Häufig gestellte Fragen
Was ist Text-to-Speech?
Text-to-Speech (TTS) wandelt geschriebenen Text in natürliche Audiodateien um. Mit unserer API senden Sie Text und erhalten eine Audioantwort. Dies ist ideal für virtuelle Immobilien-Touren und Video-Exposés. Sie nutzen eine einfache REST-API, die mit bestehenden SDKs kompatibel ist. So automatisieren Sie die Sprachausgabe für Hunderte von Objekten effizient und kostengünstig.
Wie hoch ist die Lautstärke der Audio-Ausgabe?
Die API gibt standardisierte Audiodateien zurück. Die exakte Lautstärke hängt vom gewählten Format und der Wiedergabesoftware ab. Für konsistente Ergebnisse in Ihren Video-Exposés empfiehlt sich die Nachbearbeitung in Ihrer Videobearbeitungssoftware. Die Audioqualität ist klar und professionell, sodass Sie sich auf die Inhalte Ihrer Immobilie konzentrieren können.
Kann ich die Geschwindigkeit der Stimme anpassen?
Ja, Sie können die Geschwindigkeit zwischen 0,25 und 4,0 anpassen. Dies ermöglicht Ihnen, die Sprechgeschwindigkeit genau an den Kontext Ihrer Immobilie anzupassen. Schnelle Erklärungen oder ruhige Vorstellungsgespräche sind möglich. Die Einstellung erfolgt direkt im API-Request-Feld „speed“. So gestalten Sie die virtuelle Tour perfekt für Ihre Zielgruppe.
Werden meine Texte für das Training verwendet?
Nein. Ihre eingegebenen Texte werden ausschließlich zur Erzeugung der Audiodatei verwendet. Sie kommen nicht in Trainingsdatensätze. Nach der Generierung wird der Audioinhalt nicht gespeichert. Lediglich Metadaten wie Zeit und Zeichenanzahl bleiben für die Abrechnung erhalten. Ihre Inhalte bleiben also privat und sicher, ohne dass Dritte darauf zugreifen.
Wie viele Zeichen kann ich pro Anfrage senden?
Sie können maximal 4096 Zeichen pro Anfrage senden. Dies umfasst Text, Leerzeichen und Interpunktion. Für längere Texte empfehlen wir, diese in Teile aufzuteilen und die Audiodateien später zusammenzuführen. Dies gewährleistet eine stabile Verarbeitung. Für typische Objektbeschreibungen ist das Limit meist ausreichend, um die gesamte Beschreibung in einer Datei zu erstellen.
Welche Sprachen werden unterstützt?
Wir unterstützen 23 Sprachen, darunter Deutsch, Englisch, Spanisch, Französisch, Italienisch, Portugiesisch, Niederländisch, Russisch, Chinesisch, Japanisch, Koreanisch, Arabisch, Hindi, Türkisch, Polnisch, Schwedisch, Norwegisch, Dänisch, Finnisch, Griechisch, Hebräisch, Malay und Swahili. Jede Stimme kann jede dieser Sprachen sprechen. Für Nicht-Englisch-Texte in lateinischer Schrift sollten Sie das Feld „language“ explizit setzen.
Gibt es ein Limit für die Anzahl der Anfragen?
Ja, es gelten 60 Anfragen pro Minute pro API-Schlüssel. Vor der ersten Aufladung sind es nur 10 Anfragen pro Minute. Dies reicht für die meisten Freelancer-Arbeitsabläufe aus. Bei hoher Auslastung können Anfragen in einer Warteschlange verarbeitet werden. Für massive Batch-Prozesse empfehlen wir, die Anfragen gleichmäßig über die Zeit zu verteilen.
Ist die API für mobile Apps geeignet?
Die API ist primär als REST-Schnittstelle für Server-zu-Server-Kommunikation ausgelegt. Wir bieten kein natives mobiles SDK an. Sie können sie jedoch über HTTP-Anfragen in Ihre App-Backend-Logik integrieren. Für direkte App-Nutzung müssen Sie die Authentifizierung sicher handhaben. Die API ist technisch geeignet, aber nicht als spezialisierte Mobile-Lösung konzipiert.
Kann ich die Stimmen für kommerzielle Zwecke nutzen?
Die Stimmen basieren auf lizenzierten Aufnahmen (LibriTTS-R, CC BY 4.0) und öffentlichen Hörbüchern. Die generierten Audio-Dateien tragen einen unsichtbaren Wasserzeichen. Kommerzielle Nutzung ist grundsätzlich möglich, da keine individuellen Stimmenklonen verwendet werden. Prüfen Sie jedoch die genauen Lizenzbedingungen der zugrunde liegenden Quellen für Ihre spezifische Vertriebsart, da wir keine individuellen Verträge anbieten.
Wie lange sind die generierten Audiosdateien?
Die Audiodauer entspricht in etwa der Echtzeit. Bei langen Texten entstehen etwa 25 Zeichen Text pro Sekunde Audio. Kurze Sätze dauern einige Sekunden länger. Die Länge hängt also direkt von der Menge Ihres eingegebenen Textes ab. Für eine typische Immobilienbeschreibung von 1000 Zeichen erwarten Sie etwa 40 Sekunden Audio.
Gibt es eine monatliche Grundgebühr?
Nein, es gibt keine monatlichen Grundgebühren, keine Abonnements und keine Mindestumsätze. Sie zahlen nur nach Verbrauch: 0,01 $ pro 1000 Zeichen. Ihr Guthaben verfällt nicht. Sie können bei Bedarf nachladen. Dies ist ideal für Freelancer, deren Auftragslage schwankt. Sie zahlen nur für das, was Sie tatsächlich generieren, ohne Fixkosten.
Kann ich die API in WordPress integrieren?
Wir bieten kein offizielles WordPress-Plugin an. Die Integration erfolgt über direkte HTTP-Anfragen an die API. Sie können dies über ein benutzerdefiniertes Plugin oder PHP-Skripte in Ihrem Theme lösen. Da die API standardkonform ist, funktioniert die Integration grundsätzlich. Sie müssen jedoch die Schnittstellenanbindung selbst entwickeln oder entwickeln lassen, da kein vorgefertigter Plugin-Code existiert.
Wie schnell ist die Generierung?
Die Generierung dauert bei langen Texten etwa Echtzeit (25 Zeichen pro Sekunde). Kurze Phrasen benötigen einige Sekunden. Anfragen werden nacheinander verarbeitet, sodass es bei hoher Last zu Wartezeiten in der Queue kommen kann. Für Ihre Immobilien-Exposés ist die Geschwindigkeit ausreichend, um Batch-Prozesse automatisiert durchzuführen, ohne dass Nutzer warten müssen.
Was passiert bei einem Fehler bei der Anfrage?
Bei einem Fehler wird die Anfrage kostenlos abgerechnet. Die Gebühr wird Ihnen vollständig gutgeschrieben. Sie erhalten also kein Audio, aber auch keine Kosten. Dies macht die Nutzung risikofrei für Tests. Stellen Sie sicher, dass Sie API-Responses korrekt prüfen, um Fehler schnell zu erkennen und ggf. die Anfrage mit angepassten Parametern wiederholt abzuschicken.
Erste Anfrage
curl
curl https://api.playtx666.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 Audio für Immobilien-Exposés?
Audio verwandelt statische Text-Exposés in emotionale Erlebnisse. Für Immobilien-Freelancer ist es entscheidend, potenzielle Käufer nicht nur lesen, sondern auch fühlen zu lassen. Natürliche Sprachausgabe begleitet virtuelle Touren und macht das Angebot greifbar.
Hören bleibt eine der natürlichsten Formen der Informationsaufnahme. Indem Sie Textvorlagen in professionelle Audiodateien umwandeln, schaffen Sie eine direkte Verbindung zum Kunden, die über das reine Lesen hinausgeht.
Virtuelle Touren bereichern
Stellen Sie sich vor, Ihr Kunde schaut sich ein Haus an und hört gleichzeitig eine klare Beschreibung der Räume. PlayTTS Studio ermöglicht es Ihnen, Hunderte von Objekten schnell mit nativer Sprache zu versehen. Dies ist ideal für Immobilien-Freelancer, die viele Exposés erstellen müssen.
- Automatische Generierung von Audio für Textvorlagen
- Unterstützung für lange Texte durch automatische Aufteilung
- Konsistente Qualität über alle Objekte hinweg
Barrierefreie Angebote
Nicht jeder möchte oder kann lange Texte lesen. Audio macht Ihre Immobilienangebote für Menschen mit Sehbehinderungen oder Lese-Schwierigkeiten zugänglich. Dies erweitert Ihren Kundenkreis signifikant und zeigt Professionalität.
- Unterstützung der 23 verfügbaren Sprachen
- Klare, verständliche Stimmen wie Aria oder Luna
Höhere Verweildauer
Besucher verbringen mehr Zeit auf Ihrer Seite, wenn sie Inhalte aktiv hören. Audio erhöht die Verweildauer und die Wahrscheinlichkeit, dass sich Interessenten mit Ihrer Immobilie beschäftigen. Dies ist ein klarer Vorteil gegenüber rein textbasierten Angeboten.
- Engagierendere Nutzererfahrung
- Höhere Interaktionsraten durch Audio
Die 8 Premium-Stimmen
Die Qualität Ihrer Audio-Dateien hängt maßgeblich von der Stimme ab. Wir bieten acht vorselektierte Stimmen, die auf lizenzierten Aufzeichnungen basieren und sich ideal für unterschiedliche Präsentationsszenarien eignen. Jede Stimme ist klar definiert, damit Sie die passende Tonalität für Ihre Immobilien-Exposés wählen können.
Klare Narration (Aria)
Aria ist eine weibliche Stimme, die durch einen warmen und klaren Erzählton überzeugt. Sie ist ideal für ruhige, strukturierte Beschreibungen von Grundrissen und Wohnflächen. Ihre klare Artikulation sorgt dafür, dass Details wie Materialangaben oder Raumaufteilungen präzise wahrgenommen werden.
- Perfekt für ruhige, strukturierte Beschreibungen
- Warm und klar im Erzählton
- Ideal für Grundriss- und Wohnflächenangaben
Energie für Promotions (Felix)
Felix ist eine männliche Stimme mit energischem Charakter. Sie eignet sich hervorragend für dynamische Werbespots und Highlights eines Angebots. Seine lebendige Art zieht die Aufmerksamkeit der potenziellen Käufer auf sich und eignet sich gut für kurze, wirkungsvolle Aussagen.
- Lebendiger, energischer Charakter
- Ideal für dynamische Werbespots
- Zieht Aufmerksamkeit auf Highlights
Beruhigende Stimme (Luna)
Luna ist eine weibliche Stimme mit einem weichen, geschichtenerzählenden Ton. Sie schafft eine angenehme Atmosphäre und eignet sich gut für längere Texte oder emotionale Aspekte eines Hauses. Ihre sanfte Art hilft dabei, das Gefühl von Zuhause zu vermitteln.
- Weicher, geschichtenerzählender Ton
- Schafft angenehme Atmosphäre
- Vermittelt das Gefühl von Zuhause
Unterstützte Sprachen
Virtuelle Immobilien-Touren erreichen heute ein globales Publikum. Mit unserer API versehen Sie Ihre Exposés schnell und kostengünstig mit professioneller Sprachausgabe in der Muttersprache Ihrer Zielgruppe. Das steigert die Verweildauer und macht Angebote barrierefrei.
Deutsch, Englisch, Französisch
Diese drei Sprachen bilden das Fundament für die meisten europäischen Makler. Nutze die Stimme "Aria" für klare, neutrale Ansagen oder "Felix" für lebendige Promotions. Die automatische Spracherkennung funktioniert zuverlässig, auch wenn du das Language-Tag weglässt.
Spanisch, Italienisch, Niederländisch
Erweitere dein Portfolio für den Mittelmeerraum oder die Benelux-Region. Unsere Engine beherrscht diese Sprachen mit hoher natürlicher Intonation. Perfekt für Video-Exposés, die auch ohne Untertitel verstanden werden. Die Qualität ist sofort einsatzbereit.
23 Sprachen insgesamt verfügbar
Von Arabisch über Japanisch bis hin zu Swahili: Wir unterstützen 23 Sprachen. Jede Stimme kann jede dieser Sprachen sprechen. Dies ermöglicht dir, internationale Käuferkreise direkt anzusprechen, ohne neue Stimmen kaufen zu müssen.
- Arabisch, Chinesisch, Dänisch, Deutsch, Englisch, Finnisch, Französisch, Deutsch, Griechisch, Hebräisch, Hindi, Italienisch, Japanisch, Koreanisch, Malay, Norwegisch, Polnisch, Portugiesisch, Russisch, Spanisch, Swahili, Schwedisch, Türkisch
So funktioniert die API
Mit der PlayTTS API wandeln Sie Text in hochwertige Audio-Dateien um. Die Schnittstelle ist einfach: Senden Sie eine POST-Anfrage an den Endpunkt /v1/audio/speech mit einem JSON-Body. Sie benötigen nur einen API-Schlüssel und die Details zu Modell, Stimme und Sprache.
JSON-Anfrage senden
Konfigurieren Sie Ihre Anfrage mit den erforderlichen Feldern. Geben Sie das Modell (tts-1 oder tts-1-hd), den Text (max. 4096 Zeichen) und die gewünschte Stimme an. Die Authentifizierung erfolgt über den Bearer-Token im Header.
- Endpoint: POST https://api.playtx666.com/v1/audio/speech
- Auth: Authorization: Bearer tts-...
Audio-Datei erhalten
Nach dem Senden erhalten Sie die synthetisierte Audiodatei direkt in der Antwort. Bei fehlgeschlagenen Anfragen wird der Betrag erstattet. Die Verarbeitung erfolgt in der Regel schnell, wobei lange Texte in Segmente unterteilt werden.
Formate: MP3, WAV, FLAC
Wählen Sie das Ausgabeformat passend zu Ihrem Workflow. Neben MP3 und WAV stehen auch OPUS und FLAC zur Verfügung. Das gewählte Format wird im JSON-Body als response_format definiert.
- MP3, WAV, OPUS, FLAC, PCM
Kostenlose Testversion
Starten Sie sofort ohne Risiko und testen Sie die Qualität unserer Stimmen. Mit einem kostenlosen Startguthaben von 0,50 $ erhalten Sie Zugang zu etwa 50.000 Zeichen. Das reicht aus, um mehrere virtuelle Touren oder Video-Exposés mit professioneller Sprachausgabe zu versehen.
0,50 € Startguthaben
Dieses Guthaben entspricht rund 50.000 Zeichen und ermöglicht Ihnen eine umfassende Evaluation der API-Funktionen. Sie können verschiedene Stimmen testen und die Audiodateien direkt für Ihre Immobilienpräsentationen nutzen, ohne sofort Geld ausgeben zu müssen.
- Äquivalent zu ca. 50.000 Zeichen
- Ideal zum Testen aller 8 Stimmen
- Keine Vorab-Bindung
7 Tage gültig
Das Startguthaben ist 7 Tage lang gültig, nachdem Sie sich mit Ihrem Google-Konto angemeldet haben. Nutzen Sie diese Zeit, um Ihre ersten Audio-Dateien zu generieren und die Qualität in Ihrem Workflow zu prüfen.
Keine Kreditkarte nötig
Für die Inanspruchnahme der Testversion wird keine Kreditkarte benötigt. Die Anmeldung erfolgt einfach über Ihr Google-Konto. So starten Sie schnell und unkompliziert mit der Entwicklung Ihrer Immobilien-Audioinhalte.

Preisgestaltung
Wir berechnen nur das, was wirklich generiert wird: 0,01 $ pro 1.000 Zeichen. Leerzeichen und Satzzeichen zählen dabei mit. Bei Fehlern erstatten wir den vollen Betrag sofort, sodass Sie kein Risiko eingehen.
Es gibt keine monatlichen Grundgebühren, keine versteckten Kosten und keine Mindestumsätze. Sie zahlen nur für die tatsächlich verbrauchten Zeichen und können jederzeit mit kleinen Beträgen starten.
0,01 € pro 1.000 Zeichen
Der Preis ist transparent und einheitlich: Eine Million Zeichen kosten 10 $. Das macht es einfach, die Kosten für lange Exposés oder virtuelle Touren im Voraus zu kalkulieren.
- Abrechnung nach tatsächlicher Nutzung
- Keine Mindestmengen oder Pauschalgebühren
Keine monatlichen Gebühren
Im Gegensatz zu vielen Abo-Modellen fallen keine wiederkehrenden Kosten an. Ihr Guthaben bleibt dauerhaft erhalten und verfällt nicht. So planen Sie flexibel für mehrere Projekte ohne Fixkosten.
Das System ist ideal für Freelancer, die nicht jeden Monat dieselbe Menge an Audio-Dateien benötigen.
Zahlung per USDT
Die Aufladung erfolgt ausschließlich über USDT (TRC-20) im TRON-Netzwerk. Überweisungen sind schnell und das Guthaben wird automatisch nach Bestätigung der Transaktion gutgeschrieben.
Kreditkarten, PayPal oder Rechnungen mit Mehrwertsteuer gibt es nicht. So vermeiden Sie komplexe Abrechnungsprozesse und behalten die volle Kontrolle über Ihre Ausgaben.
- Mindestbetrag: 5 $
- Kreditkarten- und PayPal-Zahlung nicht möglich
Technische Anforderungen
Für jede API-Anfrage stehen maximal 4096 Zeichen zur Verfügung. Längere Texte für virtuelle Touren müssen daher im Voraus in passende Abschnitte aufgeteilt werden. Die einzelnen Audio-Dateien lassen sich anschließend nahtlos zusammenfügen, sodass Sie auch umfangreiche Objektbeschreibungen oder komplette Exposé-Kommentare ohne technische Hürden verarbeiten können.
Max. 4096 Zeichen pro Anfrage
Die API verarbeitet Textblöcke bis zu einer Länge von 4096 Zeichen pro Aufruf. Bei längeren Exposés oder detaillierten Objektbeschreibungen teilen Sie den Text einfach in mehrere Segmente auf. Die resultierenden Audio-Dateien können Sie später zu einer einzigen, zusammenhängenden Audiodatei für Ihre virtuelle Tour verbinden.
- Maximale Länge: 4096 Zeichen pro JSON-Anfrage
- Einfaches Splitting bei längeren Texten
- Keine Komprimierung der Sprachqualität
Geschwindigkeit anpassbar
Die Abspielgeschwindigkeit lässt sich flexibel zwischen 0,25 und 4,0 anpassen. Dies ermöglicht es Ihnen, die Sprachausgabe exakt an den Kontext anzupassen: Langsamere Geschwindigkeiten eignen sich hervorragend für detaillierte Beschreibungen von Grundrissen, während schnellere Raten bei kurzen Calls-to-Action im Video-Exposé effizienter wirken.
OpenAI SDK kompatibel
Die API nutzt dieselbe JSON-Struktur wie die OpenAI-Speech-Endpunkte. Dadurch können Sie bewährte OpenAI-SDKs direkt verwenden, indem Sie die base_url einfach auf https://api.playtx666.com/v1 anpassen. Dies erleichtert die Integration in Ihre bestehenden Python- oder Node.js-Workflows erheblich.
Datenschutz & Qualität
Ihre Eingabetexte dienen ausschließlich der Audioerzeugung und werden nach der Synthese nicht gespeichert. Somit bleiben Ihre spezifischen Objektbeschreibungen und Preisangaben privat, da sie nicht für das Training unserer Modelle verwendet werden.
Jede generierte Audiodatei enthält ein unhörbares Wasserzeichen, das sie eindeutig als synthetische Sprache ausweist. Dies gewährleistet Transparenz für die Endnutzer Ihrer virtuellen Touren, ohne die Qualität der Darstellung zu beeinträchtigen.
Texte werden nicht gespeichert
Der Text, den Sie an die API senden, wird nur für den direkten Generierungsprozess genutzt. Sobald die Audiodatei erstellt und an Sie zurückgesendet wurde, liegt keine persistente Speicherung des Input-Textes vor, der für zukünftige Analysen oder Model-Verbesserungen genutzt werden könnte.
Kein Training der KI
Im Gegensatz zu einigen anderen Diensten werden Ihre eingegebenen Texte nicht verwendet, um unsere Sprachmodelle zu trainieren. Dies bedeutet, dass Ihre individuellen Immobilienbeschreibungen nicht in der allgemeinen Trainingsdatenbank Ihrer Stimme wiederzufinden sind.
Invisibles Wasserzeichen
Jede ausgegebene Audio-Datei trägt ein inaudibles digitales Wasserzeichen. Dieses kennzeichnet die Datei transparent als KI-generierte Stimme, was die Authentizität Ihrer virtuellen Touren unterstützt, ohne dass der Hörer es bewusst wahrnimmt.
Häufige Fragen
Klare Antworten zu Technik, Qualität und Stimme. Hier finden Sie die wichtigsten Details zur Nutzung unserer Text-to-Speech-API für Immobilien-Exposés und virtuelle Touren.
Ist die Qualität realistisch?
Die Stimmen basieren auf lizenzierten Aufnahmen und klingen natürlich. Jede generierte Datei enthält ein unsichtbares Wasserzeichen, das sie als synthetische Sprache ausweist. Für nicht-englischen Text mit lateinischem Schriftbild sollten Sie das Feld language explizit setzen, um falsche Zuordnungen zu vermeiden.
Welche Formate werden unterstützt?
Sie können zwischen MP3, WAV, OPUS, FLAC und PCM wählen. Die Wahl des Formats hängt von Ihrer Speicher- oder Übertragungsstrategie ab. Alle Formate werden direkt über die API als Audio-Datei zurückgegeben.
Kann ich meine eigene Stimme nutzen?
Nein, wir bieten derzeit kein Custom Voice Cloning an. Sie wählen aus den 8 vordefinierten Presets wie Aria, Felix oder Luna. Diese Stimmen sind auf Basis von LibriTTS-R und öffentlichen Hörbüchern lizenziert und für den professionellen Einsatz optimiert.
Hören Sie sich die 8 Stimmen an
Jede der folgenden Samples wurde von dieser API aus demselben Satz generiert. Sage verkörpert eine ruhige, sachliche Stimme, die sich perfekt für professionelle Immobilien-Exposés eignet.
23 Sprachen
Jede Stimme kann jede dieser Sprachen sprechen.
