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: Für den Instant Voice Clone gibt ElevenLabs keine feste Mindestlänge an und empfiehlt etwa 1 bis 2 Minuten klares Audio. Für den Professional Voice Clone empfiehlt der Anbieter 30 bis 180 Minuten Material.
- Bei einem Instant-Klon einer fremden Stimme verlangt ElevenLabs die Bestätigung, dass du die erforderlichen Rechte und Einwilligungen hast. Ein Professional Voice Clone ist 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 Transparenzpflichten für bestimmte Deepfake-Inhalte.
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. 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. ElevenLabs nennt keine feste Mindestlänge. In der offiziellen IVC-Dokumentation empfiehlt der Anbieter etwa 1 bis 2 Minuten klare, gleichmäßige Aufnahme. Die Audioqualität zählt mehr als eine bestimmte Dauer. Danach ist der Klon schnell 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 aufwendigere Weg. ElevenLabs empfiehlt 30 bis 180 Minuten gutes Audio. Aus diesem Material trainiert der Anbieter 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.
Aufnahmen mit deiner Stimme können personenbezogene Daten enthalten. Als biometrische Daten gelten sie nach der DSGVO, wenn eine spezifische technische Verarbeitung die eindeutige Identifizierung ermöglicht oder bestätigt. Entscheide bewusst, welches Material du an den Anbieter überträgst, und lade keine vertraulichen Gespräche oder Stimmen anderer Teilnehmender ohne die nötigen Rechte und Einwilligungen 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.
Prüfe vor Aufnahme, Upload, Klonen und Veröffentlichung, welche Rechte und Einwilligungen für den konkreten Einsatz nötig sind. ElevenLabs verlangt für den Instant Voice Clone, dass du Rechte und Einwilligung bestätigst. Welche Rechtsgrundlage nach der DSGVO greift, hängt vom Einzelfall ab.
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 Absatz 4 des EU AI Act. Betreiber müssen offenlegen, wenn sie ein KI-System zur Erzeugung oder Bearbeitung von Bild-, Audio- oder Videoinhalten nutzen, die als Deepfake gelten. Das sind Inhalte, die bestehenden Personen, Gegenständen, Orten, Entitäten oder Ereignissen ähneln und einer Person fälschlich authentisch oder wahrheitsgetreu erscheinen würden.
Bei einem Klon deiner Stimme kann die Regel relevant werden, wenn die übrigen Voraussetzungen erfüllt sind. Bei erkennbar künstlerischen, kreativen, satirischen, fiktionalen oder ähnlichen Werken beschränkt sich die Pflicht auf einen angemessenen Hinweis, der die Darstellung oder den Genuss des Werks 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.
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:
Der Screenshot zeigt eine frühere Oberfläche, die 10 Sekunden als Mindestlänge anzeigte. In der aktuellen Dokumentation zum Instant Voice Clone nennt ElevenLabs keine feste Mindestlänge und empfiehlt etwa 1 bis 2 Minuten klare, gleichmäßige Sprache. 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 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.
Mehrsprachiger Content kann ebenfalls interessant sein. ElevenLabs nennt mehr als 70 Sprachen für v3 und mehr als 90 für v4 und v4 Turbo. Welche Sprache ein bestimmter Klon tatsächlich unterstützt, hängt vom Modell ab. Wenn Aufnahme- und Ausgabesprache voneinander abweichen, können Akzent und Aussprache anders klingen. Hör dir das Ergebnis vor der Veröffentlichung an.
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. Für einen Instant Voice Clone empfiehlt ElevenLabs etwa 1 bis 2 Minuten klares Audio. Für einen Professional Voice Clone empfiehlt der Anbieter 30 bis 180 Minuten Material und eine persönliche 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:
- Beim Instant Voice Clone muss jede hochgeladene Datei mindestens 5 Sekunden lang sein. Alle Proben zusammen brauchen mindestens 10 Sekunden. Empfohlen sind laut ElevenLabs aber 1 bis 2 Minuten klares, gleichmäßig aufgenommenes Audio.
- Für einen Professional Voice Clone empfiehlt ElevenLabs 30 bis 180 Minuten gutes Audio. Die ausführliche PVC-Anleitung rät für das beste Ergebnis zu mindestens einer Stunde, möglichst nah an drei Stunden.
Wichtiger als ein verlustfreies Dateiformat sind laut den Datei- und Sample-Vorgaben von ElevenLabs eine saubere Aufnahme mit nur einer Stimme, ohne Nebengeräusche oder Raumhall, und eine gleichmäßige Sprechweise.
Du kannst bei ElevenLabs deine eigene Stimme klonen. Achte aber darauf, dass du die Audiodatei an den Anbieter übermitteln darfst, und lade keine vertraulichen Gespräche oder Stimmen anderer Personen ohne die erforderlichen Rechte und Einwilligungen hoch.
ElevenLabs verlangt für einen Instant Voice Clone die Bestätigung, dass du die nötigen Rechte und Einwilligungen hast. Einen Professional Voice Clone kannst du nur für deine eigene, persönlich verifizierte Stimme erstellen. Eine öffentlich zugängliche Aufnahme ist nicht automatisch zur Weiterverwendung freigegeben. Die rechtliche Bewertung hängt von Aufnahme, Nutzung und Rechtsraum ab.
Beide klonen eine Stimme, unterscheiden sich aber bei Aufnahmeumfang, Verifikation und Bearbeitungszeit:
- Der Instant Voice Clone (IVC) ist der schnellere Einstieg. Jede Datei muss mindestens 5 Sekunden lang sein und alle Aufnahmen zusammen mindestens 10 Sekunden umfassen. Für gute Ergebnisse empfiehlt ElevenLabs 1 bis 2 Minuten sauberes Audio. IVC ist im Starter-Tarif enthalten.
- Der Professional Voice Clone (PVC) braucht mehr Material und eine persönliche Verifikation deiner eigenen Stimme. ElevenLabs empfiehlt 30 bis 180 Minuten gutes Audio; die ausführliche Anleitung rät für das beste Ergebnis zu mindestens einer Stunde, möglichst nah an drei Stunden. PVC ist im Creator-Tarif enthalten. Das Fine-Tuning dauert meist 3 bis 6 Stunden und kann je nach Warteschlange länger dauern.
Bei beiden Varianten hilft laut den Datei- und Sample-Vorgaben des Herstellers eine gleichmäßige Aufnahme mit nur einer Stimme, ohne Nebengeräusche oder Raumhall.
