Sprachen und mehrsprachige Sprache
Auf dieser Seite
Aktualisiert am 3. November 2026, basierend auf der xAI-Seite Text to Speech. Quelle: Text to Speech.
Zwanzig Sprachen für ein globales Publikum
Grok TTS unterstützt zwanzig Sprachen, jede mit eigenen natürlichen Akzenten und Aussprachen. Die praktische Konsequenz ist einfach: Eine Audio-Anwendung für ein internationales Publikum muss sich nicht mehr mit mehreren Sprachanbietern herumschlagen, die mit ungleicher Qualität und separaten Verträgen verbunden sind. Eine einzige Integration, ein einheitliches Anforderungsformat, und Sie wechseln von Englisch zu Japanisch, indem Sie nur einen einzigen Parameter ändern.
Diese Abdeckung beeinflusst auch, wie Sie Produkte gestalten. Eine E-Learning-Plattform, die ihre Audio-Module bisher nur auf Englisch veröffentlicht hat, kann sie in zehn Sprachen anbieten, ohne einen einzigen Sprecher neu einzusprechen oder Sprachrechte neu zu verhandeln.
Unterstützte Sprachen
| BCP-47-Code | Sprache | Region |
|---|---|---|
en | Englisch | International |
fr | Französisch | Frankreich |
de | Deutsch | Deutschland |
es-ES | Spanisch | Spanien |
es-MX | Spanisch | Mexiko |
pt-BR | Portugiesisch | Brasilien |
pt-PT | Portugiesisch | Portugal |
it | Italienisch | Italien |
ja | Japanisch | Japan |
ko | Koreanisch | Südkorea |
zh | Chinesisch | China |
hi | Hindi | Indien |
ar-EG / ar-SA / ar-AE | Arabisch | Ägypten / Saudi-Arabien / VAE |
ru | Russisch | Russland |
tr | Türkisch | Türkei |
id | Indonesisch | Indonesien |
vi | Vietnamesisch | Vietnam |
bn | Bengali | Bangladesch / Indien |
Die Sprache jeder Anfrage angeben
Der Parameter language ist erforderlich: Keine TTS-Anfrage wird ohne ihn versendet. Geben Sie entweder einen expliziten BCP-47-Code an oder verwenden Sie den Wert auto, damit das Modell die Sprache aus dem Text ableiten kann.
{
"text": "Hello, how are you today?",
"voice_id": "ara",
"language": "en"
}
Die automatische Erkennung hilft, wenn Sie die Sprache des Nutzers im Voraus nicht kennen: ein Kontaktformular, das für jeden offen ist, ein Kommentarstrom oder ein internationaler Chatbot. Es handelt sich dennoch um eine Inferenz, und Inferenzen können falsch liegen. Bei einem Satz aus drei Wörtern oder bei Text, der ab der ersten Zeile zwei Sprachen mischt, kann das Modell das falsche phonetische Profil wählen und Ihnen Französisch mit englischem Akzent liefern. Wenn Sie die Sprache kennen, geben Sie diese an: Das Ergebnis ist zuverlässiger.
Fremdwörter in einem Satz
Englischer Text, der mit wenigen fremden Begriffen bestreut ist, wird dennoch als "en" deklariert. Die aktuelle xAI-Dokumentation beschreibt kein Umschalten der Aussprache mitten im Satz. Hören Sie daher zu, wie Ihre fremden oder technischen Begriffe wiedergegeben werden, und beheben Sie problematische Fälle mit der replace-Tabelle.
{
"text": "Our team deploys to Kubernetes with kubectl.",
"voice_id": "rex",
"language": "en",
"replace": {"kubectl": "kube cuttle"}
}
Jeder Schlüssel in replace wird vor der Synthese durch seinen Wert ersetzt: Nur das Audio ändert sich, und der Text, den Sie senden und bezahlen, bleibt Ihr Eigentum. Der Wert kann eine phonetische Umschreibung oder IPA (Internationale Phonetische Alphabetisierung) sein, die zwischen Schrägstrichen geschrieben wird und die das Modell direkt liest. xAI führt genau diesen Fall an: Begriffe, deren Aussprache aus der Verwendung und nicht aus der Schreibweise stammt, wie nginx oder kubectl. Die Tabelle nimmt bis zu 200 Einträge auf, wobei die Schlüssel maximal 100 Zeichen lang sein dürfen und keine Satzzeichen oder Symbole enthalten dürfen.
Regionale Varianten
Spanisch, Portugiesisch und Arabisch kommen in mehreren Varianten vor, und die Wahl ist nicht kosmetisch: Sie beeinflusst Aussprache, Intonation und teilweise das Vokabular. Zwischen es-ES und es-MX wählen Sie auf der einen Seite kastilische Intonation und Vokabular und auf der anderen Seite mexikanisch. Zwischen pt-BR und pt-PT ist der Unterschied in der Aussprache für jeden Muttersprachler offensichtlich. Bei Arabisch entsprechen ar-EG, ar-SA und ar-AE den ägyptischen, saudi-arabischen und emiratischen Registern.
Wählen Sie immer die Variante, die Ihre Zielgruppe spricht. Eine Anleitung für den mexikanischen Markt, die in kastilischem Spanisch erzählt wird, hat dieselbe Wirkung wie eine US-Werbung mit britischem Akzent: Die Menschen werden zuhören, aber sie werden bemerken, dass sie nicht für sie gemacht wurde.
Gewohnheiten, die unangenehme Überraschungen verhindern
Verwenden Sie pro Anfrage nur einen Sprachcode: die Hauptsprache des Textes. Englischer Text mit wenigen fremden Begriffen wird als "en" deklariert, und Sie beheben die hartnäckigen Wörter mit replace, anstatt den Text in Abschnitte unterschiedlicher Sprachen aufzuteilen.
Testen Sie dann jede Sprache, bevor Sie sie für Nutzer öffnen, mit Sätzen, die Ihren echten Inhalt repräsentieren, und nicht nur mit einem einzelnen „Hallo”. Die Qualität variiert von Sprache zu Sprache, und Sie würden ein Problem mit dem Rhythmus lieber im Test als in der Produktion entdecken.
Schließlich achten Sie auf Eigennamen. Ein polnischer Familienname in einem englischen Text, eine japanische Marke in einem spanischen Text: Der Motor wendet die Regeln der deklarierten Sprache an und liest sie möglicherweise nur annähernd. Wenn die Aussprache wichtig ist, wie bei einem Kundenname in einer Begrüßungsnachricht, fügen Sie ihn mit seiner phonetischen Schreibweise in die replace-Tabelle ein und überprüfen Sie das Ergebnis mit dem Ohr.
Kernaussagen
- Zwanzig Sprachen werden unterstützt, mit regionalen Varianten für Spanisch, Portugiesisch und Arabisch
- Der Parameter
languageist erforderlich, wobeiautodie Option für die automatische Erkennung darstellt - Die
replace-Tabelle (phonetische Umschreibung oder IPA) korrigiert die Aussprache von Fremdwörtern und Eigennamen, ohne den abgerechneten Text zu ändern - Verwenden Sie immer die regionale Variante, die Ihrer Zielgruppe entspricht