Stimmklonen macht aus einer kurzen Aufnahme eine Stimme, die du immer wieder nutzen kannst, und der Klon ist nur so gut wie diese Aufnahme. Diese Anleitung zeigt, wie du aufnimmst, wozu das Transkript da ist, wie das mit dem Einverständnis läuft und was du tust, wenn ein Klon nicht richtig klingt.

Dieser Ratgeber wurde mit KI aus dem englischen Original übersetzt. Bei Abweichungen gilt das Original.

Die Kurzfassung

Stell sicher, dass es deine eigene Stimme ist oder dass du die Erlaubnis der Person hast.
Nimm in einem ruhigen Raum 10–30 Sekunden klare, natürliche Sprache auf: eine Person, keine Musik.
Lade die Aufnahme im Clone-Tab des Studios hoch, wähl ihre Sprache und bestätige das Einverständnis. Das Transkript wird automatisch ausgefüllt, wenn du das Feld leer lässt.
Generiere einen Testsatz (oder speichere die Stimme sofort) und nutze dann die gespeicherte Stimme für alle deine Texte.

Stimmklonen ist in jedem bezahlten Tarif enthalten und wird mit jedem Kauf freigeschaltet, auch mit einem Zeichenpaket. Voice Design und die fertigen Stimmen kannst du kostenlos nutzen.

Klone deine eigene Stimme oder die Stimme von jemandem, der zugestimmt hat. Das bestätigst du vor jedem Klon, und wir speichern diese Bestätigung. Jemanden ohne Erlaubnis zu klonen, Personen des öffentlichen Lebens nachzuahmen oder einen Klon zur Täuschung einzusetzen, verstößt gegen unsere Nutzungsbedingungen. Jede generierte Datei trägt ein unhörbares KI-Wasserzeichen und in Downloads zusätzlich signierte Content Credentials, die sie als KI-generiert kennzeichnen.

Was macht eine gute Aufnahme aus?

Gut	Vermeiden
10–30 Sekunden durchgehende Sprache (mindestens 3 s, höchstens 60 s)	Einzelne Wörter, lange Stille, eine ganze Podcastfolge
Ein ruhiger Raum mit Polstermöbeln, Teppich oder Vorhängen	Hallige Küchen und Bäder, Straßenlärm, Ventilatoren
Eine Person, natürliches Tempo, der Tonfall, den du später hören willst	Hintergrundmusik, eine zweite Stimme, Lachen beim Sprechen
Handy- oder Headset-Mikrofon in gleichbleibendem Abstand (eine Handbreit)	Verzerrte, übersteuerte oder sehr leise Aufnahmen

Dateiformate: WAV, MP3, FLAC, OGG, M4A (Sprachmemos vom Handy) und WebM (Aufnahmen im Browser), bis 10 MB. Ein Klon übernimmt alles, was er hört, auch Raumhall und Rauschen. Saubere 15 Sekunden sind deshalb besser als eine verrauschte Minute.

Sobald du eine Datei auswählst, prüft VoiceAct sie: Hintergrundgeräusche, Brummen, Verzerrung, Telefonklang, eine zweite Stimme und wie viel gesprochen wird. Du bekommst eine grüne, gelbe oder rote Ampel mit konkreten Tipps. Die Ampel ist nur ein Rat; klonen kannst du bei jeder Farbe. Aufnahmen über 30 Sekunden werden an einer Pause gekürzt. Als wir es gemessen haben, wurde der Klon mit mehr Audio nicht ähnlicher, und das Transkript muss genau zur Aufnahme passen. Ist eine Aufnahme verrauscht oder brummt sie, verweist die Prüfung auf FixAudio, wo du sie vorher bereinigen kannst.

Das Transkript

Ein Klon trifft die Stimme am besten, wenn er genau weiß, was in der Aufnahme gesagt wird. VoiceAct transkribiert die Aufnahme, sobald du sie auswählst, und füllt das Transkript aus. Du korrigierst nur noch Namen, Marken oder ungewöhnliche Wörter. Fügst du für eine lange Aufnahme ein eigenes Transkript ein, wird es auf den Teil gekürzt, der geklont wird.

Sprachen und Akzente

Ein Klon spricht alle zehn unterstützten Sprachen. Stell die Sprache des Textes ein, den du generierst, und im Clone-Tab die Sprache der Aufnahme.
Ein Klon übernimmt den Akzent der Aufnahme. Klonst du einen englischen Muttersprachler und lässt ihn Deutsch sprechen, klingt er wie ein englischer Muttersprachler, der Deutsch spricht. Das geht bis zu regionalen Färbungen: In unseren Tests ergab die deutsche Aufnahme eines österreichischen Sprechers einen Klon mit leicht wienerischer Färbung. Soll der Klon in einer Sprache muttersprachlich klingen, nimm die Referenz in dieser Sprache auf, so akzentfrei wie möglich.
Anweisungen zum Sprechstil (wütend, flüsternd) funktionieren bei geklonten Stimmen noch nicht zuverlässig und können einen Akzent hinzufügen. Deshalb bietet VoiceAct sie für Klone nicht an.

Einmal speichern, überall nutzen

Klick direkt nach dem Hochladen auf Save as a voice now oder nach einer Testgenerierung auf Save Voice. Gespeicherte Stimmen erscheinen unter My Voices und klingen bei jeder Generierung gleich, egal wie lang der Text ist. Wie du Sprache in Videos exakt platzierst, steht unter Pausen und Timing.

Häufige Probleme

Problem	Das hilft
Der Klon klingt dumpf oder hallig	Nimm noch einmal auf, näher am Mikrofon und in einem ruhigeren, weniger halligen Raum.
Er klingt nicht nach der Person	Nimm 15–30 s abwechslungsreiche, natürliche Sprache statt ein paar Sekunden oder monoton vorgelesenen Text.
Ein Wort aus der Aufnahme taucht immer wieder seltsam auf	Tipp das Transkript selbst ein; das automatische hat vielleicht einen Namen falsch verstanden.
Starker Akzent in einer anderen Sprache	Nimm eine Probe in dieser Sprache auf oder nutze dafür eine fertige Stimme oder eine aus Voice Design.
„Voice cloning needs a plan or a pack“	Stimmklonen wird mit jedem Kauf freigeschaltet; siehe Preise.

So klonst du eine Stimme gut und mit Erlaubnis