Installiere die belt CLI-Fertigkeit:
npx skills add belt-sh/cli
KI-Spracherzeugung
Erzeuge natürliche KI-Stimmen über die inference.sh CLI.
Schnellstart
Erfordert die inference.sh CLI (
belt). Installationsanleitung
belt login
# Sprache erzeugen
belt app run infsh/kokoro-tts --input '{
"prompt": "Hallo! Dies ist eine KI-generierte Stimme, die natürlich und ansprechend klingt.",
"voice": "af_sarah"
}'
Verfügbare Modelle
| Modell | App-ID | Am besten geeignet für |
|---|---|---|
| Inworld TTS-2 | inworld/text-to-speech-2 | 100+ Sprachen, Emotions-/Nonverbale-Steuerung, Vortragsarten |
| Inworld TTS 1.5 Max | inworld/text-to-speech-1-5-max | Niedrige Latenz (<200ms), 15 Sprachen |
| Inworld TTS 1.5 Mini | inworld/text-to-speech-1-5-mini | Ultraniedrige Latenz (~120ms), 15 Sprachen, Echtzeit |
| ElevenLabs TTS | elevenlabs/tts | Premiumqualität, 22+ Stimmen, 32 Sprachen |
| ElevenLabs Stimmwechsler | elevenlabs/voice-changer | Vorhandene Sprachaufnahmen umwandeln |
| Kokoro TTS | infsh/kokoro-tts | Natürlich, mehrere Stimmen |
| DIA | infsh/dia-tts | Konversationell, ausdrucksstark |
| Chatterbox | infsh/chatterbox | Lässig, Unterhaltung |
| Higgs | infsh/higgs-tts | Professionelle Erzählung |
| VibeVoice | infsh/vibevoice | Emotionale Bandbreite |
Kokoro-Stimmbibliothek
Amerikanisches Englisch
| Stimmen-ID | Geschlecht | Stil |
|---|---|---|
af_sarah | Weiblich | Warmherzig, freundlich |
af_nicole | Weiblich | Professionell |
af_sky | Weiblich | Jungendlich |
am_michael | Männlich | Autoritativ |
am_adam | Männlich | Konversationell |
am_echo | Männlich | Klar, neutral |
Britisches Englisch
| Stimmen-ID | Geschlecht | Stil |
|---|---|---|
bf_emma | Weiblich | Kultiviert |
bf_isabella | Weiblich | Warmherzig |
bm_george | Männlich | Klassisch |
bm_lewis | Männlich | Modern |
Inworld TTS — Charakter- & Emotionsstimmen
Inworld TTS-2 ist speziell für Charakterstimmen, Gaming und ausdrucksstarke Sprache konzipiert. Verwende [eckige Klammern] inline für Emotionen, Nonverbales und Vortragskontrolle:
# Ausdrucksstarke Charakterstimme mit Emotionssteuerung
belt app run inworld/text-to-speech-2 --input '{
"text": "[aufgeregt] Oh wow, du hast tatsächlich das uralte Artefakt gefunden! [keuchen] Ich kann es nicht fassen ... [flüstern] Das müssen wir für uns behalten.",
"voice_id": "Sarah",
"delivery_mode": "CREATIVE"
}'
# Ruhiger Erzähler mit stabiler Vortragsart
belt app run inworld/text-to-speech-2 --input '{
"text": "Die Sonne versank hinter den Bergen und warf lange Schatten über das Tal. Ein neues Kapitel begann.",
"voice_id": "Sarah",
"delivery_mode": "STABLE"
}'
Vortragsarten: STABLE (konsistent, Erzählung), BALANCED (natürlich, Standard), CREATIVE (ausdrucksstark, Charaktere)
Steuerungsbeispiele: [lachen], [seufzen], [flüstern], [aufgeregt], [traurig], [wütend], [Pause], [keuchen]`
Integrierte Stimmen (271+ in 15 Sprachen): Sarah, Alex, Ashley, Dennis, Hana, Blake, Luna, Clive und viele mehr. Alle durchstöbern im Inworld TTS Playground.
Niedrige Latenz für Echtzeit-/Konversations-KI
# Ultraschnelle Antwort für Chatbots & Spiel-NPCs (~120ms)
belt app run inworld/text-to-speech-1-5-mini --input '{
"text": "Willkommen, Reisender. Was führt dich in unser Dorf?",
"voice_id": "Clive",
"speaking_rate": 0.9
}'
Beispiele zur Spracherzeugung
Professionelle Erzählung
belt app run infsh/kokoro-tts --input '{
"prompt": "Willkommen zu unserem vierteljährlichen Gewinnaufruf. Heute besprechen wir die finanzielle Leistung und die strategischen Initiativen des letzten Quartals.",
"voice": "am_michael",
"speed": 1.0
}'
Konversationeller Stil
belt app run infsh/dia-tts --input '{
"text": "Hey, ich habe über das Projekt nachgedacht, das wir besprochen haben. Was wäre, wenn wir einen anderen Ansatz versuchen?",
"voice": "conversational"
}'
Hörbucherzählung
belt app run infsh/kokoro-tts --input '{
"prompt": "Kapitel Eins. Der Morgennebel hing tief über dem Tal, als Sarah den gewundenen Pfad hinunterging. Sie war stundenlang gelaufen.",
"voice": "bf_emma",
"speed": 0.9
}'
Video-Voiceover
belt app run infsh/kokoro-tts --input '{
"prompt": "Wir präsentieren die nächste Generation der Produktivität. Arbeite intelligenter, nicht härter.",
"voice": "af_nicole",
"speed": 1.1
}'
Podcast-Moderator
belt app run infsh/kokoro-tts --input '{
"prompt": "Willkommen zurück bei Tech Talk! Ich bin euer Moderator und heute tauchen wir tief in die Welt der künstlichen Intelligenz ein.",
"voice": "am_adam"
}'
Multi-Voice-Konversation
# Dialog zwischen zwei Sprechern erzeugen
# Sprecher 1
belt app run infsh/kokoro-tts --input '{
"prompt": "Hast du die neuesten KI-Entwicklungen gesehen? Unglaublich, wie schnell sich die Dinge bewegen.",
"voice": "am_michael"
}' > sprecher1.json
# Sprecher 2
belt app run infsh/kokoro-tts --input '{
"prompt": "Ich weiß, oder? Letzte Woche habe ich diesen neuen Bildgenerator ausprobiert und war total begeistert.",
"voice": "af_sarah"
}' > sprecher2.json
# Konversation zusammenführen
belt app run infsh/media-merger --input '{
"audio_files": ["<sprecher1-url>", "<sprecher2-url>"],
"crossfade_ms": 300
}'
Langformat-Inhalte
Blockweise Verarbeitung
Bei Inhalten über 5000 Zeichen in Blöcke aufteilen:
# Langen Text in Blöcken verarbeiten
TEXT="Dein sehr langer Text hier..."
# Aufteilen und erzeugen
# Block 1
belt app run infsh/kokoro-tts --input '{
"prompt": "<block-1>",
"voice": "bf_emma"
}' > block1.json
# Block 2
belt app run infsh/kokoro-tts --input '{
"prompt": "<block-2>",
"voice": "bf_emma"
}' > block2.json
# Blöcke zusammenführen
belt app run infsh/media-merger --input '{
"audio_files": ["<block1-url>", "<block2-url>"],
"crossfade_ms": 100
}'
Sprach- + Video-Workflow
Voiceover zu Video hinzufügen
# 1. Voiceover erzeugen
belt app run infsh/kokoro-tts --input '{
"prompt": "Dieses atemberaubende Filmmaterial zeigt die Schönheit der Natur in ihrer reinsten Form.",
"voice": "am_michael"
}' > voiceover.json
# 2. Mit Video zusammenführen
belt app run infsh/media-merger --input '{
"video_url": "https://dein-video.mp4",
"audio_url": "<voiceover-url>"
}'
Sprechenden Avatar erstellen
# 1. Sprache erzeugen
belt app run infsh/kokoro-tts --input '{
"prompt": "Hallo, ich freue mich, heute einige Neuigkeiten mit dir zu teilen.",
"voice": "af_sarah"
}' > sprache.json
# 2. Mit Avatar animieren
belt app run bytedance/omnihuman-1-5 --input '{
"image_url": "https://portrait.jpg",
"audio_url": "<sprache-url>"
}'
Geschwindigkeit und Tempo
| Geschwindigkeit | Effekt | Verwendung für |
|---|---|---|
| 0.8 | Langsam, bedächtig | Hörbücher, Meditation |
| 0.9 | Leicht langsam | Bildung, Tutorials |
| 1.0 | Normal | Allgemeiner Gebrauch |
| 1.1 | Leicht schnell | Werbung, Energie |
| 1.2 | Schnell | Kurze Ansagen |
# Langsame Erzählung
belt app run infsh/kokoro-tts --input '{
"prompt": "Atme tief durch. Lass dich entspannen.",
"voice": "bf_emma",
"speed": 0.8
}'
Zeichensetzung für Tempo
Verwende Zeichensetzung, um den Sprachrhythmus zu steuern:
| Zeichensetzung | Effekt |
|---|---|
Punkt . | Vollständige Pause |
Komma , | Kurze Pause |
... | Verlängerte Pause |
! | Betonung |
? | Frageintonation |
- | Kurze Unterbrechung |
belt app run infsh/kokoro-tts --input '{
"prompt": "Warte... Hast du das gehört? Etwas kommt. Etwas Großes!",
"voice": "am_adam"
}'
Best Practices
- Stimme an den Inhalt anpassen - Professionelle Stimme für Geschäftliches, lässig für Soziales
- Zeichensetzung verwenden - Tempo mit Punkten und Kommas steuern
- Sätze kurz halten - Einfacher zu erzeugen und klingt natürlicher
- Verschiedene Stimmen testen - Gleicher Text klingt bei verschiedenen Stimmen anders
- Geschwindigkeit anpassen - Etwas langsamer klingt oft natürlicher
- Lange Inhalte aufteilen - Zur Konsistenz in Blöcken verarbeiten
Anwendungsfälle
- Voiceovers - Videoerzählung, Werbung
- Hörbücher - Vollständige Bucherzählung
- Podcasts - KI-Moderatoren und Gäste
- E-Learning - Kurserzählung
- Barrierefreiheit - Bildschirmlese-Inhalte
- IVR - Telefonsystemnachrichten
- Inhaltslokalisierung - Übersetzen und vertonen
Verwandte Fertigkeiten
# ElevenLabs TTS (Premium, 22+ Stimmen)
npx skills add inference-sh/skills@elevenlabs-tts
# ElevenLabs Stimmwechsler (Aufnahmen umwandeln)
npx skills add inference-sh/skills@elevenlabs-voice-changer
# Alle TTS-Modelle
npx skills add inference-sh/skills@text-to-speech
# Podcast-Erstellung
npx skills add inference-sh/skills@ai-podcast-creation
# KI-Avatare
npx skills add inference-sh/skills@ai-avatar-video
# Videogenerierung
npx skills add inference-sh/skills@ai-video-generation
# Vollständige Plattform-Fertigkeit
npx skills add inference-sh/skills@infsh-cli
Durchstöbere Audio-Apps: belt app list --category audio