> 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.
# Text to Dialogue
## Überblick
Die ElevenLabs-[Text to Dialogue](/docs/de/api-reference/text-to-dialogue/convert)-API erstellt mit [Eleven v4](/docs/de/overview/capabilities/text-to-speech/eleven-v4) und Eleven v3 natürlich klingende, ausdrucksstarke Dialoge aus Text. Wir empfehlen Eleven v4. Beliebte Anwendungsfälle sind:
* Passgenaue Gespräche für Videospiele generieren
* Immersive Dialoge für Podcasts und andere Audioinhalte erstellen
* Hörbücher mit ausdrucksstarker Erzählung zum Leben erwecken
Um die gewünschten Ergebnisse zu erzielen, können mehrere Generierungen erforderlich sein. Wenn Sie Text to Dialogue in Ihre Anwendung integrieren, sollten Sie mehrere Generierungen erstellen und dem Nutzer die Auswahl der besten ermöglichen.
Um das Gespräch in einer Szene wie einem Telefonat, einem Café oder einer großen Halle zu platzieren, übergeben Sie mit Ihrer Anfrage [`audio_effects`](/docs/de/api-reference/text-to-dialogue/convert#request.body.audio_effects). Dieselben Filter-Presets, Umgebungen und Hintergrundgeräusche wie bei [Text-to-Speech-Audioeffekten](/docs/de/overview/capabilities/text-to-speech#audio-effects) gelten für den gesamten Dialog. Dialogeffekte sind nur über die API verfügbar.
Hören Sie ein Beispiel:
#### [Entwickler](/docs/de/eleven-api/guides/cookbooks/text-to-dialogue)
Erfahren Sie, wie Sie Text to Dialogue in Ihre Anwendung integrieren.
#### [Prompting-Leitfaden](/docs/de/overview/capabilities/text-to-speech/best-practices#prompting-eleven-v4)
Erfahren Sie, wie Sie ausdrucksstarke Dialoge mit Audiotags prompten.
#### [API-Referenz](/docs/de/api-reference/text-to-dialogue/convert)
Vollständige API-Referenz für den Text-to-Dialogue-Endpunkt.
## Stimmenoptionen
ElevenLabs bietet Tausende Stimmen über verschiedene Erstellungsmethoden. Eleven v4 unterstützt über 90 Sprachen und Eleven v3 über 70 Sprachen.
* [Stimmbibliothek](/docs/de/overview/capabilities/voices) mit über 3.000 von der Community geteilten Stimmen
* [Professionelles Klonen von Stimmen](/docs/de/overview/capabilities/voices#cloned) für Repliken mit höchster Wiedergabetreue
* [Sofortiges Klonen von Stimmen](/docs/de/overview/capabilities/voices#cloned) für schnelle Stimmenreplikation
* [Stimmendesign](/docs/de/overview/capabilities/voices#voice-design) zum Generieren benutzerdefinierter Stimmen aus Textbeschreibungen
Erfahren Sie mehr über unsere [Stimmenoptionen](/docs/de/overview/capabilities/voices).
## Prompting
Die Modelle interpretieren den emotionalen Kontext direkt aus der Texteingabe. Das Hinzufügen
beschreibenden Texts wie „sagte sie aufgeregt“ oder die Verwendung von Ausrufezeichen beeinflusst beispielsweise die
Emotion der Sprache. Stimmeinstellungen wie Stabilität und Ähnlichkeit helfen, die Konsistenz zu steuern, während die
zugrunde liegende Emotion aus textlichen Hinweisen stammt.
Weitere Details finden Sie im [Prompting-Leitfaden](/docs/de/overview/capabilities/text-to-speech/best-practices#prompting-eleven-v4).
### Emotionale Sprechweisen mit Audiotags
> **Warning**
>
> Diese Funktion befindet sich noch in aktiver Entwicklung. Die tatsächlichen Ergebnisse können abweichen.
Eleven v4 und Eleven v3 ermöglichen die Verwendung nichtsprachlicher Audioereignisse, um die Darbietung des Dialogs zu beeinflussen. Dazu werden die Audioereignisse in eckigen Klammern in die Texteingabe eingefügt.
In Text to Dialogue hat jeder Dialogzug eigenen Text und eine eigene Stimme. Fügen Sie Audiotags in den Text des Zuges ein, den sie beeinflussen sollen. `voice_id` wählt weiterhin die Sprecherstimme für diesen Zug aus, während die Tags die Darbietung steuern.
Ein Sprecher kann beispielsweise eine Stimme verwenden, während der Text mit `[giggling]` beginnt, und der nächste Sprecher kann eine andere Stimme verwenden, während der Text mit `[whispering]` beginnt. Ein API-Beispiel, das Tags mit `voice_id` kombiniert, finden Sie im [Text-to-Dialogue-Schnellstart](/docs/de/eleven-api/guides/cookbooks/text-to-dialogue).
Audiotags sind Anweisungen in natürlicher Sprache und kein Enum-Parameter. Setzen Sie die Anweisung in eckige Klammern und platzieren Sie sie im Text an der Stelle, an der sich die Darbietung ändern soll. Die folgenden Beispiele sind nicht vollständig; weitere Hinweise zu wirksamen Tags finden Sie im [Prompting-Leitfaden](/docs/de/overview/capabilities/text-to-speech/best-practices#prompting-eleven-v4).
Audiotags gibt es in verschiedenen Formen:
### Emotionen und Darbietung
Zum Beispiel \[sad], \[laughing] und \[whispering]
### Audioereignisse
Zum Beispiel \[leaves rustling], \[gentle footsteps] und \[applause].
### Allgemeine Anweisung
Zum Beispiel \[football], \[wrestling match] und \[auctioneer].
Einige Beispiele:
```
"[giggling] That's really funny!"
"[groaning] That was awful."
"Well, [sigh] I'm not sure what to say."
```
Sie können auch Satzzeichen verwenden, um den Dialogverlauf anzuzeigen, etwa Unterbrechungen:
```
"[cautiously] Hello, is this seat-"
"[jumping in] Free? [cheerfully] Yes it is."
```
Auslassungspunkte können verwendet werden, um ausklingende Sätze anzuzeigen:
```
"[indecisive] Hi, can I get uhhh..."
"[quizzically] The usual?"
"[elated] Yes! [laughs] I'm so glad you knew!"
```
#### Unterstützte Ausgabeformate
Das Standard-Antwortformat ist `mp3`, aber auch andere Formate wie `pcm` und `ulaw` sind verfügbar.
* **MP3**
* Abtastraten: 22,05 kHz – 44,1 kHz
* Bitraten: 32 kbps – 192 kbps
* 22,05 kHz bei 32 kbps
* 44,1 kHz bei 32 kbps, 64 kbps, 96 kbps, 128 kbps, 192 kbps
* **PCM (S16LE)**
* Abtastraten: 16 kHz – 44,1 kHz
* Bitraten: 8 kHz, 16 kHz, 22,05 kHz, 24 kHz, 44,1 kHz, 48 kHz
* 16-Bit-Tiefe
* **μ-law**
* Abtastrate: 8 kHz
* Optimiert für Telefonieanwendungen
* **A-law**
* Abtastrate: 8 kHz
* Optimiert für Telefonieanwendungen
* **Opus**
* Abtastrate: 48 kHz
* Bitraten: 32 kbps – 192 kbps
> **Success**
>
> Audiooptionen mit höherer Qualität sind nur in kostenpflichtigen Tarifen verfügbar. Details finden Sie auf unserer [Preisseite ](https://elevenlabs.io/pricing/api).
## Unterstützte Sprachen
Eleven v4 unterstützt über 90 Sprachen. Eleven v3 unterstützt über 70 Sprachen. Die vollständigen Listen finden Sie unter [Eleven v4](/docs/de/overview/models#eleven-v4) und [Eleven v3](/docs/de/overview/models#eleven-v3).
## FAQ
#### Welche Modelle kann ich verwenden?
Text to Dialogue ist für die Modelle Eleven v4 und Eleven v3 verfügbar.
#### Besitze ich die Audioausgabe?
Ja. Sie behalten das Eigentum an allen Audiodateien, die Sie generieren. Kommerzielle Nutzungsrechte sind jedoch nur
mit kostenpflichtigen Tarifen verfügbar. Mit einem kostenpflichtigen Abonnement dürfen Sie generiertes Audio kommerziell
nutzen und die Ausgaben monetarisieren, wenn Sie die IP-Rechte an den Eingabeinhalten besitzen.
#### Was gilt als kostenlose Regenerierung?
Eine kostenlose Regenerierung ermöglicht Ihnen, denselben Text-to-Speech-Inhalt ohne zusätzliche Kosten erneut zu generieren, sofern diese Bedingungen erfüllt sind:
* Nur im ElevenLabs-Dashboard verfügbar.
* Sie können jeden Inhalt bis zu zweimal kostenlos erneut generieren.
* Der Inhalt muss exakt mit der vorherigen Generierung übereinstimmen. Jede Änderung am Text, an den Stimmeinstellungen oder anderen Parametern erfordert eine neue kostenpflichtige Generierung.
Kostenlose Regenerierungen sind nützlich, wenn die Audioausgabe leicht verzerrt ist. Laut internen Benchmarks von ElevenLabs lösen Regenerierungen etwa die Hälfte der Qualitätsprobleme; die übrigen Probleme sind meist auf schlechte Trainingsdaten zurückzuführen.
#### Wie viele Sprecher kann mein Dialog haben?
Die Anzahl der Sprecher in einem Dialog ist unbegrenzt.
#### Warum ist meine Ausgabe manchmal inkonsistent?
Die Modelle sind nicht deterministisch. Für konsistentere Ergebnisse verwenden Sie den optionalen [Seed- Parameter](/docs/de/api-reference/text-to-speech/convert#request.body.seed), obwohl weiterhin geringfügige
Unterschiede auftreten können.
#### Was ist die beste Vorgehensweise für große Textkonvertierungen?
Halten Sie die Gesamtlänge aller `inputs[].text`-Werte für eine zuverlässige Generierung bei maximal 2.000 Zeichen pro Anfrage. Teilen Sie längere Texte in Blöcke auf und fügen Sie das resultierende Audio in Ihrer Anwendung zusammen.
## Wichtige Fakten
* **Modelle**: Verfügbar mit Eleven v4 und Eleven v3
* **Sprecher**: Keine Begrenzung der Sprecherzahl pro Dialog
* **Anfragegröße**: Halten Sie die Gesamtlänge aller `inputs[].text`-Werte bei maximal 2.000 Zeichen pro Anfrage
* **Determinismus**: Die Ausgabe ist nicht deterministisch — verwenden Sie den Parameter `seed` für konsistentere Ergebnisse
* **Kostenlose Regenerierungen**: Bis zu zwei kostenlose Regenerierungen pro Generierung (gleicher Inhalt, gleiche Parameter, nur Dashboard)
* **Eigentum**: Sie behalten das Eigentum an generiertem Audio; kommerzielle Nutzung erfordert einen kostenpflichtigen Tarif