Weiter zu
Text-to-Speech

Text-to-Speech-KI

Mit einer API auf Grundlage der besten KI-Technologien von Google wandeln Sie Text in natürlich klingende Sprache um.

Neukunden erhalten ein Guthaben von bis zu 300 $, um Text-to-Speech und andere Google Cloud-Produkte auszuprobieren.

  • Kundeninteraktionen mit intelligenten, lebensechten Antworten verbessern

  • Mit stimmlicher Benutzeroberfläche in Ihren Geräten und Anwendungen Nutzer ansprechen

  • Kommunikation je nach Nutzervorlieben für Stimme und Sprache personalisieren

Vorteile

High-Fidelity-Sprache

Nutzen Sie die bahnbrechenden Technologien von Google, um Sprache mit menschenähnlicher Intonation zu generieren. Basierend auf dem Sprachsynthesewissen von DeepMind liefert die API Stimmen, die fast wie Menschen klingen.

Riesige Stimmauswahl

Sie haben die Wahl zwischen mehr als 380 Stimmen in über 50 Sprachen und Varianten, einschließlich Mandarin, Hindi, Spanisch, Arabisch und Russisch. Wählen Sie die Stimme aus, die perfekt zu Ihren Nutzern und Ihrer Anwendung passt.

Einzigartige Stimme

Setzen Sie an allen Kunden-Touchpoints auf eine einzigartige Stimme als Wieder­erkennung­seffekt für Ihr Unternehmen, anstatt eine gängige Stimme zu verwenden, die auch von anderen Organisationen genutzt wird.

Demo

Text-to-Speech in Aktion

Geben Sie Ihren Text ein, wählen Sie eine Sprache aus und klicken Sie auf „Speak It“, um ihn anzuhören.

Wichtige Features

Wichtige Features

Journey-Stimmen (experimentell)

Nutzen Sie die neuesten spontanen Konversationsstimmen auf der Grundlage von AudioLM, um einen attraktiven Kundenservice anzubieten.

Stimmen in Studioqualität

Beeindrucken Sie Ihre Zuhörer mit professionell produzierten Inhalten, die in Studioqualität aufgenommen wurden.

Neural2-Stimmen

Erreichen Sie auch internationale Nutzer dank vorgefertigter Stimmen, die auf der neuesten Forschung hinter Custom Voice basieren.

Custom Voice

Trainieren Sie ein benutzerdefiniertes Sprachmodell mit eigenen Audioaufzeichnungen, um für die Kommunikation in Ihrem Unternehmen eine einzigartige, natürlicher klingende Stimme zu nutzen. Sie können ein passendes Sprachprofil definieren und auswählen oder auch die Stimme bei Bedarf einfach anpassen, ohne neue Aufnahmen zu erstellen.

Unterstützung von Text und SSML

Passen Sie die Sprachausgabe mithilfe von SSML-Tags an, um Pausen, Zahlen, Formatierungen von Datum und Uhrzeit sowie andere Anweisungen für die Aussprache hinzuzufügen.

Alle Features ansehen

Dokumentation

Dokumentation

Google Cloud Basics

Text-to-Speech – Grundlagen

Ein Leitfaden mit den grundlegenden Konzepten zur Verwendung der Text-to-Speech API.
Quickstart

Kurzanleitung: Befehlszeile verwenden

In dieser Kurzanleitung richten Sie Ihr Google Cloud-Projekt und die Autorisierung ein. Dann erstellen Sie eine Anfrage über die Text-to-Speech API, mit der Sie Audioinhalte aus Text generieren.
Google Cloud Basics

Unterstützte Stimmen und Sprachen

Sehen Sie sich Anleitungen und Ressourcen für dieses Produkt an.
Google Cloud Basics

Custom Voice (Beta)

Hier erfahren Sie, wie Sie mit Custom Voice und Ihren eigenen Aufnahmen in Studioqualität eine einzigartige, natürlich klingende Stimme erstellen.
Tutorial

WaveNet und andere synthetische Stimmen

Hier erfahren Sie mehr über die in Text-to-Speech verfügbaren synthetischen Stimmen, einschließlich der Premiumstimmen von WaveNet.
Tutorial

Adressen mit SSML sprechen

In diesem Tutorial wird gezeigt, wie Speech Synthesis Markup Language (SSML) zur Sprachausgabe einer Textdatei mit Adressen verwendet wird.

Suchen Sie nach etwas anderem?

Anwendungsfälle

Anwendungsfälle

Anwendungsfall
Sprach-Bots im Callcenter

Mithilfe von Sprach-Bots in Dialogflow können Sie die Sprachfunktionen im Kundenservice natürlicher gestalten, indem Sie Sprache dynamisch generieren, anstatt statische, vorab erstellte Audioaufnahmen abzuspielen. Begeistern Sie mit qualitativ hochwertigen, synthetischen Stimmen, die Anrufern ein vertrautes und persönliches Gefühl geben.

Sprach-Bots im Callcenter – Referenzarchitektur
Anwendungsfall
Stimmgenerierung in Geräten

Sorgen Sie für eine natürlich klingende Kommunikation mit Ihren Nutzern, indem Sie Ihren Geräten mit einem Text-Reader eine menschliche Stimmen verleihen. Mit Speech-to-Text und Natural Language stellen Sie eine umfassende sprachgesteuerte Benutzeroberfläche bereit und bieten Ihren Nutzern einfache und natürliche Interaktionen.

Referenzarchitektur zur Stimmgenerierung in Geräten
Anwendungsfall
Barrierefreie EPGs (Electronic Program Guides)

Lassen Sie die EPGs ganz einfach Text vorlesen, um Ihren Kunden ein besseres User Experience zu bieten und die Anforderungen an die Barrierefreiheit Ihrer Dienste und Anwendungen zu erfüllen. Testen Sie die EPG-Demoversion.

Implementieren Sie die Sprachausgabe-Funktion in EPGs, um die Nutzerfreundlichkeit zu verbessern und die Anforderungen an die Barrierefreiheit Ihrer Dienste und Anwendungen zu erfüllen. 

Referenzarchitektur, die zeigt, wie mit der TTS API barrierefreie EPGs erstellt werden können

Alle Features

Alle Features

Custom Voice
Trainieren Sie ein benutzerdefiniertes Sprachsynthesemodell mit eigenen Aufzeichnungen, um Ihrem Unternehmen eine einzigartige, natürlich klingende Stimme zu verleihen. Sie können ein passendes Sprachprofil definieren und auswählen oder auch die Stimme bei Bedarf einfach anpassen, ohne neue Aufnahmen zu erstellen. Weitere Informationen
Lange Audiosynthese
Mit der langen Audiosynthese werden bis zu 1 Million Byte an Eingaben asynchron synthetisiert.
Stimm- und Sprachauswahl
Wählen Sie aus mehr als 220 Stimmen in über 40 Sprachen und Varianten. Weitere folgen demnächst.
WaveNet-Stimmen
Profitieren Sie von mehr als 90 WaveNet-Stimmen, die auf der bahnbrechenden Forschung von DeepMind basieren, und generieren Sie Sprache, bei der kaum noch ein Unterschied zum Menschen festzustellen ist.
Unterstützung von Text und SSML
Passen Sie die Sprachausgabe mithilfe von SSML-Tags an, um Pausen, Zahlen, Formatierungen von Datum und Uhrzeit sowie andere Anweisungen für die Aussprache hinzuzufügen.
Einstellung der Tonlage
Passen Sie die Tonlage Ihrer ausgewählten Stimme um bis zu 20 Halbtöne über oder unter der Standardausgabe an.
Einstellung der Sprechgeschwindigkeit
Stellen Sie die Sprechgeschwindigkeit auf bis zu viermal höheres oder niedrigeres Tempo als normal ein.
Lautstärkeregelung
Erhöhen Sie die Lautstärke der Ausgabe um bis zu 16 dB oder verringern Sie die Lautstärke um bis zu -96 dB.
Integrierte REST und gRPC APIs
Einfache Einbindung in alle Anwendungen oder Geräte, die eine REST- oder gRPC-Anfrage senden können. Dazu zählen Smartphones, PCs, Tablets und IoT-Geräte wie Autos, Fernseher oder Lautsprecher.
Flexibilität im Audioformat
Konvertieren Sie Text in MP3, Linear16, OGG Opus und eine Reihe anderer Audioformate.
Audioprofile
Optimieren Sie Audioprofile für das Gerät, über das die Audiodatei ausgegeben werden soll, z. B. Kopfhörer oder Telefonleitungen.

Preise

Preise

Die Kosten für Text-to-Speech basieren darauf, wie viele Zeichen pro Monat zur Sprachsynthese an den Dienst gesendet werden. Die ersten eine Million Zeichen für WaveNet-Stimmen sind jeden Monat kostenlos. Für Standardstimmen (nicht WaveNet) sind die ersten vier Millionen Zeichen pro Monat kostenlos. Wenn das Kontingent der kostenlosen Stufe aufgebraucht ist, wird Text-to-Speech pro eine Million verarbeiteter Zeichen abgerechnet.

Wenn Sie nicht in US-Dollar bezahlen, gelten die Preise, die unter Google Cloud SKUs für Ihre Währung angegeben sind.

Gleich loslegen

Neukunden erhalten ein Guthaben von 300 $, um Text-to-Speech und weitere Google Cloud-Produkte auszuprobieren.

Google Cloud
  • ‪English‬
  • ‪Deutsch‬
  • ‪Español‬
  • ‪Español (Latinoamérica)‬
  • ‪Français‬
  • ‪Indonesia‬
  • ‪Italiano‬
  • ‪Português (Brasil)‬
  • ‪简体中文‬
  • ‪繁體中文‬
  • ‪日本語‬
  • ‪한국어‬
Console
Google Cloud