Sprachausgabe

OpenClaw kann ausgehende Antworten über 14 Sprach-Provider in Audio umwandeln und native Sprachnachrichten in Feishu, Matrix, Telegram und WhatsApp, Audioanhänge überall sonst sowie PCM/Ulaw-Streams für Telefonie und Talk liefern.

TTS ist die Sprachausgabe-Hälfte des stt-tts-Modus von Talk. Provider-native realtime-Talk-Sitzungen synthetisieren Sprache im Realtime-Provider, statt diesen TTS-Pfad aufzurufen, während transcription-Sitzungen keine Assistant-Sprachantwort synthetisieren.

# Schnellstart

{
  messages: {
    tts: {
      auto: "always",
      provider: "elevenlabs",
    },
  },
}

# Unterstützte Provider

Wenn mehrere Provider konfiguriert sind, wird der ausgewählte zuerst verwendet, die anderen dienen als Fallback-Optionen. Die automatische Zusammenfassung verwendet summaryModel (oder agents.defaults.model.primary), daher muss dieser Provider ebenfalls authentifiziert sein, wenn Sie Zusammenfassungen aktiviert lassen.

# Konfiguration

Die TTS-Konfiguration befindet sich unter messages.tts in ~/.openclaw/openclaw.json. Wählen Sie ein Preset aus und passen Sie den Provider-Block an:

{
messages: {
tts: {
  auto: "always",
  provider: "azure-speech",
  providers: {
    "azure-speech": {
      apiKey: "${AZURE_SPEECH_KEY}",
      region: "eastus",
      voice: "en-US-JennyNeural",
      lang: "en-US",
      outputFormat: "audio-24khz-48kbitrate-mono-mp3",
      voiceNoteOutputFormat: "ogg-24khz-16bit-mono-opus",
    },
  },
},
},
}

{
messages: {
tts: {
  auto: "always",
  provider: "elevenlabs",
  providers: {
    elevenlabs: {
      apiKey: "${ELEVENLABS_API_KEY}",
      model: "eleven_multilingual_v2",
      voiceId: "EXAVITQu4vr4xnSDxMaL",
    },
  },
},
},
}

{
messages: {
tts: {
  auto: "always",
  provider: "google",
  providers: {
    google: {
      apiKey: "${GEMINI_API_KEY}",
      model: "gemini-3.1-flash-tts-preview",
      voiceName: "Kore",
      // Optional natural-language style prompts:
      // audioProfile: "Speak in a calm, podcast-host tone.",
      // speakerName: "Alex",
    },
  },
},
},
}

{
messages: {
tts: {
  auto: "always",
  provider: "gradium",
  providers: {
    gradium: {
      apiKey: "${GRADIUM_API_KEY}",
      voiceId: "YTpq7expH9539ERJ",
    },
  },
},
},
}

{
messages: {
tts: {
  auto: "always",
  provider: "inworld",
  providers: {
    inworld: {
      apiKey: "${INWORLD_API_KEY}",
      modelId: "inworld-tts-1.5-max",
      voiceId: "Sarah",
      temperature: 0.7,
    },
  },
},
},
}

{
messages: {
tts: {
  auto: "always",
  provider: "tts-local-cli",
  providers: {
    "tts-local-cli": {
      command: "say",
      args: ["-o", "{{OutputPath}}", "{{Text}}"],
      outputFormat: "wav",
      timeoutMs: 120000,
    },
  },
},
},
}

{
messages: {
tts: {
  auto: "always",
  provider: "microsoft",
  providers: {
    microsoft: {
      enabled: true,
      voice: "en-US-MichelleNeural",
      lang: "en-US",
      outputFormat: "audio-24khz-48kbitrate-mono-mp3",
      rate: "+0%",
      pitch: "+0%",
    },
  },
},
},
}

{
messages: {
tts: {
  auto: "always",
  provider: "minimax",
  providers: {
    minimax: {
      apiKey: "${MINIMAX_API_KEY}",
      model: "speech-2.8-hd",
      voiceId: "English_expressive_narrator",
      speed: 1.0,
      vol: 1.0,
      pitch: 0,
    },
  },
},
},
}

{
messages: {
tts: {
  auto: "always",
  provider: "openai",
  summaryModel: "openai/gpt-4.1-mini",
  modelOverrides: { enabled: true },
  providers: {
    openai: {
      apiKey: "${OPENAI_API_KEY}",
      model: "gpt-4o-mini-tts",
      voice: "alloy",
    },
    elevenlabs: {
      apiKey: "${ELEVENLABS_API_KEY}",
      model: "eleven_multilingual_v2",
      voiceId: "EXAVITQu4vr4xnSDxMaL",
      voiceSettings: { stability: 0.5, similarityBoost: 0.75, style: 0.0, useSpeakerBoost: true, speed: 1.0 },
      applyTextNormalization: "auto",
      languageCode: "en",
    },
  },
},
},
}

{
messages: {
tts: {
  auto: "always",
  provider: "openrouter",
  providers: {
    openrouter: {
      apiKey: "${OPENROUTER_API_KEY}",
      model: "hexgrad/kokoro-82m",
      voice: "af_alloy",
      responseFormat: "mp3",
    },
  },
},
},
}

{
messages: {
tts: {
  auto: "always",
  provider: "volcengine",
  providers: {
    volcengine: {
      apiKey: "${VOLCENGINE_TTS_API_KEY}",
      resourceId: "seed-tts-1.0",
      voice: "en_female_anna_mars_bigtts",
    },
  },
},
},
}

{
messages: {
tts: {
  auto: "always",
  provider: "xai",
  providers: {
    xai: {
      apiKey: "${XAI_API_KEY}",
      voiceId: "eve",
      language: "en",
      responseFormat: "mp3",
    },
  },
},
},
}

{
messages: {
tts: {
  auto: "always",
  provider: "xiaomi",
  providers: {
    xiaomi: {
      apiKey: "${XIAOMI_API_KEY}",
      model: "mimo-v2.5-tts",
      voice: "mimo_default",
      format: "mp3",
    },
  },
},
},
}

# Sprach-Overrides pro Agent

Verwenden Sie agents.list[].tts, wenn ein Agent mit einem anderen Provider, einer anderen Stimme, einem anderen Modell, einer anderen Persona oder einem anderen Auto-TTS-Modus sprechen soll. Der Agent-Block wird tief über messages.tts zusammengeführt, sodass Provider-Anmeldedaten in der globalen Provider-Konfiguration bleiben können:

{
  messages: {
    tts: {
      auto: "always",
      provider: "elevenlabs",
      providers: {
        elevenlabs: { apiKey: "${ELEVENLABS_API_KEY}", model: "eleven_multilingual_v2" },
      },
    },
  },
  agents: {
    list: [
      {
        id: "reader",
        tts: {
          providers: {
            elevenlabs: { voiceId: "EXAVITQu4vr4xnSDxMaL" },
          },
        },
      },
    ],
  },
}

Um eine Persona pro Agent festzulegen, setzen Sie agents.list[].tts.persona neben der Provider-Konfiguration. Sie überschreibt die globale messages.tts.persona nur für diesen Agent.

Vorrangreihenfolge für automatische Antworten, /tts audio, /tts status und das Agent-Tool tts:

1. messages.tts
2. aktive agents.list[].tts
3. Kanalüberschreibung, wenn der Kanal channels.<channel>.tts unterstützt
4. Kontoüberschreibung, wenn der Kanal channels.<channel>.accounts.<id>.tts übergibt
5. lokale /tts-Einstellungen für diesen Host
6. Inline-Direktiven [[tts:...]], wenn Modellüberschreibungen aktiviert sind

Kanal- und Kontoüberschreibungen verwenden dieselbe Struktur wie messages.tts und werden per Deep Merge über die früheren Ebenen gelegt, sodass gemeinsame Provider-Anmeldedaten in messages.tts bleiben können, während ein Kanal oder Bot-Konto nur Stimme, Modell, Persona oder Auto-Modus ändert:

{
  messages: {
    tts: {
      provider: "openai",
      providers: {
        openai: { apiKey: "${OPENAI_API_KEY}", model: "gpt-4o-mini-tts" },
      },
    },
  },
  channels: {
    feishu: {
      accounts: {
        english: {
          tts: {
            providers: {
              openai: { voice: "shimmer" },
            },
          },
        },
      },
    },
  },
}

# Personas

Eine Persona ist eine stabile gesprochene Identität, die deterministisch über Provider hinweg angewendet werden kann. Sie kann einen Provider bevorzugen, providerneutrale Prompt- Absichten definieren und providerspezifische Bindungen für Stimmen, Modelle, Prompt- Vorlagen, Seeds und Spracheinstellungen enthalten.

# Minimale Persona

{
  messages: {
    tts: {
      auto: "always",
      persona: "narrator",
      personas: {
        narrator: {
          label: "Narrator",
          provider: "elevenlabs",
          providers: {
            elevenlabs: { voiceId: "EXAVITQu4vr4xnSDxMaL", modelId: "eleven_multilingual_v2" },
          },
        },
      },
    },
  },
}

# Vollständige Persona (providerneutraler Prompt)

{
  messages: {
    tts: {
      auto: "always",
      persona: "alfred",
      personas: {
        alfred: {
          label: "Alfred",
          description: "Dry, warm British butler narrator.",
          provider: "google",
          fallbackPolicy: "preserve-persona",
          prompt: {
            profile: "A brilliant British butler. Dry, witty, warm, charming, emotionally expressive, never generic.",
            scene: "A quiet late-night study. Close-mic narration for a trusted operator.",
            sampleContext: "The speaker is answering a private technical request with concise confidence and dry warmth.",
            style: "Refined, understated, lightly amused.",
            accent: "British English.",
            pacing: "Measured, with short dramatic pauses.",
            constraints: ["Do not read configuration values aloud.", "Do not explain the persona."],
          },
          providers: {
            google: {
              model: "gemini-3.1-flash-tts-preview",
              voiceName: "Algieba",
              promptTemplate: "audio-profile-v1",
            },
            openai: { model: "gpt-4o-mini-tts", voice: "cedar" },
            elevenlabs: {
              voiceId: "voice_id",
              modelId: "eleven_multilingual_v2",
              seed: 42,
              voiceSettings: {
                stability: 0.65,
                similarityBoost: 0.8,
                style: 0.25,
                useSpeakerBoost: true,
                speed: 0.95,
              },
            },
          },
        },
      },
    },
  },
}

# Persona-Auflösung

Die aktive Persona wird deterministisch ausgewählt:

1. lokale Einstellung /tts persona <id>, falls gesetzt.
2. messages.tts.persona, falls gesetzt.
3. Keine Persona.

Die Provider-Auswahl erfolgt mit expliziten Angaben zuerst:

1. Direkte Überschreibungen (CLI, Gateway, Talk, zugelassene TTS-Direktiven).
2. lokale Einstellung /tts provider <id>.
3. provider der aktiven Persona.
4. messages.tts.provider.
5. automatische Registry-Auswahl.

Für jeden Provider-Versuch führt OpenClaw Konfigurationen in dieser Reihenfolge zusammen:

1. messages.tts.providers.<id>
2. messages.tts.personas.<persona>.providers.<id>
3. Vertrauenswürdige Anfrageüberschreibungen
4. Zugelassene vom Modell ausgegebene Überschreibungen für TTS-Direktiven

# Wie Provider Persona-Prompts verwenden

Persona-Prompt-Felder (profile, scene, sampleContext, style, accent, pacing, constraints) sind providerneutral. Jeder Provider entscheidet selbst, wie er sie verwendet:

# Fallback-Richtlinie

fallbackPolicy steuert das Verhalten, wenn eine Persona keine Bindung für den versuchten Provider hat:

Die gesamte TTS-Anfrage schlägt nur fehl, wenn jeder versuchte Provider übersprungen wird oder fehlschlägt.

Die Provider-Auswahl einer Talk-Sitzung ist sitzungsbezogen. Ein Talk-Client sollte Provider-IDs, Modell-IDs, Stimm-IDs und Locales aus talk.catalog auswählen und sie über die Talk-Sitzung oder Handoff-Anfrage übergeben. Das Öffnen einer Sprachsitzung sollte messages.tts oder globale Talk-Provider-Standardwerte nicht verändern.

# Modellgesteuerte Direktiven

Standardmäßig kann der Assistent [[tts:...]]-Direktiven ausgeben, um Stimme, Modell oder Geschwindigkeit für eine einzelne Antwort zu überschreiben, plus einen optionalen [[tts:text]]...[[/tts:text]]-Block für Ausdruckshinweise, die nur im Audio erscheinen sollen:

Here you go.

[[tts:voiceId=pMsXgVXv3BLzUgSXRplE model=eleven_v3 speed=1.1]]
[[tts:text]](laughs) Read the song once more.[[/tts:text]]

Wenn messages.tts.auto "tagged" ist, sind Direktiven erforderlich, um Audio auszulösen. Die Streaming-Blockauslieferung entfernt Direktiven aus dem sichtbaren Text, bevor der Kanal sie sieht, selbst wenn sie über benachbarte Blöcke verteilt sind.

provider=... wird ignoriert, sofern nicht modelOverrides.allowProvider: true gesetzt ist. Wenn eine Antwort provider=... deklariert, werden die anderen Schlüssel in dieser Direktive nur von diesem Provider geparst; nicht unterstützte Schlüssel werden entfernt und als TTS- Direktivenwarnungen gemeldet.

Verfügbare Direktiven-Schlüssel:

• provider (registrierte Provider-ID; erfordert allowProvider: true)
• voice / voiceName / voice_name / google_voice / voiceId
• model / google_model
• stability, similarityBoost, style, speed, useSpeakerBoost
• vol / volume (MiniMax-Lautstärke, 0-10)
• pitch (MiniMax-ganzzahliger Pitch, -12 bis 12; Bruchwerte werden abgeschnitten)
• emotion (Volcengine-Emotionstag)
• applyTextNormalization (auto|on|off)
• languageCode (ISO 639-1)
• seed

Modellüberschreibungen vollständig deaktivieren:

{ messages: { tts: { modelOverrides: { enabled: false } } } }

Provider-Wechsel zulassen und andere Stellschrauben konfigurierbar lassen:

{ messages: { tts: { modelOverrides: { enabled: true, allowProvider: true, allowSeed: false } } } }

# Slash-Befehle

Einzelner Befehl /tts. In Discord registriert OpenClaw zusätzlich /voice, weil /tts ein integrierter Discord-Befehl ist — Text /tts ... funktioniert weiterhin.

/tts off | on | status
/tts chat on | off | default
/tts latest
/tts provider <id>
/tts persona <id> | off
/tts limit <chars>
/tts summary off
/tts audio <text>

Verhaltenshinweise:

• /tts on schreibt die lokale TTS-Einstellung auf always; /tts off schreibt sie auf off.
• /tts chat on|off|default schreibt eine sitzungsbezogene Auto-TTS-Überschreibung für den aktuellen Chat.
• /tts persona <id> schreibt die lokale Persona-Einstellung; /tts persona off löscht sie.
• /tts latest liest die neueste Assistentenantwort aus dem aktuellen Sitzungstranskript und sendet sie einmal als Audio. Es speichert nur einen Hash dieser Antwort im Sitzungseintrag, um doppelte Sprachausgaben zu unterdrücken.
• /tts audio generiert eine einmalige Audioantwort (schaltet TTS nicht ein).
• limit und summary werden in lokalen Einstellungen gespeichert, nicht in der Hauptkonfiguration.
• /tts status enthält Fallback-Diagnosen für den letzten Versuch — Fallback: <primary> -> <used>, Attempts: ... und Details pro Versuch (provider:outcome(reasonCode) latency).
• /status zeigt den aktiven TTS-Modus sowie konfigurierte Provider-, Modell-, Stimm- und bereinigte benutzerdefinierte Endpunktmetadaten an, wenn TTS aktiviert ist.

# Benutzerspezifische Einstellungen

Slash-Befehle schreiben lokale Überschreibungen nach prefsPath. Standard ist ~/.openclaw/settings/tts.json; überschreiben Sie dies mit der Env-Var OPENCLAW_TTS_PREFS oder messages.tts.prefsPath.

Diese überschreiben die effektive Konfiguration aus messages.tts plus den aktiven Block agents.list[].tts für diesen Host.

# Ausgabeformate (fest)

Die TTS-Sprachauslieferung wird durch Kanalfähigkeiten gesteuert. Kanal-Plugins geben an, ob sprachstilbasiertes TTS Provider nach einem nativen Ziel voice-note fragen soll oder normale audio-file-Synthese beibehalten und nur kompatible Ausgaben für die Sprachauslieferung markieren soll.

• Sprachnotizfähige Kanäle: Sprachnotizantworten bevorzugen Opus (opus_48000_64 von ElevenLabs, opus von OpenAI).
  • 48 kHz / 64 kbit/s ist ein guter Kompromiss für Sprachnachrichten.
• Feishu / WhatsApp: Wenn eine Sprachnotizantwort als MP3/WebM/WAV/M4A oder eine andere wahrscheinliche Audiodatei erzeugt wird, transkodiert das Kanal-Plugin sie vor dem Senden der nativen Sprachnachricht mit ffmpeg in 48 kHz Ogg/Opus. WhatsApp sendet das Ergebnis über die Baileys-audio-Payload mit ptt: true und audio/ogg; codecs=opus. Wenn die Konvertierung fehlschlägt, erhält Feishu die ursprüngliche Datei als Anhang; das Senden über WhatsApp schlägt fehl, statt eine inkompatible PTT-Payload zu posten.
• BlueBubbles: belässt die Provider-Synthese auf dem normalen Audiodateipfad; MP3- und CAF-Ausgaben werden für die Zustellung als iMessage-Sprachmemo markiert.
• Andere Kanäle: MP3 (mp3_44100_128 von ElevenLabs, mp3 von OpenAI).
  • 44,1 kHz / 128 kbit/s ist die Standardbalance für Sprachklarheit.
• MiniMax: MP3 (speech-2.8-hd-Modell, 32-kHz-Abtastrate) für normale Audioanhänge. Für vom Kanal angekündigte Sprachnotizziele transkodiert OpenClaw die MiniMax-MP3 vor der Zustellung mit ffmpeg in 48 kHz Opus, wenn der Kanal Transkodierung ankündigt.
• Xiaomi MiMo: Standardmäßig MP3 oder WAV, wenn konfiguriert. Für vom Kanal angekündigte Sprachnotizziele transkodiert OpenClaw die Xiaomi-Ausgabe vor der Zustellung mit ffmpeg in 48 kHz Opus, wenn der Kanal Transkodierung ankündigt.
• Lokale CLI: verwendet das konfigurierte outputFormat. Sprachnotizziele werden in Ogg/Opus konvertiert, und Telefonausgabe wird mit ffmpeg in rohes 16-kHz-Mono-PCM konvertiert.
• Google Gemini: Gemini API TTS gibt rohes 24-kHz-PCM zurück. OpenClaw verpackt es für Audioanhänge als WAV, transkodiert es für Sprachnotizziele in 48 kHz Opus und gibt PCM für Talk/Telefonie direkt zurück.
• Gradium: WAV für Audioanhänge, Opus für Sprachnotizziele und ulaw_8000 bei 8 kHz für Telefonie.
• Inworld: MP3 für normale Audioanhänge, natives OGG_OPUS für Sprachnotizziele und rohes PCM bei 22050 Hz für Talk/Telefonie.
• xAI: Standardmäßig MP3; responseFormat kann mp3, wav, pcm, mulaw oder alaw sein. OpenClaw verwendet den Batch-REST-TTS-Endpunkt von xAI und gibt einen vollständigen Audioanhang zurück; der Streaming-TTS-WebSocket von xAI wird von diesem Provider-Pfad nicht verwendet. Das native Opus-Sprachnotizformat wird von diesem Pfad nicht unterstützt.
• Microsoft: verwendet microsoft.outputFormat (Standard audio-24khz-48kbitrate-mono-mp3).
  • Der gebündelte Transport akzeptiert ein outputFormat, aber nicht alle Formate sind vom Dienst verfügbar.
  • Ausgabeformatwerte folgen den Microsoft Speech-Ausgabeformaten (einschließlich Ogg/WebM Opus).
  • Telegram sendVoice akzeptiert OGG/MP3/M4A; verwenden Sie OpenAI/ElevenLabs, wenn Sie garantierte Opus-Sprachnachrichten benötigen.
  • Wenn das konfigurierte Microsoft-Ausgabeformat fehlschlägt, versucht OpenClaw es erneut mit MP3.

OpenAI/ElevenLabs-Ausgabeformate sind pro Kanal festgelegt (siehe oben).

# Auto-TTS-Verhalten

Wenn messages.tts.auto aktiviert ist, führt OpenClaw Folgendes aus:

• Überspringt TTS, wenn die Antwort bereits Medien oder eine MEDIA:-Direktive enthält.
• Überspringt sehr kurze Antworten (unter 10 Zeichen).
• Fasst lange Antworten zusammen, wenn Zusammenfassungen aktiviert sind, unter Verwendung von summaryModel (oder agents.defaults.model.primary).
• Hängt das erzeugte Audio an die Antwort an.
• In mode: "final" wird weiterhin reines Audio-TTS für gestreamte finale Antworten gesendet, nachdem der Textstream abgeschlossen ist; die erzeugten Medien durchlaufen dieselbe Kanal-Mediennormalisierung wie normale Antwortanhänge.

Wenn die Antwort maxLength überschreitet und die Zusammenfassung deaktiviert ist (oder kein API-Schlüssel für das Zusammenfassungsmodell vorhanden ist), wird Audio übersprungen und die normale Textantwort gesendet.

Reply -> TTS enabled?
  no  -> send text
  yes -> has media / MEDIA: / short?
          yes -> send text
          no  -> length > limit?
                   no  -> TTS -> attach audio
                   yes -> summary enabled?
                            no  -> send text
                            yes -> summarize -> TTS -> attach audio

# Ausgabeformate nach Kanal

Hinweise pro Provider:

• Feishu / WhatsApp-Transkodierung: Wenn eine Sprachnotizantwort als MP3/WebM/WAV/M4A ankommt, transkodiert das Kanal-Plugin sie mit ffmpeg in 48 kHz Ogg/Opus. WhatsApp sendet über Baileys mit ptt: true und audio/ogg; codecs=opus. Wenn die Konvertierung fehlschlägt: Feishu fällt auf das Anhängen der ursprünglichen Datei zurück; das Senden über WhatsApp schlägt fehl, statt eine inkompatible PTT-Payload zu posten.
• MiniMax / Xiaomi MiMo: Standardmäßig MP3 (32 kHz für MiniMax speech-2.8-hd); für Sprachnotizziele über ffmpeg in 48 kHz Opus transkodiert.
• Lokale CLI: Verwendet das konfigurierte outputFormat. Sprachnotizziele werden in Ogg/Opus konvertiert und Telefonausgabe in rohes 16-kHz-Mono-PCM.
• Google Gemini: Gibt rohes 24-kHz-PCM zurück. OpenClaw verpackt es für Anhänge als WAV, transkodiert es für Sprachnotizziele in 48 kHz Opus und gibt PCM für Talk/Telefonie direkt zurück.
• Inworld: MP3-Anhänge, native OGG_OPUS-Sprachnotiz, rohes PCM mit 22050 Hz für Talk/Telefonie.
• xAI: Standardmäßig MP3; responseFormat kann mp3|wav|pcm|mulaw|alaw sein. Verwendet den Batch-REST-Endpunkt von xAI — Streaming-WebSocket-TTS wird nicht verwendet. Das native Opus-Sprachnotizformat wird nicht unterstützt.
• Microsoft: Verwendet microsoft.outputFormat (Standard audio-24khz-48kbitrate-mono-mp3). Telegram sendVoice akzeptiert OGG/MP3/M4A; verwenden Sie OpenAI/ElevenLabs, wenn Sie garantierte Opus-Sprachnachrichten benötigen. Wenn das konfigurierte Microsoft-Format fehlschlägt, versucht OpenClaw es erneut mit MP3.

OpenAI- und ElevenLabs-Ausgabeformate sind wie oben aufgeführt pro Kanal festgelegt.

# Feldreferenz

# Agenten-Tool

Das tts-Tool wandelt Text in Sprache um und gibt einen Audioanhang für die Antwortzustellung zurück. In Feishu, Matrix, Telegram und WhatsApp wird das Audio als Sprachnachricht statt als Dateianhang zugestellt. Feishu und WhatsApp können auf diesem Pfad Nicht-Opus-TTS-Ausgaben transkodieren, wenn ffmpeg verfügbar ist.

WhatsApp sendet Audio über Baileys als PTT-Sprachnotiz (audio mit ptt: true) und sendet sichtbaren Text separat vom PTT-Audio, weil Clients Untertitel für Sprachnotizen nicht konsistent rendern.

Das Tool akzeptiert optionale Felder channel und timeoutMs; timeoutMs ist ein Provider-Anfrage-Timeout pro Aufruf in Millisekunden.

# Gateway-RPC

# Service-Links

• OpenAI-Leitfaden für Text-to-Speech
• OpenAI Audio-API-Referenz
• Azure Speech REST Text-to-Speech
• Azure Speech-Provider
• ElevenLabs Text to Speech
• ElevenLabs-Authentifizierung
• Gradium
• Inworld TTS-API
• MiniMax T2A v2-API
• Volcengine TTS-HTTP-API
• Xiaomi MiMo-Sprachsynthese
• node-edge-tts
• Microsoft Speech-Ausgabeformate
• xAI Text to Speech

# Verwandt

• Medienübersicht
• Musikgenerierung
• Videogenerierung
• Slash-Befehle
• Sprachanruf-Plugin