# Die besten kostenlosen Text-to-Speech-Modelle für den lokalen Einsatz 2026 Aktualisiert 2026-10-23 Kostenloses TTS taugt inzwischen für echte Arbeit, und viele offene Modelle laufen auf eigener Hardware. Hinter dem Wort kostenlos stecken trotzdem große Unterschiede: Manche Lizenzen verbieten die kommerzielle Nutzung, manche Modelle brauchen eine große GPU, und nur wenige laufen bequem auf einer gewöhnlichen CPU. Dieser Überblick behandelt die offenen Modelle, die wir auf dieser Website vergleichen. SuperClonica verkauft Stimmen für eines davon, Supertonic 3; bitte berücksichtigen Sie das. Wir halten uns an die Angaben aus der Dokumentation der Modelle und sagen offen, wo ein anderes Modell besser passt. ## So wählen Sie ein kostenloses TTS-Modell Vier Fragen verkürzen die Liste schnell. - Sprache: Spricht das Modell Ihre? Chinesisch zum Beispiel schließt Supertonic 3 aus. - Lizenz: Kostenlos herunterladen heißt nicht immer kostenlos kommerziell nutzen. Prüfen Sie die Bedingungen für Code und Gewichte. - Hardware: eine gewöhnliche CPU oder eine GPU mit genug Speicher? - Stimmen: Reichen Preset-Stimmen, oder brauchen Sie eine bestimmte Stimme nach einer Aufnahme? ## Kleine kostenlose Modelle für Sprachsynthese auf der CPU Supertonic 3 von Supertone hat rund 99 Millionen Parameter, läuft über ONNX Runtime und braucht laut seinen Entwicklern keine GPU. Es spricht 31 Sprachen, darunter Deutsch, aber kein Chinesisch, unter OpenRAIL-M: lizenzgebührenfrei, mit einer Liste verbotener Verwendungen. Es bringt Preset-Stimmen mit; weitere, kostenlose wie kostenpflichtige, gibt es im SuperClonica-Katalog, und die SuperClonica-Engine führt sie auf der CPU im Schnitt 61 % schneller aus. Kokoro-82M hat 82 Millionen Parameter, steht unter Apache 2.0 und bringt 54 Preset-Stimmen in acht Sprachen mit. Am stärksten ist es auf Englisch: Die eigene Stimmenliste bewertet die chinesischen und japanischen Stimmen schwächer. Deutsch fehlt, und die offizielle Version kann keine Stimmen klonen. Es läuft in Python und über kokoro-js im Browser. Piper ist eine schnelle lokale Engine für kleine Geräte wie den Raspberry Pi und bekannt als Stimme von Home Assistant. Jede Stimme ist ein ONNX-Modell für eine Sprache; die Liste umfasst 39 Sprachen, darunter Deutsch und Chinesisch, aber weder Japanisch noch Koreanisch. Die aktuelle Engine steht unter GPL-3.0, jede Stimme hat ihre eigene Lizenz. Chatterbox Nano von Resemble AI ist ein englisches Modell mit 110 Millionen Parametern unter MIT. Resemble AI nennt 3-fache Echtzeit auf 8 CPU-Kernen; das Modell klont eine Stimme aus einem Clip und versieht jede Datei mit einem unhörbaren PerTh-Wasserzeichen. ## Größere Modelle zum Stimmklonen Diese Modelle klonen eine Stimme aus wenigen Sekunden Audio. Nach unseren Schätzungen laufen sie auf einer Desktop-CPU langsamer als Echtzeit, ihre Stärke spielen sie also auf einer GPU aus. - Qwen3-TTS: Apache 2.0, Größen 0.6B und 1.7B, 10 Sprachen einschließlich Deutsch und Chinesisch, Klonen aus 3 Sekunden und Stimmdesign nach Beschreibung. Auf der CPU etwa 1- bis 2-mal langsamer als Echtzeit (0.6B). - VoxCPM 2: Apache 2.0, 2 Milliarden Parameter, 30 Sprachen plus chinesische Dialekte, Audio mit 48 kHz, rund 8 GB VRAM. Auf der CPU etwa 2- bis 4-mal langsamer als Echtzeit. - Chatterbox Multilingual V3: MIT, 500 Millionen Parameter, 23 Sprachen, Klonen aus einem Clip; die Beispiele laufen auf einer GPU. - Fish Audio S2 Pro: die beste Qualitätsnote in unserer Tabelle und über 80 Sprachen, aber auf der CPU 4- bis 10-mal langsamer als Echtzeit, und für kommerzielle Nutzung braucht es eine eigene Lizenz von Fish Audio. ## Kostenlos, aber nicht für kommerzielle Nutzung Mehrere beliebte Modelle veröffentlichen offenen Code mit nicht kommerziellen Gewichten. Für Experimente und private Projekte taugen sie, für ein bezahltes Produkt nicht. - OmniVoice: 646 Sprachen und Klonen aus 3–10 Sekunden Audio. Der Code steht unter Apache 2.0, das vortrainierte Modell unter CC-BY-NC. - F5-TTS: Zero-Shot-Klonen auf Chinesisch und Englisch. Code unter MIT, Gewichte unter CC-BY-NC, und die niedrigste CPU-Geschwindigkeit in unserer Tabelle. - Coqui XTTS-v2: 17 Sprachen, darunter Deutsch, und Klonen aus einem kurzen Clip. Die Coqui Public Model License erfasst auch das erzeugte Audio, und das ursprüngliche Repository wird nicht mehr gepflegt. ## Welches kostenlose Text-to-Speech-Modell passt Jede unten verlinkte Vergleichsseite nennt die Quellen und unsere Geschwindigkeitsschätzungen für ihr Modell. - Vertonung, Spiele und Apps auf gewöhnlichen Rechnern, in einer von 31 Sprachen: Supertonic 3 mit einer Katalogstimme oder einer aus Ihrer Aufnahme trainierten. - Englische Preset-Stimmen unter der freizügigsten Lizenz: Kokoro. - Raspberry Pi und Home Assistant: Piper. - Sofortiges Klonen auf einer GPU mit erlaubter kommerzieller Nutzung: Qwen3-TTS, VoxCPM 2 oder Chatterbox. - Chinesische Sprache: Qwen3-TTS oder VoxCPM 2 auf einer GPU; auch Piper und Kokoro haben chinesische Stimmen. - Forschung und private Experimente: alle genannten, auch OmniVoice, F5-TTS und XTTS-v2. ## Weitere Anleitungen - [Text offline in Sprache umwandeln: Schritt für Schritt auf Ihrem Rechner](https://superclonica.com/de/guides/offline-text-to-speech) - [Stimme klonen: So bekommen Sie eine Stimme wie in Ihrer Aufnahme](https://superclonica.com/de/guides/voice-cloning) - [Text-to-Speech für Videos, Hörbücher, Spiele und Apps](https://superclonica.com/de/guides/text-to-speech-for-videos) - [Supertonic-3-Stimmen: woher eigene Stimmen kommen und wie Sie sie nutzen](https://superclonica.com/de/guides/supertonic-3-voices) - [Text to Speech in Python: offline, kostenlos und mit natürlichen Stimmen](https://superclonica.com/de/guides/python-text-to-speech) - [Eigene Text-to-Speech-API in Docker](https://superclonica.com/de/guides/text-to-speech-api-docker) ## Text-to-Speech und Vergleiche - [Text-to-Speech, das auf Ihrem eigenen Rechner läuft](https://superclonica.com/de/text-to-speech) - [Supertonic vs. SuperClonica: dasselbe Modell, schneller und sauberer](https://superclonica.com/de/compare/supertonic) - [Fish Audio und Fish Speech im Vergleich mit SuperClonica](https://superclonica.com/de/compare/fish-audio) - [OmniVoice oder SuperClonica: mehr Sprachen oder mehr Tempo](https://superclonica.com/de/compare/omnivoice) - [Qwen3-TTS oder SuperClonica für lokale Sprachsynthese](https://superclonica.com/de/compare/qwen3-tts) - [VoxCPM 2 oder SuperClonica: Studioklang oder CPU-Tempo](https://superclonica.com/de/compare/voxcpm) - [F5-TTS oder SuperClonica: Zero-Shot-Klonen oder schnelle Sprache auf der CPU](https://superclonica.com/de/compare/f5-tts) - [Eine Offline-Alternative zu ElevenLabs](https://superclonica.com/de/compare/elevenlabs) - [Kokoro TTS oder SuperClonica: zwei kleine Modelle für lokale Sprachsynthese](https://superclonica.com/de/compare/kokoro) - [Piper TTS oder SuperClonica: kleine Geräte oder eigene Stimmen](https://superclonica.com/de/compare/piper) - [Coqui XTTS-v2 oder SuperClonica: eine Alternative zu Coqui TTS](https://superclonica.com/de/compare/xtts) - [Chatterbox TTS oder SuperClonica: sofortiger Klon oder trainierte Stimmdatei](https://superclonica.com/de/compare/chatterbox) ## Häufige Fragen ### Welches ist das beste kostenlose Text-to-Speech-Modell? Das hängt von der Aufgabe ab. Für schnelle Offline-Sprache auf der CPU in 31 Sprachen Supertonic 3; für englische Preset-Stimmen unter Apache 2.0 Kokoro; für kleine Geräte Piper; für sofortiges Klonen auf einer GPU Qwen3-TTS oder VoxCPM 2. ### Welche kostenlosen TTS-Modelle darf ich kommerziell nutzen? Von den genannten: Supertonic 3 (OpenRAIL-M mit einer Liste verbotener Verwendungen), Kokoro, Qwen3-TTS und VoxCPM 2 (Apache 2.0) sowie Chatterbox (MIT). Die Piper-Engine steht unter GPL-3.0, und jede Stimme hat eigene Bedingungen. Die offiziellen Gewichte von OmniVoice, F5-TTS und XTTS-v2 sind nicht kommerziell, und Fish Audio S2 Pro braucht eine eigene Lizenz. ### Gibt es kostenloses TTS, das ohne Grafikkarte läuft? Ja. Supertonic 3, Kokoro, Piper und Chatterbox Nano laufen auf einer gewöhnlichen CPU. Die größeren Klon-Modelle starten über Community-Portierungen ebenfalls auf der CPU, aber langsamer als Echtzeit. ### Können kostenlose Modelle Stimmen klonen? Qwen3-TTS, OmniVoice, VoxCPM 2, Chatterbox, F5-TTS und XTTS-v2 klonen aus einem kurzen Clip, Kokoro und Piper nicht. Bei Supertonic 3 wird eine Stimme aus einer Aufnahme in eine Datei trainiert, kostenlos auf Ihrer eigenen NVIDIA-GPU oder im Auftrag durch einen Autor. - [Stimmen für Supertonic 3 anhören](https://superclonica.com/de/explore) - [SuperClonica installieren](https://superclonica.com/de/superclonica) ## Quellen - [Modellkarte von Supertonic 3 (Hugging Face)](https://huggingface.co/supertone-oss-archive/supertonic-3) - [Modellkarte von Kokoro-82M (Hugging Face)](https://huggingface.co/hexgrad/Kokoro-82M) - [Piper-Repository (OHF-Voice/piper1-gpl)](https://github.com/OHF-Voice/piper1-gpl) - [Chatterbox-Repository (GitHub)](https://github.com/resemble-ai/chatterbox) - [Qwen3-TTS-Repository (GitHub)](https://github.com/QwenLM/Qwen3-TTS) - [VoxCPM-Repository (GitHub)](https://github.com/OpenBMB/VoxCPM) - [Modellkarte von OmniVoice (Hugging Face)](https://huggingface.co/k2-fsa/OmniVoice) - [F5-TTS-Repository (GitHub)](https://github.com/SWivid/F5-TTS) - [Modellkarte von XTTS-v2 (Hugging Face)](https://huggingface.co/coqui/XTTS-v2) - [Modellkarte von Fish Audio S2 Pro (Hugging Face)](https://huggingface.co/fishaudio/s2-pro) - [SuperClonica](https://superclonica.com/de/) - [KI-Stimmenkatalog für Text-to-Speech](https://superclonica.com/de/explore) - [Auftragsstimmen für Supertonic 3](https://superclonica.com/de/requests) - [Anleitung: Stimmen, lokales TTS, Training](https://superclonica.com/de/guide) - [Schnelle Engine für Supertonic 3](https://superclonica.com/de/superclonica) - [Über uns: Enthusiasten für Sprachsynthese](https://superclonica.com/de/about) - [Kontakt, Support und Stimmen melden](https://superclonica.com/de/contacts) - [Datenschutzerklärung](https://superclonica.com/de/privacy) - [Nutzungsbedingungen](https://superclonica.com/de/terms) - [Text-to-Speech](https://superclonica.com/de/text-to-speech)