Novita AI nimmt Bland BTTS mit kostenlosem Stimmklonen und 0,04 US-Dollar pro 1.000 Zeichen ins Angebot

Ein Proxy zur Sprach-Engine von Bland

Bland BTTS läuft bei Novita AI als Passthrough-Proxy und nicht als nativ gehostetes Modell. Novita leitet Anfragen an die produktive Sprach-Engine von Bland weiter und rechnet sie über das Novita-Konto des Kunden ab. Die Stimmen und das Anfrageschema stammen von Bland, die Authentifizierung erfolgt dagegen mit einem einzigen Novita-AI-API-Schlüssel.

Bland AI ist für Sprachagenten bekannt, die Telefonanrufe abwickeln, und die Engine spiegelt diesen Fokus wider. Laut Novita gibt es bei BTTS zwei wählbare Generationen, V2 und V3. Regler für Ausdrucksstärke und Stabilität gelten nur für V3-Stimmen. Das Audio kommt als Binärdaten zurück statt als JSON-Job, und die Ausgabe eignet sich für Telefonie.

Novita grenzt das von gehosteten Audiomodellen wie Fish Audio S2 Pro ab, die das Unternehmen direkt betreibt. Für Teams, die gezielt den Voice-Stack von Bland nutzen wollen, erspare der Proxy nach Angaben des Unternehmens die Integration eines zweiten Anbieters.

Zwei Endpunkte, kostenloses Klonen, Abrechnung pro Zeichen

Die API bietet unter der Basis-URL https://api.novita.ai zwei Endpunkte:

• Sprachsynthese: POST /v3/bland-tts/v2/tts nimmt Text und eine Stimmen-UUID entgegen und liefert Audiobytes zurück.
• Stimmklonen: POST /v3/bland-tts/v1/voices/clone nimmt eine kurze Audioprobe entgegen und liefert eine JSON-voice_id zurück.

Keiner der beiden Endpunkte erwartet ein Modellfeld, da das Routing über den Pfad festgelegt wird. Abgerechnet wird nur die Synthese: 0,04 US-Dollar pro 1.000 Zeichen unter der SKU BLAND_BTTS, wobei Han-Zeichen doppelt zählen. Das Klonen verursacht keine Kosten. Novita weist darauf hin, dass manche Voice-APIs eine einmalige Gebühr pro Klon verlangen, und erklärt, dass bei kostenlosem Klonen ein Katalog markeneigener Stimmen nur die Sekunden kostet, in denen diese Stimmen tatsächlich sprechen. Die Preise wurden am 23. Oktober 2026 geprüft. Novita empfiehlt, vor der Budgetierung von Produktionsvolumen die eigene Preisseite zu konsultieren.

Grenzen, die Entwickler kennen sollten

Die Anfragen sind synchron, es gibt also keine Task-ID, die abgefragt werden müsste. Jede Syntheseanfrage ist auf 5.000 Zeichen Text begrenzt. Laut Novita deckt das die meisten Gesprächsbeiträge von Agenten ab, macht die API aber zu einer schlechten Wahl für lange Erzähltexte.

Bland BTTS nutzt ein eigenes Anfrageschema und kein OpenAI-kompatibles. Eine bestehende Novita-Texteinbindung braucht daher einen separaten Client-Pfad. Stimmen werden über ihre UUID angesprochen, nicht über den Anzeigenamen. Geklonte Stimmen werden von allen Aufrufern geteilt, die denselben API-Schlüssel verwenden, und die API protokolliert nicht, welcher Aufrufer welche Stimme angelegt hat. Teams, die sich einen Schlüssel teilen, müssen die Zuordnung deshalb selbst nachhalten, und die gemeinsame Bibliothek trennt mehrere Mandanten nicht voneinander.

Für wen das Angebot gedacht ist

Novita positioniert Bland BTTS für Telefon- und Sprachagenten, IVR-Ansagen und Produkte mit vielen markeneigenen Stimmen. Es eignet sich zudem für Produkte, die bereits auf Novita AI laufen und die Engine von Bland ohne separate Bland-Integration nutzen wollen, sowie für die Synthese Gesprächsbeitrag für Gesprächsbeitrag, bei der eine synchrone Antwort einfacher ist als eine Job-Warteschlange.

Für lange Erzähltexte, ein einziges OpenAI-artiges SDK für Text und Sprache oder mehrsprachiges Klonen mit Emotions-Tags verweist Novita auf gehostete Alternativen wie Fish Audio S2 Pro als die passendere Lösung.