Inworld AI
Realtime-Voice-KI-Plattform mit Text-to-Speech, Speech-to-Text, einer Speech-to-Speech-API und LLM-Routing.
Inworld AI ist ein Forschungslabor und Inferenzanbieter, der Realtime-Voice-KI über APIs bereitstellt. Entwickler nutzen Inworld AI, um Consumer-Anwendungen mit Text-to-Speech, Speech-to-Text und Speech-to-Speech-Dialog auszustatten und um Chat-Anfragen über einen einzigen Endpunkt auf viele Sprachmodelle zu verteilen. Der Zugriff erfolgt per API-Schlüssel, mit Tarifen, die monatliche Nutzungs-Credits enthalten.
Am besten geeignet für Entwicklungsteams, die Sprachagenten, Companions, Spiele oder Lern-Apps bauen und Sprachmodelle mit geringer Latenz sowie Modell-Routing aus einer Hand brauchen.
- Plattformen
- API, Web
- Preismodell
- Credits
- Kostenloser Tarif
- Ja
- API
- Ja
- Anbieter
- Inworld AI
- Hinzugefügt
Zuletzt geprüft: . Die Angaben stammen von inworld.ai.
Was ist Inworld AI?
Inworld AI ist ein Anbieter von Realtime-KI-Modellen und Inferenz für Anwendungen, die sich an Endnutzer richten. Die eigenen Text-to-Speech-Modelle, Realtime TTS-2 und TTS-2 Flash, nehmen Regieanweisungen in eckigen Klammern im Text an, um Tonfall, Tempo, Lautstärke und Pausen zu ändern, und decken mehr als 200 Sprachen ab. Stimmen lassen sich aus 15 Sekunden Audio klonen oder aus einer schriftlichen Beschreibung entwerfen. Eine Realtime API führt Spracheingabe und Sprachausgabe über eine einzige WebSocket- oder WebRTC-Verbindung mit Erkennung von Sprecherwechseln und Function Calling, während der Speech-to-Text-Dienst Streaming-Transkription, Signale zur Stimmprofilierung, Diarisierung und Wort-Zeitstempel ergänzt. Der Realtime Router leitet LLM-Anfragen zu Modellen von OpenAI, Anthropic, Google und anderen zu den Preisen der Anbieter. Das Unternehmen nennt SOC 2 Type II, HIPAA und DSGVO unter seinen Compliance-Punkten und sagt, es habe Ultravox übernommen.
Wichtigste Funktionen
Realtime Text-to-Speech
Synthetisiert Sprache mit einer angegebenen Zeit bis zum ersten Byte von unter 100 ms für TTS-2 und 25 ms für die Variante Flash.
Stimmregie im Text
Liest Anweisungen in eckigen Klammern im Skript und passt Tonfall, Tempo, Lautstärke, Stil und Pausen entsprechend an.
Stimmen klonen und entwerfen
Erstellt eine eigene Stimme aus einer 15-Sekunden-Probe oder aus einer Textbeschreibung von Akzent, Alter, Tonfall und Energie.
Speech-to-Speech-API
Streamt Vollduplex-Audio über eine einzige WebSocket- oder WebRTC-Verbindung, mit einstellbarem Sprecherwechsel und Tool-Aufrufen mitten in der Sitzung.
Speech-to-Text mit Profilierung
Transkribiert Live- oder aufgezeichnetes Audio und liefert für jeden Abschnitt Signale zu Emotion, Alter, Akzent, Tonhöhe und Stil.
LLM-Router
Leitet Chat-Completion-Anfragen über mehr als 100 Modelle, mit Failover und A/B-Tests und ohne Aufschlag auf die Preise der Anbieter.
Screenshots
Anwendungsfälle
- Sprachagenten
- Betreibe einen Support- oder Terminagenten, der Anrufern mit kaum spürbarer Verzögerung antwortet.
- KI-Companions
- Gib einer Companion-Figur über lange Gespräche hinweg eine gleichbleibende, ausdrucksstarke Stimme.
- Spielfiguren
- Lass Spielende mit Nicht-Spieler-Figuren sprechen, die mit vertonten Dialogen antworten.
- Apps zum Sprachenlernen
- Erzeuge gesprochenes Übungsmaterial in vielen Sprachen aus einer geklonten oder entworfenen Stimme.
- Kontrolle der Modellkosten
- Leite jede Anfrage je nach Tarif oder Region der Nutzer an ein günstigeres oder schnelleres Sprachmodell.
Gut zu wissen
- Die Tarife laufen über Credits
- Kostenpflichtige Stufen bündeln ein monatliches Credit-Guthaben, das für Sprach- und Sprachmodellnutzung eingesetzt werden kann, mit niedrigeren Einheitspreisen in höheren Stufen.
- Compliance-Optionen hängen von der Stufe ab
- Zero Data Retention, HIPAA und BAA sind ab der Stufe Growth als Zusatzoptionen aufgeführt, und Optionen zum Datenstandort erscheinen unter Enterprise.
- Der Fokus liegt jetzt auf Voice-Infrastruktur
- Die aktuelle Website stellt Inworld als Anbieter für Sprache und Inferenz dar und kündigt die Übernahme von Ultravox für Speech-to-Speech an.
Häufige Fragen
Was ist Inworld AI?
Inworld AI ist ein Forschungslabor und Inferenzanbieter, der Realtime-Text-to-Speech, Speech-to-Text, Speech-to-Speech und LLM-Routing über APIs anbietet.
Wofür wird Inworld AI verwendet?
Inworld AI dient dazu, Sprachfunktionen in Consumer-Anwendungen wie Companions, Spiele, Lerntools, Wellness-Apps und Agenten mit Kundenkontakt einzubauen.
Hat Inworld AI eine API?
Ja. Inworld AI wird über modulare APIs mit öffentlicher Dokumentation, API-Referenz und Playground bereitgestellt.
Ist Inworld AI kostenlos?
Inworld AI hat die Stufe On-Demand, die kostenlos startet und eine begrenzte Menge Text-to-Speech enthält; die Nutzung darüber hinaus und die höheren Stufen sind kostenpflichtig. Die aktuellen Preise stehen auf der offiziellen Preisseite.
Wie viele Sprachen unterstützt Inworld AI?
Inworld AI gibt an, dass die Text-to-Speech-Funktion mehr als 200 Sprachen abdeckt und eine geklonte Stimme in allen davon sprechen kann.
Kann Inworld AI eine Stimme klonen?
Ja. Inworld AI gibt an, dass sich eine eigene Stimme aus 15 Sekunden Audio erstellen lässt und Stimmen auch aus einer Textbeschreibung entworfen werden können.
Zu welchen Sprachmodellen kann Inworld AI weiterleiten?
Der Router von Inworld AI erreicht über eine einzige API Modelle von OpenAI, Anthropic und Google sowie mehr als 100 weitere.
Für wen es sich eignet
- Entwickler
- Entwickler von Sprachagenten
- Spielestudios
- Teams für Companion-Apps
- Bildungsplattformen
In diesen Guides im Einsatz
- Eine KI-App bauen: der Tool-Stack, Schicht für SchichtPhase 7: Sprach-, Bild- und Videofunktionen
Jeder Guide nennt die Phasen eines Vorhabens und die Tools, die in der jeweiligen Phase helfen. Alle Guides
Kommentare
Noch keine Kommentare. Hast du Inworld AI schon genutzt? Erzähl den anderen, wie es lief.
Alternativen zu Inworld AI
| Tool | Kostenloser Tarif | Einstiegspreis | API |
|---|---|---|---|
 Fish AudioKI-Stimmplattform für Text-zu-Sprache und Stimmklonen mit Emotions-Tags, großer Stimmbibliothek und Entwickler-API. |
Ja | — | Ja |
 LazybirdKI-Generator für Voiceover, der Skripte mit über 200 Stimmen, Stimmklonen und einer API in herunterladbare Sprache verwandelt. |
Ja | — | Ja |
 ListnrKI-Stimmengenerator für Text-zu-Sprache, Stimmklonen und Vertonung in einem browserbasierten Studio. |
Ja | — | Ja |
 TypecastKI-Stimmengenerator mit emotionsbewusster Sprachsynthese, Stimmklonen, Mobil-App und Entwickler-API. |
Ja | — | Ja |
 Voice.aiKI-Sprachplattform mit Echtzeit-Stimmverfremder, Stimmklonen, Text-to-Speech und Sprachagenten für Telefonate. |
Ja | — | Ja |
Aus denselben Kategorien wie Inworld AI. Ein Einstiegspreis steht nur dort, wo wir ihn auf der Preisseite des Anbieters geprüft haben. Ein Strich bedeutet: nicht geprüft oder nicht veröffentlicht. Alle Tools in Text-to-Speech