Sprachausgabe
Lass den Assistenten Antworten beim Streamen vorlesen — mit Pro-Thread-Override und einem konfigurierten Text-zu-Sprache-Anbieter.
4 min read
Die Sprachausgabe liest die Antworten des Assistenten vor, während sie streamen. Jeder Satz wird synthetisiert, sobald er erscheint, sodass die Wiedergabe innerhalb von ein bis zwei Sekunden nach den ersten Worten startet — du wartest nicht auf die vollständige Antwort.
Einschalten
Die Sprachausgabe ist standardmäßig aus. Es gibt zwei Stellen, an denen du sie steuerst:
- Pro-Thread-Schalter. Öffne das
…-Menü in der Chat-Kopfzeile und schalte Sprachausgabe für diesen Chat um. Die Zeile ist ein einfacher An/Aus-Schalter und erscheint immer, wenn die Organisation Sprachausgabe erlaubt — unabhängig vom globalen Standard. Sie funktioniert in beide Richtungen als Override: Aus schaltet diesen Chat stumm (auch wenn der Standard an ist); An spricht diesen Chat (auch wenn der Standard aus ist). - Globaler Standard. Unter Einstellungen → Personalisierung → Sprachausgabe kannst du den Standard einschalten. Neue Konversationen lesen dann Antworten vor, bis du sie im
…-Menü der Chat-Kopfzeile überschreibst.
Wenn du die Sprachausgabe in einer Sitzung zum ersten Mal aktivierst, schaltet der Klick gleichzeitig das Audio-System des Browsers frei. Ohne diese Geste verweigern Mobile Safari und strengere Chromium-Builds die automatische Wiedergabe; der Indikator auf jeder Nachricht zeigt dann „Sprachwiedergabe blockiert — tippe zum Abspielen", bis du tippst.
Was vorgelesen wird
Die Sprachausgabe liest Antworten des Assistenten in deiner Oberflächensprache vor. Markdown-Auszeichnungen (fett, kursiv, Überschriften, Link-Syntax) werden entfernt und Codeblöcke übersprungen, damit du nicht „Sternchen Sternchen hallo Sternchen Sternchen" hörst oder ein Python-Skript vorgelesen bekommst. Satzzeichen, Zahlen und Abkürzungen bleiben erhalten.
Wenn kein Anbieter konfiguriert ist
Die Sprachausgabe nutzt einen serverseitigen Text-zu-Sprache-Anbieter — einen Browser-speechSynthesis-Fallback gibt es nicht. Wenn deine Organisation kein TTS-Modell konfiguriert hat, ist der Schalter in der Personalisierung deaktiviert und der Link führt zu Einstellungen → KI-Anbieter, wo eine administrative Person einen hinzufügen kann. Siehe Text-zu-Sprache-Anbieter konfigurieren für die Konfigurationsform.
Wenn die Synthese für einen einzelnen Satz fehlschlägt (Anbieter-5xx, vorübergehendes Timeout etc.), wird dieser Satz still übersprungen und die Wiedergabe läuft mit dem nächsten weiter. Der Antworttext am Bildschirm bleibt unabhängig davon lesbar.
Stoppen und erneut abspielen
Während eine Nachricht vorgelesen wird, erscheint ein Stopp-Symbol in deren Toolbar. Stoppen pausiert sofort; eine später eintreffende neue Assistentennachricht wird trotzdem automatisch vorgelesen (der Schalter bleibt aktiv, bis du ihn umlegst).
Wenn du den Thread mitten in der Wiedergabe wechselst, stoppt das Audio sauber. Frühere Assistentennachrichten werden bei der Rückkehr nicht automatisch erneut abgespielt — du würdest denselben Inhalt zweimal hören. Nutze die Wiedergabe-Schaltfläche am Indikator, um eine einzelne Nachricht manuell erneut abzuspielen.
Wie Fehler aussehen
| Indikator-Zustand | Bedeutung |
|---|---|
| Animierter Lautsprecher | Wird gerade vorgelesen. |
| Ladekreisel | Synthese läuft; noch kein Audio bereit. |
| Stopp-Symbol | Audio abspielbar; Vorlesen läuft. |
| Einfacher Lautsprecher | Audio bereit oder fertig; tippen zum (erneuten) Abspielen. |
| Bernsteinfarbener Lautsprecher „Tippe zum Abspielen" | Browser hat Autoplay blockiert. Tippe den Indikator an, um die Wiedergabe zu starten. |
| Rotes Warn-Symbol, „… fehlgeschlagen" | Synthese ist bei jedem Versuch gescheitert. Hover für den klassifizierten Grund (kein Anbieter, Rate-Limit, Budget erreicht, vorübergehender Ausfall). Klick zum erneuten Versuch. |
Rate-Limit- und Rate-Limiter-Contention-Fehler werden bis zu zweimal mit exponentiellem Backoff automatisch wiederholt. Anbieter-5xx, Timeouts und andere Fehler (kein Anbieter konfiguriert, falsche Anmeldedaten, Budget überschritten) werden nicht automatisch wiederholt; der Indikator zeigt sie per Tooltip und du tippst zum erneuten Versuch. Der Antworttext bleibt am Bildschirm lesbar.
Kosten und Quota
Jedes synthetisierte Zeichen wird beim konfigurierten Anbieter abgerechnet. Tales Budget-Richtlinie gilt für die Sprachausgabe genauso wie für den Chat: Die Synthese wird blockiert, sobald die Pro-Zeitraum-Kosten- oder Anfrage-Obergrenze erreicht ist. Die Plattform setzt zusätzlich Pro-Benutzer- und Pro-Organisations-Rate-Limits auf TTS durch, damit ein skriptbasierter Missbrauch ein Anbieter-Kontingent nicht erschöpfen kann.
Audio wird etwa sieben Tage lang im Convex-Speicher zwischengespeichert, das erneute Abspielen einer kürzlichen Nachricht löst also keine erneute Abrechnung aus. Danach werden Zeile und Blob durch einen stündlichen Hintergrund-Sweep entfernt (mit einer opportunistischen Pro-Thread-Bereinigung über den Write-Pfad); die nächste Wiedergabe synthetisiert neu.
Barrierefreiheit
Der Indikator meldet seinen Zustand über eine Screenreader-Live-Region („Spricht", „Gestoppt", „Sprachausgabe fehlgeschlagen"). Animationen respektieren prefers-reduced-motion — sowohl der Sprech-Puls als auch der Lade-Kreisel werden statisch, wenn reduzierte Bewegung aktiv ist. Der Pro-Thread-Schalter im …-Menü nutzt die Standard-Semantik role="menuitemcheckbox" + aria-checked, sodass Screenreader den An/Aus-Zustand zusammen mit dem Menü ansagen.
Wenn du einen Screenreader nutzt, lässt du die Sprachausgabe vielleicht besser aus — Screenreader und Assistentenstimme würden denselben Text vorlesen und sich gegenseitig überlagern.