Stimme
Text-zu-Sprache (TTS)
Text-zu-Sprache (Text-to-Speech) wandelt geschriebenen Text in gesprochenes Audio um. Ausdrucksstarke TTS-Engines lesen Satzzeichen als Vortragsanweisung und bieten Regler wie Tempo und Ausdrucksstärke – für natürliche Erzählung und Dialoge.
Abgerechnet wird meist pro Zeichen, wodurch sich Budgets für lange Sprechertexte leicht berechnen lassen.
Auf eroq
eroq Voice One (3 Credits / 100 Zeichen) und eroq Voice Turbo (2), eine kuratierte Stimmauswahl, geklonte Stimmen, sprechende Charaktere, MP3-Ausgabe, 13 Sprachen.
Fragen
Wie wird TTS auf eroq abgerechnet?
Pro angefangenem Block von 100 Zeichen: 3 Credits auf eroq Voice One, 2 auf eroq Voice Turbo.
Kostet eine kurze Zeile weniger als eine lange?
Nur in ganzen Blöcken. Eine Zeile mit 40 Zeichen und eine mit 100 Zeichen kosten beide einen Block (3 Credits auf eroq Voice One), eine Zeile mit 101 Zeichen kostet zwei. Ein Skript in kurze Zeilen aufzuteilen kostet mehr, nicht weniger.
In welchem Format kommt das Audio zurück?
MP3, geliefert vom Studio und von POST /v1/audio/speech und in deiner Bibliothek gespeichert. Es gibt keinen Stem-Export, keine Timing-Daten und kein Lip-Sync: Die Datei legst du auf der Timeline des Editors oder in deinem eigenen Schnittprogramm unter das Bild.
Weitere Begriffe: Stimme