KI-Sprachgenerator — Gemini 3.8 TTS API

Erstelle dein erstes Voiceover

Schreib, was du sagen möchtest, oder hör dir ein Beispiel an.

Zum Generieren ausfüllen

Text

Enter the exact words to speak; Gemini reads them as written. Add sounds or pauses where they happen in angle brackets, such as <laugh>, <sigh>, or <short pause>, and capitalize a word to stress it.

Läuft mit

5 modelle

Google
- Gemini 3.8 Flash-Lite TTS
- Gemini 3.8 Flash TTS
MiniMax
- MiniMax Speech 2.8 Turbo
- MiniMax Speech 2.8 HD
ElevenLabs
- Eleven v4

Beispiele

Audio

Gemini 3.8 Flash TTS

Das ist Pyra: Voiceover

Gemini 3.8 Flash TTS. Pyras eigene Geschichte, gelesen mit warmer Erzählerstimme: ein Voiceover, das direkt in jedes Video passt.

Reproduzieren

So verwendest du Sprachgenerator

Eine kompakte Entscheidungshilfe zur Einordnung dieser Pipeline in einen Workflow.

Am besten für

Sprechertexte und Voice-overs in mehr als 70 Sprachen
Text-to-Speech mit frei formulierbaren Stilvorgaben, etwa „warm sprechen“, „flüstern“ oder „aufgeregt klingen“
Dialoge und andere Inhalte mit mehreren ausdrucksstarken Stimmen
Mehrsprachige Skripte mit automatischer Spracherkennung

Tipps

Kurze, klare Sätze sorgen für ein natürlicheres Sprechtempo
Steuere Pausen mit Satzzeichen: Punkte für deutliche Stopps, Kommas für kurze und Auslassungspunkte für längere Pausen
Lass die Stimme auf Auto, damit die KI eine passende Stimme auswählt; lege eine bestimmte Stimme fest, wenn eine wiederkehrende Figur immer gleich klingen soll
Formuliere Stilwünsche ganz normal: „langsam und dramatisch sprechen“, „fröhlich und schwungvoll“, „ruhig und beruhigend“

Sprachgenerator API

Rufen Sie diese Pipeline aus Ihrem eigenen Code auf. Eine Anfrage startet einen Lauf; das Modell ist ein Eingabefeld, kein eigener Endpunkt.

API-Token holen

Eingaben: 5
erforderlich: 1
Preise: 0.002 to 40.0 Credits

Sprache

TypeScript Python Go CLI

bun add @pipe2-ai/sdk

Pipeline ausführen

import { createClient } from "@pipe2-ai/sdk";

const client = createClient(process.env.PIPE2_TOKEN!);

const { run_pipeline } = await client.RunPipeline({
  pipeline_slug: "audio-generator",
  input: {
    text: "Welcome back to the show. Today we're talking about something a little strange.",
    model: "gemini-3-8-flash-tts",
  },
});

pip install pipe2

Pipeline ausführen

import asyncio
import os

from pipe2 import Pipe2Client

client = Pipe2Client(token=os.environ["PIPE2_TOKEN"])

run = asyncio.run(client.run_pipeline(
    pipeline_slug="audio-generator",
    input={
        "text": "Welcome back to the show. Today we're talking about something a little strange.",
        "model": "gemini-3-8-flash-tts",
    },
))

go get github.com/pipe2-ai/sdk-go

Pipeline ausführen

client := pipe2.NewClient(os.Getenv("PIPE2_TOKEN"))

input := json.RawMessage(`{
  "text": "Welcome back to the show. Today we're talking about something a little strange.",
  "model": "gemini-3-8-flash-tts"
}`)

run, err := pipe2.RunPipeline(context.Background(), client, "audio-generator", input)
if err != nil {
    log.Fatal(err)
}

brew install pipe2-ai/tap/pipe2

Pipeline ausführen

pipe2 pipelines run \
  --pipeline audio-generator \
  --input-json '{"text": "Welcome back to the show. Today we're talking about something a little strange.", "model": "gemini-3-8-flash-tts"}' \
  --wait

Pro Seite

Eingabe	Typ	Standard	Beschreibung
`text`erforderlich	string	Standard—	Text, der vertont werden soll.
`enhance_prompt`	boolean	Standardtrue	Verbessert den Prompt vor der Generierung für das ausgewählte Modell. Deaktivieren, um den Prompt unverändert zu senden.
`instructions`	string	Standard—	Beschreiben Sie Tonfall, Akzent, Tempo und Emotion. Die KI setzt die Vorgaben in eine ausdrucksstarke Sprechweise um.
`model`	enum	Standardgemini-3-8-flash-tts	Sprachmodell für die Ausgabe. Lassen Sie das Feld leer, damit Pipe2 anhand Ihrer Vorgaben die beste verfügbare Stimme auswählt. gemini-3-8-flash-tts · gemini-3-8-flash-lite-tts · eleven-v4 +2 `gemini-3-8-flash-ttsgemini-3-8-flash-lite-ttseleven-v4minimax-speech-2-8-turbominimax-speech-2-8-hd`
`voice`	string	Standardauto	Wählen Sie eine der verfügbaren Stimmen oder auto für die automatische Auswahl.

Richten Sie einen beliebigen MCP-Client auf pipe2 aus, und Ihr Agent erhält diese Tools. Er findet diese Pipeline, liest dasselbe Schema von oben und führt sie aus.

list_pipelines
get_pipeline_schema
run_pipeline
get_pipeline_run_status
request_upload

https://mcp.pipe2.ai/mcp

{
  "mcpServers": {
    "pipe2ai": {
      "url": "https://mcp.pipe2.ai/mcp",
      "headers": { "Authorization": "Bearer YOUR_TOKEN" }
    }
  }
}

MCP-Einrichtung

Vollständige API-Referenz CLI-Referenz

Rezepte mit dieser Pipeline

Alle Rezepte ansehen

Publikumsfrage → animierte visuelle Antwort

Erstelle aus deiner geprüften Antwort und Bildfolge ein vertikales Erklärvideo mit Sprecherstimme, Stockvideos, zeitlich abgestimmten Diagrammen und synchronen Untertiteln.

6 Pipelines ein CLI-Befehl

Rezept öffnen
1. 1 Sprachgenerator
2. 2 Transkription
3. 3 Stockvideo-Suche
4. 4 Video Reel
5. 5 Textkarte
6. 6 Untertitel
Rezept öffnen

Artikel zu dieser Pipeline

Alle Artikel ansehen

Häufig gestellte Fragen

Welche Stimmen sind verfügbar?

Zur Wahl stehen Dutzende ausdrucksstarke Stimmen – von hell und warm bis tief, bestimmt oder dramatisch. Tonfall und Vortragsweise lassen sich jeweils mit frei formulierten Anweisungen steuern.

Welche Sprachen werden unterstützt?

Mehr als 70 Sprachen werden automatisch erkannt. Dazu zählen große Sprachen wie Englisch, Chinesisch, Japanisch und Spanisch ebenso wie Regionalsprachen, etwa Cebuano, Konkani und Luxemburgisch.

Wie funktionieren die Anweisungen?

Beschreibe einfach, wie die Stimme klingen soll, zum Beispiel: „Ein 40-jähriger britischer Journalist, der langsam spricht und wichtige Punkte mit dramatischen Pausen betont.“ Die KI setzt diese Vorgabe in eine passende Sprechweise um.

In welchem Audioformat wird ausgegeben?

Du erhältst eine MP3-Datei, die du direkt herunterladen oder beispielsweise in Video Reel als Sprechertrack weiterverwenden kannst.

Welches Modell sollte ich wählen?

Gemini 3.8 Flash-Lite TTS ist am schnellsten und günstigsten und eignet sich für Entwürfe und kurze Clips. Gemini 3.8 Flash TTS liefert Sprechertexte in Studioqualität in über 130 Sprachen. Eleven v4 ist am ausdrucksstärksten und lacht, seufzt oder flüstert an den markierten Stellen. MiniMax Speech 2.8 Turbo und HD sind eine schnelle und eine hochwertigere Alternative. Alle liefern in Sekunden eine MP3-Datei.

Wie viele Credits kostet es?

Je nach Modell und Textlänge kostet die Generierung 0.002 to 40.0 Credits. Gemini-Modelle berechnen nur das tatsächlich erzeugte Audio. Das Ergebnis ist in Sekunden fertig.