Stimme klonen: KI-Stimme aus einer kurzen Aufnahme

Nimm dich selbst auf, wähle einen Clip oder einen Teil einer längeren Aufnahme. Gib einen beliebigen Text ein und lade ihn in deiner Stimme gesprochen herunter. Deine Aufnahme verlässt dieses Gerät nie.

  1. 1Sprache wählen
  2. 2Stimme hinzufügen
  3. 3Text eingeben und Audio erhalten

Wähle sie zuerst: Du nimmst in dieser Sprache auf, und deine Stimme liest nur Text in dieser Sprache vor. Wenn du sie später änderst, wird deine Stimme gelöscht.

Stimmmodell (Deutsch) · 158,1 MBWird einmal heruntergeladen und bleibt dann in diesem Browser gespeichert.

Füge zuerst deine Stimme hinzu.

Stimme hinzufügen · Deutsch

10 bis 25 Sek. natürliches Sprechen in dieser Sprache genügen. Deine Aufnahme bleibt auf diesem Gerät.

Sieh es in Aktion

Klone deine Stimme anhand einer kurzen Aufnahme und lass sie jeden beliebigen Text vorlesen, direkt in deinem Browser.

So klonst du deine Stimme

1

Wähle die Sprache und füge dann deine Stimme hinzu

Wähle die Sprache, in der du sprechen wirst. Dann nimm dich selbst auf, wähle einen Clip oder einen Teil einer längeren Aufnahme.

2

Setze den Haken bei der Einwilligung

Bestätige, dass die Stimme dir gehört oder dass du die ausdrückliche Einwilligung der sprechenden Person hast. Deine Stimme wird erst vorbereitet, wenn du das Kästchen angekreuzt hast.

3

Gib den Text ein

Tippe oder füge ein, was deine Stimme sagen soll, in der Sprache, in der du aufgenommen hast.

4

Lade das KI-Stimmen-Audio herunter

Höre dir das Ergebnis an und lade es dann als MP3, M4A oder WAV herunter. Die Datei heißt speech-ai-voice, damit sie nie mit einer echten Aufnahme verwechselt wird.

Stimme klonen: KI-Stimme aus einer kurzen Aufnahme

Das Stimmklon-Tool von SubtitleKit verwandelt eine kurze Aufnahme deiner Stimme in eine KI-Stimme, die jeden Text liest, den du eingibst, und gibt dir anschließend die Audiodatei. Nimm dich im Browser selbst auf, wähle einen Clip oder einen Teil einer längeren Aufnahme aus, bestätige, dass die Stimme dir gehört oder du die Einwilligung der sprechenden Person hast, gib den Text ein und lade ihn als MP3, M4A oder WAV in deiner Stimme gesprochen herunter. Alles läuft im Browser, daher ist es kostenlos, braucht kein Konto, und deine Aufnahme verlässt dieses Gerät nie.

So funktioniert das Stimmklonen hier

Das Tool findet zuerst das Gesprochene in deiner Aufnahme und entfernt die Stille sowie alles, was über die vom Modell benötigte Länge hinausgeht. Ein KI-Modell, das auf deinem eigenen Rechner läuft, wandelt das Gesprochene dann in ein Stimmprofil um, eine kompakte Beschreibung davon, wie deine Stimme klingt. Dasselbe Modell liest deinen Text Zeile für Zeile in dieser Stimme vor, und die Zeilen werden im Browser-Tab zu einer einzigen Audiodatei zusammengefügt. Das Stimmprofil wird in diesem Browser gespeichert, damit der nächste Durchlauf diesen Schritt überspringen kann; die Aufnahme selbst wird nie gespeichert.

Kostenlos, ohne Anmeldung, ohne Wasserzeichen. Die einzige Wartezeit ist der erste Durchlauf, wenn ein 158 MB großes KI-Stimmmodell einmalig heruntergeladen und in deinem Browser zwischengespeichert wird. Alle späteren Durchläufe starten aus dem Zwischenspeicher, und die Erzeugung selbst funktioniert auch ohne Internetverbindung.

Was ist Stimmklonen?

Stimmklonen erzeugt aus einer Aufnahme einer Person, die spricht, eine synthetische Stimme, die wie diese Person klingt. Die meisten Online-Stimmklon-Tools verlangen ein Konto, senden deine Aufnahme an ihre Server und berechnen nach Ablauf einer kostenlosen Testphase pro Minute. Dieses Tool führt das Modell dagegen in deinem Browser aus. Deine Stimmaufnahme und dein Text bleiben daher auf diesem Gerät, und es läuft kein Zähler mit.

Welche Sprachen deine Stimme sprechen kann

Deine Stimme kann Englisch, Spanisch, Französisch, Deutsch, Italienisch und Niederländisch sprechen. Jede Sprache hat ein eigenes Modell, daher spricht eine Stimme nur die Sprache, in der sie aufgenommen wurde. Um deine Stimme auf Spanisch zu hören, nimm dich also auf Spanisch auf. Für Portugiesisch gibt es ein Modell, doch es klingt noch nicht ausreichend nach der sprechenden Person, daher bleibt es deaktiviert, bis sich das ändert. Andere Sprachen sind in der Auswahl mit dem Grund aufgelistet, warum sie noch nicht verfügbar sind.

Deine Stimme, mit Einwilligung

Bevor deine Stimme vorbereitet wird, bestätigst du: „Das ist meine Stimme, oder ich habe die ausdrückliche Einwilligung der sprechenden Person. Ich werde das Ergebnis nicht als echte Aufnahme ausgeben.“ Das Ergebnis und die heruntergeladene Datei sind als KI-Stimme gekennzeichnet. Eine Person ohne ihre Einwilligung zu klonen oder das Audio als echte Aufnahme einer Person auszugeben, ist laut der Lizenz des Modells und auf dieser Seite nicht erlaubt.

Was du erwarten kannst

Beim ersten Durchlauf wird ein 158 MB großes Stimmmodell heruntergeladen, was bei einer langsamen Verbindung einige Minuten dauert. Die erste Vorbereitung deiner Stimme dauert auf einem älteren Laptop eine Weile, und ein Desktop-Browser ist dafür am zuverlässigsten. Text mit vielen Zahlen, Datumsangaben oder Symbolen wird schlecht gelesen, daher schreibe sie so aus, wie sie klingen sollen. Eine Stimme spricht nur die Sprache, in der sie aufgenommen wurde; englischen Text mit einer auf Französisch aufgenommenen Stimme vorlesen zu lassen, ist noch nicht möglich.

Wer dieses Tool nutzt

Content-Creator

Verwandle ein Skript ohne Aufnahmesitzung in eine Erzählung in deiner eigenen Stimme, oder korrigiere eine einzelne Zeile eines Voice-overs, ohne die ganze Aufnahme neu einzusprechen.

Barrierefreiheit

Menschen, die ihre Stimme verlieren oder das Sprechen als anstrengend empfinden, können eine Stimme behalten, die wie sie selbst klingt, für Nachrichten und Aufnahmen.

Lehrende und Lernende

Erstelle Kurs-Audios in deiner eigenen Stimme aus schriftlichen Notizen, einheitlich über Lektionen hinweg, die Wochen auseinander aufgenommen wurden.

Autorinnen, Autoren und Lektorat

Lass dir einen Entwurf in deiner eigenen Stimme vorlesen, um ungeschickte Sätze zu finden, oder erstelle eine schnelle Probe-Erzählung vor der finalen Aufnahme.

Häufig gestellte Fragen

Kann ich die Stimme einer anderen Person klonen?

Nur mit ihrer ausdrücklichen Einwilligung. Bevor deine Stimme vorbereitet wird, setzt du einen Haken bei einem Kästchen mit dem Text: „Das ist meine Stimme, oder ich habe die ausdrückliche Einwilligung der sprechenden Person. Ich werde das Ergebnis nicht als echte Aufnahme ausgeben.“ Deine Stimme wird erst vorbereitet, wenn du das Kästchen angekreuzt hast.

Welche Sprachen werden unterstützt?

Englisch, Spanisch, Französisch, Deutsch, Italienisch und Niederländisch. Für Portugiesisch gibt es ein Modell, doch es klingt noch nicht ausreichend nach der sprechenden Person, daher ist es deaktiviert, bis sich das ändert. Andere Sprachen sind mit dem Grund aufgelistet, warum sie noch nicht verfügbar sind.

Verlässt meine Aufnahme mein Gerät?

Nein. Die Aufnahme und der Text verlassen den Browser nie. Nur das Stimmprofil, eine kompakte Beschreibung davon, wie die Stimme klingt, wird gespeichert, und zwar nur in diesem Browser, bis du dem Tool sagst, dass es das Profil vergessen soll, oder du die Website-Daten in deinem Browser löschst. Die Aufnahme selbst wird nie gespeichert.

Wie lang sollte meine Aufnahme sein?

Nimm in einem ruhigen Raum etwa 12 bis 25 Sekunden natürlich gesprochenes Englisch auf, bei den anderen Sprachen 10 bis 25 Sekunden. Du kannst auch einen Clip wählen, den du bereits hast, oder einen Teil einer längeren Aufnahme auswählen, etwa einen Podcast oder ein Interview: Das Tool schlägt den Teil mit den meisten Sprachanteilen vor, und du kannst ihn vor der Verwendung verschieben. Überschüssiges wird abgeschnitten, und die Anzeige auf der Seite zeigt dir, wann du genug für die gewählte Sprache hast.

Ist das Audio als KI gekennzeichnet?

Ja. Das Ergebnis wird mit einem Hinweis „KI-Stimme“ angezeigt, und die heruntergeladene Datei heißt speech-ai-voice. Du darfst das Audio nicht als echte Aufnahme der Person ausgeben, deren Stimme es ist.

Welches Modell wird verwendet, und unter welcher Lizenz?

Das Stimmmodell ist Pocket TTS von Kyutai, und seine Gewichte sind unter CC BY 4.0 lizenziert. Kyutai untersagt das Klonen einer Stimme ohne ausdrückliche und rechtmäßige Einwilligung, das Ausgeben erzeugter Audiodaten als echte Aufnahme realer Personen oder Ereignisse sowie jede illegale, täuschende, belästigende oder die Privatsphäre verletzende Nutzung. Die vollständige Lizenz ist auf der Karte verlinkt, die vor dem einmaligen Modell-Download nachfragt.

Was kann es noch nicht gut?

Text mit vielen Zahlen wird schlecht gelesen, daher schreibe Zahlen als Wörter aus. Außerdem spricht eine Stimme nur die Sprache, in der sie aufgenommen wurde, daher kann eine auf Französisch aufgenommene Stimme noch keinen englischen Text vorlesen.

Was kostet es, und was brauche ich?

Es ist kostenlos und braucht kein Konto. Beim ersten Durchlauf wird einmalig ein 158 MB großes Stimmmodell heruntergeladen, das danach in deinem Browser zwischengespeichert wird. Ein Desktop-Browser wird empfohlen, da die Vorbereitung einer Stimme mehr Arbeitsspeicher benötigt, als die meisten Smartphones einem einzelnen Tab zur Verfügung stellen.

Tipps für die besten Ergebnisse

Nimm in einem ruhigen Raum auf. Sprich natürlich, in deinem normalen Tempo, ohne Musik oder andere Stimmen im Hintergrund. Eine saubere Aufnahme ergibt einen besseren Klon als eine lange.

Schreibe Zahlen, Datumsangaben und Symbole aus. Schreibe „zweitausendsechsundzwanzig“ statt „2026“, wenn es so klingen soll.

Nimm in der Sprache auf, die du hören möchtest. Deine Stimme spricht die Sprache der Aufnahme, also nimm auf Spanisch auf, um Spanisch zu erzeugen.