ANLEITUNG

Pausen und Aussprache bei Text-to-Speech: die Stimme über den Text steuern

Die meisten Probleme synthetischer Sprache liegen im Text, nicht in der Stimme: Eine Pause fehlt, ein Name wird falsch gelesen, eine Zahl steht in der falschen Form. In SuperClonica steuern Sie alles über den Text selbst und ein paar Optionen der Engine, ohne Auszeichnungssprache.

Dieser Leitfaden zeigt, wie die Engine Ihren Text liest, wie Sie Pausen einfügen, wie Sie die Aussprache korrigieren und wann Sie Take oder Tempo ändern sollten.

Stimmen ansehen SuperClonica-Engine installieren

Wie die Engine Ihren Text liest

Die Sprachoption muss zur Sprache des Textes passen, sonst werden die Wörter mit fremden Lauten gelesen.

  • Satzzeichen bestimmen den Rhythmus: Ein Komma gibt eine kurze Pause, ein Punkt eine längere.
  • Ziffern werden in 27 Sprachen als Wörter gelesen, aber nicht auf Hindi, Griechisch, Estnisch oder Kroatisch, und die Wörter werden nicht gebeugt.
  • Chat-Abkürzungen werden in sieben Sprachen ausgeschrieben: Deutsch (nur xd und vllt), Englisch, Russisch, Polnisch, Französisch, Portugiesisch und Spanisch.
  • Beides lässt sich mit --no-numbers und --no-slang abschalten.
  • SSML-Tags werden nicht unterstützt: Schreiben Sie den Text so, wie er klingen soll.

Einen schwierigen Satz gratis testen

Fügen Sie auf der Seite einer beliebigen Stimme den Satz ein, der Probleme macht, 30 bis 100 Zeichen, wählen Sie die Sprache und klicken Sie auf die Schaltfläche zum Vertonen. In wenigen Sekunden hören Sie, wie die Engine ihn liest, und können den Text ändern und es erneut versuchen. Ein Konto ist nicht nötig.

Pausen

Die Engine schneidet die Stille vor und nach einem Satz ab; --keep-silence behält sie, was beim Zusammenfügen hilft.

  • Ein Komma zum Atmen, ein Punkt für eine deutliche Pause.
  • Auslassungspunkte für Zögern oder Spannung: „Na ja... ich bin nicht sicher.“
  • Ein neuer Satz statt eines langen: Zwischen Sätzen macht die Stimme eine Pause.
  • Für eine Pause genauer Länge vertonen Sie die Teile einzeln und fügen im Audioeditor die nötige Stille ein.

Aussprache

Schreiben Sie um, was die Engine falsch liest, so wie es klingen soll: einen fremden Namen, eine Marke, ein seltenes Wort. Abkürzungen schreiben Sie als Buchstaben mit Leerzeichen oder als volle Wörter. Wo die Grammatik zählt, schreiben Sie Zahlen als Wörter: „mit 3 Kindern“ wird ohne Beugung gelesen, „mit drei Kindern“ stimmt. Trennen Sie ein langes zusammengesetztes Wort mit Bindestrich, wenn es verschwimmt. Behalten Sie die umgeschriebene Fassung nur im Text zum Vertonen, nicht im veröffentlichten.

Takes, Tempo und Lautheit

Jeder Durchlauf ist ein neuer Take: Klingt ein Satz etwas schief, vertonen Sie ihn erneut, oder setzen Sie --seed mit einer Zahl, um verschiedene Takes zu probieren und einen gelungenen zu wiederholen. Das Standardtempo ist 1,05; ein niedrigerer Wert wie 0.95 verlangsamt die Stimme, ein höherer wie 1.1 beschleunigt sie. Die Option --normalize bringt alle Dateien auf dieselbe Lautheit, −18 LUFS. All das steckt in der kostenlosen SuperClonica-Engine: python -m pip install superclonica-cpu, dann superclonica --text "Ihr Text" --voice F1 --lang de --seed 7 --speed 0.95 --output take.wav.