Zum Inhalt springen

Text-to-Speech-API für E-Learning und Kurs-Erzählstimmen

Eine konsistente Sprecherstimme für jede Folie, jedes Kapitel und jede Sprachversion. 32 Sprachen, 43 Stimmen, ein einziger REST-Endpoint.

Warum es wichtig ist.

  • Bei Skriptänderungen geht mit menschlichen Sprechern die Stimmkonsistenz verloren

    Wenn ein Compliance-Update 10 von 200 Folien ändert, nimmt ein menschlicher Erzähler diese 10 mit leicht anders positioniertem Mikrofon, anderer Raumklang und etwas anderer Vortragsweise erneut auf. KI-Erzähltext ist deterministisch: Derselbe Text, dieselbe Voice-ID und derselbe akustische Charakter – immer.

  • Lokalisierung verdreifacht die Produktionskosten mit menschlichen Sprechern

    Audexum erstellt eine französische, deutsche, spanische und japanische Ausgabe deines Kurses, indem du das übersetzte Skript mit geändertem lang übergibst. Die Stimmenanzahl (43 Stimmen) und der Preisplan sind unabhängig von der Sprache identisch.

  • LMS-Plattformen benötigen Audiodateien, keinen eingebetteten Player

    Audexum liefert eine binäre WAV- oder MP3-Datei. Speichere sie direkt in S3, Cloudflare R2 oder in der Asset-Bibliothek deines LMS. Keine iframe-Einbettungen, keine Abhängigkeit von einem Drittanbieter-Player und keine ausgehende CDN-Anfrage aus dem Browser der Lernenden während der Wiedergabe.

  • Für eine schnelle Kursentwicklung ist eine Stapelverarbeitung erforderlich

    Skriptänderungen erfolgen häufig spät in der Produktion. Eine Python-Schleife über die JSON-Daten deiner Folien generiert alle geänderten Folien in wenigen Minuten neu. Die Batch-Seite im Audexum-Dashboard übernimmt die CSV-basierte Massensynthese ganz ohne Code.

Die erste Audiodatei in 60 Sekunden.

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

Python: Schrittweise Kurserzählung pro Folie
"""
Generate narration audio for every slide in a course manifest.
manifest.json: [{"id": "s01", "lang": "en", "text": "Welcome..."}, ...]
"""
import json, pathlib, requests

API = "https://audexum.com/api/synthesize"
KEY = "sk_..."

slides = json.loads(pathlib.Path("manifest.json").read_text())
out_dir = pathlib.Path("audio")
out_dir.mkdir(exist_ok=True)

VOICE = "F1"   # consistent voice across all slides

for slide in slides:
    dest = out_dir / f"{slide['id']}_{slide['lang']}.mp3"
    if dest.exists():
        continue  # skip already-rendered slides

    r = requests.post(
        API,
        headers={"Authorization": f"Bearer {KEY}"},
        json={
            "text": slide["text"],
            "voice": VOICE,
            "lang": slide["lang"],
            "format": "mp3",
        },
        timeout=60,
    )
    r.raise_for_status()
    dest.write_bytes(r.content)
    print(f"Rendered {dest.name}")

print(f"Done: {len(slides)} slides.")

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.

Kann dieselbe Stimme in mehreren Sprachen erzählen?

Ja. Stimmen-IDs (F1–F5, M1–M5) funktionieren in allen 32 Sprachen. F1 auf Englisch und F1 auf Französisch verwenden dieselben zugrunde liegenden Modellgewichte: Lernende hören unabhängig von der gewählten Sprachversion eine konsistente Instruct-Stimme.

Wie halte ich die Erzählstimme nach einer Skriptänderung synchron?

Nur Folien, deren Text sich geändert hat, werden neu gerendert. Da Audexum deterministisch arbeitet (gleicher Text + gleiche Stimme = gleiches Audio), erzeugen unveränderte Folien eine bitidentische Ausgabe und können sicher zwischengespeichert werden.

Welches Ausgabeformat erwarten LMS-Plattformen?

Die meisten SCORM/xAPI-basierten LMS-Plattformen (Moodle, Canvas, Articulate Rise) akzeptieren MP3. Fordere im API-Aufruf das Format "mp3" an. Für Inhalte mit viel SSML oder sehr präzises Timing solltest du "wav" anfordern und die Datei anschließend mit ffmpeg konvertieren.

Gibt es eine No-Code-Option für Instructional Designer?

Die Batch-Seite (/batch) in deinem Dashboard akzeptiert eine CSV-Datei mit den Spalten: text, voice, lang, filename. Sie rendert alle Zeilen und ermöglicht den Download eines ZIP-Archivs. Ganz ohne Code.

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.