Hochwertige Text-to-Speech-API mit 8 Stimmen, 23 Sprachen

Von PlayTTS Studio Redaktion · Aktualisiert 2026-11-18

Willkommen bei PlayTTS Studio. Wir erklären transparent, woher unsere Audio-Daten stammen, welche technischen Grenzen gelten und wie wir mit Ihren Daten umgehen.

Dieser Text richtet sich an Freelancer im Immobilienbereich, die virtuelle Touren und Video-Exposés professionell ausstatten möchten. Lesen Sie hier mehr über unsere Lizenzierung, die technische Infrastruktur und wie Sie uns erreichen – ehrlich, konkret und ohne Marketing-Floskeln.

Hochwertige Text-to-Speech-API mit 8 Stimmen, 23 Sprachen

Häufig gestellte Fragen

Wer betreibt diese Seite?

Diese Seite wird von PlayTTS Studio betrieben, einem unabhängigen Anbieter der Text-to-Speech-API. Wir sind nicht mit OpenAI, ElevenLabs oder anderen großen Tech-Plattformen verbunden. Unser Fokus liegt darauf, Immobilienfreelancern eine einfache und kostengünstige Möglichkeit zu bieten, Textvorlagen für virtuelle Touren und Video-Exposés in professionelle Audiodateien umzuwandeln.

Sind die Stimmen lizenziert?

Ja, unsere acht Stimmen basieren auf lizenzierten Aufnahmen aus dem LibriTTS-R-Korpus (CC BY 4.0) und stammen von öffentlichen Hörbuchaufnahmen von LibriVox. Jede generierte Audiodatei enthält einen unsichtbaren Wasserzeichen, das sie als synthetische Sprache ausweist. Dies gewährleistet eine klare rechtliche Einordnung der verwendeten Sprachdaten für kommerzielle Projekte.

Werden meine Texte gespeichert?

Nein. Der eingegebene Text wird ausschließlich zur Erzeugung der Audiodatei verwendet und nicht für Trainingszwecke der KI gespeichert. Die generierte Audioausgabe wird direkt in der Antwort zurückgegeben und ebenfalls nicht dauerhaft abgelegt. Lediglich Metadaten wie Zeitstempel, Zeichenanzahl und Status werden für die Abrechnung aufbewahrt.

How lange werden die Daten aufgehoben?

Nur die für die Abrechnung notwendigen Metadaten – also Zeitpunkt, Zeichenanzahl und Status der Anfrage – werden gespeichert. Der eigentliche Eingabetext und die Audiodatei werden nicht dauerhaft auf unseren Servern archiviert. Diese Daten werden ausschließlich benötigt, um Ihre Nutzung korrekt zu erfassen und Ihre Guthabenabrechnung transparent zu gestalten.

Kann ich die API kommerziell nutzen?

Ja, die API ist vollständig für kommerzielle Anwendungen geeignet. Sie können die generierten Audiodaten beispielsweise für virtuelle Immobilienführungen, Video-Exposés oder Hörbuch-ähnliche Präsentationen nutzen. Es gibt keine Einschränkungen bei der Anzahl der Endnutzer oder der Art der kommerziellen Nutzung. Die Stimmen basieren auf lizenzierten Quellen, was die Nutzung sichert.

Gibt es eine Datenschutzerklärung?

Da wir nur Metadaten für die Abrechnung speichern und Texte nicht für Training nutzen, ist der Datenschutz einfach gehalten. Eine separate, detaillierte Datenschutzerklärung finden Sie auf unserer Kontaktseite oder im Footer. Grundsätzlich gelten unsere Richtlinien: Keine Speicherung des Rohtexts, keine Weitergabe an Dritte und keine Nutzung Ihrer Daten für andere Zwecke.

Wer ist der Ansprechpartner?

Unser einziger Ansprechpartner ist unser Support-Team per E-Mail. Wir bieten keine Telefonnummer, keinen Live-Chat oder persönliche Ansprechpartner an. Alle Anfragen, Rückfragen oder technischen Probleme werden ausschließlich über E-Mail bearbeitet. Dies ermöglicht uns, effizient und fokussiert auf die technische Stabilität unserer API für Immobilienfreelancer zu arbeiten.

Wie kann ich Feedback geben?

Feedback können Sie direkt über unsere E-Mail-Adresse an das Support-Team senden. Wir freuen uns über Hinweise zu Stimmen, Sprachen oder technischen Details, die Ihre Arbeit mit virtuellen Touren erleichtern. Da wir keinen Live-Chat anbieten, ist E-Mail der effizienteste Weg, um Ihre Erfahrungen mit der PlayTTS API zu teilen.

Unsere Redaktion

Schallwellenillustration für: Unsere Redaktion

Wir verbinden tiefe Audio-Expertise mit dem spezifischen Workflow von Immobilien-Freelancern. Unser Ziel ist es, die technische Hürde für professionelle Audiogenerierung niedrig zu halten, damit Sie sich auf Ihre Verkäufe konzentrieren können.

Experten für Audio-Technik

Experten für Audio-Technik

Wir verstehen die technischen Nuancen von Text-to-Speech-Systemen und wissen, welche Parameter für Immobilien-Exposés wirklich wichtig sind. Von der Sprachauswahl bis zur Geschwindigkeitsoptimierung prüfen wir jede Funktion auf ihren praktischen Nutzen.

Fokus auf Immobilien

Fokus auf Immobilien

Unser Ansatz ist speziell auf die Bedürfnisse von Maklern und Tour-Guides zugeschnitten. Wir testen die Stimmen und Formate direkt an virtuellen Hausführungen und Video-Objektdarstellungen, um sicherzustellen, dass die Audioqualität professionellen Ansprüchen genügt.

Ehrliche Bewertungen

Ehrliche Bewertungen

Wir übertreiben nicht. Wir testen die API unter realen Bedingungen – mit langen Texten und vielen Sprachen – und berichten genau darüber, wie sich die Generierung verhält. Wenn etwas nicht perfekt ist, sagen wir es Ihnen.

Stimmen-Lizenzierung

Schallwellenillustration für: Stimmen-Lizenzierung

Unsere 8 Stimmen basieren auf Aufnahmen aus dem LibriTTS-R-Datensatz (CC BY 4.0), der öffentliche Hörbücher aus LibriVox nutzt.

Die Lizenzierung erfolgt transparent über den Datensatz LibriTTS-R.

LibriVox öffentliche Bücher

LibriVox öffentliche Bücher

Jede unserer 8 Stimmen ist auf Aufnahmen aus dem LibriVox-Archiv basiert. Diese Grundlage sorgt für eine hohe Authentizität der Stimme.

CC BY 4.0 Lizenz

Die zugrunde liegenden Aufnahmen unterliegen der CC BY 4.0 Lizenz.

LibriTTS-R Datensatz

Der LibriTTS-R Datensatz strukturiert diese öffentlichen Audiodateien für das Training unserer Modelle. Er stellt die technische Basis für die 8 verfügbaren Stimmen-Standards bereit. Dies gewährleistet eine konsistente Qualität über alle 23 Sprachen hinweg.

Datenschutz & Daten

Schallwellenillustration für: Datenschutz & Daten

Ihre Eingabetexte werden ausschließlich zur Generierung der Audiodatei verwendet und danach nicht dauerhaft gespeichert. Sobald die Synthese abgeschlossen ist, wird der Audioinhalt direkt an Sie zurückgegeben und nicht auf unseren Servern abgelegt.

Im Gegensatz zu vielen anderen Diensten nutzen wir Ihre Texte nicht, um unsere Modelle zu trainieren. Dies gewährleistet, dass Ihre spezifischen Objektbeschreibungen oder Marketingtexte nicht in zukünftigen Trainingsdatensätzen landen.

Texte nicht gespeichert

Die von Ihnen gesendeten Textdaten dienen ausschließlich dem unmittelbaren Verarbeitungszweck der Audioerzeugung. Nach erfolgreicher Generierung und Auslieferung des Audiodatei-Formats (MP3, WAV, OPUS, FLAC oder PCM) verlässt der Rohtext unseren Systemprozess.

Kein Training der KI

Wir verwenden Ihre eingegebenen Texte nicht, um die zugrunde liegenden Sprachmodelle oder die 8 verfügbaren Stimmen (wie Aria, Nova oder Felix) weiter zu trainieren. Ihre Immobilienbeschreibungen bleiben also exklusiv Ihr Eigentum und fließen nicht in die Verbesserung unserer Basis-Engine ein.

Nur Abrechnungsdaten

Lediglich die notwendigen Metadaten Ihrer Anfragen werden für die Abrechnung und Fehlerbehebung aufbewahrt. Dazu gehören Zeitstempel, Zeichenanzahl und der Status der Synthese. Diese Daten werden strikt zur Verifizierung Ihrer Guthabenabzüge und zur Gewährleistung der Servicequalität verwendet.

Technische Limits

Schallwellenillustration für: Technische Limits

Unsere API ist auf zuverlässige, vollständige Audio-Generierung ausgelegt. Wir bieten keine Echtzeit-Streaming-Funktionen über WebSockets oder partielle Audio-Streams. Texte werden im Ganzen verarbeitet, was für Immobilien-Exposés und virtuelle Touren oft stabiler ist.

Das Fehlen von SSML und Phonem-Listen bedeutet, dass Sie keine feinen Aussprache-Kontrollen wie Pausen oder Betonungen direkt im Code setzen können. Für spezifische Betonungen passen Sie einfach den Fließtext an.

Kein Streaming

Es gibt keinen WebSocket-Stream oder partiellen Audio-Output. Die API gibt die fertige Audiodatei nach Abschluss der Synthese zurück. Dies ist ideal für batch-Verarbeitungen von Hunderten von Objektdaten.

Kein SSML

Wir unterstützen kein Speech Synthesis Markup Language (SSML). Es gibt keine Möglichkeit, <break> oder <prosody> Tags zu nutzen, um Pausen oder die Sprechgeschwindigkeit im Detail zu steuern. Die Steuerung erfolgt ausschließlich über den speed-Parameter zwischen 0.25 und 4.0.

Kein Voice Cloning

Wir bieten kein benutzerdefiniertes Voice Cloning an. Sie können keine eigene Stimme hochladen oder nachbilden. Die 8 verfügbaren Stimmen basieren auf lizenzierten Aufnahmen aus dem LibriTTS-R-Datensatz (CC BY 4.0) und sind fest definiert.

Technische Limits

Support & Kontakt

Schallwellenillustration für: Support & Kontakt

Wir konzentrieren uns auf die Entwicklung unserer Text-to-Speech-API und bieten daher einen direkten, effizienten Supportkanal an. Für Rückfragen zu API-Nutzung, Stimmen oder Abrechnungen erreichen Sie uns ausschließlich per E-Mail. Unser Team bearbeitet Ihre Anfragen zeitnah, ohne unnötige Wartezeiten durch Telefonwarten oder Chat-Tische.

Nur per E-Mail

Alle technischen und buchhalterischen Anfragen werden über unser Support-E-Mail-Adressen-System geleitet. Dies gewährleistet, dass jede Frage vollständig dokumentiert und präzise beantwortet wird. Sie erhalten eine schriftliche Bestätigung Ihrer Anfrage und eine detaillierte Antwort, die Sie direkt in Ihre Workflow-Protokolle integrieren können.

  • Keine Warteschleifen
  • Schriftliche Dokumentation aller Gespräche
  • Zentrale Anlaufstelle für alle Fragen

Kein Live-Chat

Wir verzichten auf einen Live-Chat, um die Antwortqualität zu maximieren. Oft sind kurze Chat-Nachrichten zu unpräzise für technische Details zur API oder zu komplexen Audio-Generierungen. Mit E-Mail können Sie Screenshots, Log-Dateien und spezifische API-Parameter direkt anhängen, was zu schnelleren und genaueren Lösungen führt.

Keine Telefonnummer

Es gibt keine zentrale Telefonnummer für Support. Dies ermöglicht es uns, unsere Ressourcen vollständig in die Infrastruktur und die Weiterentwicklung der 8 verfügbaren Stimmen und 23 Sprachen zu investieren. Für Immobilien-Freelancer, die oft remote arbeiten, ist die E-Mail-Kommunikation oft flexibler und asynchron nutzbar.

Unabhängigkeit

Schallwellenillustration für: Unabhängigkeit

PlayTTS Studio ist ein unabhängiger Storefront-Anbieter und steht in keiner Verbindung zu OpenAI, obwohl unsere API dem offenen Standard der OpenAI-Sprach-Endpunkte folgt. Wir nutzen dieselbe Anfragestruktur, bieten aber unsere eigene Infrastruktur und Preisgestaltung an, unabhängig von den Modellen oder Plänen anderer Anbieter.

Unsere Stimme basiert auf dem LibriTTS-R-Datensatz und der CC BY 4.0-Lizenz, nicht auf proprietären Modellen großer Tech-Konzerne. Das bedeutet für Immobilien-Freelancer: Wir sind kein Ableger, sondern ein spezialisiertes Werkzeug für den deutschen Markt.

Nicht verbunden mit OpenAI

Wir nutzen keine OpenAI-Modelle im Hintergrund und sind auch nicht mit dem Unternehmen verbunden. Unsere API emuliert nur das Request-Format, damit bestehende SDKs sofort funktionieren.

Das ermöglicht uns, die Preise und Limits unabhängig zu gestalten, ohne von den Preismodellen anderer Anbieter abhängig zu sein.

Eigene Infrastruktur

Die Synthese erfolgt über unsere eigene Cloud-Infrastruktur. Wir kontrollieren die Server, die Warteschlangen und die Ausgabequalität direkt.

Das garantiert, dass wir schnell auf spezifische Anforderungen im Immobilienbereich reagieren können, ohne auf die Wartungsfenster großer Plattformen warten zu müssen.

Unabhängige Tests

Unsere Leistungswerte basieren auf eigenen internen Tests der Audio-Qualität und der Antwortzeiten. Wir geben keine SLAs anderer Anbieter als unseren Standard aus.

Die gemessene Geschwindigkeit von ca. 25 Zeichen pro Sekunde wird unter realen Lastbedingungen ermittelt und ist nicht von externen Drittanbietern zertifiziert.

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.

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. LibriTTS-R corpus (OpenSLR 141)
  3. LibriVox public-domain audiobooks
  4. IETF RFC 7845: Ogg Opus
  5. Node.js documentation
  6. OpenAI API reference: create speech
  7. LibriTTS-R paper (arXiv 2305.18802)
  8. curl documentation
  9. openai-node on GitHub
  10. Creative Commons Attribution 4.0
  11. Python documentation
  12. FFmpeg documentation

Mehr auf dieser Website