Voizum

Ratgeber

Eigene Stimme klonen mit KI: aufnehmen, bereinigen, nutzen

Das Voizum-Team · Aktualisiert · 11 Min. Lesezeit

Um deine Stimme mit KI zu klonen, reicht eine Aufnahme von 15 bis 60 Sekunden. Das System lernt, wie du klingst, und liest danach jeden Text mit deiner Stimme vor. Fast das ganze Ergebnis hängt an dieser Aufnahme, deshalb geht es in diesem Ratgeber vor allem darum, wie du sie machst.

Meine Stimme klonen

Eine Stimme zu klonen kostet 199 Credits, und du musst schon einmal ein Paket gekauft haben. Pakete ab 5,99 €, ohne Abo.

Was bedeutet es, eine Stimme mit KI zu klonen?

Aus der Aufnahme einer Person entsteht eine synthetische Stimme, die wie sie klingt. Ab dann schreibst du einen Text, und die Stimme liest ihn vor. Du musst nicht noch einmal aufnehmen.

Ein Tool zum Stimmklonen kopiert Merkmale, keine Sätze. Zum einen das Timbre, an dem du jemanden am Telefon nach zwei Wörtern erkennst. Zum anderen die Sprechweise: Akzent, Tempo, wie die Betonung steigt und fällt, wie viel Energie in jedem Satz steckt. Für beides genügen ein paar Sekunden sauberes Audio.

Deshalb erbt der Klon die ganze Aufnahme, Fehler inklusive. Nimmst du müde auf, klingt er müde. Hat der Raum ein Echo, wird das Echo Teil deiner Stimme. Das meiste entscheidet sich beim Aufnehmen, lange bevor du auf die Schaltfläche klickst.

Deine Stimme in einer anderen Sprache: mit oder ohne Akzent

In der Sprache, in der du aufgenommen hast, klingt deine geklonte Stimme wie du, mit deiner Sprechweise.

In einer anderen Sprache lässt Voizum sie natürlich sprechen, ohne deinen Akzent: Deine auf Deutsch aufgenommene Stimme liest zum Beispiel Englisch, ohne dass man hört, dass Deutsch deine Muttersprache ist. Wenn sie deinen Akzent behalten soll, wähle beim Klonen diese Sprache unter „Akzent beibehalten“. Das kostet nichts extra.

Was du brauchst, bevor du anfängst

Du brauchst kein Studio. Ein aktuelles Smartphone nimmt mehr als genug auf, wenn du es richtig nutzt, und am stärksten wirken sich Raum und Sprechweise aus.

  • Eine Aufnahme von 15 bis 60 Sekunden, in der nur eine Person spricht: du oder jemand, der dir schriftlich die Erlaubnis gegeben hat.
  • Eine MP3-, WAV- oder M4A-Datei. Wenn deine Stimme in einem Video steckt, extrahiere zuerst das Audio: Hochgeladen wird der Ton, nicht das Video.
  • Ein ruhiger Raum mit Möbeln, Vorhängen oder aufgehängter Kleidung, die das Echo schlucken.
  • Gekaufte Credits: Das Klonen kostet 199 Credits, und die Gratis-Credits des Monats gelten dafür nicht.

So nimmst du die Sprachprobe auf

Nimm 15 bis 60 Sekunden durchgehende Sprache auf, in einem Raum ohne Echo, eine Handbreit vom Mikrofon entfernt und so gesprochen, wie du später klingen willst. Das ist die Kurzfassung, die Details stehen unten.

Du brauchst weniger Audio, als man meist denkt. Mit 10 bis 20 sauberen Sekunden einer einzelnen Person ist die Ähnlichkeit da, und weitere 20 oder 60 Sekunden verbessern sie nicht.

AspektSo klappt esSo klappt es nicht
Dauer15 bis 60 s durchgehende SpracheEin 5-s-Clip, der in Schleife bis zum Minimum wiederholt wird
PersonenNur duEin Interview, jemand lacht oder antwortet im Hintergrund
RaumSchlafzimmer, mit Vorhängen oder SchrankBad, Küche, Flur, leerer Raum
HintergrundStilleMusik, Fernseher, Verkehr, Ventilator
AbstandEine Handbreit, Handy leicht seitlichDirekt am Mund oder zwei Meter entfernt
SprechweiseSo, wie du klingen willst, mit natürlicher EnergieHastig oder im monotonen Vorlesetonfall
EndeEndet in einer Pause, mit etwas StilleMitten im Wort abgeschnitten
PegelKräftig, aber sauberÜbersteuert oder kaum hörbar
Voizum weist dich beim Hochladen darauf hin, wenn die Probe zu kurz oder zu lang ist, kaum zu hören ist, übersteuert wirkt oder Rauschen oder Hintergrundmusik enthält.

Reicht das Smartphone?

Ja. Nutze die Diktier- oder Sprachmemo-App, keinen Anruf und keine WhatsApp-Sprachnachricht, die den Ton stark komprimieren. Halte das Gerät eine Handbreit vor den Mund und leicht seitlich, damit „P“ und „B“ nicht ins Mikrofon knallen.

Such dir den „weichsten“ Raum der Wohnung. Ein Schlafzimmer mit Bett und Kleiderschrank klingt viel besser als Küche oder Bad. Schalte vorher Ventilator oder Klimaanlage aus und das Handy stumm: Eine Benachrichtigung mitten in der Aufnahme zwingt dich zur Wiederholung.

Was du liest und wie

Einen Absatz aus deinem eigenen Skript, in der Sprache, in der du die Stimme meistens nutzen wirst. Das funktioniert besser als Zählen oder eine Liste, weil der Klon die Betonung aus vollständigen Sätzen lernt.

Die Betonung wird eins zu eins übernommen. Liest du monoton, klingen alle deine Audios monoton. Sprich mit der Energie deines besten Videos. Übertreibst du, wird auch das kopiert.

Das Ende der Datei

Schneide in einer Pause, nie mitten im Wort, und lass am Ende knapp unter eine Sekunde Stille.

Wenn deine App das Format zur Wahl stellt, reicht Mono mit 24 kHz oder mehr. Hör vor dem Hochladen rein: Klingen die lauten Stellen kratzig, ist die Aufnahme übersteuert, und du nimmst sie leiser noch einmal auf.

Und wenn deine Aufnahme rauscht?

Hast du nur die Tonspur eines alten Videos oder aus einem Raum mit Echo, kannst du sie vor dem Klonen mit der Option „Aufnahme verbessern“ bereinigen, die Hintergrundrauschen und Raumecho entfernt.

Die naheliegende Frage ist, ob das Bereinigen der Stimme nimmt, was sie zu deiner macht. Nein: Sie bleibt als deine erkennbar, und je schmutziger die Aufnahme, desto mehr gewinnt sie.

Klingt deine Aufnahme schon sauber, lass es: Es gibt nichts zu reparieren, und es kann die Ähnlichkeit mindern. Es kostet 99 Credits extra, und Voizum sagt dir in beiden Fällen Bescheid: wenn es Rauschen hört, das sich zu entfernen lohnt, und wenn die Aufnahme schon in Ordnung ist.

So klonst du deine Stimme bei Voizum, Schritt für Schritt

Es dauert ein paar Minuten, die meiste Zeit davon wartest du:

  1. 1Öffne „Stimmen“ und klicke auf „Neue Stimme klonen“. Du kannst eine Datei hochladen oder direkt im Browser aufnehmen: Die Aufnahme stoppt nach einer Minute von selbst.
  2. 2Höre dir die Sprachprobe an. Erscheint ein Hinweis auf Rauschen, Übersteuerung oder niedrige Qualität, nimm vor dem Weitermachen einen neuen Take auf.
  3. 3Gib ihr einen Namen, den du wiedererkennst, etwa „Meine Stimme, Erzählung“. Die Beschreibung ist optional.
  4. 4Entscheide, ob du sie verbesserst (nur bei Rauschen oder Echo) und ob du in einer anderen Sprache deinen Akzent behalten willst: Wähle dann die Sprache unter „Akzent beibehalten“.
  5. 5Bestätige, dass es deine Stimme ist oder dass du die Erlaubnis des Inhabers hast, und klicke auf „Stimme erstellen“. Eine Sprache musst du nicht wählen: Sie wird aus der Aufnahme erkannt.
  6. 6Du kannst den Tab schließen, während die Stimme vorbereitet wird. Wenn sie fertig ist, erscheint sie unter deinen Stimmen mit einer Hörprobe.

Meine Stimme klonen →

Wie lasse ich Texte mit meiner eigenen Stimme vorlesen?

Wenn das Klonen fertig ist, steht deine Stimme unter Meine Stimmen und funktioniert wie jede andere: Unter Erstellen wählst du sie aus, fügst den Text ein und lädst das MP3 herunter. Ab dann liest deine eigene Stimme alles vor, was du schreibst, ohne neue Aufnahme.

Das passt für alles, was du sonst selbst aufnehmen würdest: Voiceover für Videos, einen Kurs, einen Podcast oder die Ansagen deines Geschäfts. Änderst du beim Gegenlesen einen Satz, erzeugst du nur dieses Stück neu und es klingt wie der Rest.

Deine Stimme gibt es auch im Dialogmodus, neben Stimmen aus der Bibliothek, und über die API, wenn du es automatisieren willst.

Woran erkennst du, ob deine geklonte Stimme gelungen ist?

Die Hörprobe auf der Stimmenkarte ist ein erster Filter, aber der echte Test ist ein Text von dir. Erstelle einen Absatz aus deinem nächsten Skript, keinen einzelnen Satz, und höre ihn mit Kopfhörern an.

  • Ähnlichkeit: Spiele deine Aufnahme und das erzeugte Audio hintereinander ab. Wenn jemand aus deinem Umfeld nicht auf Anhieb sagen kann, was was ist, passt es.
  • Energie: Klingt es flacher als du, war die Aufnahme fast immer flach. Nimm noch einmal mit mehr Ausdruck auf.
  • Rauschen oder Echo im Ergebnis: Das steckte schon in der Probe. Verbessere sie oder nimm in einem anderen Raum auf.
  • Seltsame Wörter: Beträge, Datumsangaben, Uhrzeiten und Preise werden von allein gut gelesen, Kürzel, Abkürzungen und Symbole dagegen so, wie sie geschrieben stehen. Willst du eine bestimmte Lesart, schreib sie, wie sie klingt („Ze-O-Zwei“, „dreimal“ statt „3x“).

Deine geklonte Stimme in einer anderen Sprache nutzen

Deine geklonte Stimme spricht alle 17 Sprachen von Voizum: Deutsch, Englisch, Spanisch, Französisch, Portugiesisch, Italienisch, Russisch, Niederländisch, Polnisch, Chinesisch, Japanisch, Koreanisch, Hindi, Arabisch, Türkisch, Indonesisch und Rumänisch. Die Sprache jedes Audios ergibt sich aus dem Text, den du schreibst. Du kannst also auf Deutsch aufnehmen und ein englisches Skript erstellen.

In einer anderen Sprache klingt deine Stimme natürlich und ohne Akzent. Wenn sie wie du klingen soll, wenn du Englisch sprichst, mit deinem Akzent, wähle beim Klonen „Englisch“ unter „Akzent beibehalten“ oder später unter „Stimme bearbeiten“. Du kannst mehrere Sprachen wählen.

Dein FallWas du wählst
Du nimmst auf und veröffentlichst in derselben SpracheNichts: Deine Stimme klingt wie du
Kanal in einer anderen Sprache, ohne dass man deinen Akzent hörtNichts: In einer anderen Sprache klingt sie natürlich
Sie soll wie du klingen, wenn du eine andere Sprache sprichst, mit deinem AkzentDiese Sprache unter „Akzent beibehalten“
Deine Videos in mehrere Sprachen übersetzenProbiere es mit und ohne Akzent und vergleiche

Kann man eine Stimme kostenlos klonen?

Bei Voizum nicht: Das Klonen kostet 199 Credits und setzt voraus, dass du schon einmal gekauft hast. Die Gratis-Credits jeden Monat mit Google (600 Credits, etwa 10 Minuten) sind zum Erstellen von Audios mit den über 400 Stimmen der Stimmbibliothek da, nicht zum Klonen.

Außerhalb von Voizum gibt es zwei Wege. Open-Source-Modelle klonen eine Stimme aus wenigen Sekunden und laufen auf deinem Rechner, brauchen aber eine leistungsstarke Grafikkarte und technische Erfahrung, und die Qualität hängt davon ab, wie du sie einrichtest. Videoschnitt- und Sprach-Apps mit Klonfunktion behalten sie meist den Bezahlplänen vor oder erlauben nur sehr wenige Nutzungen im Monat.

Wenn du nur eine Stimme brauchst, die dein Skript vorliest, und es nicht deine eigene sein muss, brauchst du nicht zu klonen: Eine Stimme aus der Bibliothek mit den Gratis-Credits des Monats kann für den Anfang reichen.

Häufige Fehler beim Klonen deiner Stimme

  • Das Audio eines Videos mit Hintergrundmusik verwenden. Die Musik sickert in die Stimme. Nimm separat auf oder verbessere die Aufnahme zuerst, wenn es keine andere gibt.
  • Im Bad aufnehmen, „weil es gut klingt“. Es klingt wegen des Halls gut, und dieser Hall wird mitgeklont.
  • Hastig lesen, um schneller fertig zu sein. Der Klon wird in all deinen Audios hastig sprechen.
  • Zwei Sitzungen oder zwei Mikrofone in einer Probe mischen. Nimm einen einzigen durchgehenden Take.
  • Die Aufnahme mitten im Wort statt in einer Pause abschneiden.
  • Eine Aufnahme verbessern, die schon sauber war.
  • Den Klon an einem einzigen Satz beurteilen. Teste einen langen Absatz aus einem echten Skript.

Verwendete Quellen

  1. KI-Verordnung der EU, Artikel 50: Transparenzpflichten und Deepfakes
  2. YouTube-Hilfe: Offenlegung von veränderten oder synthetischen Inhalten
  3. FTC: Betrugsmaschen mit geklonten Stimmen bei vorgetäuschten Notfällen in der Familie
  4. OpenVoice: Beispiel für ein Open-Source-Modell zum Stimmklonen

Helfen dir unsere Ratgeber? Füge Voizum als bevorzugte Quelle hinzu, dann zeigt dir Google mehr von unseren Inhalten.

Bei Google hinzufügen ↗

Das könnte dir auch helfen

Häufige Fragen

Wie viele Sekunden Audio brauche ich, um meine Stimme zu klonen?
Zwischen 15 und 60, so viel verlangt Voizum. Mit 10 bis 20 sauberen Sekunden ist die Ähnlichkeit schon da; eine längere Aufnahme macht sie nicht ähnlicher. Viel wichtiger ist, dass die Aufnahme sauber klingt.
Kann ich meine Stimme kostenlos klonen?
Bei Voizum nicht: Das Klonen kostet 199 Credits und setzt voraus, dass du schon einmal gekauft hast. Es gibt kostenlose Open-Source-Modelle, die du auf dem eigenen Rechner installieren kannst, doch sie brauchen eine leistungsstarke Grafikkarte und technisches Wissen. Die Gratis-Credits von Voizum sind zum Erstellen mit den Stimmen der Bibliothek da.
Ist es legal, meine Stimme mit KI zu klonen?
Ja, wenn es deine eigene Stimme ist. Nicht erlaubt ist, eine andere Person ohne ihre Erlaubnis zu klonen oder so zu tun, als hätte eine echte Person etwas gesagt, was sie nicht gesagt hat. In der Europäischen Union muss außerdem Inhalt, der echte Personen nachahmt und als echt durchgehen kann, als KI-erzeugt gekennzeichnet werden.
Kann ich meine Stimme aus einer WhatsApp-Nachricht oder einem Video klonen?
Ja, sofern sie lang genug ist und nur du sprichst, aber das Ergebnis wird schlechter als mit einer eigens gemachten Aufnahme. Sprachnachrichten sind stark komprimiert, und Videos haben oft Musik oder Echo. Wenn es das Einzige ist, was du hast, extrahiere das Audio, lade es hoch und nutze „Aufnahme verbessern“, falls Voizum Rauschen erkennt.
Kann meine geklonte Stimme Englisch oder eine andere Sprache sprechen?
Ja, in allen 17 Sprachen von Voizum. In einer anderen Sprache spricht sie natürlich, ohne deinen Akzent; wenn du ihn behalten willst, wähle diese Sprache unter „Akzent beibehalten“. Die Sprache jedes Audios bestimmt der Text, den du schreibst.
Kann ich die Stimme eines Prominenten oder einer anderen Person klonen?
Nicht ohne deren Erlaubnis. Bei Voizum darfst du nur deine eigene Stimme oder die einer Person klonen, die es dir erlaubt hat. Stimmen von Prominenten und das Ausgeben als jemand anderes sind nicht erlaubt. Die Stimme einer anderen Person ohne Genehmigung kommerziell zu nutzen, ist in vielen Ländern illegal.
Kann ich meine Stimme klonen, um zu singen?
Mit Voizum nicht: Es ist für gesprochene Stimme gedacht, etwa Erzählung, Voiceover, Kurse oder Synchronisation. Zum Singen gibt es Werkzeuge zur Umwandlung von Gesangsstimmen, die anders funktionieren.
Muss ich auf YouTube angeben, dass ich meine geklonte Stimme nutze?
Nein, wenn es deine eigene Stimme für Voiceover oder Synchronisation ist: Die YouTube-Hilfe zählt das zu den Verwendungen, die nicht angegeben werden müssen. Realistische Inhalte, die den Eindruck erwecken, eine echte Person habe etwas gesagt, was sie nicht gesagt hat, musst du kennzeichnen.

Weitere Ratgeber

Gib deinen Text ein und hör ihn mit einer echten Stimme

Eine Stimme zu klonen kostet 199 Credits, und du musst schon einmal ein Paket gekauft haben. Pakete ab 5,99 €, ohne Abo.