Deutsche Stimmen: Deutschland, Österreich, Schweiz

Für deutsche Texte bietet Textinsprache.de 6 Stimmen von Amazon Polly, 21 Stimmen von Microsoft Azure aus Deutschland, Österreich und der Schweiz, 32 HD-Stimmen von Google und Microsoft sowie 13 KI-Stimmen von OpenAI, die ebenfalls Deutsch sprechen.

Vicki (weiblich) und Daniel (männlich) sind natürlich klingende Neural-Stimmen aus Deutschland und passen zu den meisten Texten. Hannah spricht Hochdeutsch mit österreichischer, Sabrina Hochdeutsch mit Schweizer Färbung. Marlene und Hans sind ältere Standard-Stimmen. Microsoft Azure ergänzt weitere Neural-Stimmen, darunter Ingrid und Jonas für Österreich sowie Leni und Jan für die Schweiz; damit gibt es für beide Länder auch männliche Stimmen. Mit Stimmen von Amazon Polly und Microsoft Azure (Neural) können Sie bis zu 20.000 Zeichen am Tag umwandeln, mit HD- und KI-Stimmen zusammen 1.500 Zeichen.

Alle deutschen Polly-Stimmen mit Hörprobe

„Neural“ steht für die neuere, natürlicher klingende Technik von Amazon Polly, „Standard“ für die klassischen, synthetischer klingenden Stimmen.

Deutschland: Vicki und Daniel

Vicki ist im Werkzeug voreingestellt. Sie und Daniel sprechen Hochdeutsch, wie man es aus Deutschland kennt, und sind Neural-Stimmen. In unserer Messung kam Vicki auf 145 Wörter pro Minute, Daniel auf 154. Für Vorlesetexte, Lernmaterial, Präsentationen, Erklärvideos und Ansagen sind sie der übliche Ausgangspunkt. Für einen Dialog mit zwei Sprechern wandeln Sie die Rollen getrennt mit Vicki und Daniel um und fügen die Dateien im Schnittprogramm zusammen.

Österreich: Hannah, Ingrid und Jonas

Hannah spricht Hochdeutsch mit österreichischer Färbung. Sie eignet sich für Texte an ein Publikum in Österreich, etwa Telefonansagen, Hinweise auf einer Internetseite oder Lernmaterial an österreichischen Schulen. Mundart liest sie nicht im Dialekt, sondern wie Hochdeutsch. Mit 168 Wörtern pro Minute spricht sie zügiger als Vicki und Daniel; für Ansagen eignet sich die Tempostufe „langsam“ (90 %). Von Microsoft Azure kommen Ingrid (weiblich) und Jonas (männlich) hinzu, beide mit rund 120 Wörtern pro Minute deutlich ruhiger.

Schweiz: Sabrina, Leni und Jan

Sabrina spricht Hochdeutsch mit Schweizer Färbung, kein Mundart-Schweizerdeutsch. Für Ansagen und Sprechertexte, die in der Schweiz vertraut klingen sollen, ist sie die naheliegende Wahl. Texte im Dialekt liest sie wie Hochdeutsch, was ungewohnt klingt; schreiben Sie den Sprechertext deshalb auf Hochdeutsch. Von Microsoft Azure gibt es außerdem Leni (weiblich) und Jan (männlich) mit Schweizer Färbung.

Klassisch: Marlene und Hans

Marlene (weiblich) und Hans (männlich) sind Standard-Stimmen. Sie klingen hörbar synthetischer als die Neural-Stimmen, sprechen aber gleichmäßig und gut verständlich. Sie passen, wenn ein neutraler, technischer Klang erwünscht ist. Die Audiodateien werden mit 22,05 kHz erzeugt, bei den Neural-Stimmen mit 24 kHz.

Microsoft Azure: weitere Neural-Stimmen, auch für Österreich und die Schweiz

Von Microsoft Azure AI Speech stehen 21 Neural-Stimmen bereit, weibliche wie männliche. Für Deutschland sind es unter anderem Katja, Conrad, Louisa und Klaus; Seraphina und Florian sind mehrsprachig angelegte Stimmen. Für Österreich sprechen Ingrid und Jonas, für die Schweiz Leni und Jan, jeweils Hochdeutsch mit regionaler Färbung. Auffällig ist das ruhige Tempo: Im Median sprechen die Azure-Stimmen rund 116 Wörter pro Minute, 19 von ihnen nur etwa 81 bis 95. Für Lerntexte und Ansagen ist das oft angenehm. Es gilt dasselbe Tageslimit wie für Amazon Polly (20.000 Zeichen), und je Umwandlung sind bis zu 30 Pausen möglich.

HD-Stimmen von Google und Microsoft: 32 weitere deutsche Stimmen

Zusätzlich stehen 30 deutsche Stimmen der Reihe Chirp 3 HD von Google Cloud sowie Seraphina HD und Florian HD von Microsoft bereit. Pausen und Tempo funktionieren wie bei den übrigen Stimmen, einen Sprechstil gibt es nicht. Die Google-Stimmen liegen im Median bei rund 152 Wörtern pro Minute; Florian HD war mit 196 die schnellste Stimme unserer Messung. Es gilt das kleinere Tageslimit: 1.500 Zeichen am Tag für HD- und KI-Stimmen zusammen, höchstens 10 Pausen je Umwandlung. Regionale Varianten für Österreich oder die Schweiz gibt es bei den HD-Stimmen nicht.

KI-Stimmen und Deutsch

Die 13 KI-Stimmen von OpenAI sind nicht an eine Sprache gebunden. Sie erkennen die Sprache am Text und lesen einen deutschen Text auf Deutsch vor. Eine regionale Variante wie bei Hannah oder Sabrina lässt sich bei ihnen nicht wählen.

Zusätzlich legen Sie einen Sprechstil fest: Natürlich, Freundlich, Ruhig (Vorlesen), Nachrichten, Lebhaft (Werbung) oder Langsam & deutlich. Das eignet sich für kurze Texte wie eine Einleitung oder eine Geschichte. Es gilt das Tageslimit von 1.500 Zeichen, das sie sich mit den HD-Stimmen teilen, und höchstens 10 Pausen je Umwandlung. Wenn Sie eine Aufnahme mit KI-Stimme veröffentlichen, weisen Sie Ihr Publikum darauf hin, dass die Stimme künstlich ist. Mehr dazu unter KI-Stimmen.

Auswahl nach Einsatzzweck

• Allgemeine Texte, längeres Vorlesen: Vicki oder Daniel.
• Publikum in Österreich: Hannah oder Ingrid (weiblich), Jonas (männlich).
• Publikum in der Schweiz: Sabrina oder Leni (weiblich), Jan (männlich).
• Ruhiges Tempo, mehr Auswahl für Deutschland: die Azure-Stimmen, etwa Katja oder Conrad.
• Kurze Texte mit möglichst natürlichem Klang: eine HD-Stimme von Google oder Microsoft.
• Kurze Texte mit Ausdruck: eine KI-Stimme mit passendem Sprechstil.
• Neutraler, technischer Klang: Marlene oder Hans.

Entscheiden Sie mit den Hörproben oben und einem kurzen Absatz Ihres eigenen Textes. Ausführlicher vergleicht der Ratgeber Deutsche Stimmen im Vergleich; das gemessene Sprechtempo der Stimmen steht unter Sprechtempo und Dateigrößen: unsere Messwerte. Wie Sie Namen und Abkürzungen richtig vorlesen lassen, erklärt Aussprache und Betonung steuern. Alle Sprachen finden Sie in der Stimmen-Übersicht.

Deutsche Stimme im Werkzeug ausprobieren