Stimme klonen mit KI: deine Stimme für deine Charaktere

Eine geklonte Stimme ist der Unterschied zwischen „eine KI liest mein Skript“ und „ich lese mein Skript, ohne ein Studio zu buchen“. Sie ist außerdem der schnellste Weg, einer ganzen Besetzung Stimmen zu geben, die über hundert Zeilen hinweg gleich bleiben. Dieser Leitfaden behandelt die Praxis im Tool „Stimme“ von eroq: was du aufnimmst, wie du es hochlädst, mit welchem Modell du renderst und wie du Text schreibst, den die Engine spielt, statt ihn aufzusagen.

Zuerst: wessen Stimme?

Deine eigene oder eine, für die du die ausdrückliche Erlaubnis hast. Eine reale, identifizierbare Person ohne Einwilligung zu klonen – einen Promi, einen Ex, einen Streamer – ist nach der Nutzungsrichtlinie verboten und wird auf Kontoebene durchgesetzt: Dann ist das Konto weg, nicht nur der Clip. Die Plattform ist für Fiktion und kreative Arbeit da. Deine Erzählstimme, deine Charaktere, dein Werbe-Voice-over: Für solche Aufgaben ist ein Klon gedacht.

Nimm eine Probe auf, aus der die Engine lernen kann

Stimmklonen kopiert, was es hört – auch das, was du ihm gar nicht geben wolltest. Die folgenden Tipps sind ehrlich zur Engine statt optimistisch:

• Ein ruhiger Raum, keine Musik, kein Hall. Polstermöbel und Stoffe schlucken Echo; ein Schrank voller Mäntel ist eine bessere Sprecherkabine als eine Küche. Hintergrundbrummen wird Teil der Stimme.
• Ein Mikro, ein Abstand. Halte deinen Mund während der ganzen Aufnahme im selben Abstand zum Mikrofon. Mal näher, mal weiter weg klingt wie zwei Stimmen.
• Sprich so, wie du geklont werden willst. Ist der Klon für ruhige Erzählung gedacht, nimm ruhige Erzählung auf. Ist er für einen Charakter mit Biss, gib ihm ein paar Zeilen mit Biss. Die Engine klont eine Sprechweise, nicht nur eine Klangfarbe.
• Variiere die Sätze. Fragen, Aussagen, eine Aufzählung, eine Randbemerkung. Flacher, repetitiver Text ergibt einen flachen Klon.
• Keine Bearbeitung. Lass Kompressor und Noise Gate weg; die Rohdatei ist das bessere Ausgangsmaterial.
• Schneide die Stille weg. Lange Pausen am Anfang und Ende sind verschwendetes Material.

Lade die Datei im Tool „Stimme“ hoch. Der Klon erscheint neben den Stimmen aus der Auswahl – Aria (warm, nah, weiblich) und Orion (tief, ruhig, männlich) – und kann von beiden Text-zu-Sprache-Modellen genutzt werden.

Voice One oder Voice Turbo

Zwei Modelle rendern Sprache, und beide nutzen dieselben Stimmen und dieselben Klone:

• Voice One ist das ausdrucksstarke Flaggschiff – 3 Credits pro 100 Zeichen, Ausgabe als MP3. Nimm es für alles mit Emotion: Charakterzeilen, Hörbuch-Erzählung, eine Szene.
• Voice Turbo ist schneller – 2 Credits pro 100 Zeichen. Nimm es für Entwürfe, lange neutrale Lesungen, UI-Texte und zum Iterieren an einem Skript vor dem finalen Durchgang mit Voice One.

Beide gibt es schon im kostenlosen Konto, die Wahl ist also eine Frage von Sprechweise und Geschwindigkeit, nicht von Zugang. Für einen Monolog mit 1.000 Zeichen sind das 30 Credits auf Voice One und 20 auf Turbo – ein so kleiner Unterschied, dass die ehrliche Regel lautet: „Turbo zum Iterieren, One zum Ausliefern“.

Schreib fürs Ohr – Satzzeichen sind Regie

Die Stimm-Engines lesen Satzzeichen als Sprechweise. Es gibt kein separates Markup zu lernen; das Skript ist die Regie. Ein vollständiges Beispiel, geschrieben, um gespielt zu werden:

Du bist zurückgekommen. Ich dachte nicht, dass du das tust … nicht nach dem letzten Mal. Setz dich – nein, wirklich, setz dich. Wir haben vielleicht zehn Minuten, bevor sie die Tür bemerken, und die verbringe ich nicht damit, dir beim Rumstehen zuzusehen. Also. Erzähl mir, was du gesehen hast.

Was jedes Zeichen bewirkt:

• Punkte beenden einen Gedanken und senken die Tonhöhe. Kurze Sätze wirken entschlossen.
• Kommas sind kurze Atemzüge. Zu viele, und die Sprechweise wird leiernd; streich sie dort, wo du beim lauten Lesen keine Pause machen würdest.
• Auslassungspunkte lassen ausklingen und bremsen. Einmal pro Absatz, sonst klingt die Stimme bei allem unsicher.
• Gedankenstriche unterbrechen – ein Sinneswandel mitten im Satz, eine Selbstkorrektur.
• Fragezeichen heben das Ende an. Ausrufezeichen bringen Energie; setz sie sparsam ein, sonst schreit alles.
• Ein-Wort-Sätze („Also.“) sitzen wie ein Taktschlag. Sie kommen einer Regiepause am nächsten.

Lies das Skript vor dem Rendern einmal laut. Wenn du stolperst, stolpert die Engine auch, und bei 3 Credits pro 100 Zeichen ist es günstig genug, den Satz zu korrigieren und neu zu rendern.

Tempo und Ausdruck

Neben der Modellwahl sitzen zwei Regler:

• Tempo – langsamer für Hörbuch-Erzählungen und alles, dem man folgen muss; schneller für Werbetexte und Zeilen im Stil von Chatnachrichten.
• Ausdruck – niedrig hält die Sprechweise gleichmäßig und nah an der Probe, passend für Doku-Voice-over; hoch lässt die Engine sich in die Satzzeichen hineinlehnen, passend für Charaktere und Drama.

Stell immer nur einen Regler auf einmal um. Wenn ein Klon nicht mehr nach dir klingt, nimm zuerst den Ausdruck zurück, dann das Tempo; die Probe ist der Anker, und beide Regler ziehen davon weg.

Gib die Stimme einem Charakter

Ein Charakter hat einen Namen, eine Persona, Referenzfotos und eine Stimme – und diese Stimme kann dein Klon sein. Einmal festgelegt, nutzt jede Zeile, die du für diesen Charakter generierst, diese Stimme; das Tool „Stimme“ listet deine Besetzung, du wählst also „Mara“, statt dir merken zu müssen, welcher Klon ihrer war. Kombiniere das mit dem Tool „Text“: Schreib die Szene mit RP+, füg die Zeile ein, render sie mit ihrer Stimme, lade das MP3 herunter und leg es in deinem Schnittprogramm unter den Clip. KI-Charakteren eine Stimme geben geht tiefer darauf ein, wie du Zeilen schreibst, die nach einem Menschen klingen statt nach einem Absatz.

Entwickler bekommen dieselben Stimmen über die API – audio/speech und voices (inklusive Klonen) stehen in der Speech-Doku –, und die eroq-CLI rendert eine Zeile mit einem einzigen Befehl: eroq speech "Tell me what you saw." -v aria.

Häufige Fragen

Darf ich die Stimme einer anderen Person klonen, wenn sie zugestimmt hat?

Die Einwilligung ist die Voraussetzung, und sie muss echt sein. Deine eigene Stimme oder eine Stimme, für die du die ausdrückliche Erlaubnis hast, ist in Ordnung; eine reale Person ohne Einwilligung zu klonen führt zur Sperre des Kontos.

Funktioniert der Klon mit beiden Stimmmodellen?

Ja. Voice One und Voice Turbo teilen dieselben Stimmen und dieselben Klone; der Unterschied liegt in Ausdruck und Preis – 3 gegenüber 2 Credits pro 100 Zeichen.

Wie bringe ich die Stimme dazu, eine Pause zu machen?

Mit Satzzeichen. Ein Punkt ist ein Halt, ein Komma ein Atemzug, Auslassungspunkte ein Ausklingen, ein Ein-Wort-Satz ein Taktschlag. Ein eigenes Pausen-Tag gibt es nicht.

Bereit, dich selbst zu hören? Öffne das Tool „Stimme“ – die ersten 50 Credits sind gratis, und beide Stimmmodelle gibt es schon im kostenlosen Konto.