Google Cloud Text-to-Speech

Google Cloud Text-to-Speech bietet Entwickler:innen Sprachsynthese auf Grundlage der Technologie hinter Google-Assistenten. Eine Anfrage mit Text liefert Audioformate wie MP3 oder WAV zurück. Du wählst aus verschiedenen Stimmen und Sprachen. Neuere Stimmfamilien wie WaveNet und Chirp klingen deutlich natürlicher als klassische synthetische Stimmen. Es gibt zahlreiche Akzente und Stimmen.

Mit SSML können Entwickler:innen Sprechweise und Ausgabe genau abstimmen, darunter Pausen, Betonung, Aussprache und Tempo. Der Dienst unterstützt lange Audiogenerierung für Hörbücher und Erzählungen sowie Streaming für Echtzeitanwendungen wie Sprachassistenten und interaktive Sprachdialogsysteme. Kund:innen können unter strengen Auflagen eine eigene Stimme trainieren lassen. Der Dienst ist außerdem in andere Google-Cloud-Werkzeuge integriert.

Der Preis richtet sich nach Zeichenanzahl und Stimmtyp; ein monatliches Freikontingent ist verfügbar. Für praktische Anwendungen ist die Qualität gut, doch die Stimmen wirken weniger ausdrucksstark als bei spezialisierten Anbietern wie ElevenLabs. Alternativen sind Amazon Polly, Azure AI Speech, Text-to-Speech von OpenAI, ElevenLabs und Cartesia. Google Cloud Text-to-Speech eignet sich für Anwendungen in Google Cloud, die skalierbare und zuverlässige Sprachausgabe benötigen.