Darf ich die Stimme einer anderen Person klonen?

Nur mit Einwilligung dieser Person und mit den Rechten an den Aufnahmen. SuperClonica verlangt beides für Bestellungen und veröffentlichte Stimmen, und die Lizenz von Supertonic 3 verbietet es, sich ohne Zustimmung als jemand anderes auszugeben.

Wie lang muss die Aufnahme zum Stimmklonen sein?

Für das Training im Studio genügt eine saubere Referenz von 5 bis 10 Sekunden mit ihrem genauen Text. Sauberer Klang zählt mehr als Länge.

Kann ich eine Stimme ohne Grafikkarte klonen?

Ja, indem Sie sie bei einem Autor bestellen, der sie auf seiner eigenen Hardware trainiert. Für das eigene Training brauchen Sie eine NVIDIA-GPU, für die Nutzung der fertigen Stimme nicht.

Was kostet es, eine Stimme zu klonen?

Das eigene Training ist kostenlos, und das JSON lädt kostenlos herunter. Eine Bestellung kostet das Budget, das Sie festlegen, von 0,01 bis 10 000 US-Dollar; der Autor erhält es erst nach Ihrer Abnahme.

ANLEITUNG

Stimme klonen: So bekommen Sie eine Stimme wie in Ihrer Aufnahme

Aktualisiert am 23. Oktober 2026

Stimmklonen heißt, eine Text-to-Speech-Stimme zu erstellen, die wie die Person in einer bestimmten Aufnahme klingt. Manche Modelle machen das spontan aus wenigen Sekunden Audio. Bei SuperClonica wird die Stimme einmal in eine Datei für Supertonic 3 trainiert, die danach jeden Text offline auf einer gewöhnlichen CPU spricht.

Im Folgenden: wessen Stimme Sie klonen dürfen, wie Sie eine gute Referenz aufnehmen, die zwei Wege zur Stimme (bei einem Autor bestellen oder selbst trainieren) und was das Ergebnis kann und was nicht.

Erst fertige Stimmen anhören Engine für Ihre Stimme installieren

Zuerst: Rechte und Einwilligung

Klonen Sie Ihre eigene Stimme oder die einer Person, die zugestimmt hat. Wenn Sie eine Stimme bestellen, bestätigen Sie, dass Sie die Rechte an den Aufnahmen und die Einwilligung der sprechenden Person haben. Autoren veröffentlichen Stimmen nur aus Aufnahmen, für die sie Rechte und Einwilligung haben.

Auch die Lizenz von Supertonic 3, OpenRAIL-M, verbietet es ausdrücklich, sich ohne Zustimmung als eine andere Person auszugeben. Praktisch heißt das: keine Stimmen von Prominenten, Kollegen oder Verwandten ohne deren Erlaubnis, und die Erlaubnis bewahren Sie zusammen mit den Originalaufnahmen auf.

Eine gute Referenz zum Stimmklonen aufnehmen

Die Stimme lernt aus dem, was sie hört, Rauschen und Raumhall eingeschlossen. Eine kurze saubere Aufnahme ist mehr wert als eine lange verrauschte.

Nehmen Sie in einem ruhigen Raum mit weichen Möbeln auf: ohne Musik, Lüfter, Straßenlärm und Hall.
Nur eine sprechende Person, ohne überlappende Stimmen oder Effekte.
Halten Sie den Abstand zum Mikrofon und die Lautstärke gleichmäßig, ohne Übersteuerung bei lauten Wörtern.
Sprechen Sie so, wie die Stimme klingen soll: Ein ruhiger Erzähler liest ruhig, eine Figur spielt ihre Rolle.
Notieren Sie den genauen Text der Aufnahme Wort für Wort, mit Wiederholungen und Versprechern. Die Website fragt bei jeder Referenz danach.
Länge: 5 bis 10 Sekunden pro Referenz für das Training im Studio. Für eine Bestellung können Sie WAV-, MP3-, FLAC- oder OGG-Dateien mit bis zu 30 MB und 10 Minuten hochladen, höchstens 20 Dateien.

Weg 1: Stimme bei einem Autor bestellen

Ohne NVIDIA-GPU oder ohne Zeit fürs Training geben Sie im Bereich für Stimmaufträge eine Bestellung auf.

Beschreiben Sie die Aufgabe: Klangfarbe, Sprechweise, Einsatzzweck und woran Sie das Ergebnis messen. Legen Sie die Sprache der Stimme, ein Budget von 0,01 bis 10 000 US-Dollar und eine Frist in Tagen fest.
Fügen Sie die Aufnahmen mit ihrem genauen Text hinzu, bestätigen Sie Ihre Rechte und veröffentlichen Sie den Auftrag.
Autoren schicken Angebote, und Sie wählen aus, wer den Auftrag übernimmt.
Reservieren Sie das Budget auf Ihrem Guthaben. Danach beginnt der Autor und liefert eine trainierte Stimme mit Hörprobe.
Nehmen Sie das Ergebnis ab oder bitten Sie um konkrete Nachbesserungen. Der Autor wird erst nach Ihrer Abnahme bezahlt, und die Stimme steht dann als JSON-Datei zum Download bereit. Wird der Auftrag storniert, geht das reservierte Geld auf Ihr Guthaben zurück.

Weg 2: Stimme selbst trainieren

Das Training im Studio ist kostenlos, wenn Sie einen Rechner mit NVIDIA-GPU haben. Er wird Ihr Worker: Sie verbinden ihn mit einem persönlichen Token, und er trainiert nur Ihre Stimmen.

Legen Sie eine Stimme an und fügen Sie eine Referenz hinzu: eine saubere Aufnahme von 5 bis 10 Sekunden mit ihrem genauen Text. Referenzen bleiben privat.
Klicken Sie bei der Referenz auf „Trainieren“, wählen Sie die Zahl der Schritte und starten Sie.
Vergleichen Sie die Checkpoints anhand von Hörproben und Ähnlichkeit, und trainieren Sie den vielversprechendsten weiter.
Laden Sie das JSON auf der Trainingsseite kostenlos herunter. Auf Wunsch bieten Sie die Stimme mit Cover, Beschreibung und Preis zum Verkauf an.

Was Sie von einer geklonten Stimme erwarten können

Das Training findet eine Klangfarbe und Sprechweise, die Ihrer Aufnahme nahekommen. Rechnen Sie mit einer wiedererkennbaren Stimme, nicht mit einer perfekten Kopie: Je sauberer die Referenz und je näher sie am gewünschten Klang ist, desto näher das Ergebnis. Eine auf Bestellung erstellte Stimme ist privat, der Autor veröffentlicht sie nicht im Katalog.

Für die Wartezeit bekommen Sie eine Datei, die offline mit voller Geschwindigkeit läuft. Nach unserer Schätzung spricht SuperClonica auf einer Desktop-CPU mit 8 Kernen 6,4- bis 9,7-mal schneller als Echtzeit, und jeder Satz beginnt mit derselben Klangfarbe. Die Stimme funktioniert mit den 31 Sprachen von Supertonic 3; Chinesisch gibt es noch nicht.

Brauchen Sie sofort einen Klon aus einem kurzen Ausschnitt, leisten das Zero-Shot-Modelle ohne Training: Qwen3-TTS aus 3 Sekunden Audio, OmniVoice aus 3–10 Sekunden, Chatterbox aus einem Referenzclip. Lizenzen und Hardwarebedarf unterscheiden sich; beides steht auf unseren Vergleichsseiten.