> This is a page from the ElevenLabs documentation. For a complete page index, fetch https://elevenlabs.io/docs/llms.txt. For the full documentation in a single file, fetch https://elevenlabs.io/docs/llms-full.txt.

# Speech Engine

## Überblick

ElevenLabs Speech Engine verleiht jedem Chat-Agenten Sprachfunktionen. ElevenLabs übernimmt Speech to Text und Text to Speech, während Ihr Server die LLM-Logik bereitstellt. Das SDK verwaltet den Verbindungslebenszyklus, Sprecherwechsel und die Unterbrechungserkennung, damit Sie sich auf das Verhalten Ihres Agenten konzentrieren können.

#### [Schnellstart](/docs/de/eleven-api/guides/cookbooks/speech-engine)

Erstellen Sie mit dem ElevenLabs SDK einen Sprachagenten.

#### [JavaScript-SDK-Referenz](/docs/de/eleven-api/resources/libraries/speech-engine/javascript-sdk-reference)

Klassen, Methoden und Ereignisse für das JavaScript SDK.

#### [Python-SDK-Referenz](/docs/de/eleven-api/resources/libraries/speech-engine/python-sdk-reference)

Klassen, Methoden und Ereignisse für das Python SDK.

## Funktionsweise

Speech Engine verbindet Ihren Server über WebSocket mit ElevenLabs. Jede Verbindung steht für eine Unterhaltung.

```mermaid
sequenceDiagram
    participant Browser
    participant ElevenLabs

    box Your Server
        participant SDK as Speech Engine SDK
        participant LLM
    end

    Browser->>ElevenLabs: User speaks (audio)
    ElevenLabs->>SDK: Transcript (WebSocket)
    SDK->>LLM: Conversation history
    LLM->>SDK: Streamed response
    SDK->>ElevenLabs: Text chunks
    ElevenLabs->>Browser: Agent speaks (audio)
```

1. Ein Nutzer spricht im Browser. ElevenLabs erfasst das Audio und transkribiert es.
2. Das Transkript wird zusammen mit dem vollständigen Unterhaltungsverlauf an Ihren Server gesendet.
3. Ihr Server übergibt das Transkript an Ihr LLM und streamt die Antwort zurück.
4. ElevenLabs wandelt den Text in Sprache um und gibt ihn im Browser wieder.

## Wann Speech Engine eingesetzt wird

Speech Engine ist für Entwickler konzipiert, die ihr eigenes LLM verwenden und die Unterhaltungslogik auf ihrem eigenen Server steuern möchten. Nutzen Sie es, wenn Sie Folgendes benötigen:

* Einen bestehenden textbasierten Chat-Agenten um Sprache erweitern
* Ein bestimmtes LLM, ein feinabgestimmtes Modell oder eine eigene Inferenzpipeline verwenden
* Volle Kontrolle über Gesprächsweiterleitung, Kontextverwaltung und Tool-Aufrufe behalten
* Sprache in eine bestehende Serveranwendung integrieren (Express, FastAPI usw.)

Wenn Sie eine vollständig gehostete Lösung möchten, bei der ElevenLabs das LLM, die Wissensdatenbank und die Tools bereitstellt, nutzen Sie stattdessen [ElevenAgents](/docs/de/eleven-agents/overview).

## Zentrale Funktionen

* **Jedes LLM** – nutzen Sie OpenAI, Anthropic, Google Gemini oder jedes andere Modell, das Text erzeugt. Das SDK extrahiert Text automatisch aus den Stream-Formaten von OpenAI, Anthropic und Gemini.
* **Unterbrechungsverarbeitung** – wenn der Nutzer während einer Antwort spricht, bricht das SDK die laufende LLM-Anfrage automatisch über ein `AbortSignal` (TypeScript) oder Task-Abbruch (Python) ab.
* **Streaming** – Antworten werden während ihrer Generierung an den Browser gestreamt. Übergeben Sie einen String, ein asynchron iterierbares Objekt oder ein natives LLM-Stream-Objekt.
* **Sprecherwechsel** – das SDK verwaltet Gesprächszüge, sodass Ihr Server nur auf Transkripte reagieren muss.

## Gesprächsdauer

Speech Engine unterstützt Unterhaltungen von bis zu 40 Minuten (2.400 Sekunden). Standardmäßig endet eine
Unterhaltung nach 600 Sekunden (10 Minuten). Um längere Unterhaltungen zu ermöglichen, erhöhen Sie
`conversation.max_duration_seconds` in der API oder **Maximale Gesprächsdauer** im Tab
**Erweitert** des Dashboards. Siehe
[Konfiguration der maximalen Gesprächsdauer](/docs/de/eleven-api/guides/cookbooks/speech-engine#configuring-the-maximum-conversation-duration).
Wenn Sie Unterhaltungen von mehr als 40 Minuten benötigen, [kontaktieren Sie unser Team](https://elevenlabs.io/contact-sales).

## IP-Zulassungslisten

Wenn sich Ihr Server hinter einer Firewall befindet oder IP-basierte Zugriffskontrollen nutzt, können Sie die statischen ausgehenden IPs zulassen, von denen ElevenLabs-WebSocket-Verbindungen ausgehen. Die vollständige Liste der IP-Adressen finden Sie unter [IP-Zulassungslisten](/docs/de/eleven-api/resources/ip-allowlisting).

> **Tip**
>
> Mit IP-Zulassungslisten stellen Sie sicher, dass Ihr Server nur WebSocket-Verbindungen von den
> Systemen von ElevenLabs akzeptiert.

## FAQ

#### Welche LLMs werden unterstützt?

Jedes LLM, das Text erzeugt. Das SDK verfügt über integrierte Stream-Extraktion für OpenAI (Responses API und
Chat Completions API), Anthropic Messages API und Google Gemini API. Für andere Anbieter übergeben Sie
einen einfachen String oder ein asynchron iterierbares Objekt aus String-Abschnitten.

#### Was ist der Unterschied zwischen Speech Engine und ElevenAgents?

ElevenAgents ist eine vollständig gehostete Plattform, bei der ElevenLabs das LLM, die Wissensdatenbank und
die Tools bereitstellt. Speech Engine ist für Entwickler gedacht, die ihr eigenes LLM verwenden und die
Unterhaltungslogik auf ihrem eigenen Server steuern möchten.

#### Welche Server-Frameworks werden unterstützt?

In TypeScript können Sie Speech Engine an jeden Node.js-HTTP-Server anhängen (Express, Fastify oder
einfaches `http.createServer()`) oder einen eigenständigen WebSocket-Server ausführen. In Python stellt das SDK
einen eigenständigen Server über `engine.serve()` bereit, oder Sie können mit FastAPI, Starlette oder jedem
ASGI-Framework über `engine.create_session()` integrieren.