Text-to-Speech

Erzeuge gesprochenes Audio aus Text mit Venice-Text-to-Speech-Modellen, wähle modellspezifische Stimmen und streame MP3-Ausgabe vom /audio/speech-Endpunkt.

Text-to-Speech wandelt geschriebenen Text in gesprochenes Audio um. Wähle ein TTS-Modell, wähle eine von diesem Modell unterstützte Stimme, sende den Text an /audio/speech und speichere die binäre Audioantwort.

Nutze diese Anleitung für die Standard-Sprachgenerierung. Wenn du Sprache aus einer benutzerdefinierten Referenzstimme erzeugen möchtest, siehe Voice Cloning.

​

Grundlegende Nutzung

Python

import os
from pathlib import Path

import requests

response = requests.post(
    "https://api.venice.ai/api/v1/audio/speech",
    headers={
        "Authorization": f"Bearer {os.environ['VENICE_API_KEY']}",
        "Content-Type": "application/json",
    },
    json={
        "model": "tts-kokoro",
        "voice": "af_sky",
        "input": "Hello, welcome to Venice Voice.",
    },
)

response.raise_for_status()
Path("speech.mp3").write_bytes(response.content)

import { writeFile } from "node:fs/promises";

const response = await fetch("https://api.venice.ai/api/v1/audio/speech", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${process.env.VENICE_API_KEY}`,
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    model: "tts-kokoro",
    voice: "af_sky",
    input: "Hello, welcome to Venice Voice.",
  }),
});

if (!response.ok) {
  throw new Error(await response.text());
}

await writeFile("speech.mp3", Buffer.from(await response.arrayBuffer()));

curl https://api.venice.ai/api/v1/audio/speech \
  -H "Authorization: Bearer $VENICE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tts-kokoro",
    "voice": "af_sky",
    "input": "Hello, welcome to Venice Voice."
  }' \
  --output speech.mp3

​

Modell und Stimme auswählen

Stimmen sind modellspezifisch. Der voice-Wert muss zu dem gewählten model passen.

Auf der Seite Text-to-Speech-Modelle kannst du verfügbare Modelle und Stimmen durchsuchen. Der Voice-Picker listet die exakten Voice-IDs auf, die du in deiner Anfrage übergeben musst.

Voice-IDs unterscheiden zwischen Groß- und Kleinschreibung. Wenn du das TTS-Modell wechselst, aktualisiere gleichzeitig den voice-Wert.

​

Aufbau der Anfrage

Parameter	Typ	Erforderlich	Beschreibung
model	string	Ja	ID des Text-to-Speech-Modells.
voice	string	Ja	Voice-ID, die vom gewählten Modell unterstützt wird.
input	string	Ja	Zu synthetisierender Text.

​

Tipps für den Produktiveinsatz

• Zwischenspeichere erzeugtes Audio, wenn derselbe Quelltext und dieselbe Stimme wiederverwendet werden.
• Normalisiere und korrigiere den Text vor der Synthese. Interpunktion beeinflusst Tempo und Intonation.
• Speichere die Ausgabe mit der korrekten Dateiendung für das Antwortformat des Modells.

​

Verwandte Ressourcen

• Audio-Speech-API
• Text-to-Speech-Modelle
• Anleitung: Voice Cloning