Zum Inhalt springen

Text-to-Speech-API für Barrierefreiheit und Audioversionen von Inhalten

Biete Nutzern mit Sehbehinderungen, Leseschwierigkeiten oder situativen Einschränkungen Audioversionen deiner Texte an. Ein Endpoint, 32 Sprachen.

Warum es wichtig ist.

  • Screenreader sprechen Fachbegriffe und Eigennamen falsch aus

    Bildschirmleser des Betriebssystems (NVDA, VoiceOver) wenden allgemeine phonetische Regeln an. Audexum liest deinen exakten Text mit einer trainierten TTS-Stimme vor: Eigennamen, Produktnamen und Abkürzungen klingen natürlicher. Bereits generiertes Audio umgeht außerdem vollständig die Latenz von Bildschirmlesern.

  • WCAG 1.2.1 verlangt Audio-Alternativen zu Textinhalten

    Vorgefertigte Audiodateien sind ein unkomplizierter Weg, um das WCAG-Erfolgskriterium 1.2.1 (Nur Audio und Nur Video) zu erfüllen. Erstelle für jeden Artikel eine MP3-Datei, verlinke sie mit einem <audio>-Element, und für diese Inhaltseinheit ist das Kriterium erfüllt.

  • Die On-Demand-Erzeugung kostet bei großen Mengen mehr als die Vorabgenerierung

    Bei statischen Inhalten (Blogbeiträgen, Hilfeartikeln, Rechtsseiten) kannst du das Audio zum Veröffentlichungszeitpunkt erstellen und die Datei speichern. Die Zeichenkosten fallen nur einmal an. Das Bereitstellen einer zwischengespeicherten MP3-Datei bei wiederholten Besuchen verursacht keine zusätzlichen API-Aufrufe.

  • Mehrsprachige Zielgruppen brauchen Audio in ihrer eigenen Sprache

    Wenn du Inhalte in 5 Sprachen veröffentlichst, erzeugt eine einzige API-Integration Audio für alle 5 Sprachen. Kein separater TTS-Anbieter je Sprache und kein Preisaufschlag pro Sprache.

Die erste Audiodatei in 60 Sekunden.

Kein SDK. Eine POST-Anfrage, Binäraudio im Response-Body.

Python: Audioversion beim Veröffentlichen eines Artikels generieren
"""
Accessibility audio generator: called from your CMS publish webhook.
Stores one MP3 per article in /audio/<slug>.mp3 (or S3 / R2).
"""
import os, requests

API = "https://audexum.com/api/synthesize"
KEY = os.environ["AUDEXUM_API_KEY"]

def publish_audio_version(article_slug: str, body_text: str, lang: str = "en") -> str:
    """
    Render body_text as MP3, save to disk, return file path.
    Call this from your CMS publish hook.
    """
    r = requests.post(
        API,
        headers={"Authorization": f"Bearer {KEY}"},
        json={
            "text": body_text,
            "voice": "F1",          # warm, readable narrator voice
            "lang": lang,
            "format": "mp3",
        },
        timeout=120,
    )
    r.raise_for_status()

    dest = f"/var/www/audio/{article_slug}.mp3"
    with open(dest, "wb") as f:
        f.write(r.content)

    return dest   # link in your <audio src="..."> element

Vollständige Parameterreferenz: audexum.com/docs. Formate: wav, mp3, ogg. Stimmen: F1 bis F5, M1 bis M5 (insgesamt 43 Stimmen). Sprachen: 33.

Keine zusätzlichen Kosten je Anwendungsfall.

Every plan covers every use case at the same credit rate. Pack credits never expire, and dictation uses the same balance.

Alle Preise im Detail
Free
€0
2,000 + 250/day
Creator
€12/Mon.
480,000 / mo
Pro
€29/Mon.
1,200,000 / mo
Scale
€49/Mon.
4,000,000 / mo
Business
€149/Mon.
15,000,000 / mo
Credit-Pakete
€7/Mon.
250.000, laufen nie ab

Fragen, beantwortet.

Unterstützt Audexum SSML zur Steuerung der Aussprache?

SSML-Unterstützung ist geplant. Derzeit deckt der Klartext-Endpunkt die meisten Anwendungsfälle im Bereich Barrierefreiheit ab. Verarbeite den Text vor dem API-Aufruf vor, wenn du Abkürzungen ausschreiben oder Phoneme überschreiben möchtest.

Kann ich das Audio für eine komplette Dokumentationswebsite vorab erstellen?

Ja. Iteriere über deine Inhaltsseiten, übergib jeweils den Artikeltext und speichere die zurückgegebene MP3-Datei. Der PAYG-Tarif (€28/1 Mio. Credits) ist für große Dokumentationswebsites kosteneffizient. Ein Artikel mit 1.000 Wörtern (~5.000 Credits) kostet etwa €0,14.

Welche Stimme wird für barrierefreie Sprechfassungen empfohlen?

F1 (deutliche Aussprache, ruhiges Tempo) und M1 (neutral, gelassen) schneiden in Nutzertests für lange Texte am besten ab. Beide sind in allen 32 Sprachen verfügbar.

Kann ich Audio on-demand bereitstellen, statt es vorab zu erstellen?

Ja. Rufe die API in der Handler-Route deines Servers auf und streame die Antwort an den Browser. Die mittlere Latenz liegt für Texte unter 300 Zeichen bei weniger als 200 ms und ist damit für On-Demand-Interaktionen wie „Lies diesen Absatz“ akzeptabel.

Dieselbe API für jeden Anwendungsfall.

Ein Endpunkt verarbeitet Discord-Bots, Podcast-Vertonung, E-Learning-Kurse, Barrierefreiheits-Audio und Newsletter-Ausgaben.

Weitere Tools entdecken

More free voice, transcription and audio tools

Alle anzeigen

Kostenlos starten. Schnell umsetzen.