Meine eigene Stimme klonen – so entstand mein erstes Hörbuch (komplett kostenlos)

„Klingt wie du, aber irgendwie… roboterhaft“ – so wurde aus meiner KI-Stimme ein echtes Hörbuch

Letzten Monat habe ich etwas Verrücktes getan: Ich habe meine eigene Stimme geklont – mit einem kostenlosen Online-Tool. Nicht aus Langeweile, sondern weil ich mein erstes Hörbuch selbst vertonen wollte. Ich schreibe seit Jahren Krimis, aber wer hat schon Zeit, 8 Stunden am Stück vor dem Mikro zu sitzen? Also dachte ich: Warum nicht die KI die Arbeit machen lassen?

Das Ergebnis? Meine Nachbarin hat sich die erste Folge angehört und gefragt, ob ich heiser bin. Ein anderer Freund meinte: „Klingt wie du, aber irgendwie roboterhaft.“ Beides war ehrlich. Und genau darüber will ich heute sprechen – denn mit dem richtigen Workflow kommst du von der Roboterstimme zu einem Ergebnis, das sich wirklich anhören kann.

Schritt 1: Die Mutter aller Stimmen – dein Ausgangsmaterial

Der größte Fehler, den ich am Anfang gemacht habe: Ich habe einfach losgeredet, wie mir der Schnabel gewachsen ist. Das Ergebnis war eine dünne, nasale KI-Stimme, die sich anhörte, als würde sie durch einen Strohhalm sprechen. Kostenlose Tools sind da gnadenlos – sie haben keine Algorithmen, die deine Unsauberkeiten ausbügeln.

Also: Nimm dir einen ruhigen Raum. Bei mir war es das Bad – die Fliesen schlucken den Hall. Mein Smartphone habe ich auf ein Handtuch gelegt (kein Stativ, aber es reicht), und dann habe ich einen Sachtext vorgelesen – nichts Fiktionales. Warum? Weil Sachtexte eine klare Betonung und gleichmäßige Emotionen haben. Perfekt, um die Grundfrequenz deiner Stimme zu extrahieren.

Die Aufnahme sollte mindestens 10 Minuten dauern. Ich weiß, das klingt viel, aber dein zukünftiges Ich wird es dir danken. Achte darauf, dass du die Sätze nicht mit einer Frage-Intonation beendest – also kein „…und dann ging er zur Tür?“-Hochziehen. Das lernt die KI nämlich mit, und dann klingt dein Hörbuch, als würdest du permanent etwas erfragen. Ich habe das am eigenen Leib erfahren.

Nach der Aufnahme habe ich die Stille am Anfang und Ende weggeschnitten – ganz einfach mit der Standard-App auf meinem Handy. Und dann: WAV statt MP3. Ja, die Datei ist größer, aber der Unterschied ist wie zwischen einem verlöschenden Foto und einem echten. MP3 frisst die feinen Details deiner Stimme, und genau die brauchst du.

Schritt 2: Erster Klon – und die Sache mit den 3 Teilen

Auf der Webseite web666.cc gibt es einen Bereich für Stimmenklonen. Klingt erstmal unspektakulär, aber da steckt mehr dahinter, als man denkt. Nach der Registrierung (ohne Anmeldung geht’s übrigens nicht, aber das ist okay – DSGVO-mäßig sind die Deutschen da zum Glück ziemlich streng, und das Tool speichert die Daten auf Servern in der EU – das war mir wichtig).

Der Clou: Lade deine Audiodatei nicht als Ganzes hoch, sondern in drei Teilen. Jedes Segment sollte so 3–4 Minuten lang sein. Klingt nach Aberglauben, ist aber Physik: Kostenlose Tools haben begrenzten Speicher im Arbeitsspeicher. Wenn du eine lange Datei hochlädst, wird sie automatisch komprimiert und klingt dumpf. In drei Teilen wird jeder einzeln analysiert und dann zu einem Gesamtbild zusammengesetzt. Das Ergebnis ist deutlich räumlicher.

Während die KI arbeitete (5–10 Minuten, in denen ich mir einen Tee gemacht habe – nicht die Seite neu laden, sonst startet der Prozess von vorne), habe ich mir die Zeit vertrieben, indem ich mir überlegt habe, was ich mit der Stimme überhaupt machen will. Mein Plan: ein Krimi-Hörbuch, das ich auf einer Plattform für unabhängige Autoren hochladen will.

Als die Stimme fertig war, habe ich sie getestet. Sie sollte „Hallo, das ist ein Test“ sagen. Und da habe ich genau auf zwei Dinge geachtet: Erstens, ob das „H“ am Anfang von „Hallo“ klar ist oder ob es verschwimmt – wenn ja, war in meiner Aufnahme zu viel Speichel. Zweitens, ob am Ende ein leises Rauschen zu hören ist – das wäre ein Zeichen für zu viel Hintergrundgeräusch. In meinem Fall war alles gut, aber ich habe trotzdem nochmal eine zweite Aufnahme gemacht, nur um sicherzugehen.

Schritt 3: Das große ABER – warum du nicht einfach den ganzen Text einfügen darfst

Jetzt kommt der Teil, der über Erfolg oder Scheitern entscheidet. Wenn du einfach den ganzen Roman in das Text-zu-Sprache-Feld kopierst, bekommst du eine monotone Suppe. Die KI versteht nämlich nicht, wo Dialoge anfangen und wo die Erzählung weitergeht.

Ich habe mir also eine Tabelle gemacht: links die Erzählung, rechts die Dialoge. Für die Dialoge habe ich mir überlegt, wie die Person klingt – und dann habe ich das in eckigen Klammern in den Text geschrieben. Auf web666.cc gibt es nämlich eine versteckte Funktion: Du kannst Emotionen oder Sprechgeschwindigkeit angeben, indem du zum Beispiel „[aufgeregt]“ oder „[leise]“ in den Text schreibst. Das habe ich in keinem Tutorial gesehen, aber es funktioniert – und es macht einen Riesenunterschied.

Zweite Regel: Nicht mehr als 500 Zeichen auf einmal. Das klingt nach viel, aber wenn du mehr eingibst, verliert die KI den Fokus und wird schneller und schneller – als würde sie es kaum erwarten können, fertig zu werden. Also: Text in Häppchen teilen, einzeln generieren, und dann in einem Schnittprogramm zusammenfügen. Ich habe Audacity genommen (kostenlos, Open Source, gibt’s für Windows und Mac). Zwischen den Segmenten habe ich 0,3 Sekunden Stille eingefügt – das klingt wie ein natürliches Luftholen, nicht wie eine harte Naht.

Schritt 4: Der letzte Schliff – wie du die Roboterhaftigkeit loswirst

Jetzt kommt der Trick, den ich mir von einem Profi abgeschaut habe: Nimm deine geklonte Stimme und mische sie mit einer normalen TTS-Stimme. Das klingt verrückt, aber es funktioniert.

Und zwar so: Nachdem du das ganze Kapitel mit deiner KI-Stimme generiert hast, lass denselben Text nochmal mit einer anderen Stimme ausgeben – zum Beispiel mit der „warmen Männerstimme“ oder der „intelligenten Frauenstimme“, die es auf web666.cc gibt. Die klingt zwar nicht wie du, aber sie hat natürliche Atempausen und ein leichtes Zischen – genau das, was der Klon nicht hat.

Jetzt legst du beide Tonspuren übereinander. Deine Klon-Stimme auf 70% Lautstärke, die andere auf 10%. Das Ergebnis ist eine Stimme, die wie du klingt, aber mit einer natürlichen Textur – als hättest du sie in einem Raum aufgenommen, nicht im digitalen Nichts. Das überdeckt diesen typischen „Plastik“-Sound, den man bei 2-4 kHz hört.

Und dann noch ein Trick, den viele unterschätzen: Hintergrundgeräusch. Ich habe auf einer freien Soundbibliothek eine Datei mit dem Namen „Regen im Café“ gefunden – leises Klappern, entferntes Stimmengewirr. Die habe ich mit -30 dB unter meine Tonspur gemischt. Das klingt nicht nur angenehm, sondern es verwischt auch die letzten digitalen Artefakte. Als ich das Hörbuch dann hochgeladen habe, wurde es sogar von der Plattform akzeptiert – die KI-Erkennung dort schlägt bei reiner, unverfälschter Stimme viel schneller an.

Und was ist mit der DSGVO?

Klar, das Thema ist in Deutschland ein Dauerbrenner. Ich habe mich vorher informiert: Die Daten, die ich hochgeladen habe, meine Stimme, die Samples – alles wird auf Servern in der EU verarbeitet, und ich kann die Löschung jederzeit beantragen. Das war mir wichtig, denn ich will nicht, dass irgendeine Firma meine Stimme für Werbezwecke nutzt. Bei web666.cc gibt es eine klare Datenschutzerklärung, und ich habe auch die AGB gelesen (ja, wirklich). Also: Augen auf beim Stimmenklon – aber mit dem richtigen Anbieter ist das kein Hindernis.

Lohnt sich das überhaupt?

Meine erste Episode war nach einem Nachmittag fertig – 15 Minuten fertiges Audio. Und die Qualität? Meine Testhörer haben gesagt, dass sie es kaum von einer echten Aufnahme unterscheiden können, bis auf ein paar Stellen, wo die KI bei langen Sätzen ein Wort verschluckt. Aber für einen Krimi, eine Doku oder einen Sachtext reicht das völlig.

Klar, es gibt Grenzen: Heulkrämpfe, echtes Lachen oder diese leisen, brüchigen Momente, wenn eine Figur traurig ist – das kann die KI nicht. Aber wer das braucht, der sollte sowieso zum Mikro greifen. Für alle anderen: Probiert es aus. Der Einstieg ist kostenlos, das Tool ist ohne Anmeldung nutzbar (zumindest für die ersten Tests), und du hast nichts zu verlieren, außer einem Nachmittag.

Also: Was hält dich noch zurück? Such dir einen ruhigen Raum, nimm deine Stimme auf, und leg los. Dein erstes Hörbuch wartet schon.