Start
Audio5
Video9
Bild2
Alle Tools
Ressourcen
Stimmbibliothek
Entwickler-Doku
Blog
Deutsch
Anmelden
App laden
AudioMehrere Sprecher
KI-PodcastText-to-SpeechStimmklonenKI-StimmeMehrere Sprecher

Mehrsprecher-Vertonung · Dialogskripte · 12 Sprachen

Text-to-Speech mit mehreren Stimmen

Dialogskript einfügen, jeder Sprecher bekommt seine eigene Stimme

Füge dein Skript ein: Es wird in einzelne Zeilen zerlegt, und jeder Sprechername bekommt eine eigene Stimme. An jeder Zeile sitzt ein Rollen-Dropdown, damit du einzelne Sätze zu einem anderen Sprecher schieben kannst.

  • Sprecher automatisch erkannt
  • Rolle pro Zeile ändern
  • Emotion je Stimme
  • Pausen- und Lach-Tags
  • Audio + SRT exportieren
Skript einfügen oder Abschnitt für Abschnitt selbst schreiben.

Noch keine Projekte

So funktioniert Vertonung mit mehreren Stimmen

  1. 1

    Dialogskript einfügen

    Füg das ganze Skript auf einmal ein. Jeder Dialogblock wird zu einem eigenen Segment — getrennt an Leerzeilen, sonst an Zeilenumbrüchen — und nichts fällt weg. Du kannst auch mit einem leeren Segment starten und Block für Block selbst schreiben.

  2. 2

    Sprecher zuordnen lassen

    Namen am Absatzanfang wie „Alice:“ oder [Alice] werden erkannt und zu Rollen gemacht. Stehen im Skript keine Namen, landet alles auf Rolle 1 und du verteilst die Sprecher selbst.

  3. 3

    Jeder Rolle eine Stimme geben

    Öffne für jede Rolle die Stimmenauswahl, such eine Stimme aus und stell bei Bedarf eine Emotion ein. Ein Name, der zu einer Stimme aus der Bibliothek passt, ist damit schon belegt; die übrigen Namen bekommen Stimmen in der Reihenfolge ihres ersten Auftretens.

  4. 4

    Lesung anpassen und exportieren

    Über das Rollen-Dropdown an jedem Segment schiebst du eine Zeile zu einem anderen Sprecher, und du setzt eine Pause oder ein Lachen dort ein, wo die Lesung es braucht. Dann generieren und das Audio samt SRT-Untertiteln exportieren.

Wofür sich Mehrsprecher-Vertonung eignet

Podcast-Skripte mit zwei Hosts

Du hast die Folge als Hin und Her zwischen Host und Gast geschrieben. Gib beiden je eine Stimme, und die Folge klingt nach zwei Personen.

Dialoge für Sprachlektionen

Vertone eine Übungskonversation, damit Lernende zwei klar unterscheidbare Stimmen hören. Die SRT-Datei lieferst du für den Text am Bildschirm gleich mit.

Hörspiel und Fiktion

Jede Figur einer Szene bekommt eigene Stimme und Emotion. An den Stellen, die einen Beat brauchen, setzt du einen Seufzer oder eine Pause von einer Sekunde.

Werbespots und kurze Sketche

Kurze Skripte mit zwei Figuren für einen Spot oder einen Social-Clip. Im Editor schreiben, anhören und die Rollen so lange anpassen, bis der Schlagabtausch sitzt.

Text-to-Speech mit mehreren Stimmen: häufige Fragen

Was ist Text-to-Speech mit mehreren Stimmen?

Es liest ein Dialogskript mit einer eigenen Stimme pro Sprecher vor, sodass aus einem Skript ein Gespräch wird. Du fügst das Skript ein, weist jeder Rolle eine Stimme zu und exportierst eine einzige Audiodatei.

Woran erkennt das Tool, wer gerade spricht?

Es sucht am Anfang jedes Absatzes nach einem Sprechernamen — „Alice:“ mit halbbreitem oder vollbreitem Doppelpunkt oder [Alice] in Klammern —, wobei Namen bis zu 12 Zeichen lang sein dürfen. Die Aufteilung greift nur, wenn mindestens 60 % der Absätze einen Namen tragen und mindestens zwei verschiedene Namen vorkommen; sonst landet alles auf einer Rolle und du verteilst die Sprecher selbst.

Wie viele Sprecher und wie viel Text sind möglich?

Bis zu 10 Rollen, 200 Segmente und insgesamt 20.000 Zeichen. Generieren kannst du in 12 Ausgabesprachen.

Kann ich nachträglich ändern, wer eine Zeile spricht?

Ja. Jedes Segment hat ein Rollen-Dropdown, du kannst jede Zeile jederzeit einem anderen Sprecher zuweisen. Direkt nach dem Einfügen erscheint außerdem einmal ein Rückgängig: Damit nimmst du das Einfügen zurück oder nur die Sprecheraufteilung, während der Text stehen bleibt.

Kann ich steuern, wie eine Zeile gelesen wird?

Ja, auf zwei Wegen. Jede Stimme kann eine Emotion bekommen, eingestellt in der Stimmenauswahl; standardmäßig läuft das automatisch, die Lesung ergibt sich dann aus dem Text selbst. Außerdem setzt du Tone-Tags an der Cursorposition ein: Lachen, Schmunzeln, Seufzen, Einatmen, Räuspern, Zögern sowie Pausen von 0,5 s, 1 s oder 2 s. Welche Tags gehen, hängt von der Stimme ab — Pausen funktionieren mit mehr Stimmen als die Geräusch-Tags, die bei japanischen Stimmen nicht verfügbar sind. Ein Tag, den die gewählte Stimme nicht kann, wird im Editor markiert und blockiert das Absenden, bis du ihn entfernst.

Kann ich das Audio herunterladen?

Ja. Du exportierst die fertige Audiodatei — und dazu die SRT-Untertitel, wenn du Untertitel brauchst.

Vielleicht suchst du eigentlich das hier

  • Text-to-Speech-Generator

    Wenn das Skript schon steht und nur noch gesprochen werden muss.

  • KI-Podcast-Generator

    Wenn zwei Hosts das Thema durchsprechen sollen, statt dass eine Stimme alles vorliest.

  • KI-Stimmengenerator

    Wenn es aufs Wie ankommt: mehrere Stimmen in einem Durchgang, oder ein Satz, der mit echter Emotion sitzen muss.