ElevenLabs Music v2: Der Guide für KI-Musik (2026)

KI-Musik ist gerade überall.

Du tippst zwei Sätze ein und bekommst einen fertigen Song mit Gesang, Beat und Refrain. Klingt verlockend, und für ein schnelles Experiment ist es das auch. Nur stellt sich bei der ganzen Sache eine Frage, die in den meisten Demos großzügig übergangen wird: Darfst du diese Musik überhaupt veröffentlichen, ohne dir Ärger einzuhandeln?

Genau hier wird es nämlich heikel.

Große Musiklabels haben gegen die bekanntesten KI-Musik-Anbieter geklagt, weil die ihre Modelle mutmaßlich auf urheberrechtlich geschütztem Material trainiert haben. Mehrere dieser Verfahren endeten 2025 mit Vergleichen. Für dich als Content-Ersteller heißt das: Bei vielen Tools weißt du nicht sicher, ob dein Werbevideo oder dein Podcast-Intro in zwei Jahren plötzlich zum Problem wird.

ElevenLabs geht hier einen anderen Weg. Mit Music v2, gestartet Ende Mai 2026, gibt es einen KI-Musikgenerator, der nach Angaben des Anbieters auf lizenzierten Daten aufgebaut wurde. Zum Start des Musikmodells hat ElevenLabs dafür Lizenzverträge mit Merlin und Kobalt vorgestellt. Damit dokumentiert ElevenLabs die Lizenzstrategie hinter dem Training ungewöhnlich offen. In diesem Guide zeige ich dir, was Music v2 kann, warum diese Grundlage wichtig ist, welche Nutzungsgrenzen trotzdem bleiben und für wen sich das Tool lohnt.

Und ich erzähle dir das nicht bloß nach. Ich habe Music v2 mit meinem eigenen Creator-Tarif selbst getestet, mit einem konkreten Prompt und einem echten Track zum Anhören. In einem zweiten Test in einem ElevenLabs-Konto mit Scale-Tarif habe ich den Guthaben-Verbrauch exakt vorher und nachher gemessen und im Song-Editor eine einzelne Sektion neu generieren lassen. Beide Fassungen desselben Tracks kannst du weiter unten direkt gegeneinander hören.

1. Was ist ElevenLabs Music v2?

ElevenLabs kennen die meisten als Anbieter für KI-Stimmen. Text-to-Speech, Voice Cloning, Transkription, alles auf hohem Niveau, wie ich in meinen ausführlichen ElevenLabs Erfahrungen zeige. Music v2 ist die musikalische Seite dieser Plattform, und seit dem Start Ende Mai 2026 ist sie deutlich erwachsener geworden.

Im Kern funktioniert Music v2 wie die Sprachfunktionen auch: Du beschreibst in Worten, was du willst, und bekommst einen fertigen Track. Du musst keine Noten lesen, keine Digital Audio Workstation bedienen und kein einziges Instrument spielen können. Du tippst zum Beispiel ein, dass du ruhige Lo-Fi-Beats für einen Podcast-Hintergrund brauchst, und Music v2 erzeugt genau das.

Zwei Funktionen heben die Version 2 von einfachen Ein-Klick-Generatoren ab.

1.1 Mid-Track Genre Switching

Mit dem Mid-Track Genre Switching kannst du innerhalb eines einzigen Stücks den Stil wechseln. Stell dir ein Werbevideo vor, das ruhig beginnt und dann auf den Call-to-Action hinarbeitet. Du startest mit einer entspannten Ambient-Passage und lässt den Track in der zweiten Hälfte in einen treibenden, energiegeladenen Stil übergehen. Das musst du nicht mehr aus zwei Songs zusammenschneiden, Music v2 erledigt den Übergang innerhalb desselben Tracks. So verspricht es zumindest die Produktseite. Wie weit das in der Praxis trägt, habe ich in Abschnitt 4.4 nachgemessen.

1.2 Inpainting

Inpainting kennst du vielleicht aus der KI-Bildbearbeitung, wo du einen einzelnen Bildausschnitt neu generieren lässt. Bei Music v2 funktioniert das genauso, nur eben mit Audio.

Das bedeutet:

Wenn dir ein fertiger Track zu 90 % gefällt und nur eine bestimmte Stelle nicht passt, etwa eine Bridge oder ein Übergang, markierst du genau diese Passage und lässt sie neu erzeugen. Der Rest bleibt unangetastet. Das spart enorm viel Zeit, weil du nicht jedes Mal einen komplett neuen Song generieren musst, nur weil acht Sekunden in der Mitte nicht sitzen.

1.3 Audio Reference und kuratierte Finetunes

Die aktuelle Music-Dokumentation nennt außerdem Audio Reference. Du kannst dort eine kurze Referenz von bis zu ungefähr 30 Sekunden hinterlegen. Laut ElevenLabs wird sie auf Rechte geprüft und lenkt Klang, Instrumentierung, Tempo und Stimmung. Sie soll die Vorlage nicht kopieren oder remixen. Diese Funktion ist dokumentiert, ich habe sie in diesem Praxistest aber nicht mit einer eigenen Audiodatei geprüft.

Für eine wiedererkennbare Stilidentität gibt es Music Finetunes. Kuratierte Finetunes sind laut Anbieter vortrainiert und sofort nutzbar, dafür ist kein Upload nötig. Eigene Finetunes benötigen dagegen eigenes Audiomaterial. ElevenLabs schränkt das für die meisten Nutzer auf vollständig selbst erstellte Kompositionen ohne fremde Samples oder Backing-Tracks ein. Ich habe in diesem Test keine eigene Finetune angelegt.

2. Der entscheidende Punkt: die dokumentierte Lizenzstrategie

Jetzt kommen wir zu dem, was Music v2 wirklich besonders macht. Es ist nicht primär die Klangqualität, auch wenn die gut ist. Es ist die Rechtslage.

Nach Angaben von ElevenLabs wurde der Musikgenerator auf lizenziertem Material aufgebaut. Zum Start lagen Verträge mit Merlin und Kobalt vor, und laut Kobalt entscheiden die Künstler per Opt-in selbst, ob ihre Musik ins Training darf.

Das Ergebnis:

ElevenLabs beschreibt Music als unter bestimmten Tarifen und Bedingungen für eine breite kommerzielle Nutzung freigegeben. Das ist keine pauschale Erlaubnis für jede Veröffentlichung. Bei Self-Serve-Tarifen sind laut aktueller Produktseite beispielsweise Film, Fernsehen und sogenannte Studio Games ausgenommen. Dazu kommen die Verbote und Eingaberegeln der Music Terms.

2.1 Warum das für dich wichtig ist

Vielleicht denkst du dir jetzt: Klingt nach juristischem Kleingedrucktem, brauche ich das wirklich?

Und ich sage dir: Ja, wenn du Inhalte veröffentlichst, brauchst du das. Hier ein paar konkrete Szenarien:

• YouTube. YouTube hat mit Content ID eines der schärfsten Systeme zur Erkennung von Musik. Lädst du Musik hoch, deren Rechte unklar sind, riskierst du Urheberrechts-Ansprüche, demonetarisierte Videos oder im schlimmsten Fall Sperren. Eine dokumentierte Lizenz reduziert dieses Risiko, schließt automatische Ansprüche oder Streitfälle aber nicht aus.
• Werbung. Bei bezahlter Werbung steht oft viel Geld auf dem Spiel, und Marken sind hier besonders vorsichtig. Prüfe deshalb vor einer Kampagne, ob Branche, Medium und Verwendungsart von deinem Tarif und den Music Terms gedeckt sind.
• Podcast. Dein Intro hörst du in jeder Folge. Wenn dort Musik läuft, deren Lizenz wackelt, baust du dir ein Problem auf, das mit jeder Episode wächst und im Zweifel nur durch Neuvertonung aller Folgen zu lösen ist.
• Apps und Spiele. Hier wird Musik fest in ein Produkt eingebaut, das du verkaufst oder verbreitest. Spätere Rechtsstreitigkeiten kannst du dann nicht einfach durch das Tauschen einer Datei lösen.

Kurzum:

Überall dort, wo deine Inhalte öffentlich sind und im Zweifel Geld bringen, ist eine nachvollziehbare Lizenzgrundlage wichtig. Sie ersetzt aber weder die Prüfung deines Einsatzes noch deine Verantwortung für Prompts, Lyrics und hochgeladene Referenzen.

3. Music v2 im Vergleich mit Suno und Udio

Wenn man über KI-Musik spricht, kommt man an Suno und Udio nicht vorbei. Beide sind technisch beeindruckend und können mehr als nur Hintergrundmusik, nämlich komplette Songs mit Gesang und Text. Ich will sie also nicht schlechtreden, sie haben ihre Berechtigung. Aber bei der Rechtslage gibt es einen wichtigen Unterschied, den du kennen solltest.

Suno (aktuell in Version 5.5) und Udio standen im Zentrum von Klagen großer Musiklabels.

Der Vorwurf:

Die Modelle seien auf urheberrechtlich geschütztem Material trainiert worden. Mehrere dieser Verfahren endeten 2025 mit Vergleichen. Warner Music hat sich im November 2025 erst mit Udio und wenige Tage später mit Suno geeinigt und ist beim Suno-Deal gleich als Lizenzpartner eingestiegen, Sony Music klagte zu dem Zeitpunkt weiter. Das heißt nicht automatisch, dass jeder Track aus diesen Tools ein Problem ist. Aber es heißt, dass die Frage der sauberen kommerziellen Nutzung dort nicht abschließend geklärt ist.

ElevenLabs stellt dem eine öffentlich dokumentierte Lizenzstrategie gegenüber. Hier der direkte Vergleich.

Eine Einschränkung musst du bei dieser Tabelle kennen:

Sie vergleicht die Lizenzlage und den Funktionsumfang, nicht den Klang. Ich habe für diesen Test keinen Suno-Zugang aufgebaut, es gibt hier also bewusst keine Suno-Hörprobe, gegen die du meinen Track hören könntest. Alles, was du in diesem Artikel hörst, kommt aus Music v2. Wer eine klangliche Gegenüberstellung sucht, findet in diesem Artikel also nicht, was er braucht.

Meine Einordnung:

Wenn du fertige Songs mit Gesang für ein kreatives Projekt willst, sind Suno und Udio aktuell mächtiger. Wenn dir dagegen eine öffentlich dokumentierte Lizenzstrategie wichtig ist, hat Music v2 einen klaren Vorteil. Das ist keine Rechtsgarantie. Du musst weiterhin prüfen, ob Tarif, Branche, Medium, Prompt, Lyrics und andere Eingaben deinen konkreten Einsatz abdecken.

4. ElevenLabs Music v2: Mein Test, Schritt für Schritt

Genug Theorie, schauen wir uns an, wie du tatsächlich einen Track erstellst. Der Ablauf ist erfreulich einfach, gerade weil du alles über Text steuerst. Und ich zeige dir das nicht am fremden Beispiel, sondern an meinem eigenen Test.

4.1 Prompt schreiben

Alles beginnt mit der Beschreibung. Du tippst in Worten ein, was du hören willst. Je konkreter, desto besser. Statt nur entspannte Musik schreibst du lieber ruhige Lo-Fi-Beats mit weichem Klavier und dezenten Vinyl-Knistern, ideal als Hintergrund für einen Podcast.

Für diesen Artikel habe ich genau das getan und folgenden Prompt in mein Creator-Konto eingegeben:

„Entspannter Lo-Fi Hip-Hop mit warmem Vinyl-Knistern und sanftem Piano, ruhige Hintergrundmusik für ein Erklärvideo.“

Weil der Prompt bei Music v2 das einzige Steuerelement ist, findest du hier alle Prompts, die ich für diesen Artikel tatsächlich abgeschickt habe, wortgleich zum Kopieren. Dazu jeweils die Genre-Tags, die Music v2 daraus gemacht hat, damit du siehst, was die Formulierung im Ergebnis bewirkt. Mehr sind es nicht, weil ich genau diese drei laufen lassen habe und keine erfundenen Beispiele dazuschreiben wollte.

Prompt 1 (Creator-Konto, kompletter Track)
Entspannter Lo-Fi Hip-Hop mit warmem Vinyl-Knistern und sanftem Piano, ruhige
Hintergrundmusik für ein Erklärvideo.
Daraus gemacht: Tags hip-hop, electronic, ambient. Titel „Entspannter Lo-Fi Glück“.

Prompt 2 (Scale-Konto, kompletter Track)
Entspannter Lo-Fi-Hip-Hop-Beat mit weichem Klavier, warmem Bass und dezentem
Vinyl-Knistern. Ruhige Hintergrundmusik für ein Podcast-Intro. Instrumental, kein Gesang.
Daraus gemacht: Tags lo-fi, hip-hop, instrumental. Titel „Morgenkaffee“ (2:00 Minuten)
und „Stille Gassen“ (2:30 Minuten).

Prompt 3 (Anweisung für eine einzelne Sektion im Song-Editor)
Verwandle das Outro in ein energetisches Synthwave-Finale mit treibendem Beat und
hellen Synthesizern
Daraus gemacht: 140 BPM, energetic synthwave finale, driving four-on-the-floor beat,
punchy gated reverb snare, bright shimmering synth arpeggios, powerful analog synth
lead melody, pulsing bassline, 80s retro futuristic aesthetic, wide stereo image.

Music v2 hat aus dem Prompt automatisch die Genres hip-hop, electronic und ambient erkannt und den fertigen Track selbst „Entspannter Lo-Fi Glück“ getauft. So sieht meine Generierungs-Liste danach aus:

Links siehst du das komplette Erstellen-Panel mit Prompt-Feld, Songtexte-Umschalter (bei mir auf „Automatisch“), der Längeneinstellung „Auto“, der Variantenzahl (in diesem Screenshot 2) und, direkt über dem Erstellen-Button, den Kosten von 900 Guthaben pro Minute mal die ausgewählte Variantenzahl. In der Liste rechts erkennst du außerdem, dass in meinem Konto noch ältere Music-v1-Tracks aus früheren Tests liegen, an den Genre-Tags siehst du den Sprung zu v2 sofort.

Hier ist der Ausschnitt aus meinem echten Ergebnis, ein 30-Sekunden-Clip aus dem vollen 3-Minuten-Track:

4.2 Genre und Stimmung festlegen

Music v2 deckt eine breite Palette ab, von Lo-Fi, Ambient und Cinematic über Pop, Rock und Elektronik bis zu orchestralen Stücken. Du wählst das Genre direkt im Prompt, Music v2 erkennt es automatisch, wie du oben an meinen drei Tags hip-hop, electronic und ambient siehst. Wenn du dir unsicher bist, generiere ruhig zwei oder drei Varianten mit leicht unterschiedlichen Beschreibungen und vergleiche sie.

4.3 Länge bestimmen

Lege fest, wie lang der Track sein soll. Für ein Podcast-Intro reichen oft 15 bis 30 Sekunden, für einen YouTube-Hintergrund willst du dagegen eher mehrere Minuten, die sich ohne hörbaren Übergang wiederholen lassen. Bedenke dabei, dass „Auto“ die Länge der beiden Varianten selbst wählt, meist im Bereich von zwei bis drei Minuten, und dass sich das direkt im Guthaben bemerkbar macht. Für einen günstigen Test stellst du die Länge deshalb besser manuell auf 15 bis 30 Sekunden statt auf Auto.

Wie genau sich das auf dein Guthaben auswirkt, wollte ich nicht nur schätzen, sondern nachmessen. In einem ElevenLabs-Konto mit Scale-Tarif (299 $ pro Monat, 1,8 Millionen Credits) habe ich denselben Prompt-Stil noch einmal eingegeben: „Entspannter Lo-Fi-Hip-Hop-Beat mit weichem Klavier, warmem Bass und dezentem Vinyl-Knistern. Ruhige Hintergrundmusik für ein Podcast-Intro. Instrumental, kein Gesang.“ Bei der Längeneinstellung „Auto“ erzeugte Music v2 wieder zwei Varianten: „Morgenkaffee“ lief 2:00 Minuten, „Stille Gassen“ 2:30 Minuten, beide samt automatisch vergebenen Tags lo-fi, hip-hop und instrumental.

Den Guthaben-Stand habe ich direkt vorher und nachher abgelesen: 1.840.607 Credits vor der Generierung, 1.836.492 danach. Macht 4.115 Credits für beide Varianten zusammen, gemessen, nicht geschätzt.

Das deckt sich fast exakt mit dem beworbenen Satz von 900 Credits pro Minute pro Variante: 2:00 plus 2:30 Minuten macht 4,5 Minuten, mal 900 Credits ergibt rechnerisch 4.050 Credits. Der kleine Überhang zu den gemessenen 4.115 Credits geht vermutlich auf die tatsächliche Renderlänge über die runden Minutenwerte hinaus. Für dich heißt das: Die 900-Credits-Formel aus dem Preis-Rechner ist keine grobe Hausnummer, sondern stimmt in der Praxis auf wenige Prozent genau.

Hier ist „Morgenkaffee“, die 2:00-Minuten-Variante aus diesem zweiten Test:

4.4 Inpainting und Genre-Switch nutzen

Jetzt kommt der Teil, der Music v2 von einfachen Ein-Klick-Generatoren abhebt, und den ich mir im Song-Editor komplett angeschaut habe. Klickst du bei einem fertigen Track auf „Song bearbeiten“, landest du in genau dieser Ansicht:

Zu sehen ist hier mein älterer Track aus dem Creator-Konto, der auf 82 BPM läuft. Der Morgenkaffee-Track aus dem Scale-Test, um den es gleich geht, hat eine eigene Sektions-Einteilung und läuft auf 68 BPM, verwechsle die beiden also nicht.

Mein Creator-Track ist in fünf Sektionen unterteilt, Intro, Verse 1, Bridge, Verse 2 und Outro, die du unten in der Zeitleiste einzeln siehst. Jede Sektion hat ihre eigenen Stil-Tags. Meine Intro trägt zum Beispiel „82 BPM“, „minimalist lo-fi hip-hop intro“ und „warm vinyl crackle texture“, Verse 1 dagegen „relaxed lo-fi hip-hop groove“, „dusty snare on the backbeat“ und „warm jazz-infused rhodes piano“. Zusätzlich gibt es „Globale Stile“, die für den ganzen Track gelten.

Damit wird die Mechanik hinter den beiden Funktionen konkret:

• Inpainting heißt: Du markierst eine einzelne Sektion, zum Beispiel die Bridge, und lässt nur diese neu generieren, entweder mit den bestehenden Tags oder mit einer kurzen Textanweisung im Eingabefeld darunter (bei mir stand dort als Platzhalter „Fügen Sie sanfte Synth-Pads und etwas Ambient-Atmosphäre hinzu“). Der Rest des Tracks bleibt exakt so, wie er ist.
• Genre-Switch heißt: Du tauschst die Stil-Tags einer Sektion gegen andere aus, etwa „laidback“ gegen „energetic“ oder „dusty drum machine hiss“ gegen einen treibenderen Beat, und lässt nur diese Sektion neu erzeugen. Der Übergang zu den Nachbar-Sektionen bleibt dabei erhalten.

Für beides gilt derselbe Guthaben-Satz wie für den ganzen Track. Entscheidend sind die markierte Dauer und die ausgewählte Variantenzahl. Eine beobachtete Neugenerierung kostete 1.350 Credits.

So weit die Theorie. Genau an dieser Stelle stand in meinem ersten Test nur eine Beschreibung, und ein Alleinstellungsmerkmal, das man bloß beschreiben kann, ist keins. Also habe ich es nachgeholt.

Der Genre-Switch, live durchgeführt

Dafür bin ich in den Song-Editor des Morgenkaffee-Tracks gegangen, also des 68-BPM-Stücks aus dem Scale-Konto, nicht des Creator-Tracks von oben. Dort habe ich die Outro-Sektion markiert und ins Anweisungsfeld einen einzigen deutschen Satz getippt:

„Verwandle das Outro in ein energetisches Synthwave-Finale mit treibendem Beat und hellen Synthesizern“

Mehr nicht. Keine Tags von Hand ausgetauscht, keinen Regler bewegt.

Music v2 hat daraufhin nur die Tags dieser einen Sektion neu geschrieben. Aus den 68 BPM und den Lo-Fi-Attributen des Outros wurden „140 BPM“, „energetic synthwave finale“, „driving four-on-the-floor beat“, „punchy gated reverb snare“, „bright shimmering synth arpeggios“, „powerful analog synth lead melody“, „pulsing bassline“, „80s retro futuristic aesthetic“ und „wide stereo image“. Intro, Groove A und Groove B blieben unangetastet bei 68 BPM Lo-Fi:

Der Kontrast steht damit direkt untereinander im Editor, oben drei Sektionen mit 68 BPM, unten das Outro mit 140 BPM. In der Zeitleiste am unteren Rand ist nur der Outro-Block gelb markiert, also genau der Teil, der neu erzeugt wurde. Rechts im Verlauf siehst du meine Anweisung und die beiden Variationen, die Music v2 daraus gemacht hat.

Und der Sektions-Anspruch hält tatsächlich. Ich habe beide Fassungen des Tracks hinterher am Rechner gegeneinander gelegt, und die ersten 85 Sekunden sind in der alten und der neuen Datei deckungsgleich. Verändert hat sich ausschließlich das Ende. Genau das ist der Unterschied zwischen Inpainting und einem neuen Würfelwurf.

Hier sind beide Fassungen im selben Zeitfenster, den letzten 30 Sekunden des Tracks:

Und ja:

Die Tags versprechen hier mehr, als am Ende aus den Lautsprechern kommt. Ich habe beide Ausschnitte deshalb nachgemessen, und Tempo, Anschlagdichte und Klangfarbe liegen in beiden Fassungen dicht beieinander. Das neue Outro ist ein anderes Outro, aber kein hörbarer Bruch von Lo-Fi zu Synthwave.

Damit wollte ich mich nicht zufriedengeben. Also habe ich nachgelegt und am Ende drei Neufassungen derselben Sektion gemessen, die aus zwei getrennten Anweisungen stammen.

Die zweite Fassung war die andere Variation derselben Anweisung, die Music v2 ohnehin mitliefert. Sie bekam eigene Tags mit 120 BPM und verhielt sich klanglich genauso.

Für die zweite Anweisung habe ich es dann so hart formuliert, wie es nur geht.

„Hartes Techno-Finale, 150 BPM, verzerrte Kickdrum auf jeder Viertel, abrupter Stilwechsel ohne Übergang, keinerlei Lo-Fi“

Auf Tag-Ebene hat Music v2 das mustergültig umgesetzt. Die Sektion heißt jetzt „Techno Finale“, die Tags passen dazu, und das Tool hat von sich aus die alten Lo-Fi-Merkmale herausgeworfen, also vinyl crackle, boom-bap drums und piano. Auch inhaltlich weicht diese Fassung früher vom Original ab als die beiden davor.

Im Ton passiert trotzdem nicht das, was in den Tags steht. Eine verzerrte Kickdrum auf jeder Viertel müsste sich als deutlicher, durchlaufender Puls messen lassen, und genau der fehlt. Im Fenster, das nichts vom Original mehr enthält, liegt der Ausschlag bei 0,085, während der ursprüngliche Lo-Fi-Groove seine 68 BPM mit 0,244 hält. Die Klangfarbe bleibt fast unverändert (971 gegenüber 1.008 Hz), die Anschlagdichte steigt nur leicht von 110 auf 124 pro Minute.

Was ich daraus mitnehme:

Die Sektions-Neugenerierung befolgt deine Anweisung auf Tag-Ebene zuverlässig und lässt die Nachbar-Sektionen in Ruhe. Klanglich bleibt sie aber deutlich näher am Ausgangsmaterial, als die neuen Tags versprechen. Kohärenz schlägt Radikalität, und für Hintergrundmusik ist genau das oft erwünscht. Einen echten Genre-Sprung mitten im Track habe ich in drei gemessenen Neufassungen aus zwei getrennten Anweisungen nicht hinbekommen.

Bleibt die Frage, was der Spaß gekostet hat.

Auch hier habe ich den Guthaben-Stand direkt vorher und nachher abgelesen. Er fiel von 1.835.263 auf 1.833.913 Credits. Diese beobachtete Neugenerierung kostete also 1.350 Credits.

Kompletter Auto-Track (2 Varianten, 2:00 und 2:30 Minuten)

4.115 Credits

Nur das Outro neu (beobachtete Neugenerierung)

1.350 Credits

PNG|SVG

CC BY 4.0

gradually.ai

Aus diesem Einzelwert leite ich keine allgemeine Formel für Sektions-Neugenerierungen ab. Prüfe vor jeder Änderung den Preis, den dir die Oberfläche zeigt.

Eines darfst du dabei aber nicht vergessen.

Jede weitere Anweisung kostet erneut Guthaben. Meine Versuche am selben Outro haben sich entsprechend summiert, exakt nachgemessen habe ich davon allerdings nur den ersten.

4.5 Exportieren und einsetzen

Bist du zufrieden, lädst du den fertigen Track herunter und baust ihn in dein Projekt ein, also in dein Videoschnittprogramm, deine Podcast-Software oder deine App. Die aktuelle Music-Dokumentation nennt für den Download MP3 mit 44,1 kHz und 128 bis 192 kbit/s. Das beschreibt Container und Encoding des Downloads, nicht automatisch die Qualität einer unkomprimierten Quelle. Ein WAV-Container, falls er in deinem Konto angeboten wird, macht einen bereits verlustbehafteten Render nicht nachträglich verlustfrei. Vor der Veröffentlichung prüfst du, ob dein Tarif und der konkrete Einsatz von den aktuellen Music Terms abgedeckt sind und ob du alle Rechte an eigenen Lyrics, Referenzen und anderem Ausgangsmaterial besitzt.

4.6 Eigene Lyrics, Gesang und Stems im Praxistest

Im ersten Test hatte Music v2 nur Instrumentalstücke erzeugt. Deshalb habe ich den offenen Punkt mit einem kontrollierten zweiten Versuch geklärt. Unter „Songtexte“ habe ich „Benutzerdefiniert“ gewählt, einen komplett eigenen deutschen Vierzeiler eingegeben, die Zahl der Varianten auf 1 und die Länge auf 30 Sekunden gesetzt.

[Verse]
Leise fällt das Licht ins alte Haus
Jede Seite trägt die Zeit hinaus

[Chorus]
Stimmen aus Papier, wir hören zu
Zwischen Staub und Sternen wächst die Ruh

Der Musik-Prompt verlangte eine deutsche Chamber-Pop-Ballade mit warmem Bariton-Gesang, zurückhaltendem Klavier, sanften Streichern und klarer Aussprache. Music v2 erzeugte daraus den 30-sekündigen Song „Stimmen aus Papier“. Die Generierung kostete genau die vorher angezeigten 450 Credits.

Auch die Stem-Trennung ist in der Oberfläche vorhanden. Für denselben 30-Sekunden-Track zeigte ElevenLabs 225 Credits für Gesang und Instrumental sowie 450 Credits für die vollständige Aufteilung in Gesang, Bass, Schlagzeug, Gitarre, Klavier und Sonstiges an. Die vollständige Trennung habe ich angestoßen, die einzelnen Dateien konnte ich über meine Browser-Automation aber nicht herunterladen und deshalb nicht separat anhören.

5. Use Cases: Wofür sich Music v2 lohnt

Music v2 ist kein Ersatz für einen menschlichen Komponisten, der ein individuelles Stück für deinen Film schreibt. Das verspricht ElevenLabs auch gar nicht. Für die alltäglichen Musikbedürfnisse von Content-Erstellern ist es dagegen genau das richtige Werkzeug.

Damit du nicht raten musst, welche Einstellungen ein Anwendungsfall braucht und was er dich kostet, habe ich die vier häufigsten Fälle in eine Tabelle gepackt:

Die Prompt-Bausteine folgen dabei immer demselben Dreiklang aus Stimmung, Genre und Verwendungszweck, den ich dir oben schon gezeigt habe. Und du siehst in der letzten Spalte sofort, warum die Längeneinstellung die teuerste Entscheidung im ganzen Tool ist. Zwischen einem Werbespot und einem YouTube-Hintergrund liegt der Faktor zwölf.

Wenn du wissen willst, wie sich Music v2 in die größere Landschaft einsortiert, schau in meine Übersicht der besten KI-Musikgeneratoren. Und falls du ElevenLabs auch für Stimmen einsetzen willst, findest du alle Details in meinem Überblick zu den KI-Sprachgeneratoren.

6. Preise und Credits

Music v2 hat keinen eigenen Preis, sondern läuft über die normalen ElevenLabs-Tarife und das gemeinsame Credit-System. Das ist praktisch, weil du Stimme, Transkription, Dubbing und Musik aus einem Topf bezahlst.

So sieht die Tarif-Logik aus (Stand meines Live-Tests im Konto):

• Free (0 $ pro Monat): Zugang zu Music v2 zum Ausprobieren, laut aktueller Produktseite ohne kommerzielle Nutzung.
• Starter (6 $ pro Monat): 30.000 Credits und kommerzielle Nutzung im Rahmen der aktuellen Tarif- und Music-Terms-Bedingungen.
• Creator (22 $ pro Monat, mein eigener Tarif): 121.000 Credits, zusätzliche Credits sind per Pay-as-you-go buchbar. Für Neukunden gibt es im ersten Monat teils eine Rabattaktion, etwa auf 11 $, den aktuellen Stand findest du direkt auf der Preisseite.
• Pro (99 $ pro Monat): 600.000 Credits.
• Scale (299 $ pro Monat): 1,8 Millionen Credits.

Weil Music v2 nach Dauer und ausgewählter Variantenzahl abrechnet, lässt sich daraus grob hochrechnen, wie viele Tracks pro Monat in welchem Tarif stecken, wenn du das komplette Guthaben nur für Musik einsetzt. Ein 3-minütiger Auto-Track mit zwei Varianten kostet rechnerisch rund 5.400 Credits. Die Tabelle nimmt diese zwei Varianten als Rechenbeispiel, nicht als feste Vorgabe.

In der Praxis teilst du dir die Credits natürlich mit Sprache, Dubbing und Transkription, die Zahlen zeigen also eher die Obergrenze. Wer jährlich statt monatlich zahlt, spart zudem zwei Monate, du zahlst effektiv nur 10 statt 12 Monate. Der Endpreis hängt unter anderem von Standort, Steuerstatus und aktueller Abrechnung ab. Eine genauere Aufschlüsselung der Tarife findest du in meinem Artikel zu den ElevenLabs Preisen.

7. Wo Music v2 an Grenzen stößt

Bis hierhin hat in diesem Artikel fast alles funktioniert. Das liegt nicht daran, dass Music v2 keine Schwächen hätte, sondern daran, dass die interessanten Stellen erst auffallen, wenn du länger als fünf Minuten damit arbeitest.

Das ist mir im Test aufgefallen:

• Die Auto-Länge entscheidet über deine Kosten, nicht du. Steht die Länge auf „Auto“, wählt Music v2 selbst, und bei mir kamen 2:00 und 2:30 Minuten heraus. Bestellt hatte ich das nicht, bezahlt habe ich es trotzdem, nämlich mit 4.115 Credits für eine einzige Generierung.
• Titel und Genre-Tags vergibt das Tool zunächst selbst. Meine Tracks hießen „Morgenkaffee“, „Stille Gassen“ und „Entspannter Lo-Fi Glück“, ohne dass ich danach gefragt hätte, und auch die Tags lo-fi, hip-hop und instrumental hat Music v2 selbst gesetzt. Den Titel kannst du danach im Editor umbenennen, die Tags bleiben die automatische Einordnung.
• Gesang braucht eine klare Vorgabe. Mit „Automatisch“ entstanden bei mir zunächst nur Instrumentalstücke. Mit „Benutzerdefiniert“, einem eigenen deutschen Text und einem eindeutigen Vocal-Prompt erzeugte Music v2 dagegen einen vollständigen Song mit Gesang.
• Die Sektionsgrenzen kannst du nicht frei setzen. Music v2 teilt den Track in Sektionen auf, und du arbeitest mit dieser Einteilung. Laut Dokumentation kannst du Sektionen bearbeiten, hinzufügen oder entfernen. Eine eigene Marke bei Sekunde 47 zu setzen und genau ab dort neu zu generieren, war in meinem Editor aber nicht vorgesehen.
• Ein echter Genre-Sprung mitten im Track ist nicht drin. Die Sektions-Neugenerierung befolgt deine Anweisung auf Tag-Ebene zuverlässig und lässt die Nachbar-Sektionen unangetastet, bleibt klanglich aber deutlich näher am Ausgangsmaterial, als die Tags versprechen. Selbst eine Anweisung mit 150 BPM, verzerrter Kickdrum und ausdrücklich ohne Übergang lieferte kein Techno-Finale. Geprüft habe ich das an drei gemessenen Neufassungen aus zwei getrennten Anweisungen, die Zahlen dazu stehen in Abschnitt 4.4. Für Hintergrundmusik ist diese Kohärenz oft erwünscht, als Genre-Switch-Feature ist sie überverkauft.
• Stems kosten extra. Das komplette Lied lädst du kostenlos herunter. Bei meinem 30-Sekunden-Track zeigte die Oberfläche 225 Credits für Gesang und Instrumental und 450 Credits für die einzelnen Stems Gesang, Bass, Schlagzeug, Gitarre, Klavier und Sonstiges an.

Nichts davon ist ein Ausschlusskriterium. Aber es sind die Punkte, die dir in keiner Produkttour begegnen, und die du kennen solltest, bevor du dein Monatsguthaben verplanst.

8. Mein Fazit

KI-Musik ist beeindruckend, aber die meisten Tools verkaufen dir das schnelle Ergebnis und schweigen über die Frage, die im kommerziellen Einsatz am wichtigsten ist.

Darf ich das überhaupt veröffentlichen?

Genau hier setzt ElevenLabs Music v2 an. Es ist nicht das Tool mit den spektakulärsten Gesangsstücken, das können Suno und Udio aktuell besser. ElevenLabs verfolgt aber eine klar dokumentierte Lizenzstrategie und erlaubt je nach Tarif und Bedingungen eine breite kommerzielle Nutzung. Das senkt die Unsicherheit, nimmt dir die Prüfung der Music Terms und deiner eigenen Eingaberechte aber nicht ab.

Nach meinem eigenen Test bestätigt sich das. Mein Prompt lieferte in einem Zug einen brauchbaren Track, und beim Inpainting blieb das Audio vor der markierten Sektion unangetastet. Eine beobachtete Outro-Neugenerierung kostete 1.350 Credits, ein vollständiger Auto-Track in einem anderen Durchlauf 4.115 Credits. Das ist ein Vergleich meiner beiden Vorgänge, kein allgemeines Sparversprechen.

Beim Klang bin ich zurückhaltender. Aus meinem Lo-Fi-Outro wurde trotz Synthwave-Tags kein Synthwave-Finale, und auch ein ausdrücklich verlangtes Techno-Finale mit 150 BPM blieb über drei gemessene Neufassungen hinweg nah am Rest des Tracks. Das Tool hält seinen Song lieber zusammen, als ihn auf Zuruf zu zerreißen, und das ist genau die Sorte Detail, die du erst mitbekommst, wenn du es selbst machst statt die Produktseite zu lesen.

Allerdings:

Der Credit-Verbrauch hat mich überrascht. 4.115 Credits für einen einzigen Auto-Track mit zwei Varianten sind mehr, als ich vorher gedacht hätte, und wer regelmäßig lange Tracks erzeugt, sollte vorher wirklich durchrechnen, ob Creator reicht oder ob es gleich Pro oder Scale sein muss.

Und ja:

Genau deshalb lohnt es sich, im Editor gezielt einzelne Sektionen neu zu generieren statt ganze Tracks. In Kombination mit der dokumentierten Lizenzstrategie und der Tatsache, dass alles in der ElevenLabs-Plattform liegt, bleibt das für Online-Unternehmer trotzdem ein sehr überzeugendes Gesamtpaket.

Mein Rat:

Probier es aus, aber stell die Länge für deine ersten Versuche manuell auf 15 bis 30 Sekunden statt auf Auto. So bekommst du ein Gefühl für Qualität und Workflow, ohne gleich dein Guthaben zu sprengen.

Und falls du grundsätzlich unsicher bist, ob ElevenLabs insgesamt, nicht nur für Musik, das richtige Tool für dich ist, wirf vorher einen Blick in meinen Vergleich der besten ElevenLabs-Alternativen.

Wenn du direkt loslegen willst, kommst du hier zu ElevenLabs und startest mit dem kostenlosen Tarif.