IVR-Telefonansage selbst sprechen? Ich habe Kurzvideo-Voiceover und Podcast-Intro verglichen
Letzte Woche habe ich für die Bäckerei meiner Cousine die Telefonansage aufgenommen. Drei Versuche. Jedes Mal klang ich wie ein Callcenter-Mitarbeiter, der gerade seinen Kündigungsbrief liest. Kein Wunder, dass Kunden auflegen, bevor sie überhaupt die Eins für „Menschliche Beratung“ drücken.
Die Cousine backt Sauerteigbrot, steht um vier Uhr morgens in der Backstube, und ihr Telefon klingelt ununterbrochen. Kunden wollen wissen, ob das Dinkelbrot noch da ist, ob sie einen Kuchen bestellen können. Ich dachte mir: Ein paar freundliche Sätze aufs Band sprechen, das schaff ich mal eben. Falsch gedacht.
Eine IVR-Ansage aufzunehmen, klingt einfacher, als es ist. Du setzt dich vor das Mikrofon, liest ein paar Zeilen und denkst, fertig. Doch dann hörst du das Ergebnis und willst am liebsten den Laptop zuklappen.
Kurzvideo-Voiceover und Podcast-Intro – nicht dasselbe
Ich habe vor Kurzem zwei völlig unterschiedliche Jobs gemacht. Erst ein Voiceover für einen kurzen Food-Reel auf Instagram. Dann das Intro für einen unabhängigen Podcast. Auf den ersten Blick ist beides „aufs Mikrofon sprechen“. In der Realität sind es zwei verschiedene Welten.
Beim Reel für den Food-Account hatte ich ein Skript mit knapp achtzig Wörtern. Ich habe fast zwei Stunden gebraucht. Nicht, weil meine Stimme nicht sauber genug war. Sondern weil jedes Wort mit dem Bild mitgehen musste. Die Pause muss genau sitzen, wenn die Zwiebeln in die Pfanne fliegen. Zu spät, und die Zuschauer wischen weiter. Es ist dieses nervige Timing, das dich wahnsinnig macht. Man redet nicht einfach, man performt für den Schnitt.
Beim Podcast-Intro war das eine andere Geschichte. Keine Bilder, keine Schnitte. Eine Aufnahme, durchgehend, kein Zusammenflicken von Stückchen. Die Schwierigkeit lag in dieser nächtlichen Radiostimmung. Du sitzt allein im leeren Raum, das Mikrofon vor dir, und versuchst, nicht wie eine Nachrichtensprecherin zu klingen. Ich habe fünf Durchläufe gebraucht, bis es passte. Nicht, weil ich den Text vergessen hätte. Sondern weil ich zu sehr nach „Outsourced-Kundenservice“ klang und nicht nach jemandem, der echtes „Raumgefühl“ mitbringt. Ein Podcast lebt von dieser Intimität. Eine IVR lebt von etwas ganz anderem.
Was eine IVR-Ansage wirklich braucht
Zurück zur Telefonansage. Eine IVR ist weder Kurzvideo noch Podcast. Sie hat ihre eigenen Macken, und ich habe sie auf die harte Tour gelernt.
Die Stimme muss klar sein, angenehm zum Zuhören und darf nicht zu emotional sein. Kunden rufen an, weil sie etwas zurückgeben wollen oder sich beschweren. Zu euphorisch wirkt unprofessionell. Zu müde wirkt gleichgültig. Beides geht nicht. Ich habe einmal versucht, die Ansage besonders herzlich zu sprechen – mit viel Schwung, fast wie bei einer Werbung. Meine Cousine hat angehört und gesagt: Klingt, als würde ich eine Versicherung verkaufen. Nicht das, was eine Bäckerei braucht.
Der entscheidende Punkt ist die Wiederholung. Dieselbe Ansage läuft vielleicht hunderte Male am Tag. Eine Stimme, die auch nur ein bisschen schrill ist, treibt den Kunden in den Wahnsinn, noch bevor er sein Problem ausgesprochen hat. Ich habe irgendwann gemerkt, dass eine IVR eine neutrale, leicht warme Stimme braucht. Etwas langsamer gesprochen, mit Pausen, damit der Anrufer Zeit hat zu reagieren. Kein Maschinengewehr.
Ich habe mir einmal Angebote von professionellen Sprechern angesehen. Für eine einzige IVR-Ansage wollten einige mehrere hundert Euro verlangen. Für einen kleinen Laden, der monatlich vielleicht hundert Euro an Telefonkosten hat, ist das unverschämt. Deshalb bin ich bei der kostenlosen Variante geblieben.
Und dann gibt es noch die rechtliche Seite. In Deutschland schaue ich ohnehin zuerst auf die DSGVO, bevor ich irgendwelche Sprachdaten irgendwo hochlade. Wer Kunden am Telefon bedient, sollte wissen, wo die Daten verarbeitet werden. Das ist kein kleiner Fußnote, sondern ein echtes Thema für jeden Ladenbesitzer hierzulande.
Mein Heimbüro-Albtraum
Am Anfang war ich naiv. Ich dachte, mein Schreibtischmikrofon reicht schon. Beim ersten Test für die IVR hörte ich im Hintergrund den Lüfter des PCs. Und draußen den Durchsagen des Sicherheitsdienstes aus der Wohnanlage. Luftgeräusche, ferne Durchsagen – ich hatte am liebsten alles gleich gelöscht.
Dann das Thema Abstand. Zu nah am Mikrofon, und jedes „P“ klingt wie eine kleine Explosion. Zu weit weg, und das Zimmer hallt, die Klimaanlage drängt sich in den Vordergrund. Eine IVR-Ansage soll trocken und unverfälscht klingen. Das stellt fast schon anspruchsvolle Anforderungen an den Raum. Ein kleines Rauschen, tausendfach wiederholt, wird zum Lärmsturm. Ich habe stundenlang mit Decken und Kissen experimentiert, um den Hall zu dämpfen. Mein Sofa war plötzlich Teil meines Aufnahmestudios.
Auch die Einstellungen in der Aufnahme-App haben mich genervt. Viele kostenlose Programme komprimieren standardmäßig so stark, dass die Höhen einfach abgeschnitten werden. Die Stimme klingt plötzlich flach, leblos. Ich habe mehrere Apps ausprobiert, bis ich begriffen habe: Eine rohe WAV-Aufnahme ist das Minimum. Sonst lässt sich im Nachhinein nichts mehr anpassen. Kein Equalizer der Welt holt die Frequenzen zurück, die vorher weggematscht wurden.
Warum dein TikTok-Voiceover nicht für die Telefonanlage taugt
Ein Freund, der Kurzfilme macht, fragte mich neulich, ob er sein altes Voiceover-Material direkt für seine IVR nutzen könne. Ich habe es ausprobiert. Das Problem zeigte sich sofort. Kurzvideo-Sprechstimme folgt einer Dramaturgie. Die Stimme steigt in der Höhe, wenn es spannend wird. Sie dehnt Pausen vor dem Produkt heraus. Diese „Schauspielerei“ ist in einer Telefonansage eine Katastrophe. Der Anrufer bekommt Kopfschmerzen und übersieht die eigentliche Information.
Eine IVR ist eher wie ein Telefon-Concierge, der rund um die Uhr erreichbar ist. Die Stimme muss verständlich sein, ohne Theatereffekt. Beim Tempo ist der Unterschied groß: Videos brauchen einen schnellen Rhythmus, eine IVR braucht Zeit. Das Gehirn des Anrufers braucht einen Puffer, um die Information zu verarbeiten. Pausen in Videos dienen dem Schnitt. Pausen in der Telefonansage dienen dazu, dass der Kunde eine Taste drückt oder überlegt, was er als Nächstes sagt.
Wenn man einfach rüberretten will, endet man damit, alles von Neuem aufzunehmen, nachzujustieren und neu abzutasten. Das spart nichts. Der sicherste Weg ist, eine frische, neutrale und angenehme Stimme zu nehmen, die speziell für die Telefonleitung angepasst ist. Ich habe das selbst so gemacht, und seitdem beschwert sich niemand mehr über die Warteschleife.
Ich habe die fertige Datei dann in die Fritz!Box meines Bruders eingespeist, die er als Telefonanlage für seinen kleinen Handwerksbetrieb nutzt. Die Ansage kam sauber an, kein Rauschen, kein komisches Echo. Wenn es in einer alten Telefonanlage funktioniert, funktioniert es wahrscheinlich überall.
Meine IVR-Stimme kostenlos klonen – ohne Anmeldung
Ich bin keine professionelle Sprecherin. Ich habe kein Aufnahmestudio und keine Zeit, jemanden extern zu beauftragen. Deshalb nutze ich seit einiger Zeit eine Webseite, auf der ich meine Stimme kostenlos klonen kann. Kein Konto, keine Kreditkarte. Einfach die Seite öffnen und loslegen.
So mache ich es: Ich nehme eine kurze, saubere Sprachaufnahme von mir selbst – oder ich suche mir eine Telefonansage, die mir gefällt. Dann lade ich die Datei auf die Seite zum Stimme klonen kostenlos hoch. Die KI erzeugt daraus meine eigene Stimme. Danach gehe ich auf den Text zu Sprache kostenlos Bereich, gebe das IVR-Skript ein – zum Beispiel „Guten Tag, Sie sprechen mit der Bäckerei Schmidt. Drücken Sie eins für Öffnungszeiten, zwei für Bestellungen.“ – und lasse mir die Audiodatei generieren. Herunterladen, in die Telefonanlage einbinden, fertig.
Es muss nichts installiert werden. Es läuft alles online. Kein Wasserzeichen. Unbegrenzte Text zu Sprache Deutsch kostenlos Umsetzungen. Ideal für kleine Läden, die ihre IVR schnell ändern wollen. Ich habe vorher einige andere Dienste ausprobiert, die eine kostenlose stimmenklon online anboten, aber fast alle wollten am Ende eine E-Mail oder eine Handynummer. Hier ist es wirklich ohne anmeldung text zu sprache und sprachausgabe ohne registrierung. Man lädt hoch, die KI hilft, eine ki stimme erzeugen zu können, und man hat sofort das Ergebnis. Manche nennen es voice cloning deutsch kostenlos, ich nenne es einfach praktisch für den Alltag.
Das Ergebnis klingt nicht nach einem Roboter aus den Neunzigern, sondern nach einem echten kostenloser ai sprecher, der gerade erst den Kaffee getrunken hat. Für die Bäckerei war es eine kostenlose vertonung, die genau den richtigen Ton traf. Manchmal denke ich auch daran, ein kurzes Hörbuch selbst zu vertonen, nur um zu sehen, wie die KI mit längeren Texten zurechtkommt. Aber für die IVR reicht eine kurze, knackige Ansage völlig aus.
Wer öfter damit arbeitet, wird den sprachgenerator kostenlos schätzen. Man tippt den Text, wählt die Stimme, und Sekunden später hat man die Audiodatei. Kein Studio, kein Termin, kein Stress. Und weil ich in Deutschland wohne, achte ich natürlich darauf, wo meine Sprachdaten landen und ob alles mit der DSGVO vereinbar ist, bevor ich irgendetwas hochlade. Datenschutz ist hier kein optionales Extra.
Falls du später eine eigene Anbindung brauchst, gibt es auch eine kostenlose API für Sprachausgabe. Die Dokumentation findet sich dort. Damit lässt sich die KI-Stimme direkt in die Telefonanlage oder die Website einbauen, ohne jedes Mal manuell Dateien hochladen zu müssen.
Häufige Fragen
Darf ich eine geklonte Stimme für die IVR nutzen?
Ja, solange die geklonte Stimme deutlich und richtig ausgesprochen ist, eignet sie sich für die Telefonansage. Wichtig ist, dass im fertigen Audio kein Hintergrundrauschen ist, das Tempo angenehm bleibt und der Anrufer alles verstehen kann.
Darf ich die kostenlose KI-Stimme gewerblich nutzen?
Die Plattform ist dauerhaft kostenlos. Die erzeugten Audiodateien dürfen gewerblich verwendet werden – für Telefonansagen, Kurzfilme, Podcasts und mehr. Urheberrechtlich ist da nichts im Weg.
Nimm dir dein Handy, sprich dreißig Sekunden deine Telefonansage ein, lade sie hoch und hör dir an, ob die KI-Version natürlicher klingt als dein direktes Vorlesen vom Skript. Manchmal ist der schnellste Weg keine teure Agentur, sondern einfach ein ehrlicher Versuch am eigenen Schreibtisch. Deine Kunden werden es dir danken, wenn sie nicht beim ersten Ton auflegen.