Kostenlose Text-to-Speech-API
Eine Text-to-Speech-API (TTS) wandelt Text in gesprochenes Audio um. Manche Anbieter bieten TTS kostenlos an, mit Zeichen- oder Anfragelimits. FreeLLMAPI sendet Anfragen an /v1/audio/speech an die Anbieter, die Sprachmodelle bereitstellen. Wenn ein Anbieter ausfällt oder sein Limit erreicht, versucht der Router den nächsten.
Code, Modellnamen und Bezeichnungen aus dem Live-Katalog werden auf Englisch angezeigt.
Kostenlose Text-to-Speech-Anbieter
Die Tabelle zeigt Anbieter mit einem kostenlosen TTS-Kontingent. Wir haben jedes Limit auf der offiziellen Seite des Anbieters geprüft. Kostenlose Sprachlimits basieren auf Zeichen, Anfragen oder einem täglichen Rechenbudget. Vergleichen Sie sie daher sorgfältig.
| Anbieter | Modell | Kostenloses Kontingent (offiziell) | Ausgabe | Hinweise |
|---|---|---|---|---|
| Groq | Orpheus English, Orpheus Arabic (Saudi) | Kostenloser Tarif mit täglichen Limits. Maximal 200 Zeichen pro Anfrage | Nur WAV | Ein Organisationsadministrator muss zuerst die Modellbedingungen in der Groq-Konsole akzeptieren |
| Google AI Studio | Gemini 2.5 Flash TTS (Vorschau) | Kostenloser Tarif: Eingabe und Ausgabe sind kostenlos, mit Ratenlimits | WAV | Viele Stimmen. Gut für natürlich klingende Sprache |
| Cloudflare Workers AI | MeloTTS | 10.000 Neuronen pro Tag. MeloTTS verbraucht 18,63 Neuronen pro Audiominute | WAV | Etwa 536 Audiominuten pro Tag, wenn kein anderes Modell das Budget nutzt. Sprachauswahl, keine Stimmauswahl |
| Cloudflare Workers AI | Deepgram Aura 1 | Dieselben 10.000 Neuronen. Aura 1 verbraucht 1.363,64 Neuronen pro 1.000 Zeichen | MP3 | Etwa 7.300 Zeichen pro Tag |
| Speechify | Simba | 500.000 Zeichen pro Monat, ohne Karte | MP3 | Die kommerzielle Nutzung ist im kostenlosen Tarif aufgeführt. Simba 3.5 sinkt ab dem 21. November 2026 auf 333.000 Zeichen |
| Cartesia | Sonic | 20.000 Credits pro Monat. 1 Credit entspricht 1 Zeichen | WAV | Die Lizenz für kommerzielle Nutzung ist nur in den bezahlten Tarifen aufgeführt |
Die Zahlen mit "etwa" sind unsere Berechnung aus den veröffentlichten Preisen. Das Cloudflare-Budget wird von allen Workers-AI-Modellen eines Kontos geteilt, einschließlich Chat- und Bildmodellen.
Schritt 1: FreeLLMAPI installieren und Sprachschlüssel hinzufügen
FreeLLMAPI ist Open Source. Es läuft in Docker auf Ihrem Computer. Ihre Anbieterschlüssel bleiben auf Ihrem Computer.
Installation (macOS oder Linux)
curl -fsSL https://freellmapi.co/install.sh | bashÖffnen Sie das Dashboard unter http://localhost:3001. Fügen Sie Ihre Schlüssel auf der Seite Keys hinzu. Ein Groq-Schlüssel oder ein Google-AI-Studio-Schlüssel aktiviert auch deren Sprachmodelle. Öffnen Sie dann Models, Audio, um die Sprachmodelle zu sehen und ein- oder auszuschalten. Kopieren Sie Ihren einheitlichen Schlüssel von der Seite Keys.
Schritt 2: Sprache erzeugen
Der Endpunkt verwendet das Anfrageformat von OpenAI. Das Feld input ist erforderlich. Die Felder model, voice und response_format sind optional. Der Antworttext ist die Audiodatei.
curl: Den Router den Anbieter wählen lassen
curl http://localhost:3001/v1/audio/speech \
-H "Authorization: Bearer <unified-key>" \
-H "Content-Type: application/json" \
-d '{"model": "auto", "input": "Your order has shipped.", "voice": "alloy"}' \
--dump-header headers.txt \
--output speech.audio
grep -i -E "content-type|x-provider" headers.txtPython: Groq Orpheus English festlegen
from openai import OpenAI
client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")
with client.audio.speech.with_streaming_response.create(
model="canopylabs/orpheus-v1-english",
voice="troy", # a native Orpheus voice; "alloy" also maps to troy
input="Your order has shipped. It arrives on Friday.",
response_format="wav", # Orpheus returns WAV only
) as response:
print("Served by:", response.headers.get("x-provider"))
response.stream_to_file("speech.wav")Der Header X-Provider zeigt, welcher Anbieter das Audio erzeugt hat. Der Header Content-Type zeigt das Format, zum Beispiel audio/wav oder audio/mpeg.
Stimmen, Formate und Textlänge
- Stimmen: Standardnamen der OpenAI-Stimmen, wie
alloy, werden bei vielen Anbietern auf eine getestete native Stimme abgebildet. Sie können auch einen nativen Stimmennamen senden, zum Beispieltroyfür Orpheus English oderfahadfür Orpheus Arabic. - Formate: Jeder Anbieter erzeugt sein eigenes Format. Groq Orpheus und Cloudflare MeloTTS erzeugen WAV. Cloudflare Aura erzeugt MP3. Ein Anbieter lehnt ein Format ab, das er nicht erzeugen kann. Er sendet keine Datei mit einer falschen Kennzeichnung.
- Textlänge: Groq akzeptiert pro Anfrage höchstens 200 Zeichen. Teilen Sie langen Text in Sätze und senden Sie für jeden Satz eine Anfrage.
- Sprache: Orpheus hat Modelle für Englisch und Saudi-Arabisch. MeloTTS auf Cloudflare verwendet über diesen Adapter Englisch.
Python: Langen Text in kurze Anfragen teilen
import re
from openai import OpenAI
client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")
text = open("article.txt").read()
parts = [s for s in re.split(r"(?<=[.!?])\s+", text) if s.strip()]
for i, part in enumerate(parts):
with client.audio.speech.with_streaming_response.create(
model="auto", voice="alloy", input=part[:200],
) as r:
ext = "mp3" if "mpeg" in r.headers.get("content-type", "") else "wav"
r.stream_to_file(f"part-{i:03d}.{ext}")Regeln für die Nutzung und typische Fehler
- Lizenzbedingungen: Kostenlose Tarife können die kommerzielle Nutzung einschränken. Cartesia listet die kommerzielle Lizenz nur in den bezahlten Tarifen auf. Lesen Sie die Bedingungen jedes Anbieters, bevor Sie Audio veröffentlichen.
- Geteilte Kontingente: Ein monatliches Zeichenkontingent gilt für das Konto. Mehr Stimmen oder mehr Modelle ergeben keine zusätzlichen Zeichen.
- Bedingungen in der Groq-Konsole: Groq gibt einen Fehler zurück, bis ein Administrator die Modellbedingungen akzeptiert. FreeLLMAPI akzeptiert die Bedingungen nicht für Sie.
- Gemischte Formate: Mit
model: "auto"können zwei Anfragen von verschiedenen Anbietern stammen. Prüfen SieContent-Type, bevor Sie Dateien zusammenfügen, oder legen Sie ein Modell fest. - Teile zusammenfügen: Fügen Sie die Audioteile mit einem Werkzeug wie ffmpeg zusammen. Alle Teile müssen dasselbe Format und dieselbe Abtastrate haben. Legen Sie daher für ein Dokument ein Modell fest.
- Kürzung: Das Beispiel zum Teilen kürzt jeden Teil auf 200 Zeichen. Halten Sie Ihre Sätze kürzer, sonst kann ein Wort verloren gehen.
Fehlerbehebung
| Problem | Ursache | Lösung |
|---|---|---|
| Fehler 400 bei einem Format | Der Anbieter kann dieses Format nicht erzeugen | Entfernen Sie response_format oder fordern Sie wav von Orpheus an |
| Groq-Anfrage schlägt bei langem Text fehl | Der Text hat mehr als 200 Zeichen | Teilen Sie den Text in kurze Teile |
| Groq-Fehler zu den Bedingungen | Die Modellbedingungen sind nicht akzeptiert | Akzeptieren Sie die Bedingungen in der Groq-Konsole |
| Audiodatei lässt sich nicht abspielen | Die Dateiendung passt nicht zum Format | Verwenden Sie den Header Content-Type, um die Endung festzulegen |
| Fehler 503 | Kein Sprachmodell ist aktiviert | Fügen Sie einen Schlüssel hinzu und aktivieren Sie ein Modell unter Models, Audio |
Häufig gestellte Fragen
Gibt es eine kostenlose Text-to-Speech-API?
Ja. Groq, Google AI Studio, Cloudflare Workers AI, Speechify und Cartesia bieten kostenlose Text-to-Speech mit Limits. FreeLLMAPI sendet Anfragen an /v1/audio/speech über einen Schlüssel an diese Anbieter.
Welche kostenlose Text-to-Speech-API hat die meisten Zeichen?
Von den Anbietern in der Tabelle nennt Speechify in seinem kostenlosen Tarif 500.000 Zeichen pro Monat. Cartesia nennt 20.000 Credits pro Monat, mit 1 Credit pro Zeichen.
Kann ich kostenloses Text-to-Speech-Audio kommerziell nutzen?
Das hängt vom Anbieter ab. Speechify nennt die kommerzielle Nutzung in seinem kostenlosen Tarif. Cartesia nennt die kommerzielle Lizenz nur in den bezahlten Tarifen. Lesen Sie die Bedingungen jedes Anbieters.
Funktioniert das OpenAI SDK für kostenloses Text-to-Speech?
Ja. Setzen Sie base_url auf http://localhost:3001/v1 und rufen Sie client.audio.speech.create auf. Der Router wählt einen Anbieter und gibt die Audiobytes zurück.
Verwandte Anleitungen
Quellen
- FreeLLMAPI docs: Images, video and text-to-speech (geprüft 20 November 2026)
- FreeLLMAPI docs: Groq Orpheus speech (geprüft 20 November 2026)
- Groq docs: Orpheus text to speech (geprüft 20 November 2026)
- Gemini Developer API pricing (geprüft 20 November 2026)
- Cloudflare Workers AI pricing (geprüft 20 November 2026)
- Speechify API pricing (geprüft 20 November 2026)
- Cartesia pricing (geprüft 20 November 2026)