KI
KI-Stimme erstellen: 4 Wege von der fertigen Stimme bis zum Klon
Eine eigene KI-Stimme zu erstellen geht direkt im Browser, ganz ohne Tonstudio. Du gibst einen Text ein, und die Stimme liest ihn vor: für Erklärvideos, Podcasts, Online-Kurse oder ein Hörbuch.
Dafür nimmst Du eine fertige Stimme, beschreibst eine ganz neue in Worten oder wandelst eine vorhandene ab, ohne selbst ein Wort einzusprechen. Soll die KI wie Du klingen, klonst Du Deine echte Stimme aus einer kurzen Aufnahme.
In diesem Artikel zeigen wir Dir alle vier Wege Schritt für Schritt am Beispiel von ElevenLabs. Danach weißt Du auch, wie Du Namen und fehleranfällige Texte richtig aussprechen lässt, was beim Klonen erlaubt ist und wie Du die besten Ergebnisse erzielst.
Das Wichtigste in Kürze
Eine KI-Stimme kannst Du mit ElevenLabs über vier verschiedene Wege erstellen. Entweder Du wählst eine fertige Stimme, beschreibst eine neue in Worten (Voice Design), wandelst eine vorhandene ab (Voice Remixing) oder klonst Deine eigene Stimme. Viele fertige Stimmen und Voice Design sind privat kostenlos nutzbar. Klonen und geschäftliche Nutzung gibt es ab dem Tarif Starter für 6 US-Dollar im Monat.
- Ohne eigene Aufnahme startest Du am einfachsten mit einer fertigen deutschen Stimme oder Voice Design.
- Ein guter Stimmklon braucht eine saubere Aufnahme ohne Hall und Rauschen.
- Die Stimme einer anderen Person klonst Du nur mit ihrer ausdrücklichen Einwilligung.
- Wirkt eine KI-Stimme täuschend echt wie eine bestimmte Person, musst Du sie beruflich kennzeichnen.
- Falsch gesprochene Namen schreibst Du so, wie sie klingen sollen, oder legst eine Aussprache-Regel an.
Inhaltsverzeichnis
- Was ist eine KI-Stimme?
- Konto und Stimmplätze
- Weg 1: Fertige Stimme
- Weg 2: Voice Design
- Weg 3: Voice Remixing
- Weg 4: Eigene Stimme klonen
- Text sprechen lassen
- Stabilität, Ähnlichkeit, Audio-Tags
- Aussprache korrigieren
- Einsatzbeispiele
- Rechte und Einwilligung
- Kosten
- Kostenlos: Was gratis geht
- Fazit
- Häufige Fragen
Was ist eine KI-Stimme, und welcher Weg passt zu Dir?
Eine KI-Stimme ist eine künstlich erzeugte Stimme, die geschriebenen Text vorliest. Fachleute nennen das Text to Speech, also Text zu Sprache. In Videos spricht man auch vom KI-Sprecher.
Die KI hat dafür aus sehr vielen Sprachaufnahmen gelernt, wie Menschen sprechen. Beim Klonen lernt sie zusätzlich aus Deinen Aufnahmen, wie genau Deine Stimme klingt.
Zu Deiner eigenen KI-Stimme kommst Du auf vier Wegen:
| Weg | Was Du brauchst | Passt, wenn |
|---|---|---|
| 1. Fertige Stimme | nichts außer Deinem Text | Du schnell starten willst |
| 2. Voice Design | eine Beschreibung in Worten | Du eine Stimme für eine Figur oder Marke suchst, die es so nicht gibt |
| 3. Voice Remixing | eine eigene Stimme als Vorlage | eine Stimme fast passt, aber etwa tiefer oder ruhiger sein soll |
| 4. Stimme klonen | Aufnahmen Deiner Stimme | die KI wie Du klingen soll |
Für Einsteiger empfehlen wir Weg 1 oder 2. Beide gehen ohne Aufnahme und schon im kostenlosen Tarif, dort allerdings nur für private Zwecke. Was sonst noch gratis geht, auch zum Klonen, steht unter KI-Stimme kostenlos erstellen.
Welche Werkzeuge erstellen KI-Stimmen?
KI-Stimmen erstellst Du mit Sprach-Werkzeugen wie ElevenLabs oder mit Funktionen in Design- und Video-Werkzeugen wie Canva und HeyGen. Viele davon lesen Text aber nur mit fertigen Stimmen vor, Deine eigene Stimme klonen nur einige.
| Werkzeug | Kostenlos | Eigene Stimme klonen |
|---|---|---|
| ElevenLabs | viele Bibliotheksstimmen und Voice Design, nur privat | ab Tarif Starter |
| Canva | bis zu 1.000 Zeichen je Durchgang | nein, nur fertige Stimmen |
| HeyGen | Gratis-Tarif, Videos mit Wasserzeichen | ein Klon im Gratis-Tarif, für Avatare |
| Chatterbox | kostenlos (Open Source, also frei verfügbar) | ja, auf Deinem eigenen Rechner |
Wir zeigen jeden Schritt mit ElevenLabs, weil es alle vier Wege an einem Ort bietet. Dazu kommen viele deutsche Stimmen, auch mit Dialekten wie Bairisch. Wie HeyGen eine Stimme für einen sprechenden Avatar nutzt, steht in KI-Avatar erstellen.
Den Überblick über alle anderen Funktionen von ElevenLabs, von Musik bis Dubbing (Videos in andere Sprachen übersetzen und neu vertonen), findest Du in unserer ElevenLabs-Anleitung.
Bevor Du startest: Konto, Stimmplätze und wo Deine Stimmen liegen
Für diese Anleitung brauchst Du ein ElevenLabs-Konto. Jede gespeicherte Stimme belegt dort einen Stimmplatz.
Lege auf elevenlabs.io ein Konto an, zum Beispiel mit Deinem Google-Konto.
Die Oberfläche ist englisch, deshalb nennen wir die englischen Knopfnamen und übersetzen sie in Klammern. Unter Settings kannst Du sie auf Deutsch umstellen, für diese Anleitung bleibst Du aber am besten bei Englisch.
Alles, was Du für eigene Stimmen brauchst, findest Du in der Leiste am linken Rand:

Voice Creation stand bei uns im Bereich Pinned (angeheftet). Fehlt der Eintrag bei Dir, öffnest Du die Seite laut ElevenLabs-Hilfe über das Plus neben Voices.
Jede Stimme, die Du erstellst und speicherst, belegt einen Stimmplatz (Custom voice slot). Laut Preisseite hast Du im kostenlosen Tarif 3 Plätze, in Starter 10 und in Creator 30. Für den Profi-Klon (Weg 4) gibt es eigene Plätze: keinen in Free und Starter, je einen in Creator und Pro.
Deine Stimmen liegen unter Voices im Reiter My Voices (Deine Stimmen):

Brauchst Du einen Platz wieder, klickst Du dort in der Zeile einer Stimme rechts auf die drei Punkte und wählst Delete voice.
Bezahlt wird jede Erstellung mit Credits, also Guthaben, das Dein Tarif jeden Monat auffüllt. Bei Voice Design und Voice Remixing zeigt ElevenLabs die Kosten vorher direkt am Knopf an.
Beim Vorlesen mit dem Modell Eleven v4 (also der KI, die Text in Sprache verwandelt) kostete in unserem Test jedes Zeichen einen Credit.
Achtung Lautstärke: ElevenLabs spielt Hörproben und neu erzeugte Sprache oft sofort ab. Stell den Ton deshalb vorher leiser.
Weg 1: Fertige Stimme aus der Stimmenbibliothek nehmen
Der schnellste Weg zu einer KI-Stimme ist eine fertige Stimme aus der Stimmenbibliothek (Voice Library). Viele davon haben andere Nutzer erstellt und geteilt. Für deutsche Texte wählst Du eine deutsche Stimme, denn laut ElevenLabs-Hilfe klingen Stimmen in ihrer eigenen Sprache am besten.
- Klicke links auf Voices und wechsle in den Reiter Explore (entdecken).
- Klicke unter Language auf Select Language, tippe „German“ und wähle es aus.
- Wähle daneben bei Bedarf einen Akzent, etwa Standard für Hochdeutsch oder Bavarian für Bairisch.

Mit dem Filter German zeigte die Bibliothek in unserem Konto über 9.000 Stimmen. Weitere Filter wie Gender (Geschlecht), etwa für eine weibliche Stimme, Age (Alter) oder Kategorien wie Narration (Erzähler) grenzen die Auswahl ein.
Stimme anhören und nutzen
- Klicke auf eine Stimme, um eine Hörprobe zu starten.
- Gefällt sie Dir, klicke rechts in der Zeile auf Use (verwenden). Mit Add legst Du sie stattdessen unter My Voices ab.

Nach dem Klick auf Use landest Du direkt in Text to Speech, die Stimme ist dort schon ausgewählt. Wie es weitergeht, steht im Abschnitt Text sprechen lassen.
Bei manchen älteren Bibliotheksstimmen hat die Person, die sie geteilt hat, einen Aufschlag festgelegt. Diese Stimmen verbrauchen dann mehr Credits als andere. Einige gibt es außerdem nur in bezahlten Tarifen.
Hört die Person auf, ihre Stimme zu teilen, kannst Du sie laut Hilfe nicht mehr nutzen: sofort oder nach einer Kündigungsfrist, falls die Person eine festgelegt hat. Für eine Stimme, die dauerhaft zu Deiner Marke gehört, ist Weg 2 oder 4 deshalb sicherer.
Weg 2: KI-Stimme aus einer Beschreibung erstellen (Voice Design)
Mit Voice Design beschreibst Du in Worten, wie Deine Stimme klingen soll, und ElevenLabs erzeugt drei Vorschläge. Das passt etwa für eine Werbefigur oder eine Moderatorin, die es so nicht gibt. Voice Design gibt es laut Preisseite auch im kostenlosen Tarif.
- Klicke links auf Voice Creation und bei Voice Design auf Create new.

So schreibst Du eine gute Stimmbeschreibung
ElevenLabs empfiehlt in der Voice-Design-Hilfe diesen Aufbau, auf Englisch:
- Satz 1: Sprache und regionale Variante, Geschlecht, Alter, Tonqualität
- Satz 2: Rolle (Persona) in 2 bis 5 Wörtern und 2 bis 3 Gefühle (Emotion)
- Satz 3: Klangfarbe, Tempo und Vortragsweise in einem oder zwei Sätzen
Unsere Beschreibung für eine freundliche Podcast-Moderatorin:
Native German, Standard Hochdeutsch. Female, 35-40. Studio quality. Persona: friendly podcast host. Emotion: warm, upbeat, clear. Smooth mid-pitched timbre, relaxed pace with crisp articulation.
Drei Tipps aus der Hilfe, die gerade bei deutschen Stimmen zählen:
- Sprache in den ersten Satz: Steht „Native German“ am Anfang, rutscht die Stimme seltener in einen anderen Akzent.
- Effektwörter weglassen: Begriffe wie „reverb“ (Hall), „echo“, „phone“ oder „tape“ können die Qualität verschlechtern.
- Betonung beschreiben: Meinst Du die Sprachmelodie, beschreibe die Betonung. Das Wort „accent“ kann einen ungewollten Dialekt auslösen.
- Lösche den Beispieltext im Feld Prompt und gib Deine Beschreibung auf Englisch ein.

Vorschautext eingeben und Stimme erzeugen
Bei Voice Design zahlst Du nur für den Vorschautext, den die drei Stimmen vorlesen. Den schreibt ElevenLabs automatisch, Du kannst ihn aber selbst eingeben und so Credits sparen.
- Optional, aber empfehlenswert: Schalte im rechten Bereich den Schalter Generate Preview Text aus und gib einen deutschen Vorschautext ein. Siehst Du den Bereich nicht, klicke zuerst unten auf Settings. Unser Bild zeigt das am Beispiel eines Hörbuch-Erzählers.

Mit automatischem Vorschautext zeigte ElevenLabs bei uns 350 Credits an. Für unseren zweiten Versuch, einen ruhigen Hörbuch-Erzähler, haben wir den Text selbst geschrieben: Die Anzeige stand bei 151 Credits, genau so viele, wie der Text Zeichen hatte.
Außerdem hörst Du die Stimme so gleich mit einem deutschen Satz, der zu Deinem Projekt passt.
Kurze Sätze können abgehackt wirken, deshalb rät die Hilfe zu einem längeren, passenden Text.
- Klicke auf Generate voice (Stimme erzeugen). Die Credits stehen rechts im Knopf.
Der Regler Guidance Scale rechts unter Generate Preview Text legt fest, wie streng sich die KI an Deine Beschreibung hält. Für den Anfang lässt Du ihn, wie er ist: Höhere Werte treffen die Beschreibung genauer, können aber die Tonqualität senken.
Stimme auswählen und speichern
- Hör Dir Voice 1 bis Voice 3 an und klicke bei Deinem Favoriten auf Select voice (Stimme auswählen).

- Gib der Stimme einen Namen und prüfe das Label darunter, also eine Eigenschaft der Stimme: Bei Language sollte German stehen. Klicke dann auf Save voice (Stimme speichern).

Steht die Stimme danach unter My Voices, hat alles geklappt. Unsere „Test Moderatorin AiErfolg“ haben wir so angelegt und für die weiteren Tests in diesem Artikel genutzt.
ElevenLabs nennt Voice Design experimentell. Für die gleichmäßigste Stimme über lange Texte empfiehlt der Anbieter einen Professional Voice Clone (Weg 4).
Weg 3: Eine Stimme abwandeln mit Voice Remixing
Voice Remixing verändert eine vorhandene Stimme per Beschreibung, etwa tiefer oder älter. Die Originalstimme bleibt dabei unverändert, der Remix wird eine neue Stimme. Erlaubt ist das laut ElevenLabs-Hilfe für Stimmen, die Dir gehören oder für die Du eine ausdrückliche Erlaubnis hast.
Wir haben unsere Moderatorin aus Weg 2 etwas tiefer und ruhiger gemacht:
- Öffne Voices > My Voices, klicke in der Zeile Deiner Stimme rechts auf die drei Punkte und wähle Remix voice.

Alternativ startest Du unter Voice Creation ganz unten bei Voice Remixing mit Create new und wählst oben links die Stimme.
- Beschreibe die Änderung auf Englisch, bei uns: „Make this voice slightly deeper and calmer, with a slower pace.“
- Wähle oben die Stärke (Prompt Strength). Wir haben Medium genommen.

Die vier Stärken beschreibt die Hilfe so:
- Low: feine Änderungen, die Stimme bleibt fast gleich
- Medium: ändert wichtige Merkmale, die Stimme bleibt erkennbar
- High: folgt der Beschreibung stark und kann den Klang deutlich verändern
- Max: verwandelt die Stimme vollständig
- Klicke auf Script und gib einen deutschen Satz ein, den die Varianten vorlesen sollen.
- Klicke auf den Pfeil rechts unten.

Auch hier hängt der Preis am Text. Ohne eigenes Script zeigte ElevenLabs 350 Credits an, mit unserem Satz von 113 Zeichen nur 113 Credits. Genau so viel wurde abgebucht.
Remix anhören und speichern
- Hör Dir die drei Varianten an und klicke bei Deinem Favoriten auf das Plus (Save voice), um ihn zu speichern.

Es öffnet sich ein Speichern-Fenster wie bei Voice Design, mit Name, Sprache und Beschreibung. Speicherst Du dort, steht der Remix als neue Stimme unter My Voices und belegt einen Stimmplatz. Varianten, die Du nicht speicherst, belegen keinen.
Die Büroklammer neben dem Plus (Use voice as reference) nimmt eine Variante als Vorlage für den nächsten Remix. So tastest Du Dich in kleinen Schritten an die gewünschte Stimme heran. ElevenLabs setzt für solche Durchgänge keine Grenze.
Weg 4: Eigene Stimme klonen (Instant und Professional)
Beim Klonen (englisch Voice Cloning) bildet die KI Deine echte Stimme aus Aufnahmen nach. Danach liest sie jeden Text so vor, dass er nach Dir klingt. ElevenLabs bietet zwei Arten:
| Merkmal | Instant Voice Clone | Professional Voice Clone |
|---|---|---|
| Aufnahme | 1 bis 2 Minuten empfohlen | mindestens 30 Minuten, ideal 2 bis 3 Stunden |
| Fertig nach | direkt nach dem Speichern | meist 3 bis 6 Stunden Training |
| Stimme | mit Einwilligung auch eine andere Person | nur Deine eigene, mit Sprachprüfung |
| Tarif | ab Starter | ab Creator (1 Platz) |
Die Werte stammen aus der Hilfe zum Instant Voice Clone und zum Professional Voice Clone. Für den Anfang reicht der Instant Voice Clone. Den Professional Voice Clone (kurz: Profi-Klon) nimmst Du, wenn Deine Stimme über lange Texte möglichst genau klingen soll.
Wichtig: Klone nur Deine eigene Stimme oder die einer Person, die ausdrücklich zugestimmt hat. Was dabei gilt, steht unter Rechte und Einwilligung.
Checkliste: So nimmst Du Deine Stimme auf
Laut ElevenLabs-Hilfe zählt beim Klonen vor allem eine saubere Aufnahme. Die KI ahmt alles nach, was sie hört, auch Rauschen und Hall. Darauf achtest Du:
- ruhiger Raum ohne Hall und ohne Hintergrundgeräusche, zur Not mit einer dicken Decke als Dämpfung
- nur eine Stimme in der Aufnahme, kein Gesang, keine Musik
- gleiche Sprechweise und Lautstärke über die ganze Aufnahme, keine langen Pausen
- Abstand zum Mikrofon etwa zwei Fäuste, wenn möglich mit Popschutz (ein Stoffschirm vor dem Mikrofon, der Plopp-Laute abfängt)
- Lautstärke zwischen -23 und -18 dB RMS (Durchschnittspegel), Spitzen nicht über -3 dB. Zeigt Dein Aufnahmeprogramm keinen Pegel an, sprich in normaler Lautstärke und so, dass nichts übersteuert, also nicht scheppert oder verzerrt.
- Datei als MP3 mit mindestens 128 kbit/s (die Qualitätsstufe, die Du beim Speichern wählst), besser 192 kbit/s. WAV verbessert den Klon meist nicht.
- in der Sprache aufnehmen, in der die Stimme später am meisten spricht
- nur unverfängliche Texte vorlesen, keine privaten Daten wie Adressen oder Kundennamen, denn die Aufnahme liegt danach bei ElevenLabs
Rauscht Deine Aufnahme, säubere sie vorher. Wie das geht, zeigt unser Artikel Hintergrundgeräusche entfernen, etwa mit Auphonic.
Instant Voice Clone anlegen
- Klicke links auf Voice Creation und bei Instant Voice Clone auf Create new.

- Lade Deine Aufnahme mit Upload files hoch oder sprich mit Record audio direkt ins Mikrofon. Dabei fragt Dein Browser, ob die Seite das Mikrofon nutzen darf. Erlaube es.

Jede Datei darf bis zu 10 MB groß sein, insgesamt braucht ElevenLabs mindestens 10 Sekunden Aufnahme. Auf der Karte steht „Best 3 min“, die Hilfe empfiehlt 1 bis 2 Minuten. Mehr als 3 Minuten solltest Du nicht hochladen, längere Aufnahmen können den Klon sogar verschlechtern.
Die nächsten Felder erscheinen erst nach dem Hochladen.
- Gib der Stimme einen Namen und Labels, etwa die Sprache.
- Bestätige, dass Du das Recht und die Einwilligung hast, diese Stimme zu klonen.
- Klicke auf Save voice.
Danach steht der Klon unter My Voices und lässt sich wie jede andere Stimme nutzen.
Den Akzent oder Ton eines Klons kannst Du nachträglich nicht ändern. Klingt er nicht passend, nimmst Du neu auf und legst ihn neu an.
Professional Voice Clone anlegen
Der Profi-Klon wird eigens auf Deine Stimme trainiert. So legst Du ihn an:
- Klicke bei Professional Voice Clone auf Create new.
Steht auf der Karte stattdessen „No slots available“ und der Knopf Upgrade to create, ist in Deinem Tarif kein Profi-Platz frei. So sieht die Karte dann aus:

Auf der Karte steht „Min 10 min“ und „Best 2 hrs“, die Hilfe nennt mindestens 30 Minuten. Plane lieber mit der längeren Angabe.
- Lade Deine Aufnahmen mit Upload samples hoch oder nimm Dich mit Record yourself auf. ElevenLabs bietet dafür Vorlesetexte an. Mehrere Stunden teilst Du am besten in Dateien von etwa 30 Minuten.
- Über Audio settings neben einer Datei entfernst Du bei Bedarf Hintergrundgeräusche.
- Bestätige, dass es Deine Stimme ist: Du liest kurze Sätze ins Mikrofon (Voice Captcha). Lies jede Zeile nur einmal und klicke dann auf Stop. Nimm dafür dasselbe oder ein ähnliches Mikrofon wie bei den Aufnahmen.
- Warte auf das Training. ElevenLabs meldet sich in der App und per E-Mail, wenn die Stimme fertig ist.
Meist trainiert ElevenLabs den Klon laut Hilfe automatisch auch für Eleven v4. Steht unter My Voices bei Deinem Klon noch kein Eleven v4, fahre mit der Maus über die Zeile und klicke auf das Plus neben Eleven v4.
Text mit Deiner KI-Stimme sprechen lassen
Jede Stimme aus den vier Wegen liest Deinen Text in Text to Speech vor. Wir haben dafür unsere Testmoderatorin aus Weg 2 genommen.
- Klicke links auf Text to Speech.
- Klicke rechts unter Voice auf die Stimme und wähle Deine eigene aus, zum Beispiel über den Reiter My Voices.

- Klicke unter Model auf das Modell und wähle Eleven v4.

Eleven v4 nimmt laut Hilfe bis zu 100.000 Zeichen am Stück an und versteht Regieanweisungen.
- Schreib oder kopiere Deinen Text in das große Feld. Regieanweisungen setzt Du in eckige Klammern, ElevenLabs färbt sie lila. Welche es gibt, steht unter Audio-Tags.

- Klicke unten rechts auf Generate speech (Sprache erzeugen). Die Wiedergabe startet danach von selbst.
- Nach wenigen Sekunden erscheinen zwei Fassungen. Hör sie Dir an und lade Deine Lieblingsfassung über das Download-Symbol herunter. Du bekommst eine MP3-Datei, die Du in Dein Videoprogramm ziehen kannst.

Unser Text hatte 110 Zeichen und kostete 110 Credits, und zwar für beide Fassungen zusammen. Die erste Fassung war knapp 7 Sekunden lang.
Feinsteuerung: Stabilität, Ähnlichkeit und Audio-Tags
Mit zwei Reglern bestimmst Du, wie lebendig und wie originalgetreu Deine KI-Stimme klingt. Für den Anfang lässt Du beide auf den voreingestellten Werten, die laut ElevenLabs am häufigsten genutzt werden. Bei Eleven v4 zeigt ElevenLabs rechts nur diese zwei Regler:

- Stability (Stabilität): Nach links (Creative) klingt die Stimme gefühlvoller und abwechslungsreicher, nach rechts (Robust) gleichmäßiger. Sehr niedrige Werte können zufällig und zu schnell klingen, sehr hohe eintönig.
- Similarity (Ähnlichkeit): wie genau sich die KI an die Originalstimme hält. Ist die Aufnahme eines Klons verrauscht, kann ein hoher Wert auch das Rauschen nachbilden.
Voreingestellt waren bei uns 50 Prozent Stabilität und 75 Prozent Ähnlichkeit (Hilfe zu den Reglern). Willst Du etwas ändern, verschiebe immer nur einen Regler.
Hast Du einen Professional Voice Clone, erscheint bei Eleven v4 außerdem der Regler Clone Strength (Klonstärke). Er legt fest, wie eng sich die Sprache an Deine Trainingsaufnahmen hält. Dafür empfiehlt die ElevenLabs-Hilfe für die meisten Stimmen einen Start bei 0 Prozent.
Audio-Tags: Regieanweisungen im Text
Audio-Tags sind kurze englische Anweisungen in eckigen Klammern, die Du an die Stelle setzt, an der sich der Vortrag ändern soll. Sie funktionieren mit Eleven v4 und v3.
Beispiele aus der Hilfe sind Gefühle wie [sad] (traurig) oder [happy] (fröhlich), Anweisungen zum Vortrag wie [whispers] (flüstert) und [shouts] (ruft) sowie Reaktionen wie [laughs] (lacht) oder [sighs] (seufzt).
Tipp: Jede Erzeugung klingt etwas anders. Ist ein Satz wichtig, etwa der Anfang eines Werbespots, erzeuge ihn mehrmals und nimm die beste Fassung. Jeder Durchgang kostet wieder Credits.
Aussprache korrigieren: Namen, Zahlen und Abkürzungen
Spricht Deine KI-Stimme ein Wort falsch aus, schreibst Du es so, wie es klingen soll, oder legst eine Aussprache-Regel an. Das betrifft vor allem Markennamen, Fachbegriffe, Abkürzungen und Zahlen. Für einzelne Stellen reicht eine Änderung im Text, für Wörter, die oft vorkommen, lohnt sich ein Wörterbuch.
Schnelle Lösung direkt im Text
- Zahlen ausschreiben: ElevenLabs empfiehlt in der Hilfe ausdrücklich, Zahlen und Symbole als Wort zu schreiben, also „vierzehn Uhr dreißig“ statt „14:30“.
- Nach Klang schreiben: Ungewöhnliche Namen schreibst Du so, wie sie gesprochen werden. Falsch geschriebene Wörter liest die KI so, wie sie dastehen, deshalb vorher Korrektur lesen.
- Abkürzungen auflösen: Schreibe Abkürzungen aus oder so, wie sie gesprochen werden sollen, zum Beispiel „Ka-I“ für KI.
Aussprache-Wörterbuch in Studio
Kommt ein Wort oft vor, etwa Dein Firmenname in einem Hörbuch, lohnt ein Aussprache-Wörterbuch (Pronunciation Dictionary). Es gilt dann für das ganze Projekt.
In der Oberfläche gibt es das in Studio, dem Editor für längere Projekte. Text to Speech hat dafür keinen eigenen Schalter.
- Öffne links Studio. Hast Du noch kein Projekt, klicke rechts auf New blank project und wähle Audio project.

- Klicke in Deinem Projekt in der linken Leiste auf Pronunciations (Aussprache).
- Tippe links das Wort ein, wie es im Text steht, und rechts, wie es gesprochen werden soll.
- Im rechten Feld ist als Schreibweise Text eingestellt (in der Auswahlliste heißt das Plain text). Für Deutsch lässt Du das so.

Plain text heißt: Du schreibst das Wort so, wie es klingen soll. Das funktioniert mit jedem Modell. IPA ist die internationale Lautschrift für genaue Laute, für andere Sprachen als Englisch geht sie laut ElevenLabs-Hilfe nur mit Eleven v4 und dessen schneller Variante Eleven v4 Turbo.
- Klicke auf Add pronunciation (Aussprache hinzufügen).

Unser Beispiel: Der Name „AiErfolg“ soll wie „Ei Erfolg“ klingen. Mit dem ersten kleinen Schalter im linken Feld (Match exact casing) greift die Regel nur bei gleicher Groß- und Kleinschreibung, mit dem zweiten (Match whole words only) nur bei ganzen Wörtern.
Wofür Du Deine KI-Stimme einsetzen kannst
Eine eigene KI-Stimme lohnt sich überall, wo Du regelmäßig Sprache brauchst, aber nicht jedes Mal selbst einsprechen willst. Veröffentlichst Du beruflich eine Stimme, die wie eine bestimmte echte Person klingt, kennzeichnest Du sie als KI-erzeugt (siehe KI-Stimme kennzeichnen). Ein paar typische Einsätze:
- Erklär- und Social-Media-Videos: Deine KI-Stimme wird zum Sprecher für das Voiceover. Du schreibst das Skript, die Stimme liest es, und Du legst den Ton unter Deine Bilder. Die Bilder und Clips dazu kannst Du ebenfalls mit KI erzeugen, siehe KI-Video erstellen.
- Sprechender Avatar: Die fertige Tonspur bewegt die Lippen einer Figur oder Deines Fotos. Das Vorgehen steht in KI-Avatar erstellen.
- KI-Figuren: Eine erfundene Person, etwa ein KI-Influencer, bekommt per Voice Design eine eigene Stimme, die in jedem Clip gleich bleibt.
- Werbespots: Für Anzeigen nimmst Du eine eigene oder klar erfundene Stimme, keine, die ohne Einwilligung nach einem bekannten Sprecher klingt. Mehr dazu in Werbevideo mit KI erstellen.
- Hörbuch, Kurs oder Podcast: In Studio bekommt jeder Absatz eine Stimme. Wie Du einen Kurs von Grund auf planst, zeigt Online-Kurs erstellen.
Studio, den Voice Changer (Deine eigene Aufnahme mit anderer Stimme) und alle weiteren Werkzeuge erklärt unsere ElevenLabs-Anleitung im Detail.
Rechte und Einwilligung: Was beim Klonen erlaubt ist
Deine eigene Stimme darfst Du klonen, die Stimme einer anderen Person nur mit ihrer ausdrücklichen Einwilligung. Das verlangt ElevenLabs, und auch nach deutschem Recht ist die Stimme als Teil des Persönlichkeitsrechts geschützt.
Das Landgericht Berlin II entschied 2025, dass ein YouTuber mit einer KI-Nachahmung der Stimme eines bekannten Synchronsprechers dessen Persönlichkeitsrecht verletzt hat. Genutzt hatte er sie ohne Einwilligung in zwei Videos, die auch auf seinen Onlineshop verwiesen. Der Sprecher bekam 4.000 Euro zugesprochen (Az. 2 O 202/24, Bericht bei LTO).
Die Nutzungsrichtlinie von ElevenLabs verbietet unter anderem:
- Stimmen lebender Personen ohne ausdrückliche und informierte Einwilligung zu klonen oder nachzuahmen
- Sprachaufnahmen von Personen unter 18 Jahren für ein Stimmmodell zu nutzen
- Politiker ohne Erlaubnis nachzuahmen
- Stimmen Verstorbener so zu nutzen, dass es schaden kann oder ihre über den Tod hinaus geltenden Rechte verletzt
- die Sprachprüfung (Voice Captcha) zu umgehen
Einwilligung schriftlich festhalten
Klonst Du die Stimme einer Kollegin oder eines Sprechers, halte die Einwilligung schriftlich fest. Bei Beschäftigten achtest Du besonders darauf, dass die Zustimmung freiwillig ist, also ein Nein keine Nachteile hat. Regle in der Einwilligung:
- wofür die Stimme genutzt wird
- was mit dem Klon passiert, wenn die Zusammenarbeit endet
- dass Du den Klon löschst, wenn die Person ihre Einwilligung widerruft. Stimmaufnahmen sind personenbezogene Daten: Beruht ihre Nutzung auf einer Einwilligung, kann die Person sie nach Datenschutzrecht jederzeit für die Zukunft widerrufen.
KI-Stimme kennzeichnen
Klingt eine KI-Tonaufnahme wie eine bestimmte echte Person, etwa wie Du selbst oder ein bekannter Sprecher, und könnte jemand sie für echt halten, gilt sie als Deepfake. Wer KI beruflich einsetzt, muss solche Inhalte nach Artikel 50 der KI-Verordnung der EU als künstlich erzeugt offenlegen.
Das muss klar erkennbar sein, spätestens wenn jemand die Aufnahme zum ersten Mal hört. Am einfachsten geht das mit einem kurzen Hinweis wie „Stimme mit KI erstellt“. Bei reinen Tonaufnahmen sprichst Du ihn am besten gleich am Anfang, bei Videos blendest Du ihn zusätzlich ein.
Das ist keine Rechtsberatung. Bei Verträgen mit Sprechern oder Werbekunden lohnt sich der Blick eines Anwalts.
Was kostet eine eigene KI-Stimme?
Eine eigene KI-Stimme kostet bei ElevenLabs 0 bis 22 US-Dollar im Monat: Bibliothek und Voice Design gibt es kostenlos, einen Klon Deiner Stimme ab Starter für 6 US-Dollar, den Profi-Klon ab Creator für 22 US-Dollar. Die Preise laut Preisseite verstehen sich ohne Steuern:
| Tarif | Preis im Monat | Credits im Monat | Für Stimmen wichtig |
|---|---|---|---|
| Free | 0 $ | 10.000 | Bibliothek, Voice Design, 3 Stimmplätze, nur private Nutzung |
| Starter | 6 $ | 30.000 | Instant Voice Clone, 10 Stimmplätze, geschäftliche Nutzung |
| Creator | 22 $ | 121.000 | 1 Professional Voice Clone, 30 Stimmplätze |
| Pro | 99 $ | 600.000 | 1 Professional Voice Clone, 160 Stimmplätze |
Die Preisseite nennt die Tarife in US-Dollar. In der iPhone-App kostet Creator im deutschen App Store 25,00 Euro im Monat.
Unsere gemessenen Werte aus diesem Artikel:
| Schritt | Unser Test | Credits |
|---|---|---|
| Voice Design, automatischer Vorschautext | drei Vorschläge | 350 |
| Voice Design, eigener Vorschautext | 151 Zeichen (Kosten laut Anzeige am Knopf) | 151 |
| Voice Remixing mit eigenem Script | 113 Zeichen, drei Varianten | 113 |
| Text to Speech mit eigener Stimme | 110 Zeichen, zwei Fassungen | 110 |
Rechnerisch reichen die 10.000 Credits des kostenlosen Tarifs damit für rund 10.000 Zeichen vorgelesenen Text mit Eleven v4. Da 110 Zeichen bei uns knapp 7 Sekunden Sprache ergaben, sind das grob gerechnet etwa 10 Minuten.
Geschäftlich nutzen darfst Du Ergebnisse laut Hilfe-Center nur aus einem bezahlten Tarif und nur, wenn Du die nötigen Rechte an Deinen Inhalten hast, etwa an Aufnahmen und Texten. Ausgenommen sind Funktionen, die ElevenLabs als Alpha oder Beta kennzeichnet, also als Vorabversion, auch im bezahlten Tarif (laut Zusatzbedingungen für Beta-Dienste).
KI-Stimme kostenlos erstellen: Was gratis geht
Kostenlos kommst Du zu einer KI-Stimme, wenn Du eine fertige Stimme oder eine Stimme aus Voice Design nimmst und die Ergebnisse privat nutzt. Einen Klon Deiner eigenen Stimme gibt es bei ElevenLabs nicht gratis. Avatar-Dienste wie HeyGen bieten ihn im Gratis-Tarif mit Einschränkungen an, ganz ohne Anbieter-Konto klonst Du mit Open-Source-Software, also frei verfügbaren Programmen, auf Deinem Rechner.
- ElevenLabs Free: Stimmenbibliothek und Voice Design mit 10.000 Credits im Monat (Preisseite). Veröffentlichst Du etwas, muss laut Hilfe-Center „elevenlabs.io“ oder „11.ai“ im Titel stehen.
- Canva: Der KI-Stimmen-Generator erstellt kostenlos Sprache aus bis zu 1.000 Zeichen je Durchgang. Du wählst dort aus fertigen Stimmen, mit Canva Pro laut Canva aus einer größeren Auswahl.
- HeyGen: Laut HeyGen bekommst Du im Gratis-Tarif einen Stimmklon und drei Videos im Monat mit je bis zu einer Minute, mit Wasserzeichen. Der Klon ist für sprechende Avatare gedacht.
- Chatterbox: Das Open-Source-Modell von Resemble AI klont eine Stimme aus einer kurzen Aufnahme und spricht in der mehrsprachigen Fassung laut Modellseite auch Deutsch. Es steht unter der freien MIT-Lizenz und kostet nichts. Du installierst es auf Deinem eigenen Rechner, dafür brauchst Du Grundkenntnisse in Python und der Kommandozeile. Welche Technik lokale KI braucht, steht in PC für KI-Anwendungen. Jede Ausgabe trägt ein unhörbares Wasserzeichen. Selbst getestet haben wir Chatterbox nicht. Auch hier klonst Du nur Deine eigene Stimme oder eine mit Einwilligung.
Die vier Wege und die wichtigsten Regeln aus diesem Artikel siehst Du hier noch einmal auf einen Blick:

Fazit
Für den Start reicht eine deutsche Stimme aus der Bibliothek oder eine Stimme aus Deiner Beschreibung. Soll die KI wie Du klingen, nimm Dich in einem ruhigen Raum auf und lege einen Instant Voice Clone an. Den Profi-Klon brauchst Du erst, wenn Du viel und lange vertonst.
Lass die Regler zunächst auf Standard und schreib Zahlen und schwierige Namen so, wie sie klingen sollen. Fremde Stimmen klonst Du nur mit ausdrücklicher Einwilligung.
Am besten probierst Du jeden Weg zuerst mit einem kurzen Satz aus. Dann kostet jeder Versuch nur wenige Credits.
Gratis KI Guide 2026 (im Wert von 19,99€)!
Habe endlich mehr Zeit, Geld & Freiheit dank KI-Online-Marketing...
- Entdecke die goldene 6-Schritte-Prompt Formel für fast schon unfaire Ergebnisse
- Bekomme 5 mächtige Experten-Prompts, die Dir sofort massiv Zeit sparen & mehr Umsatz bringen
- Entdecke die BESTEN KI Tools (um die Konkurrenz abzuhängen)
- Aktuell mit exklusivem Überraschungs-Bonus im Wert von 79,00€ (direkt nach dem gratis Download)
Häufige Fragen
Kann ich meine eigene Stimme kostenlos klonen?
Bei ElevenLabs nicht: Den schnellen Stimmklon (Instant Voice Clone) gibt es laut Preisseite ab dem Tarif Starter für 6 US-Dollar im Monat. HeyGen bietet im Gratis-Tarif einen Stimmklon mit Einschränkungen. Ganz ohne Abo klonst Du Deine Stimme mit Open-Source-Programmen, also frei verfügbaren Programmen wie Chatterbox, die Du selbst auf Deinem Rechner einrichtest.
Wie lange muss die Aufnahme für einen Stimmklon sein?
Für den schnellen Klon (Instant Voice Clone) empfiehlt ElevenLabs 1 bis 2 Minuten saubere Aufnahme und rät von mehr als 3 Minuten ab. Der Profi-Klon (Professional Voice Clone), der eigens auf Deine Stimme trainiert wird, braucht mindestens 30 Minuten, ideal sind 2 bis 3 Stunden.
Darf ich die Stimme einer anderen Person klonen?
Nur mit ihrer ausdrücklichen Einwilligung. Die Nutzungsrichtlinie von ElevenLabs verbietet das Klonen lebender Personen ohne Zustimmung, und das Landgericht Berlin II sah in einer KI-Stimmkopie ohne Einwilligung eine Verletzung des Persönlichkeitsrechts. Aufnahmen von Personen unter 18 Jahren darfst Du bei ElevenLabs gar nicht für einen Stimmklon nutzen.
Spricht meine geklonte Stimme auch andere Sprachen?
Ja. Den schnellen Klon (Instant Voice Clone) nutzt Du laut ElevenLabs in allen Sprachen, die die KI-Modelle Flash v2.5 und Multilingual v2 beherrschen. Der Profi-Klon spricht alle über 90 Sprachen des Modells Eleven v4, behält in der Sprache Deiner Aufnahme Deinen Akzent und spricht andere Sprachen flüssig.
Darf ich eine KI-Stimme geschäftlich nutzen?
Bei ElevenLabs ja, wenn Du die Ergebnisse in einem bezahlten Tarif erstellt hast und die nötigen Rechte an Deinen Inhalten besitzt, etwa an Aufnahmen und Texten. Im kostenlosen Tarif ist nur private Nutzung mit Namensnennung erlaubt. Ergebnisse aus Funktionen, die ElevenLabs als Alpha oder Beta kennzeichnet, also als Vorabversion, sind von der kommerziellen Nutzung ausgeschlossen.
Wie viel Text kann ich mit den kostenlosen Credits vertonen?
Bei ElevenLabs zahlst Du mit Credits, also Guthaben, das Dein Tarif jeden Monat auffüllt. In unserem Test mit dem Modell Eleven v4 kostete jedes vorgelesene Zeichen einen Credit. Die 10.000 Credits des kostenlosen Tarifs reichen damit rechnerisch für rund 10.000 Zeichen Text im Monat.
Veröffentlicht am · Zuletzt aktualisiert am