Zum Hauptinhalt springen
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

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

ParameterTypErforderlichBeschreibung
modelstringJaID des Text-to-Speech-Modells.
voicestringJaVoice-ID, die vom gewählten Modell unterstützt wird.
inputstringJaZu 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