> 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. # ElevenLabs-Dokumentation ## So funktioniert ElevenLabs ElevenLabs bietet KI-Sprachinfrastruktur: Text to Speech, Speech to Text, KI-Stimme klonen, dialogorientierte Agenten und generatives Audio. Sie können sie auf vier Arten nutzen, abgestimmt auf unterschiedliche Zielgruppen. **[ElevenCreative](/docs/de/eleven-creative)** ist eine No-Code-Webanwendung, mit der Kreative, Produzentinnen und Produzenten sowie Editoren Voiceovers, Musik, Synchronisationen und Studioprojekte direkt im Browser erstellen. **[ElevenAgents](/docs/de/eleven-agents)** ist die Plattform zum Entwickeln und Betreiben dialogorientierter Sprachagenten – mit einem visuellen Builder für nicht technische Nutzer und vollständiger programmatischer Kontrolle für Entwickler. **[ElevenAPI](/docs/de/eleven-api)** stellt jede Funktion als REST-Schnittstelle mit offiziellen Python- und TypeScript-SDKs bereit, damit Entwickler Sprache in ihre eigenen Anwendungen und Workflows einbetten können. **[Reception AI](/docs/de/reception-ai)** ist ein sofort einsetzbarer KI-Telefonempfang für kleine und mittlere Unternehmen. Er nimmt Anrufe entgegen, vereinbart Termine und verwaltet den täglichen Betrieb über ein zentrales Dashboard. ### Konzepte **Stimmen** sind die Sprachpersönlichkeiten für die Audiogenerierung. Jede Stimme hat eine eindeutige ID – zum Beispiel `JBFqnCBsd6RMkjVDRZzb` –, die Sie im Dashboard auswählen oder in API-Anfragen übergeben. ElevenLabs bietet eine [Bibliothek mit über 10.000 Stimmen](https://elevenlabs.io/app/voice-library). Sie können eine Stimme auch aus einer Audioaufnahme klonen oder aus einer Textbeschreibung generieren. **Modelle** steuern Qualität, Latenz und Sprachabdeckung generierter Audios. [`eleven_v4`](/docs/de/overview/models) erzeugt die ausdrucksstärksten Ergebnisse in über 90 Sprachen. [`eleven_v4_turbo`](/docs/de/overview/models) ist für Echtzeitanwendungen mit einer medianen Inferenzlatenz von ca. 100 ms ausgelegt. Jede Funktion – Speech to Text, Musik, Soundeffekte – hat ein eigenes Modell. **Credits** sind die gemeinsame Verbrauchseinheit für alle Produkte. Text to Speech kostet einen Credit pro Zeichen des Eingabetexts. Andere Vorgänge werden pro Sekunde verarbeitetem Audio berechnet. Credits werden monatlich zurückgesetzt, und ungenutzte Credits werden bis zu zwei Monate übertragen. Eine vollständige Aufschlüsselung finden Sie unter [Preise](https://elevenlabs.io/pricing/api). ## Wählen Sie Ihren Weg [![](/docs/_fern-img/12097a437e55f60c199946cf59c9528eb8349d110142394833d67fe93b50e68d.webp)](/docs/de/eleven-creative/overview) ### ElevenCreative Erfahren Sie in Schritt-für-Schritt-Anleitungen, wie Sie die ElevenCreative-Plattform nutzen [![](/docs/_fern-img/7375358c43ac5dd1a170937123f0874e01b3d8b6cf178c282805588a11d39593.webp)](/docs/de/eleven-agents/overview) ### ElevenAgents Erfahren Sie, wie Sie mit ElevenLabs Agenten entwickeln, starten und skalieren [![](/docs/_fern-img/002b2432fa6ab18befc9f1a6e7fadf348f46506a5a5a72a2358ba1e7f92d8ded.webp)](/docs/de/eleven-api/quickstart) ### ElevenAPI Erfahren Sie anhand von Beispielen und Tutorials, wie Sie die ElevenLabs API integrieren ## Modelle kennenlernen #### [Eleven v4](/docs/de/overview/models#eleven-v4) Unser ausdrucksstärkstes Sprachsynthesemodell mit höchster Qualität Herausragende Funktionen zum Klonen von Stimmen Unterstützt über 90 Sprachen Zeichenlimit von 10.000 Unterstützt natürliche Dialoge mit mehreren Sprechern #### [Eleven v4 Turbo](/docs/de/overview/models#eleven-v4-turbo) Unser ausdrucksstärkstes Sprachsynthesemodell für Echtzeit Extrem niedrige Latenz (mittlere Inferenzlatenz von \~100 ms†) Herausragende Funktionen zum Klonen von Stimmen Unterstützt über 90 Sprachen Audiotags für präzise Steuerung #### [Eleven v3](/docs/de/overview/models#eleven-v3) Unser emotionales, ausdrucksstarkes Sprachsynthesemodell Dramatische Vortragsweise und Darbietung Unterstützt über 70 Sprachen Zeichenlimit von 5.000 Unterstützt natürliche Dialoge mit mehreren Sprechern #### [Eleven v3 Conversational](/docs/de/overview/models#eleven-v3-conversational) Unser ausdrucksstarkes Sprachsynthesemodell für Echtzeit Niedrige Latenz (\~280 ms) Dramatische Vortragsweise und Darbietung Unterstützt über 70 Sprachen Audiotags für präzise Steuerung #### [Eleven Multilingual v2](/docs/de/overview/models#multilingual-v2) Lebensechtes Sprachsynthesemodell mit gleichbleibender Qualität Natürlich klingende Ausgabe Unterstützt 29 Sprachen Zeichenlimit von 10.000 Besonders stabil bei langen Generierungen #### [Eleven Flash v2.5](/docs/de/overview/models#flash-v25) Unser schnelles, kostengünstiges Sprachsynthesemodell Extrem niedrige Latenz (\~75 ms†) Unterstützt 32 Sprachen Zeichenlimit von 40.000 Schnelleres Modell, 50 % niedrigerer Preis pro Zeichen für API-Generierungen #### [Scribe v2](/docs/de/overview/models#scribe-v2) Modernstes Spracherkennungsmodell Präzise Transkription in über 90 Sprachen Keyterm-Prompting mit bis zu 1000 Begriffen Entitätserkennung mit 65 Entitätstypen Transkriptbearbeitung mit Anweisungen in natürlicher Sprache Präzise Zeitstempel auf Wortebene Sprecherdiarisierung mit bis zu 32 Sprechern Dynamische Audio-Tagging Intelligente Spracherkennung #### [Scribe v2 Realtime](/docs/de/overview/models#scribe-v2-realtime) Spracherkennungsmodell in Echtzeit Präzise Transkription in über 90 Sprachen Transkription in Echtzeit Geringe Latenz (\~150ms†) Präzise Zeitstempel auf Wortebene Entitätserkennung mit 65 Entitätstypen Transkriptbearbeitung mit Anweisungen in natürlicher Sprache #### [Scribe v2 Medical](/docs/de/overview/models#scribe-v2-medical) Für klinische Audiodaten finetunierte Spracherkennung 35 % weniger Transkriptionsfehler bei klinischen Audiodaten als Scribe v2 Gleiche Genauigkeit bei Alltagssprache wie Scribe v2 Gleiche Funktionen, Sprachen, Preise und API wie Scribe v2 [Alle entdecken](/docs/de/overview/models) † Ohne Anwendungs- und Netzwerklatenz ## Nach Funktion durchsuchen Text to Speech Wandeln Sie Text in lebensechte Sprache um Speech to Text Transkribieren Sie gesprochenes Audio in Text Musik Erstellen Sie Musik aus Text Text zu Dialog Erstellen Sie natürlich klingende Dialoge aus Text Bild & Video Erstellen Sie Bilder und Videos aus Text Stimmenverzerrer Verändern und transformieren Sie Stimmen Stimmenisolator Isolieren Sie Stimmen von Hintergrundgeräuschen Synchronisation Synchronisieren Sie Audio und Videos nahtlos Soundeffekte Erstellen Sie kinoreife Soundeffekte Stimmen Klonen und gestalten Sie individuelle Stimmen Stimmen-Remixing Transformieren und verbessern Sie bestehende Stimmen Erzwungene Ausrichtung Richten Sie Text an Audio aus Speech Engine Fügen Sie allem Sprache hinzu ElevenAgents Stellen Sie intelligente Sprachagenten bereit Private Bereitstellungen Betreiben Sie ElevenLabs in Ihrer eigenen Cloud