Zum Inhalt springen
ReviewRamble

Der wöchentliche Brief

KI im Test, in deinem Postfach.

  • Neue Tests von Tools, Modellen, MCP-Servern und Repos, mit dem Urteil vorneweg
  • Neu geprüfte Preise und Bewertungen, wenn sich etwas ändert
  • Neue Analysen, sobald sie erscheinen

Modelle, Agenten, MCP-Server und die Tools, die deine Zeit wirklich wert sind.

Eine E-Mail pro Woche. Abmelden kannst du dich über den Link in jedem Brief. Wie wir deine E-Mail-Adresse nutzen

Inworld Realtime TTS-2 and TTS-2 Flash

Inworlds Gesprächsstimme, seit August 2026 verfügbar: Regieanweisungen in einfachem Englisch, über 100 Sprachen, 25 $ bis hinunter zu 5 $ pro Million Zeichen.

Getestet von ReviewRamble editors · Aktualisiert

Diese Seite teilen:XLinkedInFacebookRedditWhatsAppE-Mail

Unsere Bewertung

4.2/5

Eine Stimme, die Regie annimmt wie ein Schauspieler, zu einem Preis, der mit dem Volumen stark fällt, auch wenn die Rangliste seit August an ihr vorbeigezogen ist.

Was ist Inworld Realtime TTS-2 and TTS-2 Flash?

Realtime TTS-2 ist Inworld AIs Text-to-Speech-Modell für Live-Gespräche, allgemein verfügbar seit dem 31. August 2026 nach einer Preview im Mai, mit einer günstigeren Flash-Variante. Die Sprechweise gibst du in einfachem Englisch in einer Klammer am Textanfang vor, etwa mit der Bitte, traurig zu sprechen, und ergänzt Inline-Tags für Lachen, Seufzen, Atmen oder Husten. Das Modell erzeugt natürliche Füllwörter wie "um" und hört in Realtime-Sitzungen das Audio früherer Redebeiträge statt nur ein Transkript.

Stimmen lassen sich aus einem sauberen Clip von 5 bis 15 Sekunden klonen oder aus einer schriftlichen Beschreibung entwerfen. Laut Inworld behält eine Stimme ihre Identität über mehr als 100 Sprachen hinweg, auch bei Wechseln mitten im Satz; seltenere Sprachen sind noch experimentell.

Das Modell läuft über Inworlds TTS API und die Realtime API, die OpenAIs Realtime-Protokoll folgt, sodass bestehende Clients nur die URL ändern. Die Gewichte sind nicht veröffentlicht.

Was kostet Inworld Realtime TTS-2 and TTS-2 Flash?

TarifPreisWas enthalten ist
On-DemandPay as you goTTS-2 25 $, Flash 15 $ pro 1M Zeichen; 5 gleichzeitige Anfragen
Growth$1,500/monthTTS-2 12,50 $, Flash 7 $ pro 1M Zeichen; 500 gleichzeitige Anfragen
EnterpriseCustomTTS-2 ab 5 $ pro 1M Zeichen; Datenhaltung in der EU und Indien

TTS-2 kostet on demand 25 $ pro 1M Zeichen, im Growth-Tarif für 1.500 $/Monat 12,50 $ und bei Enterprise ab 5 $; TTS-2 Flash on demand 15 $, bei Growth 7 $.

Lohnt sich Inworld Realtime TTS-2 and TTS-2 Flash?

Der besondere Kniff von Realtime TTS-2: Du sagst ihm in einem Satz normalen Englischs, wie es klingen soll, statt aus einem Menü von Emotionsvorgaben zu wählen, und es hört den Tonfall des Anrufers aus früheren Redebeiträgen heraus. Für eine Spielfigur oder einen Support-Agent, der bedauernd klingen muss, ist das nützlicher als ein weiterer Punkt Natürlichkeit.

In der Hörer-Arena von Artificial Analysis steht es auf Platz zehn mit 1.269 Elo, hinter ElevenLabs' Eleven v4 mit 1.340 und Cartesias Sonic 3.6 mit 1.294. Der Preis ist das Gegengewicht: on demand 25 $ pro Million Zeichen gegenüber 49 $ für Sonic 3.6 in derselben Tabelle, im Growth-Tarif 12,50 $. Flash steht auf Platz 19 mit 1.213 für 15 $ oder weniger.

Der Haken: Die Geschwindigkeitswerte hängen davon ab, wer misst. Inworld verspricht einen Median unter 200 ms bis zum ersten Audio; AssemblyAIs Laborlauf maß für TTS-2 280 ms. Auch die Zahl der Sprachen schwankt zwischen Inworlds eigenen Seiten, von über 100 bis etwa 500, wobei der lange Schwanz als experimentell gilt; prüfe deine Sprache also mit eigenen Ohren. Null Datenspeicherung gibt es erst ab dem Developer-Tarif für 300 $ im Monat, EU-Datenhaltung nur bei Enterprise.

Unser Fazit: Für Figuren und Agents, bei denen die emotionale Färbung mehr zählt als die letzten Millisekunden, ist das das Modell, das man zuerst vorsprechen lässt. Für ein Callcenter, in dem die Stimme nur klar und schnell sein muss, erledigen Flash oder ein günstigerer Konkurrent dieselbe Arbeit für weniger Geld.

Wo es sich lohnt

  • Ein Indie-Studio, das 40 Nicht-Spieler-Figuren vertont

    Jeder Figur eine eigene Stimme geben, die auf das reagiert, was der Spieler sagt

    Entwirf die Stimmen aus Textbeschreibungen und schicke die Zeilen mit Regieanweisungen in Klammern über die Realtime API. Bei rund 1.000 Zeichen pro Minute Audio kosten 2 Millionen Zeichen im Creator-Tarif mit TTS-2 40 $.

  • Der mehrsprachige Support-Agent eines Reiseunternehmens

    Anrufern in ihrer Sprache antworten, ohne die Stimme zu wechseln

    Klone eine Markenstimme aus einem 10-Sekunden-Clip und lass TTS-2 mitten im Satz die Sprache wechseln; teste seltene Sprachen vorher, denn Inworld stuft sie als experimentell ein.

Bevor du dich festlegst

Einrichtung
Rufe /tts/v1/voice oder die Streaming-Variante mit dem Modell inworld-tts-2 auf oder öffne den Realtime-WebSocket; Nutzer von TTS 1.5 ändern nur die Modell-ID.
Integrationen
SDKs für Node und Python; OpenAI-Realtime-kompatible API; Cloudflare, DeepInfra, GMI Cloud, LiveKit, Stream und VoiceRun.
Daten und Datenschutz
Keine veröffentlichten Gewichte. DSGVO und SOC 2 Type II in allen Tarifen; null Datenspeicherung ab Developer (300 $/Monat); HIPAA als Zusatz zu Growth; Datenhaltung in der EU und Indien bei Enterprise. Ob Daten fürs Training genutzt werden, sagt die Preisseite nicht.
Kosten im großen Maßstab
100 Millionen Zeichen im Monat, etwa 1.700 Stunden Sprache, kosten zum Growth-Satz von 12,50 $ etwa 1.250 $, mit Flash 700 $, gegenüber 2.500 $ on demand.
Grenzen
Gleichzeitige Anfragen: 5 bei On-Demand, 150 bei Developer, 500 bei Growth. Klon-Samples müssen 5 bis 15 Sekunden lang sein. Seltene Sprachen experimentell.

Was gut ist

  • Regieanweisungen in einfachem Englisch und nonverbale Tags
  • Hört in Realtime-Sitzungen frühere Audio-Beiträge, um den Tonfall zu treffen
  • Sinkt bei Growth auf 12,50 $ pro 1M Zeichen, bei Enterprise auf 5 $
  • OpenAI-Realtime-kompatible API; Klonen aus 5 bis 15 Sekunden

Was nicht

  • Platz zehn bei Artificial Analysis, 71 Elo hinter Eleven v4
  • Sprachanzahl schwankt zwischen Inworlds eigenen Seiten
  • Null Datenspeicherung erst mit dem Developer-Tarif für 300 $ im Monat
  • Nur 5 gleichzeitige Anfragen bei On-Demand

Am besten für

Spielestudios und Voice-Agent-Teams, die emotional geführte Sprache in vielen Sprachen brauchen und mit genug Volumen rechnen, um in Inworlds Preisstufen aufzusteigen.

Alternativen zu Inworld Realtime TTS-2 and TTS-2 Flash

Inworld Realtime TTS-2 and TTS-2 Flash: häufige Fragen

Lohnt sich Inworld Realtime TTS-2 and TTS-2 Flash?
Eine Stimme, die Regie annimmt wie ein Schauspieler, zu einem Preis, der mit dem Volumen stark fällt, auch wenn die Rangliste seit August an ihr vorbeigezogen ist. Wir bewerten es mit 4.2 von 5.
Was kostet Inworld Realtime TTS-2 and TTS-2 Flash?
TTS-2 kostet on demand 25 $ pro 1M Zeichen, im Growth-Tarif für 1.500 $/Monat 12,50 $ und bei Enterprise ab 5 $; TTS-2 Flash on demand 15 $, bei Growth 7 $.
Welche Nachteile hat Inworld Realtime TTS-2 and TTS-2 Flash?
Platz zehn bei Artificial Analysis, 71 Elo hinter Eleven v4; Sprachanzahl schwankt zwischen Inworlds eigenen Seiten; Null Datenspeicherung erst mit dem Developer-Tarif für 300 $ im Monat; Nur 5 gleichzeitige Anfragen bei On-Demand.
Für wen eignet sich Inworld Realtime TTS-2 and TTS-2 Flash?
Spielestudios und Voice-Agent-Teams, die emotional geführte Sprache in vielen Sprachen brauchen und mit genug Volumen rechnen, um in Inworlds Preisstufen aufzusteigen.
Was kostet Inworld Realtime TTS-2 and TTS-2 Flash für ein Team oder im Produktivbetrieb?
100 Millionen Zeichen im Monat, etwa 1.700 Stunden Sprache, kosten zum Growth-Satz von 12,50 $ etwa 1.250 $, mit Flash 700 $, gegenüber 2.500 $ on demand.
Ist Inworld Realtime TTS-2 and TTS-2 Flash sicher für Firmendaten?
Keine veröffentlichten Gewichte. DSGVO und SOC 2 Type II in allen Tarifen; null Datenspeicherung ab Developer (300 $/Monat); HIPAA als Zusatz zu Growth; Datenhaltung in der EU und Indien bei Enterprise. Ob Daten fürs Training genutzt werden, sagt die Preisseite nicht.
Was sind die besten Alternativen zu Inworld Realtime TTS-2 and TTS-2 Flash?
Die nächsten Alternativen, die wir getestet haben, sind Cartesia Sonic 3.6, Eleven v4 and v4 Turbo, AssemblyAI-TTS-1 und Gemini 3.8 Flash TTS.

Antworten geprüft am 21. Nov. 2026.

Du entwickelst Inworld Realtime TTS-2 and TTS-2 Flash? Zeig diese Bewertung auf deiner WebsiteInworld Realtime TTS-2 and TTS-2 Flash mit 4.2 von 5 bewertet auf ReviewRamble