Du hast ein kurzes Video und ein Skript und möchtest dich lieber nicht selbst aufnehmen — kein ruhiger Raum, kein Mikrofon, oder schlicht keine Lust, die eigene Stimme darauf zu hören. Was du willst, ist eine Erzählspur, die du auf die Zeitleiste legen kannst.
Der kurze Weg
- Öffne das Text-zu-Sprache-Werkzeug. Der erste Besuch lädt das Modell herunter, etwa 64 MB, einmalig — danach ist es zwischengespeichert und funktioniert offline.
- Füge die Zeile ein, die gesprochen werden soll. Bis zu 500 Zeichen pro Erzeugung.
- Wähle eine der 19 Stimmen oder klone eine aus einer kurzen eigenen Probe.
- Erzeugen, anhören, die Formulierung anpassen, wenn die Phrasierung danebengeht, und herunterladen.
Nichts wird hochgeladen: Das Modell läuft in deinem Browser, weder dein Skript noch deine Stimmprobe verlässt also die Maschine. Bei einem Kundenskript unter Sperrfrist ist das der Unterschied zwischen einem Werkzeug, das du nutzen kannst, und einem, das du nicht nutzen kannst.
Was 500 Zeichen tatsächlich sind
Grob 80 Wörter oder etwa 30 Sekunden Sprache. Das deckt ein Kurzvideo in einem oder zwei Durchgängen ab, und es ist die falsche Form für eine zwanzigminütige Dokumentation.
Für alles Längere: erzeuge eine Zeile pro Einstellung statt einer Datei für das ganze Skript. Das ist keine Notlösung für die Grenze — so willst du das Audio ohnehin haben. Dateien pro Einstellung lassen sich unabhängig verschieben, neu timen und ersetzen, und einen Satz neu zu erzeugen heißt nicht, die ganze Erzählung neu zu erzeugen.
Eine Stimme klonen
Das Werkzeug kann eine kurze Aufnahme nehmen und neuen Text in dieser Stimme sprechen. Worauf es ankommt:
- Eine saubere Probe. Der Klon kopiert, was er hört, samt Raumgeräusch und Rauschen. Ist deine Probe verrauscht, schick sie vorher durch die Rauschentfernung — das ist eine der nützlicheren Arten, die beiden Werkzeuge zu koppeln.
- Gewöhnliches Sprechen, keine Darbietung. Eine neutrale Lesung ergibt eine brauchbarere Stimme als eine dramatische, weil der Klon den Vortrag ebenso reproduziert wie die Klangfarbe.
- Ein paar Sekunden genügen, und mehr ist nicht offensichtlich besser. Probier zuerst eine kurze Probe.
Die Aufnahme einer realen Person kann neben dem Urheberrecht auch Persönlichkeits- und Verwertungsrechte tragen, und in mehreren Rechtsordnungen ist das Klonen einer wiedererkennbaren Stimme ohne Einwilligung rechtswidrig, unabhängig davon, wem die Aufnahme gehört. Deine eigene Stimme oder eine der 19 eingebauten Stimmen umgeht die Frage vollständig. Siehe Nutzungsbedingungen, Abschnitt 2.
Eine bessere Lesung herausholen
- Setze Satzzeichen fürs Ohr. Ein Komma kauft eine kurze Pause, ein Punkt eine längere. Einen langen Satz in zwei zu teilen behebt das Tempo meist schneller als jede Einstellung.
- Schreibe sperrige Wörter so, wie sie klingen. Namen, Abkürzungen und Einheiten sind die Stellen, an denen Synthese am häufigsten danebengeht, und Umschreiben geht schneller, als dagegen anzukämpfen.
- Erzeuge eine Zeile zweimal. Die Ausgabe schwankt leicht zwischen Durchläufen; manchmal ist die zweite Aufnahme die, die du willst.
- Lade als WAV herunter, wenn es in einen Editor geht, und überlass die Kompression dem finalen Export.
Wo das das falsche Werkzeug ist
- Erzählung in langer Form. Ein Hörbuch oder eine lange Dokumentation heißt Hunderte von Erzeugungen. Ein serverbasierter Dienst mit einer Eingabe in Dokumentlänge hat dafür die richtige Form.
- Handys und ältere Maschinen. Die Engine braucht
SharedArrayBufferund einen leistungsfähigen Prozessor. Manche Mobil-Browser und eingebettete Webviews stellen das nicht bereit. - Feine Prosodie-Kontrolle. Es gibt kein SSML, keinen Phonem-Editor und keine Tonhöhe pro Wort. Du steuerst die Lesung, indem du den Text umschreibst.
- Eine getaktete Verbindung. Der erste Ladevorgang sind echte 64 MB.
Erstelle Untertitel aus der Erzählung
Öffne AI Speech to Text mit Ihrer Kommentaraufzeichnung, um ein bearbeitbares Transkript zu erstellen und SRT- oder VTT-Untertitel für Ihren Videoeditor zu exportieren. Jede Datei kann bis zu 5 Minuten lang sein.
Häufig gestellte Fragen
Wie füge ich einem Video ein Voiceover hinzu, ohne mich selbst aufzunehmen?
Tippe die Erzählung in ein Text-zu-Sprache-Werkzeug, wähle eine Stimme und lade das Audio für deine Zeitleiste herunter. Ein browserbasiertes Werkzeug macht das ohne Konto und ohne das Skript hochzuladen — das Modell läuft auf deinem eigenen Gerät.
Wie viel Text kann ich auf einmal erzeugen?
Bis zu 500 Zeichen pro Erzeugung, das sind grob 80 Wörter oder etwa 30 Sekunden Sprache. Für ein längeres Skript erzeuge eine Zeile pro Einstellung; das lässt sich ohnehin leichter bearbeiten als eine einzige lange Datei.
Kann ich meine eigene Stimme verwenden?
Ja. Das Werkzeug klont eine Stimme aus einer kurzen Probe, und deine Probe verlässt dein Gerät nie. Nimm eine saubere, schlicht gesprochene Aufnahme — der Klon reproduziert Raumgeräusch und Vortrag zusammen mit der Klangfarbe.
Darf ich das erzeugte Voiceover kommerziell nutzen?
Wir legen dem Audio, das du erzeugst, keine Beschränkung auf und beanspruchen keine Rechte daran. Die Schranke ist die Stimme: Eine reale Person ohne Einwilligung zu klonen kann Persönlichkeitsrechte verletzen, unabhängig vom Urheberrecht. Die eingebauten Stimmen und deine eigene Stimme umgehen das.
Warum ist der erste Ladevorgang so groß?
Weil das Modell deinen Browser erreichen muss, bevor überhaupt etwas erzeugt werden kann — etwa 64 MB, einmalig, dann zwischengespeichert. Dieser Download ist das, was dir ein Werkzeug ohne Konto, ohne Kontingent und ohne Upload verschafft.