So integrieren Sie Text to Speech in Ihre Anwendungen

Um Text to Speech in Ihre Anwendungen zu integrieren, erstellen Sie einen API-Schlüssel, installieren Sie das ElevenLabs SDK, senden Sie Ihren Text mit einer Stimme und einem Modell an den TTS-Endpunkt und spielen Sie das zurückgegebene Audio ab.

Dieser Leitfaden erklärt jeden dieser Schritte in Python und TypeScript, zeigt Ihnen, wie Sie den passenden TTS-Integrationsweg wählen, und beschreibt Lösungen für häufige Fehler.

Was ist eine Text-to-Speech-API?

Mit einer Text-to-Speech-API können Entwickler geschriebenen Text programmatisch in natürlich klingendes Audio umwandeln, ohne ein eigenes TTS-Modell hosten zu müssen. Nach der Integration einer TTS-API in eine Anwendung senden Entwickler einfach eine Anfrage an die API und erhalten das Audio zurück. So fügen sie Anwendungen unkompliziert eine Stimme hinzu.

Die besten Text-to-Speech-APIs wie ElevenAPI bieten detaillierte Kontrolle darüber, wie das fertige Audio klingt – von der Wahl der Stimme für einen Textabschnitt bis zur vermittelten Emotion. Je nach Anwendungsfall können Sie außerdem zwischen Batch- und Streaming-Verarbeitungsoptionen wählen, um Ihre Audiobeispiele zu erstellen.

So funktioniert eine Text-to-Speech-API-Anfrage

Wenn Sie eine TTS-API aufrufen, laufen im Hintergrund einige Schritte ab, um Ihr Audio bereitzustellen.

So funktioniert eine Text-to-Speech-API-Anfrage:

1. Ihre Anwendung sendet den Text zusammen mit der gewählten Stimme und dem Modell an den Text-to-Speech-Endpunkt.
2. Die API generiert die Sprache und gibt Audio im gewünschten Ausgabeformat zurück, etwa MP3.
3. Ihre Anwendung spielt das Audio ab oder speichert es als Datei.

Wenn Ihre Anwendung im Browser läuft, sollten Sie die Anfrage über Ihren eigenen Server senden, damit Ihr API-Schlüssel nie im clientseitigen Code erscheint.

Checkliste: Was Sie vor der TTS-Integration benötigen

Bevor Sie Text to Speech in Ihre Anwendungen integrieren, stellen Sie sicher, dass Sie Folgendes haben:

• Ein ElevenLabs-Konto. Sie können sich registrieren – in wenigen Minuten.
• Ein Terminal und einen Code-Editor.
• Python 3 oder Node.js auf dem Computer, an dem Sie arbeiten.
• Eine Möglichkeit, das empfangene Audio abzuspielen.

Sobald alles bereit ist, können Sie TTS in Ihre App integrieren.

So integrieren Sie eine Text-to-Speech-API in Ihre Anwendung

Mit ElevenAPI dauert die Integration einer TTS-API in Ihre Anwendung nur wenige Minuten. Wenn Sie bereits ein Konto haben, können Sie direkt mit den folgenden Schritten beginnen. Andernfalls registrieren Sie sich zuerst.

Die Schritte lauten:

1. API-Schlüssel erstellen
2. SDK installieren
3. Erste Anfrage senden
4. Ausführen

Sehen wir uns die Schritte genauer an.

API-Schlüssel erstellen

Rufen Sie einen API-Schlüssel über das ElevenLabs API-Dashboard ab. Nach dem Klick auf „Create Key“ können Sie den API-Typ konfigurieren. Stellen Sie für diesen Anwendungsfall sicher, dass TTS mit „Access“ aktiviert ist.

Kopieren Sie den API-Schlüssel und fügen Sie ihn als Umgebungsvariable in .env ein – oder direkt in die Konfiguration Ihrer App, je nach Architektur. Die Speicherung in Ihrer .env-Datei hält den Schlüssel geheim und ermöglicht Ihrem Skript, ihn zur Laufzeit zu laden.

ELEVENLABS_API_KEY=<your_api_key_here>

Soll Ihr Coding-Agent die Einrichtung übernehmen? Fügen Sie Folgendes in Ihren Agenten ein: npx -y @elevenlabs/cli@latest onboard init. Die ElevenLabs CLI öffnet Ihren Browser für die Anmeldung, speichert den Schlüssel in der env-Datei Ihres Projekts und führt den Agenten durch die restlichen Schritte. Für npx benötigen Sie Node.js. Details finden Sie im Quickstart.

SDK installieren

Für die Einrichtung einer Text-to-Speech-API müssen Sie zwei wichtige Pakete installieren. Das erste ist das ElevenLabs SDK, das den API-Aufruf für Sie übernimmt. Das zweite ist dotenv, das Ihren API-Schlüssel aus der in Schritt 1 konfigurierten .env-Datei lädt.

Wenn Sie mit der CLI arbeiten, lesen Sie unsere TTS-API-Dokumentation. Dort finden Sie detailliertere Anweisungen und verfügbare Optionen.

So installieren Sie das SDK und dotenv für Ihre TTS-API mit Python und TypeScript.

Python

pip install elevenlabs
pip install python-dotenv

TypeScript

npm install @elevenlabs/elevenlabs-js
npm install dotenv

Erste Anfrage senden

Erstellen Sie als Nächstes den Client. Der Client ist ein Objekt, das ElevenAPI kapselt. Erstellen Sie je nach Programmiersprache eine .py- oder .mts-Datei.

Vier zentrale Werte beeinflussen die Ausgabe:

• Stimm-ID: ElevenLabs bietet über 17.500 Stimmen in unserer Stimmbibliothek. Wählen Sie eine Stimme, die Ihre Anwendung am besten repräsentiert, oder passen Sie sie an den Anwendungsfall an. In den Quickstart-Codeblöcken unten verwenden wir „George“ mit der Stimm-ID „JBFqnCBsd6RMkjVDRZzb“.
• Text: Die Textzeichenfolge, die das ElevenAPI-TTS-Modell in eine Audiodatei umwandeln soll.
• Modell-ID: Das konkrete Modell, das Sie zur Audiogenerierung auswählen. Im folgenden Beispiel verwenden wir eleven_v4. Sie können aber auch eines unserer Text-to-Speech-Modelle wählen, wenn es besser zu Ihrem Anwendungsfall passt. Beispielsweise können Sie Eleven Flash v2.5 (eleven_flash_v2_5 im Feld für die Modell-ID) wegen seiner niedrigen Latenz verwenden.
• Ausgabeformat: Legen Sie die Audiocodierung fest, die Sie von der TTS-API erhalten möchten. Standardmäßig wird MP3 ausgegeben, Sie können aber auch Formate wie ulaw oder pcm verwenden.

So sehen diese TTS-API-Dateien in Python und TypeScript aus. Beide folgenden Beispiele verwenden das Modell eleven_v4.

Python

from dotenv import load_dotenv
from elevenlabs.client import ElevenLabs
from elevenlabs.play import play
import os

load_dotenv()

elevenlabs = ElevenLabs(
  api_key=os.getenv("ELEVENLABS_API_KEY"),
)

audio = elevenlabs.text_to_speech.convert(
    text="The first move is what sets everything in motion.",
    voice_id="JBFqnCBsd6RMkjVDRZzb",  # "George" - browse voices at elevenlabs.io/app/voice-library
    model_id="eleven_v4",
    output_format="mp3_44100_128",
)

play(audio)

TypeScript

import { ElevenLabsClient, play } from "@elevenlabs/elevenlabs-js";
import "dotenv/config";

const elevenlabs = new ElevenLabsClient();
const audio = await elevenlabs.textToSpeech.convert(
	"JBFqnCBsd6RMkjVDRZzb", // "George" - browse voices at elevenlabs.io/app/voice-library
	{
		text: "The first move is what sets everything in motion.",
		modelId: "eleven_v4",
		outputFormat: "mp3_44100_128",
	},
);

await play(audio);

cURL

Sie können den Endpunkt auch aus jeder Sprache aufrufen, die HTTP-Anfragen unterstützt. Dieses cURL-Beispiel sendet denselben Text und speichert das Audio in einer Datei:

curl -X POST "https://api.elevenlabs.io/v1/text-to-speech/JBFqnCBsd6RMkjVDRZzb?output_format=mp3_44100_128" --output speech.mp3 \
     -H "xi-api-key: $ELEVENLABS_API_KEY" \
     -H "Content-Type: application/json" \
     -d '{
  "text": "The first move is what sets everything in motion.",
  "model_id": "eleven_v4"
}'

Ausführen

Jetzt können Sie die TTS-API-Datei ausführen. Führen Sie je nachdem, ob Sie Python oder TypeScript verwenden, einen der folgenden Befehle aus.

Python

python example.py

TypeScript

npx tsx example.mts

Sie sollten das Audio über Ihre Lautsprecher hören. Öffnen Sie beim cURL-Beispiel stattdessen speech.mp3.

Häufige Fehler bei der TTS-Integration beheben

Wenn Ihre erste Anfrage fehlschlägt, vergleichen Sie den erhaltenen Statuscode mit dieser Liste möglicher Fehler.

Eine vollständige Liste der Fehler finden Sie in der Fehlerreferenz.

Vorteile der Integration einer Text-to-Speech-API

Eine Sprachschnittstelle eröffnet Nutzern eine neue Möglichkeit, mit Ihrer Anwendung zu interagieren. Für manche Menschen, etwa mit Sehbehinderungen, ist sie möglicherweise die einzige praktische Möglichkeit, Ihre Anwendung zu nutzen.

Das sind die Vorteile der Integration einer TTS-API in Ihre Anwendung:

• Barrierefreiheit: Gesprochenes Audio bietet eine neue Art der Interaktion mit Ihrer Anwendung und macht sie für Menschen zugänglich, die Inhalte nicht einfach auf einem Bildschirm lesen können.
• Interaktion: Vorlese- und Mithörfunktionen ermöglichen Nutzern, Inhalte nebenbei aufzunehmen – eine zunehmend verbreitete Art, Inhalte zu konsumieren.
• Voice-first-Erlebnisse: Gesprochene Antworten geben Chatbots und In-App-Anleitungen eine natürliche Möglichkeit, mit Nutzern zu sprechen.
• Mehrsprachige Reichweite: Eleven v4 unterstützt über 90 Sprachen, sodass Ihre Integration Zielgruppen weltweit erreicht.

Da die Einrichtung so einfach ist, macht eine TTS-API Ihre Anwendung interaktiver und ausdrucksstärker.

Den richtigen Integrationsweg und das richtige Modell wählen

ElevenAPI ist eine der schnellsten und einfachsten Möglichkeiten, einer Anwendung Stimme hinzuzufügen. Je nach Bedarf stehen Ihnen jedoch mehrere weitere Wege offen.

Hier sind einige TTS-Integrationsmethoden zur Auswahl:

Wenn Sie sich für ElevenAPI entscheiden, müssen Sie außerdem ein Modell für Ihre Anfrage wählen. Hier ist ein kurzer Überblick über die verfügbaren ElevenLabs-TTS-Modelle:

In unserer Stimmbibliothek können Sie außerdem aus über 17.500 Stimmen wählen. Ersetzen Sie einfach die Beispiel-ID in einem Code-Snippet durch Ihre bevorzugte ID.

Häufige Anwendungsfälle einer Text-to-Speech-API

Sobald Ihre erste Anfrage funktioniert, kann derselbe Aufruf zahlreiche Funktionen ermöglichen.

Hier sind einige Beispiele für die Nutzung einer TTS-API in einer Anwendung:

• Lesen in der App: Senden Sie den Text in Abschnitten und spielen Sie das Audio der Reihe nach ab. Weitere Informationen finden Sie in unserem Integrationsleitfaden für API-Batching.
• Audioantworten von Chatbots: Leiten Sie jede Antwort Ihres Chatbots über die API und streamen Sie das Audio für ein interaktiveres Erlebnis zurück an den Nutzer.
• Telefonsysteme: Fordern Sie für Telefonie das Ausgabeformat ulaw_8000 an. Weitere Informationen finden Sie in unserem Integrationsleitfaden für Twilio TTS.

Wenn Sie Sprachagenten entwickeln möchten, die bidirektionale Gespräche führen, ist ElevenAgents dafür konzipiert. Sie konfigurieren und stellen einen Agenten bereit, statt die gesamte Sprachpipeline selbst zusammenzustellen. Entdecken Sie ElevenAgents und erfahren Sie mehr.

TTS-API mit ElevenAPI in Ihre Anwendungen integrieren

Die Integration von Text to Speech umfasst vier Schritte: Erstellen Sie einen API-Schlüssel, installieren Sie das SDK, senden Sie Ihre erste Anfrage und führen Sie sie aus. Derselbe Aufruf funktioniert in TypeScript, Python oder jeder anderen Sprache, die HTTP-Anfragen unterstützt. Außerdem können Sie das Modell und die Stimme wählen, die zu Ihrer Anwendung passen.

Wenn Sie TTS in Ihre Anwendungen integrieren möchten, registrieren Sie sich und senden Sie noch heute Ihre erste Anfrage mit ElevenAPI. Oder erfahren Sie mehr über die Text-to-Speech-API.

Häufige Fragen