Sprachagenten in Echtzeit, die Schweizerdeutsch sprechen.
Bauen Sie Sprachassistenten und Telefonbots, die Ihre Anrufenden verstehen und so antworten, wie sie sprechen: in Züritüütsch, Bärndütsch, Baaseldütsch oder Lozärnerdütsch, im Französisch der Romandie und im Italienisch des Tessins, über eine einzige WebSocket-Verbindung. Speech-to-Text und Text-to-Speech gibt es weiterhin als einzelne Bausteine.
Ohne Kreditkarte. Danach sekundengenau abgerechnet.
import WebSocket from 'ws';
const ws = new WebSocket(
'wss://api.suisse-speech.ch/v1/agent/stream',
{ headers: { 'X-API-Key': process.env.SUISSE_SPEECH_KEY } },
);
ws.on('open', () => ws.send(JSON.stringify({
type: 'session.start',
language: 'de-CH', dialect: 'zurich', voice: 'anna',
instructions: 'Du bist die Rezeption der Garage Muster.',
greeting: 'Grüezi, wie kann ich helfen?',
input: { encoding: 'pcm16', sample_rate_hz: 16000 },
output: { encoding: 'pcm16', sample_rate_hz: 24000,
transport: 'binary' },
})));
// Then stream the caller's audio as binary frames
// and play the audio frames that come back.Drei Produkte, eine API
Derselbe Schlüssel, dieselben Sprachcodes und dasselbe Fehlerformat – ob Sie zuhören, sprechen oder einen Agenten das ganze Gespräch führen lassen.
Sprachagenten Neu
Ein Echtzeit-Agent, der zuhört, versteht und mit natürlicher Stimme antwortet, über eine einzige WebSocket-Verbindung. Sie geben Anweisungen und Werkzeuge vor, er führt das Gespräch.
- Versteht und spricht schweizerdeutsche Dialekte, Schweizer Französisch und Tessiner Italienisch
- Ihre Anweisungen, Ihr Wissen, Ihre Regeln
- Fragt Ihr Backend ab, um etwas nachzuschlagen oder zu buchen
- Natürliche Unterbrechungen, Telefonaudio und Live-Transkripte
Speech-to-Text
Aus gesprochenem Schweizerdeutsch wird hochdeutscher Text, mit Zeitstempeln und Konfidenzwerten pro Wort. Streamen Sie live oder senden Sie ganze Aufnahmen.
- Live-Transkripte über WebSocket, alle 250 ms aktualisiert
- 60 Sprachen, die gesprochene wird automatisch erkannt
- Eigenes Vokabular: Namen, Produkte, Orte
- Lange Aufnahmen als Jobs, bis 200 MB
Text-to-Speech
Schreiben Sie auf Hochdeutsch und hören Sie echten Dialekt – mit eigenem Wortschatz, eigener Grammatik und eigenem Klang. Zwölf Stimmen, von Telefon- bis Studioqualität.
- Zürcher, Berner, Basler und Luzerner Mundart, von Hand abgestimmt
- Echtzeit-Streaming für Voicebots, das Modell studio für vorproduzierte Audiodateien
- Schweizer Zahlen, Datumsangaben und CHF-Beträge korrekt ausgesprochen
- Telefonietauglich: G.711 µ-law und A-law mit 8 kHz
Warum sich Teams für Suisse Speech entscheiden
Echter Dialekt statt Akzent
Die schweizerdeutsche Ausgabe nutzt Wortwahl und Grammatik des Dialekts. Es ist kein Hochdeutsch, das mit Schweizer Akzent vorgelesen wird.
Schweizer Eigenheiten im Griff
Telefonnummern nach Schweizer Art gruppiert, je nach Dialekt. Datum, Uhrzeit und CHF-Beträge in ihrer gesprochenen Form.
Ein Gespräch, 60 Sprachen
Die Spracherkennung bestimmt, welche der erwarteten Sprachen gesprochen wird. Die Sprachsynthese antwortet mit demselben Sprachcode.
Ihre Audiodaten werden nicht gespeichert
Audio, Text und Transkripte werden im Arbeitsspeicher verarbeitet. Für die Abrechnung behalten wir nur Metadaten ohne Inhalt.
Kostenlose Sandbox für Ihre Tests
Sandbox-Schlüssel liefern realistisches Test-Audio und Test-Transkripte und werden nie verrechnet. Gemacht für Continuous Integration.
Klartext bei Limits
Jede Ablehnung nennt ihren Grund: Ihre Anfragerate, Ihr Plan, Ihr Guthaben oder unsere Kapazität. Nichts wird stillschweigend in eine Warteschlange gestellt.
Gemacht für Schweizer Sprachanwendungen
Voicebots und Contact Center
Lassen Sie einen Sprachagenten das ganze Gespräch führen, oder hören Sie mit der Echtzeit-Transkription zu und antworten Sie mit der Echtzeit-Stimme rund um Ihre eigene Logik. Wer anruft, hört die Antwort in der eigenen Sprache – und auf Wunsch im eigenen Dialekt.
Gesprächstranskription und -analyse
Machen Sie aus aufgezeichneten Anrufen durchsuchbaren hochdeutschen Text mit Zeitstempeln pro Wort – als Batch-Job, der deutlich schneller als in Echtzeit läuft.
IVR-Ansagen und Durchsagen
Produzieren Sie Ansagen, Begrüssungen und Durchsagen in Studioqualität, im Dialekt Ihrer Region. Telefonnummern werden auf Schweizer Art vorgelesen.
Medien, E-Learning und Barrierefreiheit
Vertonung von Inhalten auf Schweizerdeutsch, Französisch und Italienisch sowie Transkripte von gesprochenem Schweizerdeutsch für Untertitel und Archive.
Pro Sekunde zahlen, mit einer Gratisstunde starten
Sprachagenten CHF 0.33 pro Minute (CHF 19.80 pro Stunde) verbundener Sitzungszeit, Speech-to-Text ab CHF 1.35 pro Stunde Audio, Text-to-Speech ab CHF 4.60. Kein Abo und kein Minimum pro Anfrage.
Häufige Fragen
Was ist ein Sprachagent?
Ein Gesprächspartner in Echtzeit über eine einzige WebSocket-Verbindung. Sie streamen das Audio der Anrufenden, der Agent hört zu, versteht und antwortet mit natürlicher Stimme. Er folgt Ihren Anweisungen und ruft, wenn Sie das festlegen, Funktionen in Ihrem Backend auf. Sie bauen den Telefonbot oder Sprachassistenten, wir übernehmen Zuhören, Verstehen und Sprechen.
Kann die API schweizerdeutschen Dialekt transkribieren?
Ja. Schweizerdeutsch aus allen Regionen wird transkribiert. Weil es für Schweizerdeutsch keine einheitliche Rechtschreibung gibt, wird das Transkript auf Hochdeutsch geschrieben. Genau damit können auch Suche, Analysen und Sprachmodelle am besten umgehen.
Spricht die Sprachsynthese echten Dialekt oder Hochdeutsch mit Akzent?
Echten Dialekt. Bei Schweizerdeutsch wird der Text in den Dialekt übertragen: mit dessen Wortwahl, Grammatik und Aussprache. Zürichdeutsch, Berndeutsch, Baseldeutsch und Luzernerdeutsch sind von Hand abgestimmt. 14 weitere Regionen sind auf Best-Effort-Basis verfügbar.
Welche Sprachen werden unterstützt?
In erster Linie Schweizerdeutsch, Schweizer Hochdeutsch, Schweizer Französisch und Schweizer Italienisch. Insgesamt 60 Sprachen für Erkennung und Synthese, von Arabisch und Chinesisch bis Türkisch und Ukrainisch, mit regionalen Varianten und Dialekten über 150.
Wie wird die Nutzung abgerechnet?
Pro Sekunde, ohne Minimum pro Anfrage. Speech-to-Text und Text-to-Speech werden pro Sekunde Audio gemessen, Echtzeit und Batch zu eigenen Tarifen. Sprachagenten werden pro Sekunde verbundener Sitzungszeit gemessen, zu CHF 0.33 pro Minute. Alle Tarife stehen auf der Preisseite. Sie laden Prepaid-Guthaben auf, und jedes neue Konto startet mit 60 Gratisminuten.
Speichern Sie meine Audiodaten oder Transkripte?
Nein. Audio, Text und Transkripte werden im Arbeitsspeicher verarbeitet und nicht gespeichert. Ergebnisse von Batch-Jobs bleiben nur so lange erhalten, bis Sie sie abholen – höchstens 48 Stunden.
Testen Sie es mit Ihren eigenen Aufnahmen
Holen Sie sich 60 Gratisminuten für Speech-to-Text und Text-to-Speech. Keine Kreditkarte nötig.