So vertonst du lange Texte: Hörbücher, Kurse und Artikel

Die Kurzfassung

1. Wähl eine Stimme oder beschreib eine neue und speichere sie, damit jedes Kapitel denselben Sprecher hat.
2. Bereinige den Text: Entferne Seitenzahlen, Fußnotenzeichen und Kopfzeilen; schreib ungewöhnliche Namen so, wie man sie spricht.
3. Generiere ein Kapitel oder einen Abschnitt nach dem anderen, innerhalb der Längengrenze deines Tarifs.
4. Hör alles durch, generiere jeden Abschnitt neu, der nicht stimmt, und verbinde die Dateien in deinem Schnittprogramm.

Die Stimme einmal festlegen

Für alles, was länger als ein paar Minuten dauert, nimmst du eine gespeicherte Stimme: eine fertige Stimme, eine aus My Voices oder eine Stimme aus Voice Design, die du gespeichert hast. Eine gespeicherte Stimme ist bei jeder Generierung derselbe Sprecher, Kapitel 12 klingt also wie Kapitel 1. Ruhigen, gleichmäßigen Stimmen hört man meist auch nach Stunden noch gern zu. Probier ein paar an einer Seite deines echten Textes aus, bevor du dich festlegst. Mehr dazu, wie du eine Stimme beschreibst und wie du eine klonst.

Wie viel passt in eine Generierung?

Chinesische, japanische und koreanische Schriftzeichen zählen dreifach. Etwa 900 Zeichen ergeben eine Minute Sprache, ein Roman mit 70.000 Wörtern (rund 400.000 Zeichen) ergibt also grob 7–8 Stunden Audio. Im Studio-Tarif sind das etwa 20 Generierungen.

Was bei langen Texten passiert

Alles, was länger als etwa eine Minute ist, generiert VoiceAct in Abschnitten, die an Absatz- oder Satzgrenzen enden, und fügt sie dann zusammen: mit etwa 0,75 Sekunden Pause zwischen Absätzen und 0,4 Sekunden zwischen Sätzen. Den ersten Abschnitt hörst du nach wenigen Sekunden. Spätere Abschnitte sind meist fertig, bevor die Wiedergabe sie erreicht. Das lässt Zeit, sie mit Spracherkennung zu prüfen: Ein Abschnitt, in dem Wörter fehlen oder verstümmelt sind, wird automatisch neu generiert, bevor du ihn hörst. Kann ein Teil, den du schon gehört hast, einen Versprecher enthalten, bietet dir das Studio an, ihn kostenlos neu zu generieren.

Den Text vorbereiten

• Entferne Seitenzahlen, Kopfzeilen, Fußnotenzeichen und Silbentrennung aus PDFs oder E-Books.
• Nutze Absätze: Eine Leerzeile ergibt eine längere Pause als ein Punkt.
• Schreib Namen und Fachbegriffe so, wie man sie ausspricht, falls sie falsch herauskommen.
• Zahlen, Datumsangaben und Einheiten musst du nicht ausschreiben, das passiert automatisch; ungewöhnliche Formate prüfst du einmal.
• Du brauchst eine feste Stille, zum Beispiel zwischen Szenen? Nimm [pause 2s] (siehe Pausen und Timing).

Pegel und Hörbuchplattformen

Jede Datei kommt mit etwa −18 LUFS und Spitzenpegeln unter etwa −1 dB heraus, die Kapitel passen also ohne Nacharbeit zusammen. Hörbuchplattformen haben eigene Grenzwerte. ACX zum Beispiel verlangt Spitzenpegel unter −3 dB und einen RMS-Wert zwischen −23 und −18 dB. Senk die Lautstärke also in deinem Schnittprogramm um etwa 3 dB und prüf das Ergebnis vor dem Hochladen mit den Werkzeugen der Plattform. Und lies die Regeln der Plattform zu KI-Vertonungen, bevor du ein ganzes Buch generierst: Manche verlangen eine Kennzeichnung, manche nehmen KI-Vertonungen gar nicht an.

Ein ganzes Buch, Schritt für Schritt

1. Generiere Kapitel 1 und hör es dir ganz an. Passe Stimme oder Textregeln jetzt an, nicht erst nach 30 Kapiteln.
2. Generiere die restlichen Kapitel mit derselben gespeicherten Stimme. Lade sie für die Bearbeitung als WAV herunter.
3. Hör alles durch und generiere jeden Abschnitt neu, der nicht stimmt. Markiert das Studio einen Take, ist der neue Take kostenlos.
4. Verbinde die Dateien in deinem Schnittprogramm, ergänze nach Wunsch Raumton oder Musik und exportiere im Format der Plattform.

Rechte

Du darfst die Aufnahmen kommerziell nutzen, solange du die Rechte an dem Text hast, den du vertonst. Jede Datei trägt ein unhörbares KI-Wasserzeichen, und Downloads enthalten zusätzlich signierte Content Credentials, die sie als KI-generiert kennzeichnen. Die vollständigen Regeln stehen in den Nutzungsbedingungen.