KI-Stimmen von OpenAI

Neben den Stimmen von Amazon Polly, Microsoft und Google bietet Textinsprache.de 13 KI-Stimmen von OpenAI. Sie sprechen viele Sprachen und lassen sich als einzige über einen Sprechstil steuern.

Die KI-Stimmen erkennen die Sprache am Text, Sie müssen sie also nicht eigens einstellen. Sie wählen eine Stimme und einen von sechs Sprechstilen, etwa „Ruhig (Vorlesen)“ oder „Nachrichten“. Pro Tag sind mit HD- und KI-Stimmen zusammen 1.500 Zeichen möglich.

OpenAI hat die Abschaltung der hier genutzten Schnittstelle für den 6. Januar 2027 angekündigt (Übersicht der Abschaltungen bei OpenAI).

Alle KI-Stimmen

Die Namen entsprechen den Bezeichnungen von OpenAI. Eine feste Stimmlage geben wir nicht an; welche Stimme zu Ihrem Text passt, zeigt die Hörprobe.

Beim Tempo liegen die KI-Stimmen zwischen den Polly- und den Azure-Stimmen: In unserer Messung mit deutschem Text und Sprechstil „Freundlich“ kamen sie im Median auf rund 128 Wörter pro Minute, von Sage (105) bis Fable (139). Alle Werte stehen unter Messwerte.

Eine Stimme, viele Sprachen

Anders als bei Amazon Polly gehört eine KI-Stimme nicht zu einer bestimmten Sprache. Das Modell erkennt am eingegebenen Text, in welcher Sprache es sprechen soll. Dieselbe Stimme liest also einen deutschen Text auf Deutsch und einen englischen auf Englisch. Das funktioniert in vielen Sprachen unserer Auswahlliste, mit drei Einschränkungen:

• Bei sehr kurzen Texten oder Texten mit vielen Fremdwörtern kann die Erkennung danebenliegen. Ein ganzer Satz in der gewünschten Sprache hilft.
• Regionale Färbungen wie bei Hannah (Österreich) oder Sabrina (Schweiz) lassen sich bei KI-Stimmen nicht gezielt wählen.
• Zum gezielten Üben einer bestimmten Aussprache, etwa britisches oder amerikanisches Englisch, sind die sprachgebundenen Polly-Stimmen oft die verlässlichere Wahl.

Die Sprechstile

Bei KI-Stimmen wählen Sie zusätzlich einen Sprechstil. Er gibt dem Modell eine feste Anweisung, wie der Text klingen soll. Freie Anweisungen sind nicht möglich.

• Natürlich: klar, gut verständlich und ohne besondere Färbung. Die Voreinstellung für die meisten Texte.
• Freundlich: zugewandt, mit einem leichten Lächeln in der Stimme. Passt zu Begrüßungen, Telefonansagen und Kundeninformationen.
• Ruhig (Vorlesen): entspannt und mit natürlichen Pausen, wie beim Vorlesen eines Buches. Für Geschichten, längere Texte und Gute-Nacht-Lektüre.
• Nachrichten: sachlich und deutlich wie eine Nachrichtensprecherin oder ein Nachrichtensprecher. Für Erklärvideos, Schulungen und Meldungen.
• Lebhaft (Werbung): begeistert und mit Energie, wie in der Werbung. Für Produktvideos, Vorschauen und kurze Werbefilme.
• Langsam & deutlich: langsam und sehr deutlich, damit Lernende jedes Wort verstehen. Für Sprachenlernen und Leseanfänger.

Das Ergebnis kann je nach Stimme und Text etwas unterschiedlich ausfallen. Zusätzlich stellen Sie wie bei allen Stimmen das Tempo in fünf Stufen ein und setzen Pausen mit Marken wie [Pause 1s], bei KI-Stimmen bis zu 10 je Umwandlung.

Das kleinere Tageslimit

Für HD- und KI-Stimmen gilt zusammen ein Tageslimit von 1.500 Zeichen je Besucher, für Stimmen von Amazon Polly und Microsoft Azure (Neural) dagegen 20.000 Zeichen. Beide Limits werden um Mitternacht erneuert.

1.500 Zeichen entsprechen bei rund 12,8 Zeichen je Sekunde knapp zwei Minuten Sprache. Probieren Sie Stimme und Stil deshalb mit einem kurzen Abschnitt aus, bevor Sie den ganzen Text umwandeln. Für lange Texte, bei denen der Sprechstil keine Rolle spielt, nehmen Sie besser eine Neural-Stimme von Amazon Polly, für Deutsch etwa Vicki oder Daniel.

Veröffentlichen: Hinweis auf die künstliche Stimme

Sie dürfen Audiodateien mit KI-Stimmen privat und beruflich nutzen und auch veröffentlichen, etwa in Videos, Podcasts oder im Unterricht. Nach den Richtlinien von OpenAI müssen Sie Ihr Publikum dabei darauf hinweisen, dass die Stimme nicht von einem Menschen stammt. Das kann zum Beispiel ein kurzer Satz in der Videobeschreibung, in der Folgenbeschreibung eines Podcasts oder am Ende der Aufnahme sein.

Für den Inhalt Ihres Textes sind Sie selbst verantwortlich. Wenn Sie auf Plattformen veröffentlichen, beachten Sie außerdem deren Regeln zu synthetischen Inhalten. Einzelheiten stehen in den Nutzungsbedingungen.

Datenschutz bei KI-Stimmen

Wenn Sie eine KI-Stimme wählen, geht Ihr Text zur Umwandlung an OpenAI. Wir selbst speichern Ihren Text nicht; die erzeugte Audiodatei löschen wir nach 24 Stunden. Geben Sie bitte keine vertraulichen oder personenbezogenen Daten ein. Wie OpenAI die Daten verarbeitet, erklärt unsere Datenschutzerklärung.

Zur Technik: KI-Stimmen werden verlustfrei erzeugt (24 kHz). Laden Sie sie als WAV oder FLAC herunter, erhalten Sie die volle Qualität ohne Komprimierungsverluste; als MP3 sind sie mit 128 kbit/s kodiert. Mehr dazu im Ratgeber Audioformate.

Zurück zur Übersicht aller Stimmen.

KI-Stimme im Werkzeug ausprobieren