten Audiodateien werden direkt in der API-Antwort zurückgegeben und anschließend nicht abgelegt.
Lediglich die Metadaten der Anfrage – wie Zeitpunkt, Zeichenanzahl und Status – werden für die Abrechnung aufbewahrt. Es findet keine langfristige Speicherung des Sprachinhalts statt.
Datenspeicherung
Wir speichern Ihre Texte nicht dauerhaft. Sie werden nur im Moment der Synthese verarbeitet und anschließend verworfen. Auch die erzeugten Audio-Dateien werden nicht auf unseren Servern archiviert, sondern direkt an Sie übermittelt.
Training
Die von Ihnen gesendeten Texte und Audios werden nicht verwendet, um unsere Modelle zu verbessern oder für zukünftige Trainingsschritte zu nutzen. Ihre Daten bleiben isoliert und dienen ausschließlich Ihrer individuellen Generierung.
Lizenzen
Die verwendeten Stimmen basieren auf lizenzierten Aufnahmen aus dem LibriTTS-R-Datensatz (CC BY 4.0) sowie auf Public-Domain-Audiobooks von LibriVox. Jede generierte Datei enthält einen unsichtbaren Wasserzeichen-Marker, der die Synthetizität der Stimme ausweist.
- CC BY 4.0 für LibriTTS-R
- Public Domain für LibriVox
- Inaudibles Wasserzeichen pro Datei
Support-Vergleich
ViveText bietet direkten Support per E-Mail, ohne Warteschleifen oder Telefonnummern. Für Indie-Entwickler und Redaktionen ist dies oft effizienter, da Anfragen dokumentiert und präzise beantwortet werden können. Es gibt keine Live-Chat-Funktion oder telefonische Hotline.
E-Mail Support
Alle Anfragen werden über E-Mail bearbeitet. Da kein Team vor Ort ist, erfolgt die Antwort asynchron. Dies ermöglicht eine gründliche Prüfung technischer Details bei Integrationsfragen.
Dokumentation
Die Dokumentation unter /docs/ enthält spezifische Beispiele für die API-Integration. Curl-Befehle und JSON-Strukturen sind direkt kopierbar. Die Beschreibung von Fehlern und Limits ist klar definiert.
- API-Referenz mit allen Endpunkten
- Beispiel-Codes für Python und JS
- Erklärung der Rate Limits
Community
Es gibt keine offizielle Community-Plattform wie ein Discord oder Forum. Entwickler tauschen sich primär über technische Foren oder Social Media aus. Die Dokumentation dient als alleinige Quelle für Standardlösungen.
Feature-Vergleich
Bei der Integration in bestehende Pipelines sind technische Feinheiten entscheidend. Dieser Abschnitt beleuchtet die Unterschiede bei strukturellen Features, die Entwickler bei der Auswahl der richtigen TTS-Lösung für News-Feeds oder App-Audio beachten müssen.
SSML
ViveText unterstützt kein SSML. Die Steuerung erfolgt ausschließlich über Parameter wie speed (0.25–4.0) und voice. Für präzise Pausen oder Betonungen muss die Textvorverarbeitung im Client erfolgen.
- Kein SSML-Unterstützung
- Steuerung über
speedundvoice - Textvorverarbeitung nötig für Pausen
Voice Cloning
Ein Custom Voice Cloning, bei dem Kunden eigene Stimmen hochladen oder trainieren, ist nicht verfügbar. Die acht Presets (z. B. Aria, Atlas) basieren auf lizenzierten Aufnahmen aus LibriTTS-R und LibriVox. Eine individuelle Anpassung an eine spezifische Markenstimme ist somit nicht möglich.
- Kein Custom Voice Cloning
- 8 feste Presets
- Basiert auf LibriTTS-R / LibriVox
Streaming
Die API liefert keine WebSockets oder Echtzeit-Streaming-Mechanismen. Audio wird als vollständige Datei im Response zurückgegeben (mp3, wav, opus, flac, pcm). Für Live-Szenarien muss die Client-App das vollständige Audiofile puffern, bevor die Wiedergabe startet.
- Kein WebSocket-Streaming
- Download als Datei
- Pufferung im Client erforderlich
Fazit und Empfehlung
ViveText ist die pragmatische Wahl für Indie-Entwickler, die keine komplexe Infrastruktur benötigen. Die API folgt einem bekannten Schema, sodass bestehende OpenAI-SDKs mit minimaler Anpassung funktionieren. Das Fehlen überflüssiger Features hält die Integration schlicht und schnell.
Für reine Audioqualität überzeugt der tts-1-hd-Modus durch hohe Wiedergabetreue, während Standardtts-1 eine solide Basis bietet. Der Preis von 10$ pro Million Zeichen bleibt transparent, ohne versteckte Kosten für Sprachauswahl oder Formate.
Beste für Indie-Dev
ViveText bietet eine niedrige Einstiegshürde. Die direkte JSON-Schnittstelle und die Kompatibilität mit bestehenden SDKs ermöglichen eine schnelle Integration in News-Plattformen oder Accessibility-Lösungen ohne zusätzliche Middleware.
- Keine komplexen Abhängigkeiten
- Schnelle Integration via OpenAI-SDK
Beste für Qualität
Der tts-1-hd-Modus liefert hohe Audioqualität. Für redaktionelle Zwecke ist die Klarheit der Stimmen wie Aria oder Felix entscheidend, um lange Texte verständlich zu machen.
- HD-Modus verfügbar
- 8 klare Stimmen-Presets
Beste für Preis
Mit 10$ pro 1 Million Zeichen ist die Abrechnung transparent. Es gibt keine monatlichen Fixkosten oder Mindestumsätze, was die Kostenplanung für Projekte mit unregelmäßigem Volumen erleichtert.
- Pay-per-Use
- Keine Abo-Fixkosten
Nächste Schritte
Die Nutzung der API beginnt mit der Aktivierung Ihrer Testphase. Nach der Registrierung erhalten Sie automatisch Guthaben für erste Tests.
Nutzen Sie diesen Zeitraum, um die Qualität der Stimmen und die Geschwindigkeit der Generierung zu prüfen, bevor Sie Ihre Integration planen.
Testphase nutzen
Nach der Registrierung erhalten Sie automatisch 0,50 $ Guthaben, das sieben Tage gültig ist. Dies entspricht etwa 50.000 Zeichen.
Nutzen Sie diesen Zeitraum, um die Qualität der Stimmen und die Geschwindigkeit der Generierung zu prüfen, bevor Sie Ihre Integration planen.
- Guthaben: 0,50 $
- Gültigkeit: 7 Tage
- Zeichen: ca. 50.000
API-Key erstellen
Erstellen Sie Ihren Schlüssel unter /get-api-key/. Ein Konto ist standortabhängig.
Der Schlüssel wird sofort aktiv und kann bei Bedarf neu ausgegeben werden.
- Registrierung: Google oder E-Mail
- Schlüssel: direkt aktiv
- Neuausgabe: jederzeit möglich
Integration starten
Senden Sie POST-Anfragen an https://api.xvive.info/v1/audio/speech. Die Struktur entspricht der OpenAI API.
Verwenden Sie das Standard-SDK oder einfache HTTP-Anfragen mit Ihrem Bearer-Token.
- Endpoint: POST /v1/audio/speech
- Auth: Bearer Token
- Format: JSON
Hören Sie sich die 8 Stimmen an
Jede der folgenden Samples wurde von dieser API aus demselben Satz generiert. Die Eingabetexte werden ausschließlich zur Erzeugung der Audioausgabe verwendet und nicht für Trainingszwecke gespeichert.
23 Sprachen
Jede Stimme kann jede dieser Sprachen sprechen.
Quellen und weiterführende Literatur
- Wikipedia
- IETF RFC 7845: Ogg Opus
- TRON developer hub: TRC-20
- LibriTTS-R corpus (OpenSLR 141)
- FFmpeg documentation
- LibriVox public-domain audiobooks
- Python documentation
- openai-node on GitHub
- Creative Commons Attribution 4.0
- LibriTTS-R paper (arXiv 2305.18802)
- Node.js documentation
- W3C WAI: making audio and video accessible
