Das ausdrucksstärkste und am besten steuerbare Text-zu-Sprache-Modell

In unserem Sprachmodell schreibst du deine Anweisung in ganz normaler Sprache — „sprich wie ein Radiomoderator zu später Stunde, warm und ohne Eile“ — und die Stimme richtet ihren Vortrag danach aus. Das ist Regie in natürlicher Sprache, so wie du ein Sprechtalent briefen würdest, und keine feste Liste voreingestellter Emotionen.

Ja. Über die Gesamtanweisung hinaus setzt du kurze Hinweise in Klammern wie [sob], [sigh] oder [giggle] an beliebiger Stelle im Text ein, um einen einzelnen Moment zu formen. Und mit dem Regler Instruction Commitment legst du fest, wie weit die Stimme deiner Regie folgt: von stabil und geerdet bis mutig und ausdrucksstark.

Jede Stimme auf der Plattform kann deine Referenz sein. Wähl aus einer kuratierten Bibliothek, in der jede Stimme eine eigene Persönlichkeit hat statt austauschbarer Erzählung, klone deine eigene aus einer kurzen Aufnahme oder gestalte eine neue Stimme aus einem Text-Prompt.

Breeze TTS 2 Multilingual unterstützt 51 Sprachen. Welche Sprachen verfügbar sind, hängt vom gewählten Modell ab, und BreezeBlue zeigt nur die Sprachen an, die dieses Modell aktuell freigibt.

Audio, das in den kostenpflichtigen Tarifen von BreezeBlue erzeugt wird, darfst du in kommerziellen Projekten einsetzen, von Videos und Werbung bis zu Games und Hörbüchern.

Ja. BreezeBlue ist zum Start kostenlos, und jeder kann sich täglich kostenlose Credits abholen. Die kostenpflichtigen Tarife bauen darauf auf: mehr Credits pro Monat, mehr Stimm-Slots und schnellere Generierung, wenn dein Bedarf wächst. Die vollständige Übersicht findest du auf unserer Preisseite.

Audio aus Text-zu-Sprache und Studio wird als WAV heruntergeladen, Stimmen aus der Stimmbibliothek als MP3.

Ja — und das ist gemessen, nicht nur versprochen. Im offenen Voice Direction Benchmark (August 2026) erreichte Breeze TTS 2 einen Gesamtwert von 4.25 von 5 über neun Regie-Achsen, darunter Emotion, Intention und Akzent. In der Praxis beschreibst du das Gefühl, das du willst — zurückgehaltene Trauer, wachsende Aufregung, trockener Sarkasmus — und die Stimme spielt es, statt ein fertiges Fröhlich-oder-Traurig-Preset überzustülpen.

Behandle sie wie eine Regienotiz: Benenn die Emotion, die Absicht hinter der Zeile und das Tempo, statt Adjektive zu stapeln. „Sag es flüsternd, sehr leise und angespannt, als hättest du Angst, belauscht zu werden“ funktioniert besser als „flüstere dramatisch“. Jedes Beispiel auf dieser Seite zeigt seine vollständige Anweisung im Wortlaut — du kannst von einer starten, ein einzelnes Detail ändern und genau hören, was sich verschiebt.

Ja. Die Text-zu-Sprache-API nutzt dasselbe Modell wie der Web-Creator, dieselbe Anweisung in natürlicher Sprache ergibt also auf beiden Wegen dieselbe geführte Performance. Das Audio streamt über die API zurück, die SDKs erledigen die Anfrage in wenigen Zeilen, und mit den identischen Eingaben auf dieser Seite prüfst du leicht, dass beide Wege übereinstimmen.