ANLEITUNG

Realistisches Text-to-Speech: KI-Stimmen, die menschlich klingen

Realistisches Text-to-Speech klingt wie ein sprechender Mensch: natürliche Pausen, Betonung auf den richtigen Wörtern, eine Stimme mit eigenem Charakter. Roboterhafte Sprache stammt von alten Engines, die Laute aneinanderkleben; moderne neuronale Modelle lernen Sprache aus echten Aufnahmen.

Dieser Leitfaden erklärt, was eine Stimme echt klingen lässt, wie Sie Texte schreiben, die natürlich gelesen werden, und wie Sie jede Stimme des SuperClonica-Katalogs kostenlos mit Ihrem eigenen Satz hören.

Stimmen ansehen SuperClonica-Engine installieren

Was Text-to-Speech realistisch macht

Drei Dinge entscheiden, ob Sprache menschlich klingt: das Modell, die Stimme und der Text. Supertonic 3, das offene Modell hinter SuperClonica, erzeugt den ganzen Satz auf einmal, sodass die Intonation dem Sinn des Satzes folgt statt Wort für Wort.

  • Das Modell: ein neuronales Netz, trainiert mit vielen Stunden echter Sprache.
  • Die Stimme: aus einer sauberen Aufnahme eines echten Sprechers erstellt, mit eigenem Timbre und eigener Art.
  • Der Text: Satzzeichen, Zahlen und Abkürzungen so geschrieben, wie sie klingen sollen.

Stimmen aus echten Aufnahmen

Jede Katalogstimme ist mit der Aufnahme einer echten Stimme trainiert: Erzähler, Gesprächsstimmen, Figuren aus Spielen und Filmen. Deshalb unterscheiden sich die Stimmen in Timbre, Tempo und Art, nicht nur in der Tonhöhe. Hören Sie die Demos und wählen Sie die, die zur Stimmung Ihres Textes passt.

Texte schreiben, die natürlich klingen

Schreiben Sie, wie Menschen sprechen. Kurze Sätze klingen natürlicher als lange. Setzen Sie Kommas, wo geatmet wird, einen Punkt, wo der Gedanke endet, ein Fragezeichen, wo die Stimme steigen soll. Zahlen, Daten und Abkürzungen mit ungewöhnlicher Lesart schreiben Sie so, wie sie gelesen werden sollen.

Gratis mit Ihrem eigenen Satz hören

Geben Sie auf der Seite einer beliebigen Stimme einen Satz mit 30 bis 100 Zeichen ein und klicken Sie auf die Schaltfläche zum Vertonen. Sie hören Ihre Worte mit dieser Stimme und können die Aufnahme herunterladen. So merken Sie am schnellsten, ob eine Stimme für Sie echt klingt.

Lange Texte offline auf Ihrem Computer

Für ein ganzes Skript oder Kapitel laden Sie die Stimmdatei herunter und installieren die kostenlose SuperClonica-Engine: python -m pip install superclonica-cpu. Dann vertonen Sie eine Textdatei mit einem Befehl: superclonica --text "$(cat kapitel.txt)" --voice erzaehler.json --lang de --output kapitel.wav. Die Engine teilt lange Texte an natürlichen Pausen und fügt sie zu einer Datei zusammen; eine Grafikkarte ist nicht nötig.

Realistische Sprache in 31 Sprachen

Jede Stimme spricht alle 31 Sprachen von Supertonic 3, darunter Deutsch, Englisch, Spanisch, Japanisch, Hindi und Russisch. Die Stimme behält ihr Timbre in jeder Sprache; der Akzent der Originalaufnahme ist manchmal leicht hörbar. Chinesisch wird noch nicht unterstützt.