Was „KI-Text-to-Speech“ leisten kann

Jetzt generieren

Drei ElevenLabs-Modelle, ein Auswahlwerkzeug

„Turbo 2.5“ für schnelle, kostengünstige Entwürfe zu 10 Credits pro 1.000 Zeichen; „Multilingual v2“ und „Eleven v3“ zu 20 Credits pro 1.000 Zeichen, wenn Sie einen reichhaltigeren Text wünschen. Es gibt keine Sprachauswahl – Sie geben die gewünschte Sprache ein, und die mehrsprachigen Modelle kümmern sich darum.

Stimmen mit dem passenden Tonfall

Wählen Sie aus 22 benannten Stimmen – ruhige Erzähler, energiegeladene Moderatoren, herzliche Geschichtenerzähler, Rundfunkstimmen – und hören Sie sich jede einzelne in der Vorschau an, bevor Sie ein Credit ausgeben. Jede Stimme hat ihren eigenen Tonfall, und mit einer Geschwindigkeitsregelung von 0,7× bis 1,2× können Sie das Tempo anpassen.

Sauberes Audiosignal, direkt in den Rest des Studios

Die Ergebnisse werden in Ihrer 7ART-Bibliothek neben Ihren Bildern, Videos und Musikdateien gespeichert, sodass eine Sprachaufnahme in „Lipsync“ oder im Video-Editor nur einen Klick entfernt ist. Neben „Speech“ erhalten Sie „Dialogue“ für Szenen mit mehreren Sprechern – zwei Charaktere, die sich im Rahmen derselben Generierung Dialoge austauschen – sowie „Sound FX“, „Background-Noise Isolate“ und „Transcribe“, alles im selben Bereich.

Bis zu 5.000 Zeichen pro Durchlauf

Eine einzelne Sprachausgabe umfasst bis zu 5.000 Zeichen – das entspricht etwa sechs Minuten Erzählung. Ein Dialog umfasst bis zu 50 Zeilen mit jeweils 1.000 Zeichen. Längere Texte werden in Teilen generiert und anschließend zusammengefügt. Die Abrechnung erfolgt pro Zeichen: 10 Credits pro 1.000 Zeichen im Modus „Turbo 2.5“.

Ein Vergleich mit 7ART

Frequently asked questions

• Was ist Text-to-Speech?

  Text-to-Speech (TTS) wandelt geschriebenen Text mithilfe eines KI-Stimmmodells in gesprochene Sprache um. 7ART läuft auf ElevenLabs: 22 benannte Stimmen, die Sie vorab anhören können, bevor Sie ein „Credit“ ausgeben, drei Modelle (Turbo 2.5, Multilingual v2, Eleven v3), eine Geschwindigkeitsregelung von 0,7×–1,2× sowie einen Dialogmodus für Szenen mit mehreren Sprechern. Nützlich für Voice-over, Erzählungen, Podcasts, Hörbücher und Werbung.

• Kann man 7ART kostenlos testen?

  Sie können kostenlos und ohne Karte ein Konto anlegen und sich umsehen. Generieren verbraucht Credits, und Credits gehören zum Abo — derzeit gibt es keine kostenlosen Start-Credits, und auch das Herunterladen von Dateien erfordert ein bezahltes Abo. Sprache wird pro Zeichen abgerechnet: 10 Credits pro 1.000 Zeichen bei Turbo 2.5, 20 bei Multilingual v2 und Eleven v3. Aktuelle Tarife finden Sie auf unserer Preisseite.

• Was ist die beste KI-Text-zu-Sprache-Lösung?

  ElevenLabs Es zeichnet sich durch eine natürliche Sprachwiedergabe und ein breites emotionales Spektrum aus, weshalb 7ART darauf basiert. Murf ist auf Voiceover für geschäftliche Zwecke ausgerichtet. Was 7ART zusätzlich bietet, ist kein anderes Stimmmodell – es ist dieselbe Qualität wie bei ElevenLabs in einem Studio, in dem der soeben erstellte Clip mit nur einem Klick in „Lipsync“, Ihre Videotimeline oder ein Musikvideo integriert werden kann – und das mit einem einzigen Credit-Guthaben.

• Kann ich eine Stimme, die ich für Musik erstellt habe, in der Text-to-Speech-Funktion verwenden?

  Nein. 7ART verfügt innerhalb des Bereichs „Music“ über das Tool „Create-a-Voice“, das eine Stimme für Suno-Songs klont; dieses ist unabhängig von der Sprachliste ElevenLabs, die von der Text-to-Speech-Funktion verwendet wird. Die Text-to-Speech-Funktion nutzt ausschließlich die 22 voreingestellten Stimmen.

• Kann ich meine eigene Stimme klonen?

  Nicht für Text-to-Speech. Für Sprache, Dialoge und Soundeffekte werden die 22 voreingestellten Stimmen von ElevenLabs verwendet, und es gibt dort keine Möglichkeit, eine eigene Stimme hochzuladen. 7ART verfügt zwar im Bereich „Musik“ über ein „Create-a-Voice“-Tool für Suno-Songs, doch diese Stimme kann nicht für TTS verwendet werden. Wir werden keinen Termin für das Klonen von TTS-Stimmen festlegen.

• Wie viele Sprachen werden unterstützt?

  Bei der Text-to-Speech-Funktion gibt es keine Sprachauswahl – Sie geben den Text in der gewünschten Sprache ein, und das Modell liest ihn vor. „Multilingual v2“ und „Eleven v3“ sind die beiden Modelle, die für nicht-englischen Text entwickelt wurden; „Turbo 2.5“ ist auf Geschwindigkeit optimiert. Wir veröffentlichen keine Angaben zur Anzahl der unterstützten Sprachen; testen Sie daher zunächst eine kurze Zeile in Ihrer Sprache, bevor Sie ein langes Skript eingeben.

• Wie lang darf das generierte Audiomaterial sein?

  Eine einzelne Sprachausgabe umfasst bis zu 5.000 Zeichen – das entspricht etwa sechs Minuten Erzählung. Ein Dialog umfasst bis zu 50 Zeilen mit jeweils 1.000 Zeichen. Längere Werke werden in Teilen generiert. Die Kosten richten sich nach der Zeichenanzahl: 10 Credits pro 1.000 Zeichen bei „Turbo 2.5“, 20 bei „Multilingual v2“ und „Eleven v3“.

• Kann ich in einer Szene mehr als eine Figur sprechen?

  Ja – genau dafür ist die Registerkarte „Dialog“ vorgesehen. Verfassen Sie bis zu 50 Zeilen, weisen Sie jedem Sprecher eine andere voreingestellte Stimme zu, und der gesamte Dialog wird als eine einzige Generierung mit 20 Credits pro 1.000 Zeichen ausgegeben. Nützlich für episodische Drehbücher, in denen zwei Charaktere Dialoge austauschen, und das Ergebnis wird direkt in „Lipsync“ importiert, sodass jedes Gesicht zu seiner jeweiligen Sprachausgabe passt.

• Kann ich Emotionen und Tonfall steuern?

  Der Tonfall ergibt sich aus der von Ihnen ausgewählten Stimme – die Bibliothek mit 22 Stimmen umfasst ruhige Sprecher, energiegeladene Moderatoren, warmherzige Geschichtenerzähler und Rundfunkstimmen; jede Stimme verfügt über eine Hörprobe, sodass Sie sie anhören können, bevor Sie Geld ausgeben. Sie können zudem das Sprechtempo mithilfe der Geschwindigkeitsregelung (0,7× bis 1,2×) anpassen. Es gibt kein separates Emotions-Tag.

• Darf ich die generierten Audiodateien kommerziell oder in Podcasts und Werbeanzeigen verwenden?

  Ja. Die Nutzungsbedingungen von 7ART gestatten die private und gewerbliche Nutzung der von Ihnen erstellten Inhalte, vorbehaltlich dieser Bedingungen, des geltenden Rechts und etwaiger Einschränkungen seitens der zugrunde liegenden Modellanbieter – Podcasts, monetarisierte Videos, Anzeigen, Hörbücher, Markenarbeiten. Das Herunterladen der Datei erfordert ein kostenpflichtiges Abonnement.

• Wie schneidet 7ART im direkten Vergleich zu ElevenLabs ab?

  7ART ElevenLabs wird ausgeführt, sodass die Stimmen dieselben sind, die Sie auch direkt erhalten würden. Die Unterschiede sind: (1) Die Sprachausgabe wird in dieselbe Bibliothek wie Ihre Bilder, Videos und Musikdateien gespeichert, sodass sie direkt in Lipsync oder den Editor übernommen wird, (2) ein Arbeitsbereich anstelle eines zweiten Abonnements und (3) ein einheitliches Credit-Guthaben für alle 7ART-Tools. Bei seltenen Anbieterausfällen kann eine Eleven v3-Anfrage auf Turbo 2.5 zurückgreifen; wählen Sie daher bewusst Turbo, wenn Ihnen die Konsistenz über ein langes Projekt hinweg wichtig ist.