Text till tal: Skapa ljudbokstäder för dina kurser

Av Talflöde redaktion · Uppdaterad 2026-11-18

Välkommen till Talflöde, där vi hjälper e-learning-startups att konvertera kursmaterial till naturlig talaudio via ett enkelt API. På denna sida får du en översikt över hur du snabbt integrerar text-till-tal i din LMS, från API-anrop till färdiga ljudfiler för dina elever.

Här hittar du konkreta exempel på våra 8 röster, stödda språk och hur prissättningen fungerar per tecken. Vi förklarar också hur du kommer igång med en gratis testperiod och vilka tekniska detaljer som krävs för en smidig integration utan krångel.

Text till tal: Skapa ljudbokstäder för dina kurser

Vanliga frågor

Vad är text till tal?

Text-till-tal (TTS) är ett API där du skickar in text och får tillbaka en ljudfil. Du använder en POST-begäran till /v1/audio/speech med en JSON-body. Systemet konverterar din text till naturlig talaudio via en av åtta röster, vilket gör det enkelt att skapa ljudmaterial för dina e-learning-kurser utan manuellt inspelning.

Hur många språk stöds?

Vi stödjer 23 språk, inklusive svenska, engelska, tyska, spanska och franska. Du kan välja valfritt språk per begäran. Om språket inte anges gissas det utifrån skriptet, men för latinska tecken utom engelska bör du ange språket explicit. Språk som vietnamesiska, thailändska, indonesiska, ukrainska, rumänska, tsjeckiska och bengali stöds inte.

Vilka format stöds för ljudfiler?

Du kan välja mellan mp3, wav, opus, flac och pcm som svarformat. Dessa anges i begäran via fältet response_format. Valet påverkar filstorlek och kvalitet, men alla format levereras som färdiga ljudfiler som du kan integrera direkt i dina e-learning-plattformar eller LMS-system.

Hur fungerar prissättningen?

Priset är $10 per 1 miljon tecken, vilket motsvarar $0,01 per 1 000 tecken. Mellanslag och skiljetecken räknas som tecken. Det finns inga månadsavgifter eller minsta förbrukning. Du betalar endast för vad du använder via saldo, som laddas på med USDT (TRC-20). Misslyckade anrop är gratis.

Är det gratis att testa?

Ja, vid inloggning med Google får du $0,50 i kredit som räcker för cirka 50 000 tecken. Kreditet gäller i 7 dagar. Om du skapar ett konto med e-post och lösenord får du ingen provkredit. Du kan sedan ladda upp mer saldo via kryptovaluta för att fortsätta.

Hur snabbt genereras ljudet?

Ljud genereras ungefär i realtid, vilket innebär cirka 25 tecken text per sekund genererat ljud. Kortare fraser kan ta några sekunder. Begäranden bearbetas i kö, så vid hög belastning kan det ta lite längre tid. Längre texter bör delas upp i delar på max 4 096 tecken.

Kan jag ändra hastigheten?

Ja, du kan justera hastigheten mellan 0,25 och 4,0 gånger normal hastighet. Detta anges i fältet speed i din API-begäran. Det är ett enkelt sätt att anpassa talet till olika ljudbehov i dina kurser, oavsett vilken röst du väljer. Hastighetsjusteringen tillämpas direkt på den genererade ljudfilen.

Finns det någon gräns för textlängd?

Varje enskilt API-anrop kan innehålla upp till 4 096 tecken. För längre texter bör du dela upp texten i mindre delar och anropa API:t flera gånger. Du kan sedan sammanfoga de genererade ljudfilerna till en hel helhet. Detta säkerställer att varje begäran bearbetas effektivt och korrekt.

Hur ser jag min förbrukning?

På sidan /get-api-key/ visas din nyckel, saldo, återstående tecken och användningsstatistik. Du kan också se en klar exempel-kommandon för cURL. Begärandsmetadata (tid, tecken, status) sparas för fakturering. Ljudfilen returneras i svaret och lagras inte. Din text används endast för att skapa ljudet och inte för träning av modeller.

Vad händer om ett anrop misslyckas?

Om syntesen misslyckas returneras hela beloppet fullt ut. Du betalar alltså inte för misslyckade försök. Detta gäller oavsett orsak till felet. Det är en säkerhetsmarginal för att du ska kunna testa API:t utan risk för onödiga kostnader vid tekniska problem eller oväntade fel under processen.

Stöds SSML?

Nej, vi stödjer inte SSML (Speech Synthesis Markup Language). Du skickar enkel text till API:t. Det finns inga stöd för fonemlexikon eller anpassade uttal. Om du behöver finjustera uttalet måste du justera texten direkt i ditt inmatade meddelande innan du skickar det till API:t för generering.

Kan jag klona min egen röst?

Nej, vi erbjuder inte anpassad röstkloning för kunder. Du kan inte ladda upp din egen röst eller designa en ny röst. Vi erbjuder åtta förinställda röster baserade på licensierade inspelningar från LibriTTS-R (CC BY 4.0) och public domain-ljudböcker. Dessa täcker olika tonlägen och stilar, men du har ingen möjlighet att skapa unika röster från grunden.

Vad är en API-nyckel?

En API-nyckel är en autentiseringssträng som börjar med 'tts-...' och används för att verifiera ditt konto. Du skickar den i headern som 'Authorization: Bearer <nyckel>'. Varje konto har en aktiv nyckel. Du kan utfärda en ny nyckel när som helst, varvid den gamla slutar gälla omedelbart.

Hur kontakta support?

Supporten sker enbart via e-post. Vi har inget telefonnummer, ingen live-chatt och inga SLA-garantier. Svaret kan variera beroende på belastning. För tekniska frågor eller problem med ditt konto, kontakta oss via e-postadressen som anges på vår webbplats eller i dokumentationen för snabbast möjlig hjälp.

Första förfrågan

curl

curl https://api.playg123.com/v1/audio/speech \
  -H "Authorization: Bearer $TTS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"tts-1","voice":"aria","input":"Hello from the API.","response_format":"mp3"}' \
  --output hello.mp3

Hur fungerar det?

Ljudvågsillustration för: Hur fungerar det?

Att konvertera ditt kursmaterial till ljud behöver inte vara en tung process. Med Talflödes API skickar du text och får ljudfilen direkt tillbaka, perfekt för att snabbt skala upp din ljudproduktion utan att hyra in röster.

Skicka text via API:et

Skicka text via API:et

Du skickar texten (upp till 4096 tecken) i ett JSON-objekt till endpointen https://api.playg123.com/v1/audio/speech. Endast ett POST-anrop krävs, och du kan styra röst, format och hastighet direkt i begäran.

Motta ljudfil direkt

Få en färdig ljudfil tillbaka. API:et returnerar ljudet i valfritt format som MP3, WAV, OPUS eller FLAC, redo att användas i dina kurser.

Bädda in i din LMS

Använd ljudfilerna fritt i din favorit-Lösning för e-learning. Ladda upp filerna till dina moduler eller integrera dem via API:et för att erbjuda ljudläsning direkt i dina kurser.

Våra röster

Ljudvågsillustration för: Våra röster

Välj mellan åtta väldefinierade röster som täcker olika pedagogiska tonlägen. Från lugn instruktion till energisk presentation, varje röst är optimerad för att behålla lyssnarens fokus under längre kursmoduler.

Alla röster stödjer 23 språk och kan användas fritt inom dina kurser. De bygger på licensierade inspelningar och bär en osynlig vattenstämpel som identifierar ljudet som syntetiskt.

8 unika profiler

Varje röst har en distinkt karaktär som passar olika typer av innehåll. Oavsett om du behöver en neutral nyhetsläsare eller en varm berättare, finns en profil som matchar din kurs stil.

  • Aria, Nova, Luna, Sage, Felix, Milo, Atlas, Orion

Kvinnliga röster

Fyra kvinnliga profiler erbjuder variation från mjuk storytelling till ljus uppdatering. Aria är klar och narrativ, medan Nova är uppiggande. Luna ger en mjuk ton för berättelser, och Sage är perfekt för instruktionsmaterial.

Dessa röster fungerar utmärkt för att förklara komplexa begrepp på ett inbjudande sätt.

  • Aria: Varm, klar berättare
  • Nova: Ljus, uppiggande
  • Luna: Mjuk, storytelling
  • Sage: Lugn, instruerande

Manliga röster

De fyra manliga profilerna täcker allt från energisk marknadsföring till djup dokumentärstil. Felix är energisk för promo-innehåll, medan Milo skapar en konverserande stämma. Atlas levererar neutrala nyheter och Orion ger djup till dokumentärer.

De är optimerade för att behålla intresset under tekniska eller fakta-baserade moduler.

  • Felix: Energisk, promo
  • Milo:vänlig, konverserande
  • Atlas: Neutral, nyheter
  • Orion: Djup, dokumentär

Språk & format

Ljudvågsillustration för: Språk & format

Välj mellan 23 språk för att nå en global publik. Oavsett om du skriver på svenska, engelska eller tyska, kan valfri röst tala vilket som helst av dessa språk korrekt. Använd fältet 'language' för att säkerställa korrekt uttal när texten inte är på engelska.

23 tillgängliga språk

Vi stödjer arabiska, danska, finska, franska, grekiska, hebreiska, hindi, italienska, japanska, koreanska, malaysiska, norska, polska, portugisiska, ryska, spanska, swahili, svenska och turkiska, utöver engelska och tyska. Språket gissas automatiskt från textens tecken, men det är smartare att specificera det explicit för icke-engelsk latinisk text.

  • Stödjer 23 språk med hög kvalitet
  • Automatisk gissning baserad på skrift
  • Specifiera språket för bättre precision

MP3, WAV, OPUS

Välj mellan MP3, WAV, OPUS, FLAC eller PCM beroende på dina behov. MP3 är idealiskt för webbläsare och minskar filstorleken, medan WAV erbjuder förlustfri kvalitet för redigering i din LMS. OPUS är ett utmärkt val för effektiv kompression med hög ljudkvalitet.

  • MP3 för webb och streaming
  • WAV för högsta kvalitet
  • OPUS för effektiv kompression

Ljudfiler med watermark

Varje genererad ljudfil innehåller en osynlig vattenstämpel som markerar ljudet som syntetiskt. Detta hjälper dig att identifiera AI-genererat material utan att störa lyssnarens upplevelse. Det är en diskret funktion för transparens utan extra kostnad.

Prissättning

Ljudvågsillustration för: Prissättning

Talflödes prissättning är transparent och enkel: du betalar en fast summa baserat på mängden text som konverteras. Det är en kostnad som skalar med din användning, vilket gör det idealiskt för startups som vill hålla de fasta utgifterna låga medan de växer.

Betala per tecken

Priset är 10 USD per miljon tecken, vilket motsvarar 0,01 USD per tusen tecken. Mellanslag och interpunktion räknas som tecken. Om syntesen misslyckas återbetalas beloppet fullt ut, så du betalar bara för lyckad leverans.

  • 0,01 USD per 1 000 tecken
  • Mellanrum och skiljetecken ingår i priset
  • Felaktiga anrop kostar inget

Gratis testperiod

När du registrerar dig med Google får du 0,50 USD i testkredit, motsvarande cirka 50 000 tecken. Denna kredit är giltig i sju dagar. Konton skapade med e-post och lösenstartar utan denna bonus.

  • 0,50 USD testkredit vid Google-inloggning
  • Giltigt i 7 dagar
  • Ungefär 50 000 tecken

Inga dolda avgifter

Det finns inga månadspaket, inga säten och inga minimikrav. Du fyller på saldo via USDT (TRC-20) vid behov. Balansen löper inte ut och det finns ingen moms på fakturor eftersom vi inte utfärdar sådana.

  • Inga månadskostnader
  • Inga minimikrav
  • Saldo som inte löper ut

Teknisk integration

Ljudvågsillustration för: Teknisk integration

Använd vår API med OpenAI SDK eller enkel HTTP. Endast base_url ändras till https://api.playg123.com/v1. Allt annat fungerar som vanligt för att generera ljudfiler.

Autentisera dina anrop med enBearer-token. En nyckel genereras i ditt konto och ersätter gamla direkt. Sätt Authorization: Bearer din_nyckel i varje begäran.

OpenAI SDK kompatibel

API:et följer samma begäransform som Openai Speech. Ändra bara base_url. Du kan använda officiella SDK:n eller plain HTTP.

  • POST https://api.playg123.com/v1/audio/speech
  • Stöd för JSON-body med model, input, voice

Enkel autentisering

Varje konto har en aktiv API-nyckel. Skapa en ny vid behov; den gamla avslutas omedelbart. Skicka nyckeln som en bearer-token i header.

Dokumentation

Fullständig teknisk dokumentation finns tillgänglig. Se /docs/ för exempel på curl-kommandon och parametrar som model, voice och response_format.

Teknisk integration

Varför välja Talflöde?

Ljudvågsillustration för: Varför välja Talflöde?

Med Talflöde konverterar du kursmaterial till naturlig talaudio utan att anställa röster. Vårt API hanterar text och returnerar ljudfiler direkt, vilket gör det enkelt att skala upp din ljudproduktion utan komplex teknik.

Snabb leverans

Vi genererar ljud med en hastighet på ungefär 25 tecken per sekund. Längre texter delas upp i delar och sammanfogas till en helhet, så att dina elever får tillgång till innehåll snabbt.

Skalbart för startups

Betala endast för vad du använder. Med ett fast pris per tecken och ingen minimumnivå kan du starta små och växa utan att oroa dig för fasta kostnader eller dolda avgifter.

Enkelt API

Vårt API är kompatibelt med OpenAI SDK, vilket gör integrationen enkel. Du behöver bara skicka text via ett enkelt anrop och motta en ljudfil, allt med enkel autentisering via API-nyckel.

Vanliga frågor

Ljudvågsillustration för: Vanliga frågor

Här hittar du svar på de vanligaste frågorna kring Talflödes API för e-learning. Vi fokuserar på tydlighet kring teknik, språk och användning för att underlätta din integration.

Om du har andra frågor om flödet eller priserna är du välkommen att kontakta oss via e-post.

Vilka språk stöds?

Vi stöder 23 språk, inklusive svenska, engelska, tyska och spanska. En röst kan tala vilket av dessa språk som helst. För text på latin med andra språk än engelska bör du specificera språket i API-anropet.

  • Stödda: Arabiska, danska, finska, franska, grekiska, hebreiska, hindi, italienska, japanska, koreanska, malaysiska, norska, polska, portugisiska, ryska, spanska, swahili, turkiska.
  • Ej stödda: vietnamesiska, indonesiska, thailändska, ukrainska, rumänska, tsjeckiska, bengali.

Hur fungerar prissättningen?

Priset är $10 per miljon tecken, vilket motsvarar $0,01 per 1 000 tecken. Mellanslag och skiljetecken räknas in. Misslyckade anrop kostar inget.

  • Betala med USDT (TRC-20).
  • Inga månadsavgifter eller bindningstid.
  • Saldo försvinner aldrig.

Kan jag använda röster till kommersiella kurser?

Ja, du kan använda de genererade ljudfilerna fritt i dina kommersiella kurser. Röster baseras på licensierade inspelningar från LibriTTS-R (CC BY 4.0) och public domain-ljudböcker. En osynlig vattenstämpel finns i varje fil som markerar den som syntetisk tal, men detta påverkar inte din användning.

Tekniska detaljer

Ljudvågsillustration för: Tekniska detaljer

Varje API-anrop accepterar max 4096 tecken. För längre texter delar du upp materialet i mindre bitar och sammanfogar ljudfilerna manuellt för en sömlös helhet.

Genom att justera hastighetsparametern mellan 0,25 och 4,0 anpassar du uttalet efter behag. Standardhastigheten ligger på ungefär 25 tecken per sekund, vilket ger en naturlig ljudnivå för pedagogiskt innehåll.

Längdgräns 4096 tecken

Varje enskilt API-anrop bearbetar högst 4096 tecken. Inkluderade mellanslag och interpunktion räknas med i denna gräns. Om din kursmodul är längre måste du dela upp texten i mindre delar och länka ihop ljudfilerna efteråt för att skapa en kontinuerlig ljudfil.

  • Max 4096 tecken per anrop
  • Räknar in mellanslag och skiljetecken
  • Dela upp långa kapitel manuellt

Hastighetskontroll

Du kan kontrollera talehastigheten mellan 0,25 och 4,0. Det ger dig flexibilitet att anpassa ljudet efter målgruppen. Kortare fraser kan ta några sekunder att generera, medan längre texter går i realtid.

  • Styrning från 0,25x till 4,0x
  • Idealiskt för varierad undervisningstakt
  • Genereringstid varierar efter längd

Felsökning

Vid överbelastning kan anrop köa och ta längre tid. Kontrollera att din API-nyckel är korrekt formaterad som en Bearer-token. Misslyckade anrop debiteras inte och ger full återbetalning av kredit.

  • Köbildning vid hög belastning
  • Verifiera Bearer-token formatet
  • Gratis vid syntheismisslyckande

Kom igång idag

Ljudvågsillustration för: Kom igång idag

Skapa ett konto på /get-api-key/ med Google eller e-post. Du får direkt tillgång till en gratis testperiod på 0,50 USD som räcker till cirka 50 000 tecken. Kontot är kopplat till webbplatsen playg123.com.

Skapa konto

Registrera dig på /get-api-key/ via Google eller e-postlösenord. Google-användare får omedelbart 0,50 USD i testkrediter som gäller i sju dagar. Kontot skapas direkt och är specifikt för denna webbplats.

Hämta API-nyckel

På dashboardet visas din unika nyckel (börjar med tts-...) och din balans. Du kan också kopiera en klar curl-exempel-kommandon direkt från sidan för att testa direkt.

Första anropet

Använd nyckeln i Authorization-huvudet för att skicka en POST-begäran till https://api.playg123.com/v1/audio/speech. Ange text, modell och röst. Du mottar en ljudfil direkt i svaret, redo att bäddas in i din LMS.

  • Endpoint: POST /v1/audio/speech
  • Autorisation: Bearer tts-...
  • Format: JSON-body

Lyssna på de 8 rösterna

Varje exempel nedan genererades av detta API från samma mening. För korrekt uttal av annan latinbaserad text bör du alltid ange ISO-koden i förfrågan.

Avatar för rösten aria
ariakvinna
Avatar för rösten nova
novakvinna
Avatar för rösten luna
lunakvinna
Avatar för rösten sage
sagekvinna
Avatar för rösten milo
miloman

23 språk

Varje röst kan tala vilket som helst av dessa språk.

Källor och vidare läsning

  1. Wikipedia
  2. LibriVox public-domain audiobooks
  3. FFmpeg documentation
  4. curl documentation
  5. LibriTTS-R corpus (OpenSLR 141)
  6. Tether (USDT)
  7. openai-node on GitHub
  8. openai-python on GitHub
  9. ISO 639 language codes
  10. LibriTTS-R paper (arXiv 2305.18802)
  11. IETF RFC 7845: Ogg Opus
  12. TRON developer hub: TRC-20

Mer på denna webbplats