Wie wird KI-Audio berechnet?

Sprache wird meist nach Textmenge berechnet, Musik und Soundeffekte pro Track oder pro Sekunde. Jede Modellseite nennt die Einheit und alle Preisstufen.

Welche Stimmen und Sprachen gibt es?

Jedes Text-zu-Sprache-Modell listet seine Stimmen und Sprachen auf der eigenen Seite. Wähle eine Stimme in der Anfrage per Name.

Kann ich das Audio in meinem Produkt verwenden?

Die Nutzungsbedingungen richten sich nach den Nutzungsbedingungen von PopNow und nach den Limits des Modells, das du aufrufst. Prüfe vor dem Release die Modellseite und die Bedingungen.

KI-Audio-API: 18 Modelle für Musik & Sprache

18 Modelle

Suno v6suno/v6/text-to-audioKomplette Songs mit Gesang aus deinen Lyrics oder einer kurzen IdeeAudioBis zu 5 ReferenzbilderEigene SongtexteAb0,072 $pro Lauf
Gemini 3.8 Flash TTSgoogle/gemini-3.8-flash-tts/text-to-speechAusdrucksstarke Sprache, die Hinweise wie [laughing] spieltAudio70 StimmenAb0,00032 $pro Sekunde
MiniMax Speech 2.8 HDminimax/speech-2.8-hd/text-to-speechSprache in HiFi-Qualität, 400+ Stimmen mit EmotionssteuerungAudio472 Stimmen40 SprachenAb0,12 $pro 1.000 Zeichen
MiniMax Music 3.0minimax/music-3.0/text-to-audioFertige Stereo-Songs, mit Gesang oder instrumentalAudioEigene SongtexteAb0,18 $pro Lauf
Seed Audio 1.0bytedance/seed-audio-1.0/text-to-audioAudioszenen mit mehreren Stimmen, Musik und EffektenAudioAb0,36 $pro Lauf
Gemini 3.8 Flash-Lite TTSgoogle/gemini-3.8-flash-lite-tts/text-to-speechSchnelle, leichte Sprachausgabe mit 30 StimmenAudio70 StimmenAb0,00021 $pro Sekunde
Suno v6 Minisuno/v6-mini/text-to-audioZwei schnelle Songs mit Gesang aus einem SatzAudioBis zu 5 ReferenzbilderEigene SongtexteAb0,072 $pro Lauf
Suno v6 Wildsuno/v6-wild/text-to-audioExperimentelle, vielschichtige Songs mit GesangAudioBis zu 5 ReferenzbilderEigene SongtexteAb0,072 $pro Lauf
HeartMuLa Transcribeheartmula/transcribe/speech-to-textSongtexte aus gesungenem Gesang, in vielen SprachenAudioAb0,05 $pro Lauf
Grok STTxai/grok-stt/speech-to-textTranskripte mit Wort-Zeitmarken in 25 SprachenAudio25 SprachenAb0,00003 $pro Sekunde
Grok TTSxai/grok-tts/text-to-speech71 Stimmen in 20 Sprachen, mit Sprach-TagsAudio71 Stimmen20 SprachenAb0,018 $pro 1.000 Zeichen
Seed Speech 2.0bytedance/seed-speech-2.0/text-to-speech41 Stimmen, den Ton legst du in Alltagssprache festAudio41 Stimmen10 SprachenAb0,072 $pro 1.000 Zeichen
MiniMax Speech 2.8 Turbominimax/speech-2.8-turbo/text-to-speechSchnelle Sprache, 400+ Stimmen mit EmotionssteuerungAudio472 Stimmen40 SprachenAb0,072 $pro 1.000 Zeichen
Qwen3 TTSalibaba/qwen-3-tts/text-to-speechOpen-Source-Sprache, Ton und Tempo in einfachen WortenAudio9 Stimmen10 SprachenAb0,068 $pro 1.000 Zeichen
Chatterboxresemble-ai/chatterbox-v1/text-to-speechEnglische Sprache, die eine kurze Stimmprobe nachahmen kannAudioAb0,036 $pro Lauf
Gemini 2.5 Pro TTSgoogle/gemini-2.5-pro-tts/text-to-speech−10%Regieführbare Stimmen für Erzählungen und Dialoge zu zweitAudio30 StimmenAb0,00045 $~~0,0005 $~~pro Sekunde
Video Sound Effectspopnow/foley-v1/video-to-audioSoundeffekte und Atmo passend zu deinem VideoAudioClips mit 1–30 sAb0,006 $für einen 5-Sekunden-Clip
Vocal Isolatorpopnow/vocal-isolator-v1/audio-separationNeuEine Aufnahme, getrennte Stimm- und HintergrundspurenAudioAb0,0012 $pro Sekunde

KI-Audiogenerierungs-API

Wo du anfangen kannst

Nach Aufgabe

Weitere Modelltypen

Nach Hersteller durchsuchen

Häufig gestellte Fragen

In wenigen Minuten loslegen