Du möchtest einen Podcast, ein Hörbuch oder kurze Clips mit deiner eigenen KI-Stimme vertonen? Bei ElevenLabs kannst du dafür eine Aufnahme hochladen und daraus einen Stimmen-Klon erstellen.
Ich habe den Instant Voice Clone mit zwei kurzen Sprachproben getestet. Nach knapp 2 Minuten war der Klon fertig. Den Vergleich kannst du dir weiter unten selbst anhören. Die Ausgangsstimme dieser Demo ist Liam, nicht meine eigene Stimme.
Für meinen eigenen Professional Voice Clone habe ich außerdem mehr als 34 Minuten Material aus einer Zoom-Aufnahme vorbereitet. Upload, persönliche Verifizierung und Hörvergleich stehen noch aus.
In dieser Anleitung zeige ich dir den Ablauf und die Unterschiede zwischen beiden Verfahren. Besonders wichtig sind dabei die Qualität deiner Aufnahme und die Frage, welche Stimme du überhaupt klonen darfst.
Los geht’s!
- Voice Cloning erstellt einen digitalen Abdruck deiner Stimme aus einer Audioaufnahme. Du sprichst einmal ein, danach kann die KI in deiner Stimme beliebige Texte vorlesen.
- Es gibt zwei Varianten: Der Instant Voice Clone akzeptiert sehr kurze Aufnahmen, ElevenLabs empfiehlt aber 1 bis 2 Minuten sauberes Audio. Der Professional Voice Clone braucht mindestens 30 Minuten und für bessere Ergebnisse 1 bis 3 Stunden Material.
- Rechtlich und nach den Plattformregeln gilt: Für einen Instant-Klon einer fremden Stimme brauchst du die erforderlichen Rechte und eine dokumentierte Einwilligung. Ein Professional Voice Clone ist bei ElevenLabs ausschließlich für die eigene, verifizierte Stimme vorgesehen. Öffentlich zugängliche oder gemeinfreie Aufnahmen machen den Klon einer verstorbenen historischen Person nicht automatisch zulässig. Seit dem 2. August 2026 gelten zudem Transparenzpflichten des EU AI Act.
1. Was ist Voice Cloning?
Beim Voice Cloning erstellt eine KI aus einer Audioaufnahme deiner Stimme einen digitalen Abdruck. Diesen Abdruck kannst du anschließend mit beliebigem Text füttern. Die KI liest den Text dann in deiner Klangfarbe, deinem Tonfall und deiner Sprechweise vor.
Der Unterschied zu klassischem Text-to-Speech liegt in der Stimme. Du nutzt nicht irgendeine vorgefertigte Computerstimme, sondern deine eigene.
Voice Cloning ist außerdem nicht dasselbe wie ein KI-Voice-Changer. Ein Voice-Changer verändert eine bestehende Aufnahme. Ein Stimmen-Klon erzeugt dagegen neue Sprache aus Text.
Für deinen Klon hast du im Grunde zwei Wege zur Auswahl. Einen schnellen und einen gründlichen. Welcher passt, hängt vom geplanten Einsatz ab.
Im „Stimme erstellen“-Dialog von ElevenLabs siehst du übrigens alle vier verfügbaren Methoden auf einen Blick, mit den jeweiligen Zeitangaben:
Neben Instant und Professional Voice Clone gibt es dort noch Stimmendesign. Damit entwirfst du aus einer Textbeschreibung eine neue synthetische Stimme. Stimmen-Remixing verändert eine Ausgangsstimme aus deiner Bibliothek zu einer neuen Variante. Es ist kein Zusammenmischen mehrerer Stimmen und keine der beiden Methoden klont deine Stimme, deshalb geht es hier um die beiden mittleren Optionen.
Ich habe beide Zusatzmethoden getestet. Aus einer freien Beschreibung entstand die Stimme „Historischer Erzähler (synthetisch)“, ein älterer deutscher Bariton mit ruhigem Vortrag und ohne reales Vorbild. Danach habe ich sie per Remix etwas jünger, heller und gesprächiger machen lassen. ElevenLabs erzeugte bei beiden Tests jeweils drei Varianten.
1.1 Instant Voice Clone (IVC)
Der Instant Voice Clone ist der schnelle Weg. Die Oberfläche akzeptiert schon etwa 10 Sekunden Audio. In der offiziellen IVC-Dokumentation empfiehlt ElevenLabs für ein verlässlicheres Ergebnis aber 1 bis 2 Minuten saubere Aufnahme. Danach ist der Klon fast sofort verfügbar.
In meinem Test lieferte der IVC schon mit wenig Ausgangsmaterial einen brauchbaren Klon. Bei ElevenLabs ist er ab dem Starter-Tarif für 6 $ im Monat verfügbar.
Der IVC eignet sich gut, wenn du Voice Cloning erst einmal ausprobieren willst, kurze Clips brauchst oder den Klon nur für interne Zwecke nutzt. Für längere Projekte solltest du ihn mit einem PVC vergleichen.
1.2 Professional Voice Clone (PVC)
Der Professional Voice Clone ist der gründliche Weg. Hier lädst du deutlich mehr Audio hoch, mindestens 30 Minuten, besser 1 bis 3 Stunden. Aus diesem Material trainiert ElevenLabs ein dediziertes Modell deiner Stimme.
Laut der offiziellen PVC-Dokumentation dauert das Fine-Tuning meist 3 bis 6 Stunden. Je nach Warteschlange kann es länger dauern. Der PVC soll näher am Original liegen, weil er neben deiner Klangfarbe auch deine Betonung, deinen Rhythmus und deine kleinen Eigenheiten beim Sprechen lernt. Wie gut das mit meinem Zoom-Material gelingt, kann ich erst nach Upload, Verifikation und einem echten Hörvergleich bewerten.
Bei ElevenLabs ist der PVC ab dem Creator-Tarif für 22 $ im Monat dabei. Wenn die Stimmähnlichkeit für dein Projekt entscheidend ist, würde ich ihn mit ausreichend Trainingsmaterial testen, statt vom kürzeren IVC automatisch dasselbe Ergebnis zu erwarten.
Wie viele Slots dir für einen Professional Voice Clone zur Verfügung stehen, hängt vom Tarif ab. Im Scale-Tarif (299 $ im Monat) gibt es zum Beispiel 3 dedizierte Slots dafür.
Für meinen PVC-Test habe ich 34 Minuten und 14 Sekunden aus einer Zoom-Coaching-Aufnahme lokal zusammengeschnitten. Ich habe drei lange Passagen mit meiner Stimme verwendet und erkennbare Beiträge anderer Teilnehmender ausgelassen.
Die Datei liegt als Mono-MP3 mit 48 kHz und 192 kbit/s vor. Upload und persönliche Live-Verifikation stehen noch aus. Ein fertiger PVC liegt für den Hörvergleich also noch nicht vor.
1.3 Kannst du bei ElevenLabs kostenlos deine Stimme klonen?
Nein. Im kostenlosen Tarif kannst du weder einen Instant noch einen Professional Voice Clone erstellen.
Die Sofortige Stimmklonung beginnt im Starter-Tarif für 6 $ im Monat. Für den Professional Voice Clone brauchst du mindestens den Creator-Tarif für 22 $ im Monat. Weil ElevenLabs seine Tarife ändern kann, halte ich die vollständige Übersicht in meinem Artikel zu den ElevenLabs-Preisen aktuell.
2. Ist Stimmen-Klonen überhaupt erlaubt? (Recht in DE und der EU)
Bevor ich die einzelnen Schritte zeige, geht es um die rechtliche Seite. Viele gehen mit dem Klonen fremder Stimmen leichtfertig um. Das kann teuer werden.
Die Grundregel ist einfach.
Deine eigene Stimme darfst du grundsätzlich klonen. Entscheide trotzdem bewusst, welches Audiomaterial du an den Anbieter überträgst, weil eine Stimme ein persönliches biometrisches Merkmal sein kann. Lade keine vertraulichen Gesprächsinhalte und keine Stimmen anderer Teilnehmender mit hoch.
Sobald du aber die Stimme einer anderen Person klonst, sieht die Sache anders aus. Eine Stimme kann eine Person identifizierbar machen. Damit sind neben dem Datenschutz auch Persönlichkeitsrechte berührt.
Hol deshalb vor Aufnahme, Upload, Klonen und Veröffentlichung eine ausdrückliche, dokumentierte Einwilligung ein und kläre den konkreten Einsatz. Welche Rechtsgrundlage greift, hängt vom Einzelfall ab. Die DSGVO beantwortet das nicht pauschal.
Und das gilt nicht nur für Prominente.
Das betrifft genauso deine Kollegin, deinen besten Freund oder ein Familienmitglied. Hol dir die Einwilligung am besten schriftlich und dokumentiere sie. Falls es später Streit gibt, willst du belegen können, dass die Person zugestimmt hat.
Für den Professional Voice Clone brauchst du bei ElevenLabs mehr als diese Zustimmung. Einen PVC darf nur die Person selbst mit ihrer eigenen Stimme erstellen und verifizieren. Sie kann den fertigen Klon anschließend über die vorgesehenen Freigabefunktionen teilen.
2.1 Die Transparenzpflicht seit dem 2. August 2026
Seit dem 2. August 2026 gilt die Transparenzregel aus Artikel 50 des EU AI Act. Sie verpflichtet Betreiber zur Offenlegung, wenn KI-generiertes oder manipuliertes Audio als Deepfake gilt. Gemeint sind Inhalte, die einer bestehenden Person oder einem realen Ereignis merklich ähneln und für Personen fälschlich authentisch wirken könnten.
Eine synthetische Stimme ist deshalb nicht automatisch ein Deepfake. Bei einem Klon deiner echten Stimme kann die Regel aber relevant werden, besonders wenn die Aufnahme wie ein authentisches Original wirken soll. Für erkennbar künstlerische, kreative oder fiktionale Werke sieht Artikel 50 eine angemessene Offenlegung vor, die das Werk nicht unnötig beeinträchtigt.
Unabhängig vom Gesetz würde ich meinen Hörern sagen, wenn eine Aufnahme mit einer geklonten Stimme entstanden ist. So wissen sie, was sie hören. Weitere Hintergründe findest du in meinem Überblick zum EU AI Act.
2.2 Was bei historischen Stimmen gilt
Eine verstorbene Person ist kein rechtlicher Freifahrtschein. Auch eine Aufnahme aus einem frei zugänglichen oder gemeinfreien Archiv gibt dir nicht automatisch das Recht, die unverwechselbare Stimme der Person als neues Modell nachzubauen. Dazu kommen die Plattformregeln von ElevenLabs. Der Professional Voice Clone ist für die eigene, live verifizierte Stimme gedacht, und bekannte Stimmen können zusätzlich blockiert werden.
Das Iconic Marketplace ist davon getrennt. Dort kannst du für ausgewählte ikonische Stimmen eine eigene Lizenzanfrage anstoßen. Das ist kein kostenloser Creator-Zugang zum Klonen einer bekannten Person.
Wenn du nur eine historische Atmosphäre brauchst, ist Stimmendesign der sauberere Weg. Beschreibe Alter, Tonlage, Aussprache, Tempo und Stimmung, aber nenne kein reales Vorbild. Genau so ist mein synthetischer historischer Erzähler entstanden.
Hörprobe einer synthetisch entworfenen historischen Erzählerstimme
Deutsches Transkript.
„Dies ist eine synthetisch entworfene historische Erzählerstimme. Sie imitiert keine reale Person. Stell dir einen alten Vortragssaal vor, in dem jedes Wort mit Ruhe, Gewicht und einem Hauch vergangener Zeit gesprochen wird.“
3. Schritt-für-Schritt: Deine Stimme mit ElevenLabs klonen
Jetzt wird es praktisch. Für das Klonen nutze ich ElevenLabs, weil die Plattform beide Klon-Varianten anbietet und sich in meinen Tests gut bedienen ließ. Meine ausführlichere Einordnung findest du in meinem ElevenLabs-Test. Weitere Anbieter vergleiche ich bei den besten KI-Sprachgeneratoren.
In der Stimmen-Verwaltung legst du deinen Klon an und findest ihn später wieder:
Von hier aus gehst du in fünf Schritten vom leeren Mikrofon bis zur einsatzbereiten Stimme.
3.1 Schritt 1: Die Aufnahme vorbereiten
Hier legst du die Grundlage. Die Qualität deiner Aufnahme bestimmt später die Qualität deines Klons. Ein teures Tool rettet keine schlechte Aufnahme.
Achte deshalb auf drei Dinge.
Zuerst der Raum. Such dir einen ruhigen, möglichst schallgedämpften Ort ohne Hall. Ein Raum mit Teppich, Vorhängen und Möbeln klingt besser als ein leeres, gekacheltes Badezimmer. Notfalls tut es auch ein Kleiderschrank voller Klamotten. Die Stoffe schlucken den Schall.
Dann das Mikrofon. Ein anständiges USB-Mikrofon reicht völlig. Es muss kein Profi-Equipment sein. Halte einen gleichmäßigen Abstand zum Mikro und vermeide Pop-Geräusche bei harten Konsonanten wie P und B.
Und schließlich das Material. Sprich natürlich und in deinem normalen Tempo. Lies am besten einen abwechslungsreichen Text mit Aussagen, Fragen sowie kurzen und langen Sätzen. So hört die KI mehr als nur deinen Vorlese-Modus.
3.2 Schritt 2: Audio bei ElevenLabs hochladen
Wenn deine Aufnahme steht, meldest du dich bei ElevenLabs an und gehst im Menü zum Bereich „Stimmen“. Dort klickst du auf „Stimme erstellen“. Anschließend siehst du Stimmendesign, Sofortige Stimmklonung, Professionellen Stimmklon und Stimmen-Remixing:
Oben rechts zeigt ElevenLabs den allgemeinen Zähler für gespeicherte Stimmen. Dieser Zähler ist nicht mit den separaten Slots für einen Professional Voice Clone zu verwechseln. Die Zahl der PVC-Slots hängt von deinem Tarif ab.
Anschließend lädst du deine Audiodateien hoch. ElevenLabs akzeptiert gängige Formate wie MP3 und WAV. Achte darauf, dass du nur Aufnahmen hochlädst, in denen wirklich nur deine Stimme zu hören ist. Hintergrundmusik, andere Sprecher oder Störgeräusche verwirren das Modell und verschlechtern das Ergebnis.
Gib deiner Stimme einen aussagekräftigen Namen. Gerade wenn du mehrere Klone anlegst, findest du die richtige Stimme später schneller wieder.
3.3 Schritt 3: IVC oder PVC wählen
Jetzt entscheidest du dich für eine der beiden Varianten aus Kapitel 1. Diese Entscheidung triffst du am besten schon vor der Aufnahme, weil sie bestimmt, wie viel Material du brauchst.
- Wähle den Instant Voice Clone, wenn du nur wenig Audio hast, schnell starten willst oder Voice Cloning erst einmal testest. Der Klon ist sofort einsatzbereit.
- Wähle den Professional Voice Clone, wenn du ausreichend Audio hast und ein detaillierteres Stimmenmodell testen willst. Hier folgt nach dem Upload eine Trainingsphase, in der ElevenLabs dein persönliches Stimmenmodell erstellt.
Entscheidest du dich für die Sofortige Stimmklonung, landest du direkt bei diesem Upload-Bereich aus meinem eigenen Konto:
Hier verlangt die Oberfläche nur rund 10 Sekunden sauberes Audio. Das ist die technische Untergrenze, nicht die Qualitätsempfehlung. In der aktuellen Dokumentation zum Instant Voice Clone rät ElevenLabs zu 1 bis 2 Minuten guten Materials. Du kannst deine Aufnahme hochladen oder direkt im Browser einsprechen.
Für den Praxistest habe ich diesen Ablauf noch einmal durchgespielt. Ich habe zwei kurze Sprachproben hochgeladen, zusammen rund 22 Sekunden Audio, und die Option „Hintergrundgeräusche entfernen“ auf ihrer Standardeinstellung belassen. Nach knapp 2 Minuten Verarbeitung stand der Klon.
Vor dem Speichern des Instant-Klons verlangt ElevenLabs per Checkbox die ausdrückliche Bestätigung, dass ich alle notwendigen Rechte oder Zustimmungen für den Upload und das Klonen dieser Sprachproben habe. Dazu gibt es direkte Verweise auf die Nutzungsbedingungen, die Richtlinie für verbotene Inhalte und den Datenschutz. Ohne das Häkchen geht es nicht weiter. Für einen Professional Voice Clone gilt zusätzlich die strengere Regel aus Kapitel 2. Er darf nur von der eigenen Stimme erstellt und persönlich verifiziert werden.
Für den Vergleich habe ich denselben deutschen Text einmal mit der Original-Stimme und einmal mit dem frisch erstellten Klon generieren lassen:
Original: Liam, gesprochen mit Eleven v3
Klon: derselbe Text, generiert mit dem frisch erstellten Instant Voice Clone
In meinem Test traf der Klon Tonlage und Sprechrhythmus trotz weniger als 30 Sekunden Ausgangsmaterial recht gut. Für einen Instant Voice Clone war das ein brauchbares Ergebnis. Bei Einsätzen, in denen jede Nuance zählt, etwa bei einem kompletten Hörbuch, würde ich den Professional Voice Clone mit deutlich mehr Trainingsmaterial testen.
Beim PVC brauchst du danach Geduld. In meinem aktuellen Test ist die Trainingsdatei fertig vorbereitet, aber noch nicht an ElevenLabs übertragen. Der letzte Schritt lässt sich nicht sinnvoll automatisieren, weil ich die Verifikation persönlich und live einsprechen muss.
3.4 Schritt 4: Voice Verification
Beim Professional Voice Clone verlangt ElevenLabs eine sogenannte Voice Verification. Das ist eine sinnvolle Schutzmaßnahme.
Bei der Verifizierung musst du nachweisen, dass dir die zu klonende Stimme gehört. Dafür liest du in der Regel einen vorgegebenen Satz live ein. ElevenLabs gleicht diese Aufnahme mit deinem hochgeladenen Material ab.
Damit wird es schwieriger, die Stimme einer fremden Person hochzuladen und zu klonen. Der Ablauf knüpft direkt an die rechtliche Frage aus Kapitel 2 an. Nutze möglichst dasselbe Mikrofon und denselben Sprechstil wie in deinem Trainingsmaterial, damit der Abgleich deine Stimme zuverlässig erkennt.
3.5 Schritt 5: Testen und optimieren
Sobald dein Instant-Klon gespeichert oder dein Professional Voice Clone verifiziert und verarbeitet ist, kannst du ihn mit einem Text testen. So hörst du erstmals, wie sich dein digitaler Zwilling anhört.
Gib einen Testtext ein und lass ihn vorlesen. Beim ersten Hören stutzt du vielleicht kurz, wenn die Ausgabe tatsächlich nach dir klingt. Danach geht es ans Feintuning, denn das erste Ergebnis passt selten sofort.
Zwei Einstellungen sind dabei besonders nützlich.
Bei den Voice Settings passt du unter anderem Stabilität und Ähnlichkeit an. Eine höhere Stabilität klingt gleichmäßiger, aber manchmal etwas monoton. Eine niedrigere Stabilität klingt lebendiger, kann aber auch mal ausreißen. Spiel mit den Reglern, bis es für deinen Zweck passt.
Zusätzlich helfen Audio-Tags. Das aktuelle Modell Eleven v3 unterstützt Tags, mit denen du Emotion und Betonung direkt im Text steuerst. Du schreibst sie einfach in eckigen Klammern an die passende Stelle:
[whispers] Das hier flüstere ich dir nur leise zu.
[laughs] Und darüber muss ich kurz lachen.
[excited] Das ist wirklich aufregend!Geschafft! Sobald dein Testtext sauber klingt, kannst du den Stimmen-Klon für deine ersten Projekte einsetzen.
4. Was tun, wenn der Stimmen-Klon schlecht klingt?
Wenn die Ausgabe danebenliegt, steckt der Grund meist in der Ausgangsaufnahme und nicht in einem versteckten Regler.
4.1 Stimme oder Akzent klingt falsch
Den Akzent und den Grundton eines fertigen Klons kannst du nicht nachträglich austauschen. Nimm neue Sprachproben mit gleichbleibendem Tempo, Ausdruck und Mikrofonabstand auf. Wenn der IVC deine Stimme trotzdem nicht sauber trifft, empfiehlt ElevenLabs den Wechsel zum Professional Voice Clone.
4.2 Die Ausgabe rauscht oder klingt unruhig
Entferne Aufnahmen mit Hall, Musik, Mausklicks, langen Pausen oder mehreren Sprechern. ElevenLabs versucht auch solche Geräusche und Eigenheiten nachzuahmen. Wenige saubere Passagen sind deshalb besser als viele mittelmäßige.
4.3 Die Voice Verification schlägt fehl
Sprich bei der Verifizierung möglichst mit demselben Mikrofon, derselben Lautstärke und demselben Stil wie in deinem Trainingsmaterial. Wenn der Abgleich scheitert, kannst du laut PVC-Dokumentation nach 24 Stunden erneut testen oder den Support kontaktieren.
4.4 Der Professional Voice Clone ist noch nicht verfügbar
Das Fine-Tuning dauert üblicherweise 3 bis 6 Stunden. Bei einer langen Warteschlange können daraus bis zu 24 Stunden werden. Den aktuellen Status findest du in deiner Stimmen-Verwaltung. Starte das Training nicht mehrfach, nur weil der Klon noch nicht sofort auftaucht.
Falls ElevenLabs deine Stimme trotz besserer Aufnahmen nicht passend abbildet, vergleiche in meinem Artikel weitere ElevenLabs-Alternativen.
5. Wofür lohnt sich eine geklonte Stimme?
Drei Anwendungen zeigen besonders gut, wo eine geklonte Stimme Zeit sparen kann.
Bei Podcasts kannst du Skripte oder Korrekturen einsprechen lassen, ohne jedes Mal das Mikrofon aufzubauen und den Raum vorzubereiten. Gerade kleine Nachbesserungen, für die du sonst eine ganze Aufnahmesession ansetzen würdest, sind so in wenigen Minuten erledigt.
Auch bei Hörbüchern kann das helfen. Ein komplettes Buch selbst einzusprechen, kostet dich Tage im Studio. Mit deiner geklonten Stimme liest die KI das Manuskript vor, während du dich auf Lektorat und Feinabstimmung konzentrierst.
Am interessantesten finde ich mehrsprachigen Content. Du nimmst deine Stimme einmal auf Deutsch auf und kannst sie danach Englisch, Spanisch oder eine andere Sprache sprechen lassen, ohne dass du diese Sprache selbst beherrschst. Wenn du international Reichweite aufbauen willst, kann dir das viel Arbeit abnehmen. Eleven v3 deckt dafür über 70 Sprachen ab.
Wenn du wissen willst, was ElevenLabs konkret kostet und welcher Tarif zu deinem Vorhaben passt, schau in meinen Artikel zu den ElevenLabs-Preisen.
6. Fazit: So gelingt dein erster Stimmen-Klon
Voice Cloning ist 2026 keine Raketenwissenschaft mehr. Mit wenigen Minuten sauberem Audio kannst du den Instant Voice Clone ausprobieren. Für den Professional Voice Clone brauchst du dagegen mindestens 30 Minuten Material und eine persönliche Live-Verifikation. Wie nah ein Klon ans Original kommt, hängt stark von der Aufnahme, dem Verfahren und deinem Test ab.
Die meiste Sorgfalt verdient die Aufnahme. Nimm dir dafür Zeit und achte auf einen ruhigen Raum, ein gutes Mikrofon und genug abwechslungsreiches Material. Für ein schnelles Ausprobieren reicht der Instant Voice Clone. Wenn du ein längeres Projekt planst, solltest du zusätzlich den Professional Voice Clone testen.
Bei jeder fremden Stimme brauchst du für einen Instant Voice Clone die erforderlichen Rechte und eine dokumentierte Einwilligung. Einen Professional Voice Clone erstellst du bei ElevenLabs nur von deiner eigenen, persönlich verifizierten Stimme. Behalte außerdem die seit dem 2. August 2026 geltenden Transparenzpflichten des EU AI Act im Blick.
Wenn du denselben Ablauf testen willst, ist ElevenLabs die Plattform, mit der ich diese Anleitung umgesetzt habe. Der Creator-Tarif schaltet den Professional Voice Clone frei. Ob mein vorbereitetes Zoom-Material einen brauchbaren PVC ergibt, kann ich erst nach Upload, persönlicher Verifikation und echtem Hörvergleich beurteilen.
Häufig gestellte Fragen zum Klonen einer Stimme mit KI
Wie viel Audio du brauchst, hängt vom Klontyp ab:
- Für einen Instant Voice Clone akzeptiert die Oberfläche rund 10 Sekunden Audio. ElevenLabs empfiehlt für ein verlässlicheres Ergebnis 1 bis 2 Minuten saubere Aufnahme. Der Klon ist danach fast sofort verfügbar.
- Für einen Professional Voice Clone solltest du mindestens 30 Minuten hochwertiges Audio liefern. Besser sind 1 bis 3 Stunden, weil das Modell dann auch deine Betonung und deine Sprechpausen lernt.
Die Länge ist aber nicht alles. Entscheidend sind ein ruhiger Raum ohne Hall, ein anständiges Mikrofon und eine Aufnahme ohne Nebengeräusche. Eine verrauschte Stunde bringt weniger als fünf saubere Minuten.
Deine eigene Stimme darfst du grundsätzlich klonen. Prüfe trotzdem, welche Aufnahme du an den Anbieter überträgst, und entferne vertrauliche Inhalte sowie Stimmen anderer Personen.
Für jede fremde Stimme brauchst du eine ausdrückliche und am besten schriftliche Einwilligung. Das gilt auch für Kolleginnen, Freunde oder Familienmitglieder. Öffentlich zugängliche Aufnahmen von Prominenten oder Verstorbenen sind keine automatische Erlaubnis zum Klonen.
Ich bin allerdings kein Jurist, sieh das hier also als Orientierung und nicht als Rechtsberatung.
Beide erzeugen einen digitalen Abdruck deiner Stimme, aber mit unterschiedlichem Aufwand und Ergebnis:
- Der Instant Voice Clone (IVC) ist fast sofort verfügbar. Die Oberfläche akzeptiert sehr kurze Aufnahmen, für bessere Ergebnisse empfiehlt ElevenLabs aber 1 bis 2 Minuten sauberes Audio. Er ist ab dem Starter-Tarif (6 $) verfügbar.
- Der Professional Voice Clone (PVC) nutzt mindestens 30 Minuten, besser 1 bis 3 Stunden Audio für ein detaillierteres Stimmenmodell. Er ist ab dem Creator-Tarif (22 $) verfügbar. Das Fine-Tuning dauert meist 3 bis 6 Stunden und kann länger dauern.
Für ein schnelles Ausprobieren reicht der IVC. Für Hörbücher, Podcasts oder alles, was professionell klingen soll, lohnt sich der PVC.
