Text-to-Speech in großen Mengen aus einer Tabelle
Manche Projekte brauchen nicht eine Aufnahme, sondern Hunderte: einen Satz für jede Karteikarte, jeden App-Button, jedes Produkt, jede Station oder jede Sprache. Zeile für Zeile durch ein Online-Tool zu klicken dauert Tage, und Cloud-Dienste berechnen jedes Zeichen.
Die SuperClonica-Engine vertont eine ganze Tabelle auf Ihrem eigenen Computer, eine Datei pro Zeile, mit der Stimme und Sprache, die Sie für jede Zeile festlegen. Dieser Leitfaden zeigt, wie Sie die Tabelle vorbereiten, sie in einem Durchlauf vertonen und später einzelne Zeilen korrigieren.
Wann Sie Text-to-Speech in großen Mengen brauchen
Egal welches Projekt, das Muster ist dasselbe: eine Zeile Text hinein, eine Audiodatei heraus.
- Sprachkurse: eine Datei pro Wort oder Satz für Karteikarten.
- Apps und Spiele: Hinweise in der Oberfläche, Tipps und kurze Figurensätze.
- Shops und Kataloge: eine kurze gesprochene Beschreibung für jedes Produkt.
- Öffentliche Orte: ein kompletter Satz Durchsagen oder Audioguide-Stationen in mehreren Sprachen.
Die Stimmen gratis testen
Bevor Sie Hunderte Zeilen vertonen, öffnen Sie die Seite jeder geplanten Stimme, fügen eine typische Zeile mit 30 bis 100 Zeichen ein, wählen die Sprache und klicken auf die Schaltfläche zum Vertonen. In wenigen Sekunden hören Sie, ob die Stimme passt, ohne Konto.
Die Tabelle vorbereiten
Schreiben Sie Zahlen, Namen und Abkürzungen in jeder Zeile so, wie man sie hören soll.
- Eine Zeile pro Audiodatei, mit Spalten wie file, text, voice und lang.
- Eindeutige Dateinamen ohne Leerzeichen, etwa card_0412 oder prompt_checkout_de.
- Die Stimme als Standardname von M1 bis M5 und F1 bis F5 oder als Pfad einer Stimmdatei; die Sprache als Code wie de, en oder ja.
- Speichern Sie die Tabelle als CSV in UTF-8, damit Umlaute und nichtlateinische Schriften erhalten bleiben.
Jede Zeile offline vertonen
Installieren Sie die kostenlose Engine mit python -m pip install superclonica-cpu oder superclonica-gpu-cuda für eine NVIDIA-Grafikkarte. Dann vertont in Python, nach import csv, from superclonica import Superclonica und tts = Superclonica(), eine einzige Schleife die ganze Tabelle: for row in csv.DictReader(open("lines.csv", encoding="utf-8")): audio, rate = tts.synthesize(row["text"], voice=row["voice"], lang=row["lang"], seed=7, normalize=True); tts.save(row["file"] + ".wav", audio). Ein fester Seed sorgt dafür, dass jeder Lauf für dieselbe Zeile denselben Ton liefert, und normalize=True hält alle Dateien auf derselben Lautheit. Die Python-API speichert WAV, FLAC oder OGG je nach Endung; für MP3 führen Sie die Kommandozeilen-Engine pro Zeile mit einem Ausgabenamen auf .mp3 aus. Alles läuft offline, ohne Zeichenlimit.
Prüfen, korrigieren, neu laufen lassen
Hören Sie vor der Auslieferung eine Stichprobe jeder Stimme und Sprache an. Wird eine Zeile falsch gelesen, ändern Sie die Schreibweise in der CSV und vertonen nur diese Zeile neu: Mit demselben Seed bleiben alle unveränderten Zeilen exakt gleich. Legen Sie die CSV neben Ihrem Projekt in die Versionsverwaltung, damit sich das Audio jederzeit neu erzeugen lässt.