n8n Text-to-Speech mit selbst gehosteter Stimme
n8n ist ein beliebter Weg, Inhalte zu automatisieren: Ein neuer Beitrag, eine Tabellenzeile oder eine KI-Zusammenfassung geht hinein, etwas Nützliches kommt heraus. Sprache ist der natürliche nächste Schritt: eine Vertonung für jeden Artikel, ein Voice-over für jedes Short, ein tägliches Briefing als Audio.
Die kostenlose SuperClonica-Engine läuft als kleiner HTTP-Server neben n8n und macht aus Text natürliche Sprache auf Ihrer eigenen Hardware. Dieser Leitfaden zeigt, wie Sie beide mit dem eingebauten HTTP-Request-Knoten verbinden und was Sie mit dem Audio tun.
Was Sie automatisieren können
n8n bewegt den Text; SuperClonica macht daraus Sprache auf Ihrem eigenen Server, ohne Abrechnung pro Zeichen.
- Eine Vertonung für jeden neuen Blogbeitrag oder RSS-Eintrag.
- Voice-overs für kurze Videos aus einer Skriptspalte in einer Tabelle.
- Ein tägliches Briefing, von einem KI-Modell geschrieben und vorgelesen.
- Durchsagen und Benachrichtigungen als Audio.
Die Stimme gratis wählen
Fügen Sie auf der Seite einer beliebigen Stimme einen typischen Satz aus Ihrem Workflow mit 30 bis 100 Zeichen ein, wählen Sie die Sprache und klicken Sie auf die Schaltfläche zum Vertonen. In wenigen Sekunden hören Sie, wie Ihre Automatisierung klingen wird, ohne Konto.
n8n mit dem Sprachserver verbinden
Der Knoten gibt dann eine 16-Bit-Mono-WAV-Datei an den nächsten weiter.
- Starten Sie den Server: docker run -d --name tts -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu. Läuft auch n8n in Docker, hängen Sie beide Container an dasselbe Docker-Netz und nutzen statt localhost den Containernamen, http://tts:8000.
- Fügen Sie einen HTTP-Request-Knoten hinzu: Methode POST, URL http://tts:8000/synthesize, Send Body an, Body-Typ JSON.
- Im Body nehmen Sie text aus dem vorigen Knoten, setzen voice auf F1 oder den Inhalt einer Stimmdatei und lang auf de.
- Unter Options setzen Sie Response Format auf File und geben den Feldnamen für die Ausgabe an, zum Beispiel audio.
Audio speichern oder veröffentlichen
Speichern Sie die Datei mit dem Knoten Read/Write Files from Disk, laden Sie sie in einen Cloud-Speicher, hängen Sie sie an eine Nachricht oder geben Sie sie an den Schritt weiter, der Ihr Video baut. Für MP3 kann ein selbst gehostetes n8n ffmpeg in einem Execute-Command-Knoten ausführen. Schicken Sie lange Texte absatzweise oder erhöhen Sie SUPERCLONICA_MAX_TEXT, standardmäßig 5000 Zeichen. Ist der Server von anderen Rechnern erreichbar, setzen Sie SUPERCLONICA_API_KEY und senden ihn im Authorization-Header als Bearer-Token.
Stimmen und Ehrlichkeit
Die zehn Standardstimmen des Modells, M1 bis M5 und F1 bis F5, sind kostenlos; für eine eigene Stimme trainieren Sie eine im SuperClonica-Studio aus der Aufnahme einer einverstandenen Person oder bestellen sie auf der Börse. Sagen Sie, dass das Audio maschinell erzeugt ist, wo es den Hörern wichtig ist, und automatisieren Sie nie Sprache mit einer Stimme, die eine reale Person nachahmt.