Anleitungen
KI-Stimmen nutzen
Kurzantwort
Eine KI-Stimme liest jeden Text vor, auf Deutsch auch kostenlos, etwa mit dem Gratiskontingent von ElevenLabs oder lokal mit Piper. Die eigene Stimme klonst du aus ein bis zwei Minuten Aufnahme, für eine sehr genaue Kopie empfiehlt ElevenLabs mindestens eine halbe Stunde Material. Fremde Stimmen nutzt du nur mit Einwilligung der Person, und täuschend echte Aufnahmen realer Menschen musst du als künstlich kennzeichnen.

Sprachausgabe gibt es seit Jahrzehnten, und neuere Modelle klingen deutlich natürlicher. Du kannst Texte, Anleitungen oder Kapitel eines Manuskripts vorlesen lassen, und jeder, der ein paar Minuten deiner Stimme hat, kann sie im Prinzip nachbauen.
Texte auf Deutsch vorlesen lassen
Der einfachste Einstieg ist ein Dienst mit fertigen Stimmen. Bei ElevenLabs enthält der Gratistarif die Funktion Text to Speech und 10.000 Credits im Monat1. Je nach Modell kostet ein Zeichen Text einen Credit1, das Gratiskontingent reicht also für rund 10.000 Zeichen im Monat, bei 2.000 bis 2.500 Zeichen je Seite etwa vier bis fünf Seiten Fließtext. Kommerziell nutzen darfst du die Aufnahmen erst ab dem Tarif Starter, für 6 US-Dollar im Monat; wer jährlich zahlt, kommt auf 5 US-Dollar1.
So kommst du zur ersten Aufnahme:
- Leg ein Konto an und öffne den Bereich für Sprachausgabe.
- Füge deinen Text ein. Kürze lange Schachtelsätze vorher, sie klingen vorgelesen anstrengender als gelesen.
- Wähle eine Stimme, die Deutsch spricht, und hör dir eine kurze Probe an.
- Prüf Zahlen, Abkürzungen und Eigennamen. "Nr. 5" oder "z. B." liest eine Stimme mitunter anders, als du erwartest; schreib solche Stellen im Zweifel aus.
- Lade die Datei herunter und hör sie einmal vollständig durch, bevor du sie verwendest.
Bei der Wahl der Stimme hilft die Frage, wer den Text im echten Leben vortragen würde. Eine Bedienungsanleitung verträgt eine sachliche, ruhige Stimme, eine Gutenachtgeschichte eine wärmere mit mehr Pausen. Teste zwei oder drei Stimmen mit demselben Absatz aus deinem eigenen Text statt mit dem Beispielsatz des Anbieters, denn erst bei deinen Fachwörtern und Satzlängen zeigt sich, wie natürlich eine Stimme wirklich klingt. Meide Stimmen, die bewusst nach einer bekannten Person klingen; das wirkt schnell wie eine Nachahmung, die niemand freigegeben hat.
Für längere Texte wie ein Hörbuch oder eine Schulungsreihe ist ein Projekteditor praktischer als ein einzelnes Textfeld. ElevenLabs bietet dafür Studio an, in dem du lange Erzähltexte, Podcasts und Hörbücher in Kapitel gliederst und Stimmen zuweist13. Zwei Funktionen dort lösen typische Probleme der Sprachausgabe. Im Ausspracheeditor legst du fest, wie Namen, Marken oder Abkürzungen gesprochen werden sollen, als Ersatzwort oder in Lautschrift13. Und mit dem Actor Mode nimmst du einen Satz selbst auf, und die KI-Stimme übernimmt Betonung und Tempo deiner Aufnahme; ElevenLabs zufolge kommt dabei auch dein Akzent mit13.
Wer einen eigenen Text vorgelesen hört, bemerkt holprige Sätze und fehlende Wörter schneller als beim stillen Lesen. Menschen mit Sehschwäche oder Leseschwierigkeiten bekommen lange Dokumente als Audiodatei. Und für ein Erklärvideo ist eine saubere Sprachspur oft schneller erzeugt als eingesprochen.
Wer seine Texte nicht in eine Cloud geben will, nimmt Piper. Das ist eine schnelle, lokale Sprachausgabe mit offenem Quelltext6, und unter den verfügbaren Stimmen ist Deutsch6. Deine Texte verlassen dabei den Rechner nicht. Die Einrichtung verlangt etwas Erfahrung mit der Kommandozeile oder ein Programm, das Piper einbindet.
Die eigene Stimme klonen
Ein Stimmenklon ist eine Stimme, die nach deinen Aufnahmen klingt und beliebige Texte spricht. ElevenLabs unterscheidet zwei Wege5. Beim schnellen Klon genügen wenige Minuten Audio; die Anleitung empfiehlt ein bis zwei Minuten saubere Aufnahme ohne Hall und Nebengeräusche und rät von mehr als drei Minuten ab2. Beim professionellen Klon trainiert der Anbieter ein eigenes Modell auf deiner Stimme. Dafür empfiehlt er mindestens 30 Minuten Audio, besser zwei bis drei Stunden, und das Training dauert in der Regel drei bis sechs Stunden512.
Der schnelle Klon gehört zum Tarif Starter, der professionelle zum Tarif Creator1. Beim schnellen Klon bestätigst du vor dem Speichern, dass du das Recht und die Einwilligung hast, die Stimme zu klonen2. Beim professionellen Klon prüft ElevenLabs das selbst: Du sprichst vorgegebene Sätze ins Mikrofon, und erst wenn die Stimme zu den Aufnahmen passt, beginnt das Training12. Schlägt die Prüfung fehl, kannst du es nach 24 Stunden erneut versuchen14.
Für gute Aufnahmen reicht ein ordentliches Mikrofon in einem ruhigen, möglichst gedämpften Raum. Sprich so, wie die Stimme später klingen soll: Wer im Klon ruhig erzählen will, liest auch die Vorlagen ruhig. Ein Klon aus einer hektischen Sprachnachricht übernimmt die Hektik.

Fremde Stimmen: nur mit Einwilligung
Den professionellen Klon einer anderen Person erstellst du bei ElevenLabs gar nicht, auch nicht mit deren Einverständnis; möglich ist nur die eigene Stimme3. Will eine Kollegin ihre Stimme mit dir teilen, legt sie den Klon im eigenen Konto an und gibt ihn dir über einen Link frei3. Dieser Umweg sorgt dafür, dass die Person selbst entscheidet, wer ihre Stimme verwenden darf.
- Eigene Stimme klonen erlaubt
- Fremde Stimme nur mit schriftlicher Einwilligung
- Täuschend echt kennzeichnen
Für alle anderen Werkzeuge gilt dieselbe Regel als Mindeststandard. Lass dir die Einwilligung schriftlich geben und halte fest, wofür die Stimme verwendet werden darf: nur intern, für ein bestimmtes Projekt, auch für Werbung. Eine Stimme, die für ein Schulungsvideo freigegeben wurde, ist nicht automatisch für einen Werbespot freigegeben.
Heimliche Aufnahmen scheiden als Material aus. Wer das nichtöffentlich gesprochene Wort eines anderen unbefugt aufnimmt oder eine solche Aufnahme gebraucht oder Dritten zugänglich macht, macht sich nach § 201 Absatz 1 StGB strafbar7. Ein Mitschnitt aus einem privaten Telefonat ist also schon als Ausgangsmaterial für einen Klon heikel, unabhängig davon, was später daraus wird.

Wann du eine KI-Stimme kennzeichnen musst
Zu den Deepfakes zählt die KI-Verordnung ausdrücklich auch Tonaufnahmen, die einen realen Menschen so nachahmen, dass man sie für echt halten würde8. Für einen solchen Inhalt verlangt sie den Hinweis, dass er künstlich erzeugt oder manipuliert wurde8. Lässt du die geklonte Stimme eines Politikers etwas sagen, das er nie gesagt hat, ist das ein Deepfake, und ob zusätzlich straf- oder zivilrechtliche Folgen drohen, hängt vom Inhalt ab; einen Überblick gibt Sind Deepfakes strafbar?.
YouTube nennt das Klonen der eigenen Stimme für Sprechertexte oder synchronisierte Tonspuren ausdrücklich als Beispiel, das keine Angabe verlangt10. Angeben musst du dagegen Inhalte, die den Anschein erwecken, eine echte Person sage etwas, das sie nicht gesagt hat10. Für Podcasts mit synthetischen Stimmen gelten eigene Regeln, die Podcast mit KI beschreibt.
Rechte am eigenen Wort und an der eigenen Stimme
Bei der Stimme greifen mehrere Regeln ineinander. Zum Strafrecht aus dem vorigen Abschnitt kommt der Datenschutz hinzu, wenn die Stimme dazu dient, einen Menschen zu identifizieren. Die Datenschutz-Grundverordnung zählt zu den biometrischen Daten solche, die mit speziellen technischen Verfahren aus physischen oder verhaltenstypischen Merkmalen gewonnen werden und eine Person eindeutig identifizieren9. Die Verarbeitung biometrischer Daten zur eindeutigen Identifizierung ist grundsätzlich untersagt, mit Ausnahmen wie einer ausdrücklichen Einwilligung9. Ob ein Stimmenklon darunter fällt, hängt davon ab, wofür er genutzt wird; für Einzelfälle, etwa im Betrieb, holst du fachlichen Rat ein.
Bei Anbietern solltest du außerdem darauf achten, was mit deinen Aufnahmen geschieht. ElevenLabs schreibt, dass sich jede mit seinen Modellen erzeugte Aufnahme dem Konto zuordnen lässt, das sie erzeugt hat4. Das schützt vor Missbrauch, bedeutet aber auch, dass der Anbieter deine Erzeugnisse kennt. Preise, Datenverarbeitung und Alternativen stehen im Steckbrief ElevenLabs.
Missbrauch erkennen
Eine KI-Stimme am Telefon kann überzeugend klingen. Sicher erkennen lässt sie sich am Klang allein kaum. Verlass dich deshalb auf das, was der Anruf von dir will: Drängt jemand mit vertrauter Stimme zu einer schnellen Überweisung, zur Herausgabe eines Codes oder zu Stillschweigen, leg auf und ruf die Person unter der Nummer zurück, die du kennst. Wie Betrüger dabei vorgehen und wie ein Familiencodewort hilft, steht in Enkeltrick mit KI-Stimme.
Bei Aufnahmen, die im Netz kursieren, helfen Prüfwerkzeuge der Anbieter ein Stück weit. Gemini prüft hochgeladene Audiodateien bis zu einer Stunde Länge auf das unsichtbare Wasserzeichen von Googles Modellen11. Das erkennt allerdings nur Inhalte, die mit Googles KI entstanden sind; ein fehlender Treffer heißt nicht, dass die Aufnahme echt ist11. Achte zusätzlich auf Inhalt und Quelle: Wer hat die Datei zuerst veröffentlicht, gibt es eine längere Fassung, passt die Aussage zu dem, was die Person sonst sagt? Weitere Prüfwege beschreibt Deepfakes erkennen.
Taucht deine eigene Stimme in einer Aufnahme auf, die du nie gesprochen hast, sichere zuerst die Belege: Link, Datum, Uhrzeit und eine Kopie der Datei. Melde den Inhalt danach bei der Plattform, auf der er läuft. ElevenLabs schreibt, dass es Rechteinhaber bei der Durchsetzung unterstützt und gemeldete Verstöße prüft4; bei anderen Anbietern gibt es ähnliche Meldewege. Wurde mit der Aufnahme Geld gefordert oder jemand getäuscht, gehört der Fall zur Polizei.
Was das für dich heißt
Nutze KI-Stimmen offen für deine eigenen Texte und schütze deine Stimme vor Missbrauch.
- Probier Sprachausgabe zuerst mit dem Gratiskontingent oder lokal mit Piper.
- Hol dir für jede fremde Stimme eine schriftliche Einwilligung mit Zweck.
- Vereinbare in der Familie ein Codewort für Notfallanrufe.
- Gib bei realistisch wirkenden Aufnahmen auf YouTube "Verwendung von KI" an.
Häufige Fragen
Kann ich meine Stimme kostenlos klonen?
Bei ElevenLabs nicht, der schnelle Klon beginnt im Tarif Starter für 6 US-Dollar im Monat. Kostenlos ist dort nur die Sprachausgabe mit fertigen Stimmen im Rahmen von 10.000 Credits im Monat.
Welche Text-to-Speech-Werkzeuge sprechen gut Deutsch?
Cloud-Dienste wie ElevenLabs bieten deutsche Stimmen, lokal geht es mit Piper, das ebenfalls deutsche Stimmen hat. Hör dir vor der Wahl eine Probe mit deinem eigenen Text an, besonders mit Zahlen und Namen.
Wie viel Aufnahme brauche ich, um eine eigene KI-Stimme zu trainieren?
Für einen schnellen Klon ein bis zwei Minuten saubere Aufnahme. Für einen professionellen Klon empfiehlt ElevenLabs mindestens 30 Minuten, besser zwei bis drei Stunden.
Darf ich die Stimme meiner Eltern klonen?
Nur mit ihrer Einwilligung, am besten schriftlich und mit klarem Zweck. Heimliche Aufnahmen aus privaten Gesprächen darfst du dafür nicht verwenden.
Keine Rechtsberatung. Der Beitrag gibt den Stand vom 22.11.2026 wieder. Lass deinen eigenen Fall fachkundig prüfen.
Quellen
Stand:
- ElevenLabs: Pricing, Stand 22.11.2026, abgerufen am 22.11.2026. zurück
- ElevenLabs: Instant Voice Cloning (ElevenLabs Documentation), abgerufen am 22.11.2026. zurück
- ElevenLabs: Can I create a Professional Voice Clone of someone else's voice? und What can I do if I failed to verify my Professional Voice Clone? (Help Center), abgerufen am 22.11.2026. zurück
- ElevenLabs: Are there any restrictions on what voices I can upload for voice cloning? (Help Center), abgerufen am 22.11.2026. zurück
- ElevenLabs: What is the difference between Instant Voice Cloning and Professional Voice Cloning? (Help Center), abgerufen am 22.11.2026. zurück
- Open Home Foundation: Piper: Fast and local neural text-to-speech engine, mit Stimmenliste (GitHub), abgerufen am 22.11.2026. zurück
- Bundesministerium der Justiz: Strafgesetzbuch, § 201 Verletzung der Vertraulichkeit des Wortes, abgerufen am 22.11.2026. zurück
- EUR-Lex: Verordnung (EU) 2024/1689 (KI-Verordnung), Artikel 3 Nummer 60 und Artikel 50, Stand 12.07.2024, abgerufen am 22.11.2026. zurück
- EUR-Lex: Verordnung (EU) 2016/679 (Datenschutz-Grundverordnung), Artikel 4 Nummer 14 und Artikel 9, Stand 04.05.2016, abgerufen am 22.11.2026. zurück
- Google: Offenlegung der Verwendung von Inhalten, die mit generativer KI erstellt wurden (YouTube-Hilfe), abgerufen am 22.11.2026. zurück
- Google: KI-generierte Bilder, Videos und Audioinhalte überprüfen (Gemini-Apps-Hilfe), abgerufen am 22.11.2026. zurück
- ElevenLabs: Professional Voice Cloning (ElevenLabs Documentation), abgerufen am 22.11.2026. zurück
- ElevenLabs: ElevenCreative Studio (ElevenLabs Documentation), abgerufen am 22.11.2026. zurück
- ElevenLabs: What can I do if I failed to verify my Professional Voice Clone (PVC)? (Help Center), abgerufen am 22.11.2026. zurück





