Text-to-Speech-Dauer: Wie lange wird mein Text vorgelesen?
Bevor Sie ein Skript vertonen, müssen Sie meist seine Länge kennen: ein 30-Sekunden-Spot, ein 60-Sekunden-Short, ein 10-Minuten-Podcast, eine Lektion, die in eine Stunde passen muss. Die Wortzahl allein sagt das nicht, denn jede Sprache und jede Stimme hat ihr eigenes Tempo.
Wir haben die SuperClonica-Engine mit derselben Geschichte in sieben Sprachen bei Standardgeschwindigkeit gemessen, damit Sie die Länge vorab schätzen und danach die genaue Sekundenzahl mit einer Zeile Python erhalten.
Gemessene Sprechtempos
Gemessen an einem ruhigen erzählenden Absatz mit einer männlichen und einer weiblichen Standardstimme bei Standardgeschwindigkeit; die beiden Stimmen unterschieden sich um weniger als drei Prozent.
- Englisch: etwa 190 Wörter pro Minute, etwa 1000 Zeichen.
- Spanisch, Deutsch und Französisch: etwa 165 Wörter pro Minute.
- Portugiesisch: etwa 150 Wörter pro Minute.
- Russisch: etwa 130 Wörter pro Minute.
- Japanisch: etwa 320 Zeichen pro Minute.
Das Tempo gratis online 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: In wenigen Sekunden hören Sie das Tempo dieser Stimme in Ihrer Sprache, ohne Konto.
Schnelle Schätzungen
Lassen Sie ein paar Sekunden Luft: Ein Skript, das den Slot bis zur letzten Sekunde füllt, klingt gehetzt, sobald Musik und Pausen dazukommen.
- Ein 30-Sekunden-Spot: etwa 80 Wörter auf Deutsch.
- Ein 60-Sekunden-Short oder -Reel: etwa 165 Wörter.
- Ein 10-Minuten-Podcast oder -Video: etwa 1650 Wörter.
- 1000 Wörter: etwa 6 Minuten.
Die genaue Länge Ihres Skripts
Die Geschwindigkeit ändert die Länge fast proportional: Standard ist 1.05, und --speed 0.85 macht denselben Text etwa ein Viertel länger. Für die genaue Länge installieren Sie die kostenlose Engine mit python -m pip install superclonica-cpu, speichern das Skript als script.txt und starten: from superclonica import Superclonica; tts = Superclonica(); audio, rate = tts.synthesize(open('script.txt', encoding='utf-8').read(), 'M1', 'de'); print(round(len(audio) / rate, 1), 'seconds'). Der Docker-Server liefert dieselbe Zahl im Header X-Duration-Seconds.
Warum Ihr Text länger dauern kann
Ziffern werden ausgeschrieben, aus 1250 oder 2027 werden also mehrere gesprochene Wörter. Abkürzungen können ausgeschrieben gelesen werden. Viele Punkte und einzelne Zeilen mit Stille dazwischen kosten Zeit, lange Sätze ohne Kommas werden schneller gelesen. Messen Sie das echte Skript einmal, statt sich auf den Durchschnitt zu verlassen.