Audio-Generierung
Jetzt verfügbar

Grok TTS

von xAI

xAIs Stimmenmodell für Lesungen mit Ausdruck.
Fünf Stimmen, Lacher auf Stichwort, Flüstern.

Grok TTS

Hauptfunktionen

Technische Spezifikationen

5

Eingebaute Stimmen, jede in allen unterstützten Sprachen

15.000 Zeichen

Maximale Skriptlänge pro Generierung auf Morphic

Inline + Wrap

Geräusche im Text, Vortrag in Tags um Wörter

MP3, 24 kHz

128 kbit/s, bereit für die Timeline

Anwendungsfälle

Gläserne Stufen mit kühlem Lichtrand, die in die Tiefe aufsteigen

Erklärvideos und Tutorials

Rex für eine klare Anleitung, Sal für eine ruhigere. Erzeugen Sie einen einzelnen Schritt neu, wenn sich das Produkt ändert.

Ein lauter korallenroter Lichtausbruch mit einer leisen silbernen Spur, die davonzieht

Werbung und Promo

Eves Energie für einen Launch-Spot, dazu ein geflüsterter Einwurf in einem Tag, sodass nur diese Wörter leiser werden.

Fünf leuchtende Perlen, von denen jede ein Lichtband in eine eigene Richtung schickt

Lokalisiertes Voice-over

Dieselbe Stimme in jedem Markt. Fügen Sie jede Übersetzung ein, etwa Deutsch und Französisch, und die Stimme folgt der Sprache.

Ein gewundener Fluss aus bernsteinfarbenem Licht, der sich in die Dunkelheit schlängelt

Hörgeschichten und Podcasts

Lange Skripte in einem Durchgang, mit Pausen und Lachern genau dort, wo der Moment sitzt.

Ein weiches, rundes Leuchten in warmem Pfirsichton

Assistenten- und App-Stimmen

Aras Wärme für Onboarding, Hilfe und gesprochene Hinweise, die freundlich klingen sollen.

Ein schwerer weißer Lichtschaft, der durch Dunst herabstößt

Ansagen und Trailer

Leos Gewicht für eine Trailer-Zeile oder eine Ansage, die ernst genommen werden soll.

Prompt-Beispiele

Eine gerade weiße Lichtlinie, die in ihrer Mitte in Funken zerfällt

Lachen mitten im Satz

I tried to fix it myself. [laugh] We now have two broken taps.

0:00
0:12
Edit prompt
Ein zarter Schleier aus silbernem Nebel, der sich zu einer Spitze verengt

Geflüstertes Geheimnis

Don't tell anyone, but <whisper>the surprise is on Friday</whisper>.

0:00
0:12
Edit prompt
Zwei helle Lichtpunkte weit voneinander entfernt, dazwischen Dunkelheit

Dramatische Pause

The results are in. [long-pause] We won.

0:00
0:12
Edit prompt
Ein türkisfarbenes Lichtband, das in weiten Schleifen langsamer wird

Langsame Betonung

Read the label. Then <slow>read it again</slow> before you plug it in.

0:00
0:12
Edit prompt
Ein warmes goldenes Leuchten, weich und rund, im Dunst

Spanische Lesung

Bienvenidos. Hoy vamos a preparar el pan más fácil del mundo.

0:00
0:12
Edit prompt
Ein Ausbruch aus korallenroten, mintgrünen und gelben Lichtpunkten wie Konfetti

Launch-Lesung

New season, new colours, and free returns on every order this week.

0:00
0:12
Edit prompt

Überblick

Grok TTS ist das Text-to-Speech-Modell von xAI und läuft seit Juli 2026 auf Morphic. Es liest ein Skript mit einer von fünf eingebauten Stimmen. Geräusche wie ein Lachen oder eine Pause spielt es dort aus, wo Sie sie schreiben. Den Vortrag aller Wörter, die Sie in ein Tag fassen, ändert es gezielt.

Was Grok TTS anders macht

Grok kennt zwei Arten von Regieanweisung im Skript. Geräusche stehen in eckigen Klammern im Text, also geschieht [laugh] an genau dieser Stelle der Zeile. Vortrags-Tags umschließen Wörter: <whisper> ändert nur, was zwischen dem öffnenden und dem schließenden Tag steht. Es gibt wenige Stimmen, doch sie sind nicht an eine Sprache gebunden. Jede der fünf spricht alle Sprachen, die Grok unterstützt. So bleibt eine Stimme von der deutschen Fassung bis zu jeder Übersetzung dieselbe.

Grok TTS auf Morphic

Auf Morphic steht Grok TTS in der Audio-Modellauswahl für Speech als xAI Grok TTS. Wählen Sie Eve, Ara, Rex, Sal oder Leo, fügen Sie ein Skript mit bis zu 15.000 Zeichen samt Tags ein und starten Sie die Generierung. Grok erkennt die Sprache am Text, und das Audio kommt als MP3 auf Ihren Canvas. Für eine größere Stimmenbibliothek oder geklonte Stimmen läuft ElevenLabs v4 in derselben Auswahl.

Einfache Preise

Starten Sie noch heute kostenlos, mit der Option, jederzeit zu upgraden oder zu kündigen.

Basic

$19/ Monat
abgerechnet als $228 pro Jahr

2400 monatliche Credits

1 Nutzer

Alle Modelle

Workflows

Standard

$24/ Monat
abgerechnet als $288 pro Jahr

3625 monatliche Credits

1 Nutzer

Alle Modelle

Workflows

Pro

$45/ Monat
abgerechnet als $540 pro Jahr

6350 gemeinsame monatliche Credits

1 Nutzer

+ bis zu 4 weitere gegen Aufpreis

Alle Modelle

Workflows

Max

$170/ Monat
abgerechnet als $2040 pro Jahr

24650 gemeinsame monatliche Credits

1 Nutzer

+ bis zu 9 weitere gegen Aufpreis

Alle Modelle

Workflows

Enterprise

Für höhere Limits

Individuell

Preis- und Abrechnungsbedingungen

High-Volume-Credits
Individuelle Platzlimits
Alle Modelle
Workflows
Pricing Gradient

Free

Zum Ausprobieren

$0

dauerhaft kostenlos

Bis zu 20 Credits
Nur 1 Nutzer
Eingeschränkte Modelle
Workflows
Tarifdetails vergleichen

Häufig gestellte Fragen

Was ist Grok TTS?
Grok TTS ist das Text-to-Speech-Modell von xAI. Es liest ein Skript mit einer von fünf eingebauten Stimmen und spielt Geräusche wie ein Lachen oder eine Pause dort aus, wo Sie sie setzen. Den Vortrag von Wörtern, die Sie in Tags fassen, ändert es gezielt. Auf Morphic läuft es seit Juli 2026 in Speech.
Ist Grok TTS auf Morphic kostenlos?
Ja, Grok TTS läuft auf der kostenlosen Stufe von Morphic. Die Credits richten sich nach der Länge des Skripts. Bezahlte Pläne bringen mehr Credits für längere und häufigere Lesungen.
Spricht Grok TTS Deutsch?
Ja. Deutsch gehört zu den Sprachen, die xAI in seiner Dokumentation zu Text-to-Speech aufführt, neben Englisch, Spanisch, Französisch, Portugiesisch, Arabisch, Hindi, Japanisch, Koreanisch und Chinesisch. Grok erkennt die Sprache am Skript. Fügen Sie also den deutschen Text ein, und jede der fünf Stimmen liest ihn auf Deutsch. Hören Sie vor einem größeren Auftrag eine Probe an, besonders bei Eigennamen und Fachbegriffen.
Welche Stimmen hat Grok TTS?
Fünf eingebaute Stimmen: Eve (energisch und beschwingt), Ara (warm und freundlich), Rex (selbstsicher und klar), Sal (geschmeidig und ausgewogen) und Leo (autoritär und kraftvoll). Jede spricht alle unterstützten Sprachen. Die Stimme, die Sie für die englische Fassung besetzen, kann also auch die spanische oder japanische lesen.
Wie setze ich ein Lachen oder eine Pause?
Schreiben Sie das Signal in eckigen Klammern an die Stelle, an der es passieren soll, etwa [laugh], [pause] oder [long-pause]. Grok spielt es dort aus, statt es vorzulesen. Setzen Sie die Signale direkt neben die Wörter, zu denen sie gehören.
Wie flüstere ich einen Teil einer Zeile oder verlangsame ihn?
Fassen Sie die Wörter in ein Tag-Paar, etwa <whisper>dieser Teil</whisper> oder <slow>dieser Teil</slow>. Nur die eingefassten Wörter ändern sich. Sie können zwei Tags verschachteln, zum Beispiel für eine langsame, leise Wendung. Halten Sie es bei wenigen Wörtern, damit der Rest der Zeile natürlich bleibt.
Ist Grok TTS DSGVO-konform?
Das lässt sich nicht für das Modell allein beantworten. Es hängt vom Anbieter xAI und Ihrer vertraglichen Grundlage ab. Klären Sie Datenschutz und Auftragsverarbeitung, bevor Sie Skripte mit personenbezogenen Daten oder Kundentexten einsetzen. Verbindliche Auskunft gibt die oder der Datenschutzbeauftragte Ihres Unternehmens.
Worin unterscheidet sich Grok TTS von ElevenLabs auf Morphic?
Beide erzeugen ausdrucksstarke Sprache auf Morphic. ElevenLabs bietet eine große Stimmenbibliothek, Stimmklonen und Stimmeinstellungen. Grok TTS hält es einfach: fünf Stimmen, die jede alle unterstützten Sprachen sprechen, und Tags für Geräusche und Vortrag direkt im Skript. Das passt zu Teams, die in allen Märkten eine einheitliche Stimme wollen, ohne zu besetzen.
Wie nutze ich Grok TTS auf Morphic?
Öffnen Sie Morphic, stellen Sie die Prompt-Leiste auf Audio und wählen Sie Speech. Wählen Sie xAI Grok TTS als Modell und eine der fünf Stimmen. Fügen Sie Ihr Skript mit allen Tags ein, bis zu 15.000 Zeichen, und starten Sie die Generierung. Das Audio landet auf Ihrem Canvas neben Ihren Videoclips.

Weitere Modelle

Entdecken Sie den Rest des Morphic-Modellkatalogs.

Alle Modelle ansehen →

Seed Audio 1.5

ByteDance

ByteDances Szenen-Audiomodell. Dialog, Musik und Effekte als getrennte Spuren.

FLUX Video Upscale

Black Forest Labs

Der Video-Upscaler von Black Forest Labs. Bis 4K, mit neu aufgebauten Details und erhaltenem Ton.

Ideogram Vector

Ideogram

Ideograms Modell für Vektorgrafik. Logos, Icons und Illustrationen als SVG-Dateien.

FLUX 3 Max

fal.ai

Das nachtrainierte FLUX 3 von fal. Getrimmt auf Drehbuchtreue und Tempo.