StartPreiseStärker als Kugel 3.
Ein Viertel günstiger.
Unser neues Sprachmodell spricht kurze Antworten, IPA-Aussprache, Pausen und buchstabierte Codes deutlich öfter richtig, zu 75 % des Preises von Kugel 3.
Die kleinen Dinge,
die Anrufer zuerst hören.
Ein Voice Agent wird an Details gemessen: eine Antwort aus einem Wort, ein richtig ausgesprochener Name, eine Pause zum Nachdenken, eine Bestellnummer Zeichen für Zeichen.
Genau darauf wurde Kugel 3.5 trainiert. Stimmen, Sprachen und API bleiben wie bei Kugel 3, nur die Details sitzen deutlich öfter.
„Ja.“ „Okay.“ „Einen Moment.“ Ein einzelnes Wort gibt einem Sprachmodell kaum Anhaltspunkte, deshalb passieren hier die meisten Fehler. Kugel 3.5 spricht sie sauber, jedes Mal in derselben Stimme.
95,5 %der kurzen deutschen Antworten richtig gesprochen, nach 84,8 % mit Kugel 3
Hinterlegen Sie für einen Namen, eine Marke oder einen Ort die IPA-Umschrift in einem Aussprachewörterbuch, und Kugel 3.5 spricht ihn genau so, statt aus der Schreibweise zu raten.
65,2 %der deutschen IPA-Aussprachen getroffen, nach 36,7 % mit Kugel 3
{
"word": "Nguyen",
"ipa": "ŋwiən"
}Ein Break-Tag legt die Pause vor dem nächsten Satz fest. Kugel 3.5 bleibt nah an der gewünschten Länge. ElevenLabs v4 Turbo kennt keine Pausenlänge und pausiert ungefähr gleich lang, egal was Sie schreiben.
31,8 %der Pausen höchstens 50 ms von der gewünschten Länge entfernt, nach 18,6 % mit Kugel 3
<break time="200ms"/> | |
|---|---|
| Kugel 3.5 | 197 ms |
| ElevenLabs v4 Turbo | 555 ms |
| Cartesia Sonic 3.6 | 186 ms |
<break time="400ms"/> | |
| Kugel 3.5 | 370 ms |
| ElevenLabs v4 Turbo | 566 ms |
| Cartesia Sonic 3.6 | 401 ms |
<break time="500ms"/> | |
| Kugel 3.5 | 456 ms |
| ElevenLabs v4 Turbo | 563 ms |
| Cartesia Sonic 3.6 | 495 ms |
Bestellnummern, Kennzeichen und Buchungscodes in einem Spell-Tag werden Zeichen für Zeichen vorgelesen, in der Reihenfolge, in der Sie sie geschrieben haben.
99,4 %der buchstabierten Codes richtig vorgelesen, nach 95,4 % mit Kugel 3
<spell>KX7Q2M</spell>| Test | Kugel 3.5 | ElevenLabs v4 Turbo | Cartesia Sonic 3.6 | Deepgram Aura-2 | Qwen3-TTS 1.7B | Kugel 3 |
|---|---|---|---|---|---|---|
| Kurze Antworten, Stimme 1887 bei Kugel 3.5, Kugel 3 und Qwen3-TTS | ||||||
| Wörter mit einem anderen Akzent als dem der Referenzstimmeniedriger ist besser | 0 % (bester Wert) | 4,3 % | 0,5 % | 12,8 % | 15,7 % | 0,7 % |
| Kurze Wörter falsch gesprochenniedriger ist besser | 3 % (bester Wert) | 7,7 % | 6,1 % | 20,6 % | 10,6 % | 16,8 % |
| Abrupte Endenniedriger ist besser | 0,7 % | 0 % (bester Wert) | 3,2 % | 42,4 % | 75 % | 10,9 % |
| Verzögerung bis zum ersten Wortniedriger ist besser | 40 ms (bester Wert) | 60 ms | 160 ms | 340 ms | 320 ms | 100 ms |
| Ihrem Markup folgen | ||||||
| 200-ms-Pausen auf 50 ms genauhöher ist besser | 46,3 % (bester Wert) | 1,8 % | 36 % | 15,5 % | 20,5 % | 24,8 % |
| Deutsche IPA-Aussprachehöher ist besser | 65,2 % (bester Wert) | 57,3 % | 0,8 % | 29,4 % | 10,2 % | 36,7 % |
| Englische IPA-Aussprachehöher ist besser | 75 % (bester Wert) | 65,6 % | 6,2 % | 32,5 % | 5,4 % | 53,3 % |
| Inhalte richtig lesen | ||||||
| Zahlen exakt vorgelesenhöher ist besser | 97,1 % (bester Wert) | 95,4 % | 94 % | 36,1 % | 18,4 % | 62,9 % |
| Zahlen und Codes in ihren Gruppen gelesenhöher ist besser | 90,8 % (bester Wert) | 71,9 % | 82,6 % | 0,9 % | 1,5 % | 20,6 % |
KugelBench, Kugel 3.5 am 08.10.2026, die anderen Modelle zwischen dem 29.09.2026 und dem 06.10.2026. Alle Modelle sprachen dieselben Texte und wurden von denselben automatischen Prüfern bewertet. Qwen3-TTS 1.7B ist das offene Basismodell, unsere Stimmen aus einer kurzen Probe geklont. Deutsches IPA bewertet der xlsr-Prüfer, englisches IPA der ZIPA-Prüfer. Zahlen: 1.120 Absätze, richtig nur, wenn jede Ziffer stimmt. Kurze Antworten: 30 deutsche Wörter, 4.500 Aufnahmen der Stimme 1887 bei Kugel 3.5, Kugel 3 und Qwen3-TTS, 9.000 Aufnahmen über zwei deutsche Stimmen jedes anderen Modells. Die Verzögerung ist das 90. Perzentil. Eine Pause zählt als richtig, wenn sie höchstens 50 ms von der gewünschten Länge abweicht; ElevenLabs v4 Turbo kennt keine Pausenlänge, deshalb wurde sein Pausen-Tag verwendet.
0,07 €pro Audiominute
zzgl. MwSt. · 0,0833 € inkl. 19 % MwSt.
Kugel 3 bleibt zum bisherigen Preis verfügbar.
0,0525 €pro Audiominute
zzgl. MwSt. · 0,062475 € inkl. 19 % MwSt.
Die Stimmen, Sprachen und API, die Sie schon nutzen, sekundengenau abgerechnet.
Kugel 3.5 testenPay-as-you-go-Preise. Verbraucher in anderen EU-Ländern zahlen ihren örtlichen Mehrwertsteuersatz, der vor der Zahlung angezeigt wird. Enterprise-Pläne werden gesondert bepreist.
Kugel 3.5 ist unser neuestes Sprachsynthesemodell. Es baut auf Kugel 3 auf und wurde darauf trainiert, die Details von Telefongesprächen richtig zu machen: kurze Antworten, IPA-Aussprache, Pausen nach Maß und buchstabierte Codes.
In unserem Benchmark mit kurzen deutschen Antworten spricht Kugel 3.5 95,5 % richtig, Kugel 3 84,8 %. Auch IPA-Umschriften, gewünschte Pausenlängen und buchstabierte Codes setzt es zuverlässiger um. Den Vergleich mit ElevenLabs v4 Turbo und Cartesia Sonic 3.6 zeigt die Tabelle oben.
Nein. Setzen Sie in Ihrer Anfrage das Modell auf kugel-3.5. Stimmen, Sprachen, Wörterbücher sowie Break- und Spell-Tags funktionieren wie bei Kugel 3.
0,0525 € pro Audiominute zzgl. MwSt., sekundengenau abgerechnet. Das sind 25 % weniger als Kugel 3 mit 0,07 €.
Kugel 3.5 steht jedem Konto zur Verfügung. Setzen Sie in der API model_id auf kugel-3.5, im Dashboard wählen Sie Kugel 3.5 in der Modellauswahl.