KI-Stimme

Eine KI-Stimme ist eine Stimme, die von einem KI-Modell erzeugt wird. Sie liest eingegebenen Text vor (Text-to-Speech) oder verwandelt eine bestehende Sprachaufnahme in eine andere Stimme (Speech-to-Speech). Bei KI-Videos liefert sie den Sprechertext für Voice-over, die Stimme von Avataren und vertonte Übersetzungen.

Welche Arten von KI-Stimmen gibt es?

Die meisten Tools haben eine Bibliothek mit fertigen Stimmen, sortiert nach Sprache, Geschlecht, Alter und Sprechstil, etwa ruhig, werblich oder erzählend. Dazu kommen geklonte Stimmen, die aus Aufnahmen einer echten Person entstehen. Manche Anbieter erzeugen außerdem neue Stimmen aus einer Textbeschreibung, etwa „tiefe, ruhige Männerstimme mit leichtem Hall“.

KI-Video-Editoren und Avatar-Tools haben oft eigene Stimmen eingebaut oder binden Sprachmodelle spezialisierter Anbieter ein. Eine Übersicht findest du unter KI-Video-Generator auf Deutsch.

Woran erkennst du eine gute KI-Stimme?

Achte auf natürliche Betonung, Pausen an Satzzeichen und ein Tempo, das zum Inhalt passt. Hör dir eine Probe mit deinem eigenen Text an, nicht nur das Beispiel des Anbieters. Typische Schwachstellen sind falsch betonte Fremdwörter, englisch ausgesprochene Markennamen und ein gleichförmiger Tonfall über mehrere Minuten.

Viele Tools erlauben Korrekturen, etwa über eine eigene Aussprache-Liste oder über SSML-Befehle für Pausen und Betonung.

Was du rechtlich beachten solltest

Die Stimme einer echten Person darfst du nur mit deren Einwilligung nachbilden und verwenden. Je nach Einsatz kann eine Kennzeichnung als KI-Inhalt nötig sein, besonders wenn eine Stimme täuschend echt wirkt. Hinweise dazu findest du im Ratgeber Rechtliches bei KI-Videos. Das ist keine Rechtsberatung.