Sprechtempo und Dateigrößen: unsere Messwerte
Stand: 1. November 2026
Sprechtempo der deutschen Stimmen in Wörtern pro Minute und Dateigröße einer Minute Sprache je Audioformat, gemessen an den Hörproben dieser Website, nicht aus Herstellerangaben.
Über alle 72 deutschsprachigen Hörproben liegt der Median bei 116,5 Wörtern pro Minute, das sind 11,11 Zeichen je Sekunde. Am ruhigsten sprechen die Neural-Stimmen von Microsoft Azure (Median 90,6), am schnellsten die beiden HD-Stimmen von Microsoft (Median 130,1). Eine Minute Sprache belegt als MP3 0,36 MB bei Polly-Stimmen und 0,96 MB bei allen übrigen, als WAV rund 2,86 MB.
So haben wir gemessen
Grundlage sind 1162 Hörproben aus der Stimmenübersicht. Jede Probe wurde über unser Werkzeug mit Tempo 100 % erzeugt, die KI-Stimmen im Sprechstil „Freundlich“. Gemessen haben wir die fertigen MP3-Dateien mit den Programmen ffprobe und ffmpeg.
- Text: ein kurzer Satz mit 10 bis 15 Wörtern. Die deutschen Stimmen sprechen eine Begrüßung („Guten Tag!“, „Grüß Gott!“ oder „Grüezi!“), ihren Namen und einen Satz über das Vorlesen; die KI-Stimmen einen festen deutschen Satz gleicher Länge.
- Netto-Dauer: Stille am Anfang und am Ende ist abgezogen (Schwelle −45 dB, mindestens 0,15 Sekunden). Pausen innerhalb des Satzes, etwa nach der Begrüßung, bleiben enthalten.
- Zählweise: Wörter sind durch Leerzeichen getrennte Wörter. Zeichen sind alle Zeichen einschließlich Leer- und Satzzeichen, also so gezählt wie das Limit von 3.000 Zeichen je Umwandlung.
Die Werte sind Richtwerte für einen einzelnen kurzen Satz, kein Durchschnitt über lange Texte. Ein längerer Text mit Absätzen, Aufzählungen und Zahlen kann schneller oder langsamer klingen. Satzpausen wie nach „Guten Tag!“ senken die Zahl der Wörter pro Minute etwas.
Sprechtempo nach Stimmenfamilie
Die Tabelle zeigt den Median der deutschsprachigen Proben je Familie. Die letzte Spalte rechnet daraus, wie lange eine volle Umwandlung von 3.000 Zeichen bei Tempo 100 % ungefähr dauert.
| Familie | Deutsche Proben | Wörter/Minute | Zeichen/Sekunde | 3.000 Zeichen ≈ |
|---|---|---|---|---|
| HD-Stimmen von Microsoft | 2 | 130,1 | 12,41 | 4,0 Min. |
| KI (OpenAI) | 13 | 127,6 | 12,76 | 3,9 Min. |
| Polly Standard | 2 | 121,3 | 11,57 | 4,3 Min. |
| HD-Stimmen von Google | 30 | 119,5 | 11,41 | 4,4 Min. |
| Polly Neural | 4 | 117,3 | 11,20 | 4,5 Min. |
| Azure (Neural) | 21 | 90,6 | 8,67 | 5,8 Min. |
Die Spanne innerhalb einer Familie ist groß. Bei den Stimmen von Microsoft Azure (Neural) reicht sie von 81,2 Wörtern pro Minute (Amala) bis 109,6 (Florian), und mit den Tempostufen im Werkzeug (75 % bis 130 %) lässt sich jede Stimme zusätzlich verlangsamen oder beschleunigen.
Deutsche Stimmen nach Sprechtempo
Sortiert nach Wörtern pro Minute (netto), die schnellste Stimme zuerst. Die KI-Stimmen sind mehrsprachig und haben hier einen deutschen Text gesprochen.
| Stimme | Familie | Variante | Wörter/Minute | Zeichen/Sekunde |
|---|---|---|---|---|
| Florian HD | HD-Stimmen von Microsoft | Deutschland | 143,6 | 13,70 |
| Charon | HD-Stimmen von Google | Deutschland | 142,1 | 13,57 |
| Fable | KI (OpenAI) | mehrsprachig | 139,4 | 14,10 |
| Shimmer | KI (OpenAI) | mehrsprachig | 137,4 | 14,19 |
| Orus | HD-Stimmen von Google | Deutschland | 135,9 | 12,98 |
| Marin | KI (OpenAI) | mehrsprachig | 134,0 | 13,55 |
| Coral | KI (OpenAI) | mehrsprachig | 133,9 | 13,54 |
| Alloy | KI (OpenAI) | mehrsprachig | 132,0 | 13,35 |
| Ballad | KI (OpenAI) | mehrsprachig | 132,0 | 13,50 |
| Hannah | Polly Neural | Österreich | 131,8 | 12,58 |
| Sadaltager | HD-Stimmen von Google | Deutschland | 130,2 | 12,43 |
| Fenrir | HD-Stimmen von Google | Deutschland | 128,8 | 12,29 |
| Schedar | HD-Stimmen von Google | Deutschland | 128,5 | 12,27 |
| Nova | KI (OpenAI) | mehrsprachig | 127,6 | 12,76 |
| Callirrhoe | HD-Stimmen von Google | Deutschland | 126,9 | 12,11 |
| Onyx | KI (OpenAI) | mehrsprachig | 126,4 | 12,64 |
| Alnilam | HD-Stimmen von Google | Deutschland | 124,6 | 11,90 |
| Zephyr | HD-Stimmen von Google | Deutschland | 124,6 | 11,89 |
| Hans | Polly Standard | Deutschland | 123,9 | 11,82 |
| Algieba | HD-Stimmen von Google | Deutschland | 123,9 | 11,82 |
| Rasalgethi | HD-Stimmen von Google | Deutschland | 122,8 | 11,72 |
| Sulafat | HD-Stimmen von Google | Deutschland | 122,8 | 11,72 |
| Algenib | HD-Stimmen von Google | Deutschland | 122,6 | 11,70 |
| Echo | KI (OpenAI) | mehrsprachig | 122,1 | 12,21 |
| Daniel | Polly Neural | Deutschland | 120,7 | 11,52 |
| Leda | HD-Stimmen von Google | Deutschland | 120,5 | 11,50 |
| Iapetus | HD-Stimmen von Google | Deutschland | 120,1 | 11,46 |
| Gacrux | HD-Stimmen von Google | Deutschland | 120,0 | 11,45 |
| Cedar | KI (OpenAI) | mehrsprachig | 119,8 | 12,11 |
| Ash | KI (OpenAI) | mehrsprachig | 119,8 | 11,85 |
| Enceladus | HD-Stimmen von Google | Deutschland | 119,0 | 11,36 |
| Marlene | Polly Standard | Deutschland | 118,6 | 11,32 |
| Verse | KI (OpenAI) | mehrsprachig | 118,3 | 11,96 |
| Achernar | HD-Stimmen von Google | Deutschland | 117,5 | 11,22 |
| Kore | HD-Stimmen von Google | Deutschland | 116,6 | 11,13 |
| Seraphina HD | HD-Stimmen von Microsoft | Deutschland | 116,5 | 11,12 |
| Sadachbia | HD-Stimmen von Google | Deutschland | 116,4 | 11,11 |
| Puck | HD-Stimmen von Google | Deutschland | 115,9 | 11,06 |
| Vindemiatrix | HD-Stimmen von Google | Deutschland | 115,1 | 10,98 |
| Achird | HD-Stimmen von Google | Deutschland | 114,1 | 10,89 |
| Aoede | HD-Stimmen von Google | Deutschland | 114,0 | 10,88 |
| Vicki | Polly Neural | Deutschland | 113,9 | 10,87 |
| Florian (mehrsprachig) | Azure (Neural) | Deutschland | 109,6 | 10,46 |
| Zubenelgenubi | HD-Stimmen von Google | Deutschland | 108,4 | 10,35 |
| Kasper | Azure (Neural) | Deutschland | 107,9 | 10,30 |
| Autonoe | HD-Stimmen von Google | Deutschland | 107,6 | 10,27 |
| Despina | HD-Stimmen von Google | Deutschland | 107,0 | 10,21 |
| Laomedeia | HD-Stimmen von Google | Deutschland | 105,9 | 10,11 |
| Umbriel | HD-Stimmen von Google | Deutschland | 105,4 | 10,06 |
| Sage | KI (OpenAI) | mehrsprachig | 104,5 | 10,45 |
| Pulcherrima | HD-Stimmen von Google | Deutschland | 104,2 | 9,94 |
| Sabrina | Polly Neural | Schweiz | 99,2 | 9,92 |
| Erinome | HD-Stimmen von Google | Deutschland | 98,6 | 9,41 |
| Seraphina (mehrsprachig) | Azure (Neural) | Deutschland | 94,6 | 9,03 |
| Jonas | Azure (Neural) | Österreich | 94,2 | 8,99 |
| Ralf | Azure (Neural) | Deutschland | 93,8 | 8,95 |
| Ingrid | Azure (Neural) | Österreich | 93,7 | 8,94 |
| Conrad | Azure (Neural) | Deutschland | 91,9 | 8,77 |
| Klaus | Azure (Neural) | Deutschland | 91,6 | 8,74 |
| Christoph | Azure (Neural) | Deutschland | 90,9 | 8,67 |
| Killian | Azure (Neural) | Deutschland | 90,9 | 8,68 |
| Bernd | Azure (Neural) | Deutschland | 90,6 | 8,64 |
| Jan | Azure (Neural) | Schweiz | 89,3 | 8,93 |
| Katja | Azure (Neural) | Deutschland | 88,4 | 8,43 |
| Gisela | Azure (Neural) | Deutschland | 85,5 | 8,17 |
| Elke | Azure (Neural) | Deutschland | 82,2 | 7,85 |
| Leni | Azure (Neural) | Schweiz | 82,1 | 8,21 |
| Maja | Azure (Neural) | Deutschland | 82,1 | 7,84 |
| Tanja | Azure (Neural) | Deutschland | 82,0 | 7,82 |
| Klarissa | Azure (Neural) | Deutschland | 81,7 | 7,80 |
| Louisa | Azure (Neural) | Deutschland | 81,5 | 7,78 |
| Amala | Azure (Neural) | Deutschland | 81,2 | 7,75 |
Am schnellsten war in unserer Messung Florian HD mit 143,6 Wörtern pro Minute, am langsamsten Amala mit 81,2. 30 Stimmen sprechen langsamer als 110 Wörter pro Minute, alle von Microsoft Azure bis auf Zubenelgenubi und Autonoe und Despina und Laomedeia und Umbriel und Sage und Pulcherrima und Sabrina und Erinome. Ob jede Stimme den Text Wort für Wort so gesprochen hat, wie er eingegeben war, haben wir nicht per Spracherkennung geprüft.
Dateigröße pro Minute nach Format
Für die Formatgrößen haben wir je Familie zwei oder drei deutsche Proben mit genau den Einstellungen umgewandelt, die auch der Server beim Herunterladen verwendet. Alle Dateien sind mono, 1 MB entspricht hier 1.000.000 Byte.
| Familie | MP3 | WAV | OGG | M4A | FLAC | Proben |
|---|---|---|---|---|---|---|
| Polly Neural | 0,36 MB | 2,88 MB | 0,40 MB | 0,68 MB | 1,35 MB | 3 (16,9 s) |
| Polly Standard | 0,36 MB | 2,65 MB | 0,39 MB | 0,67 MB | 1,39 MB | 2 (10,9 s) |
| Azure (Neural) | 0,96 MB | 2,86 MB | 0,37 MB | 0,67 MB | 1,24 MB | 3 (23,3 s) |
| HD-Stimmen von Microsoft | 0,97 MB | 2,85 MB | 0,49 MB | 0,80 MB | 1,57 MB | 2 (10,5 s) |
| HD-Stimmen von Google | 0,96 MB | 2,86 MB | 0,48 MB | 0,78 MB | 1,41 MB | 3 (17,9 s) |
| KI (OpenAI) | 0,96 MB | 2,86 MB | 0,41 MB | 0,74 MB | 1,42 MB | 3 (21,5 s) |
- MP3: Bei Polly-Stimmen erhalten Sie die Datei, die Amazon Polly liefert, mit 48,1 kbit/s. Alle anderen Stimmen kodieren wir mit 128 kbit/s. Die Größe hängt deshalb nur von der Dauer ab, nicht vom Inhalt.
- WAV: unkomprimiert mit 16 Bit. Bei 24 kHz sind das 2.880.000 Byte pro Minute zuzüglich Dateikopf, bei den Standard-Stimmen mit 22,05 kHz entsprechend weniger.
- OGG und M4A: verlustbehaftet komprimiert, OGG mit Vorbis in Qualitätsstufe 5, M4A mit AAC und eingestellten 128 kbit/s. Bei Sprache in Mono lag M4A in der Messung deutlich unter diesen 128 kbit/s.
- FLAC: verlustfrei komprimiert. Wie stark, hängt vom Signal ab; gemessen haben wir zwischen 1,24 und 1,57 MB pro Minute.
Eine Einschränkung: Bei Azure-, HD- und KI-Stimmen wandelt der Server aus der verlustfreien Originaldatei des Anbieters um. Diese lag für die Messung nicht vor; wir haben sie aus der 128-kbit/s-MP3 nachgebildet. Für WAV ist das Ergebnis exakt, für OGG, M4A und FLAC eine gute Näherung. Welches Format für welchen Zweck passt, erklärt der Ratgeber Audioformate: MP3, WAV, OGG, M4A, FLAC.
Messdatum
Gemessen am 1. November 2026. Zu den Stimmen selbst: alle Stimmen mit Hörproben und deutsche Stimmen im Überblick.