Google Cloud Text-to-Speech Smart-Home-Integration, kostenlos und Open Source
Eine Google-Cloud-Stimme für Gladys: Chirp 3 HD, Neural2, WaveNet, mit deinem API-Schlüssel.
Veröffentlicht von William-De71
- Geräte
- Version 0.1.0
- Erfordert Gladys >=5.3.0
- ★ 0
Übersicht
Diese Integration gibt Gladys eine Google-Cloud-Stimme (Chirp 3 HD, Neural2, WaveNet…), über die offizielle Cloud Text-to-Speech API und deinen eigenen API-Schlüssel. Sobald du sie unter Einstellungen → Künstliche Intelligenz als Stimme wählst, geht alles, was Gladys sagt, über Google: die Szenenaktion „Benachrichtigung abspielen“ auf deinen Lautsprechern und die gesprochenen Antworten des Sprachassistenten. Jeder Text wird in der Sprache des Benutzers gesprochen.
Sie hält die Kosten im Griff: ein monatliches Zeichenlimit (standardmäßig 95 % des kostenlosen Kontingents) und ein Clip-Cache, damit ein schon gesprochener Satz („Das Garagentor ist offen“) nie zweimal berechnet wird. Außerdem bringt sie drei Szenenauslöser (Sprachausgabe schlägt fehl, Sprachausgabe funktioniert wieder, Monatslimit) und ein Dashboard-Widget mit.
Nicht mit Google verbunden. Noch nicht mit einem echten Google-Cloud-Schlüssel getestet: Rückmeldungen sind willkommen.
Voraussetzungen
- Gladys Assistant 5.3.0 oder neuer.
- Ein Google-Cloud-Projekt mit aktivierter Abrechnung (Google verlangt ein Rechnungskonto auch innerhalb des kostenlosen Kontingents), aktivierter Cloud Text-to-Speech API und einem API-Schlüssel (APIs & Dienste → Anmeldedaten → Anmeldedaten erstellen → API-Schlüssel). Beschränke den Schlüssel auf die Cloud Text-to-Speech API.
- Kosten: Google berechnet jedes gesprochene Zeichen, Leerzeichen inklusive, pro Kalendermonat (pazifische Zeit). Jeden Monat kostenlos: 1 Million Zeichen für Chirp 3 HD, Neural2 und Studio, 4 Millionen für WaveNet und Standard zusammen. Darüber: 30 $, 16 $, 160 $ und 4 $ pro Million. Ein Zuhause, das 50 Benachrichtigungen pro Tag mit 60 Zeichen spricht, braucht etwa 90.000 Zeichen im Monat.
- Deine Daten: Jeder Text, den Gladys vorliest (Benachrichtigungen, Antworten des Assistenten), geht per HTTPS an Google.
Konfiguration
| Feld oder Schaltfläche | Standard | Bedeutung |
|---|---|---|
| API-Schlüssel | — | Pflichtfeld. Wird nie wieder angezeigt, nie protokolliert |
| Stimmenfamilie | Chirp 3 HD | Chirp 3 HD, Neural2, WaveNet, Standard, Studio oder Polyglot |
| Geschlecht der Stimme | Weiblich | Die in der Familie gewählte Stimme, für jede Sprache |
| Stimmen nach Name | — | Optional: eine Stimme pro Sprache, durch Kommas getrennt (de-DE-Chirp3-HD-Charon) |
| Sprache, wenn unbekannt | Englisch | Wenn Gladys die Sprache des Textes nicht angibt (selten) |
| Geschwindigkeit | 1× | Von 0,75× bis 1,5× |
| Tonhöhe | 0 | In Halbtönen, −6 bis +6; Chirp 3 HD und Studio ignorieren sie |
| Lautstärkeanhebung | 0 dB | Von −6 bis +6 dB |
| Optimiert für | Nichts Bestimmtes | Google passt den Klang an das Gerät an: kleiner Lautsprecher, Smart Speaker, HiFi, Kopfhörer… |
| Audioformat | MP3 | MP3 läuft überall; Ogg Opus klingt besser; WAV nur für kurze Texte (höchstens 5 MB) |
| Monatslimit | 0 | Zeichen pro Monat; 0 = 95 % des kostenlosen Kontingents der Familie |
| Stimme testen | — | Spricht einen kurzen Satz (etwa 60 Zeichen berechnet) und zeigt Stimme und Monat an |
| Stimmen auflisten | — | Die Stimmen der Familie für eine Sprache, um eine per Namen einzugeben (kostenlos) |
| Clip-Cache leeren | — | Vergisst die schon gesprochenen Sätze |
Der Status der Konfigurationsseite zeigt, ob Google den Schlüssel akzeptiert und eine Stimme für die Ersatzsprache hat, ohne ein Zeichen zu berechnen. Ob die Abrechnung aktiviert ist, sieht er nicht: Stimme testen zeigt es.
Verwendung
- Integrationen → Google Cloud Text-to-Speech → Konfiguration: Füge den API-Schlüssel ein, wähle Familie und Geschlecht, drücke Stimme testen.
- Einstellungen → Künstliche Intelligenz, Karte Stimme: Wähle Google Cloud Text-to-Speech.
- Füge in einer Szene die Aktion Benachrichtigung abspielen auf einem Lautsprecher hinzu: Gladys spricht mit der Google-Stimme. Auch der Sprachassistent antwortet damit.
Die Stimme wählen
| Familie | Jeden Monat kostenlos | Danach, pro Million Zeichen | Klang |
|---|---|---|---|
| Chirp 3 HD | 1 Million | 30 $ | Am natürlichsten, etwa dreißig Sprachen |
| Neural2 | 1 Million (mit Polyglot) | 16 $ | Natürlich, viele Sprachen |
| WaveNet | 4 Millionen (mit Standard) | 4 $ | Gut, fast alle Sprachen |
| Standard | 4 Millionen (mit WaveNet) | 4 $ | Roboterhaft, alle Sprachen |
| Studio | 1 Million | 160 $ | Erzählung, wenige Sprachen |
| Polyglot | 1 Million (mit Neural2) | 16 $ | Vorschau, wenige Sprachen |
Preise am 9. November 2026 auf der Preisseite von Google Cloud geprüft. Für jede Sprache wählt die Integration eine Stimme der gewählten Familie und des gewählten Geschlechts in der Hauptregion der Sprache (de-DE für Deutsch), immer dieselbe. Hat die Familie keine Stimme für eine Sprache, werden Chirp 3 HD, Neural2, WaveNet und dann Standard versucht. Für eine bestimmte Stimme oder eine andere Region (de-AT, en-GB) drücke Stimmen auflisten, kopiere einen Namen und gib ihn unter Stimmen nach Name ein.
Dashboard-Widget
Das Widget Google-Stimme zeigt die Zeichen des Monats im Vergleich zum Limit (Anzeige), die übrigen Zeichen, die Clips des Tages, die in diesem Monat aus dem Cache gelesenen Clips (kostenlos), die Zeichen pro Tag über 30 Tage, ob Google spricht, den letzten Clip und den letzten Fehler. Es zählt, was diese Integration gesendet hat; derselbe Schlüssel anderswo genutzt ist nicht enthalten. Die Google-Cloud-Konsole bleibt die Referenz für die Rechnung.
Szenen
- Auslöser „Google-Stimme: Sprachausgabe schlägt fehl“: einmal pro Ausfall (Schlüssel abgelehnt, API nicht aktiviert, Abrechnung nicht aktiviert, Stimme unbekannt, Anfragelimit, API nicht erreichbar, zu langsam, Google-Fehler), mit Art, Meldung, Stimme und Sprache. Ein einzeln abgelehnter Text und das Monatslimit lösen hier nichts aus.
- Auslöser „Google-Stimme: spricht wieder“: der erste Clip nach einem Ausfall, mit den Minuten des Ausfalls.
- Auslöser „Google-Stimme: Monatslimit“: bei 80 % des Limits (
warning), dann wenn ein Clip abgelehnt wird (reached), einmal pro Stufe und Monat, mit den verbrauchten Zeichen, dem Limit und dem Prozentsatz.
Beispiele: Wenn die Sprachausgabe fehlschlägt, schicke dem Administrator eine Telegram-Nachricht mit der Meldung; bei 80 % des Monatslimits eine E-Mail mit dem Prozentsatz; wenn das Limit erreicht ist, eine schriftliche Benachrichtigung, die nichts kostet.
Es gibt keine Szenenaktion: Das Audio spielt Gladys selbst ab, über „Benachrichtigung abspielen“.
Fehlerbehebung
- „Google hat den API-Schlüssel abgelehnt“: Kopiere den Schlüssel erneut aus den Anmeldedaten; ist der Schlüssel beschränkt, müssen seine API-Einschränkungen die Cloud Text-to-Speech API enthalten.
- „Die Cloud Text-to-Speech API ist nicht aktiviert“: Aktiviere sie in der API-Bibliothek des Projekts des Schlüssels, warte eine Minute und drücke dann Stimme testen.
- „Google verlangt die Abrechnung“: Verknüpfe ein Rechnungskonto mit dem Projekt. Das kostenlose Kontingent gilt weiterhin.
- „Monatliches Zeichenlimit erreicht“: Clips werden bis zum 1. des Folgemonats (pazifische Zeit) abgelehnt; erhöhe das Monatslimit, um weiterzumachen (über dem kostenlosen Kontingent berechnet Google).
- „Keine Stimme gefunden“: Eine per Name eingegebene Stimme existiert nicht, oder keine Familie hat eine Stimme für die Sprache; drücke Stimmen auflisten.
- Der Lautsprecher spielt nichts: Wähle MP3; Ogg Opus und WAV spielt nicht jeder Lautsprecher, und ein langer Text in WAV überschreitet die 5 MB, die Gladys annimmt.
- Ein Wort wird schlecht ausgesprochen: Google verbessert seine Stimmen; drücke Clip-Cache leeren, um die neue Aussprache eines schon gesprochenen Satzes zu hören.
- Protokolle: Einstellungen → Supervision, die Protokolle der Integration. Teile niemals deinen API-Schlüssel.
Konfigurationseinstellungen
Diese Einstellungen fragt Google Cloud Text-to-Speech in seinem Konfigurationsbildschirm in Gladys ab.
| Einstellung | Typ | Pflichtfeld | Beschreibung |
|---|---|---|---|
| Erste Schritte | section | Nein | In der Google-Cloud-Konsole: Erstelle ein Projekt, verknüpfe ein Rechnungskonto damit (auch innerhalb des kostenlosen Kontingents nötig), aktiviere die Cloud Text-to-Speech API, erstelle dann einen auf diese API beschränkten API-Schlüssel und füge ihn unten ein. Wähle diese Integration anschließend als Stimme unter Einstellungen, Künstliche Intelligenz. |
| Kosten und Datenschutz | section | Nein | Google berechnet jedes gesprochene Zeichen, Leerzeichen inklusive, pro Monat: Chirp 3 HD, Neural2 und Studio enthalten 1 Million kostenlose Zeichen, WaveNet und Standard zusammen 4 Millionen. Die Integration stoppt am Monatslimit unten (standardmäßig 95 % des kostenlosen Kontingents) und berechnet einen schon gesprochenen Satz nicht erneut. Jeder vorgelesene Text geht an Google. |
| API-Schlüssel | secret | Ja | |
| Stimme | section | Nein | Gladys gibt die Sprache des Benutzers an: Die Integration wählt eine Stimme der gewählten Familie und des gewählten Geschlechts in dieser Sprache, immer dieselbe. Für eine bestimmte Stimme gib ihren Namen unten ein; die Schaltfläche „Stimmen auflisten“ zeigt sie an. |
| Stimmenfamilie | select | Nein | Hat die Familie keine Stimme für eine Sprache, werden Chirp 3 HD, Neural2, WaveNet und dann Standard versucht. |
| Geschlecht der Stimme | select | Nein | |
| Stimmen nach Name (optional) | string | Nein | Höchstens eine Stimme pro Sprache, durch Kommas getrennt. Sie ersetzt die automatische Wahl für ihre Sprache, auch deren Region (fr-CA, en-GB). |
| Sprache, wenn unbekannt | select | Nein | Gesprochen, wenn Gladys die Sprache des Textes nicht angibt (selten). |
| Klang | section | Nein | |
| Geschwindigkeit | select | Nein | |
| Tonhöhe | select | Nein | In Halbtönen. Chirp-3-HD- und Studio-Stimmen ignorieren sie. |
| Lautstärkeanhebung | select | Nein | |
| Optimiert für | select | Nein | Google passt den Klang an das Gerät an, das ihn abspielt. |
| Audioformat | select | Nein | |
| Monatslimit (Zeichen) | number | Nein | 0: 95 % des kostenlosen Kontingents der Familie. Darüber werden Clips bis zum 1. des Folgemonats abgelehnt (pazifische Zeit, wie Google abrechnet). |
So installierst du Google Cloud Text-to-Speech in Gladys
- Öffne in Gladys Integrationen: Google Cloud Text-to-Speech erscheint im Katalog neben den nativen Integrationen, mit einem Community-Badge.
- Klicke auf Installieren. Gladys lädt das Docker-Image (
ghcr.io/william-de71/gladys-google-cloud-tts:0.1.0) herunter, startet es in einer vom Kern isolierten Sandbox und erzeugt die Oberfläche der Integration (Geräte, Erkennung und Konfiguration). - Öffne den Bildschirm Konfiguration der Integration, fülle die Einstellungen aus und speichere.
- Du kannst sie auch direkt über die URL ihres Repositorys installieren: https://github.com/William-De71/gladys-google-cloud-tts.
Google Cloud Text-to-Speech benötigt Gladys >=5.3.0. Der Katalog in Gladys wird stündlich aktualisiert, eine neue Version ist also spätestens eine Stunde nach ihrer Veröffentlichung verfügbar.
Du nutzt Gladys noch nicht? Es ist kostenlos und Open Source: folge der Installationsanleitung, um loszulegen.
Über externe Integrationen
Google Cloud Text-to-Speech ist eine externe Integration: eine Community-Integration, die als Docker-Container verpackt und auf GitHub veröffentlicht wird. Gladys installiert sie mit einem Klick und führt sie in einer vom Kern isolierten Sandbox aus. Sie wird von William-De71 veröffentlicht und gepflegt, nicht vom Gladys-Kernteam.
- Alle Integrationen durchsuchen, native und aus der Community
- Deine eigene externe Integration bauen und veröffentlichen
- Quellcode auf GitHub — Quelle dieser Dokumentation