ANLEITUNG

Text-to-Speech unter Windows: natürliche Stimmen, offline, als WAV

Windows kann Text mit eingebauten Stimmen vorlesen, aber die sind zum Vorlesen des Bildschirms gedacht, nicht zum Erstellen von Audiodateien in der Stimme einer Figur. Die kostenlose SuperClonica-Engine bringt ein neuronales Modell, Supertonic 3, auf Ihren PC: Sie speichert Sprache als WAV-Dateien, läuft offline auf einem normalen Prozessor und spricht 31 Sprachen.

Dieser Leitfaden zeigt, wie Sie die Engine aus PowerShell installieren, einen Satz oder eine ganze Textdatei vertonen, einen Text per Drag-and-drop auf ein Skript in Audio verwandeln und Stimmen wählen.

Stimmen ansehen SuperClonica-Engine installieren

Was Sie brauchen

Die zehn eingebauten Stimmen des Modells, M1 bis M5 und F1 bis F5, funktionieren sofort; Katalogstimmen sind JSON-Dateien, die Sie mit --voice übergeben.

  • Windows 10 oder 11.
  • Python 3.10 oder neuer von python.org; das Installationsprogramm fügt den py-Launcher hinzu.
  • Etwa 400 MB Speicher für das Supertonic-3-Modell, einmal heruntergeladen.
  • Keine Grafikkarte: Eine NVIDIA macht es nur schneller.

Installation aus PowerShell

Öffnen Sie PowerShell und installieren Sie die Engine mit einem Befehl: py -m pip install superclonica-cpu. Mit einer NVIDIA-Grafikkarte installieren Sie stattdessen superclonica-gpu-cuda: pip bringt CUDA und cuDNN selbst mit. Wird der Befehl superclonica nicht gefunden, rufen Sie ihn als py -m superclonica auf, das funktioniert immer.

Vertonen in PowerShell

Das Modell wird beim ersten Start heruntergeladen; danach arbeitet die Engine ohne Internet.

  • Ein Satz: py -m superclonica --text "Hallo aus Windows." --voice F1 --lang de --output hello.wav, dann start hello.wav.
  • Ein ganzes Dokument: im Editor als .txt speichern und --text-file statt --text verwenden; lange Texte werden an natürlichen Pausen geteilt und zu einer WAV-Datei zusammengefügt.
  • Für andere Sprachen ändern Sie --lang, etwa auf en, es oder ja.
  • Auf einem ausgelasteten PC begrenzen Sie die Prozessor-Threads mit --threads 4.

Textdatei per Doppelklick zu Audio

Legen Sie eine Datei read.bat mit einer Zeile an: py -m superclonica --text-file "%~1" --voice F1 --lang de --output "%~dpn1.wav" && start "" "%~dpn1.wav". Ziehen Sie eine beliebige .txt-Datei auf read.bat: Die Engine vertont sie, speichert eine WAV-Datei mit demselben Namen neben dem Text und öffnet sie im Player. Stimme und Sprache passen Sie in der Zeile an Ihre Texte an.

Stimmen, Grafikkarten und Training

Jede Stimme im SuperClonica-Katalog hat eine Seite, auf der Sie gratis online einen Satz mit 30 bis 100 Zeichen vertonen können. Kostenlose Stimmen laden Sie ohne Konto herunter; kostenpflichtige kaufen Sie einmal, und sie bleiben Ihnen. Unter Windows können Sie außerdem Ihre eigene Stimme trainieren: Der SuperClonica-Worker für das Studio läuft unter Windows 10 und 11 mit einer NVIDIA RTX der 20er-Serie oder neuer oder einer GTX 16.