KI-Dialoggenerator

1. 01

   Gespräch schreiben

   Eine Zeile pro Beitrag. Die Moderation spricht die erste Zeile, der Gast die zweite, danach wechseln sich beide ab. Sprecherangaben wie „NAME:“ am Zeilenanfang funktionieren weiterhin, falls Sie Ihre Skripte schon so schreiben.

2. 02

   Stimme nur bei Bedarf ändern

   Moderation und Gast haben bereits gut unterscheidbare Stimmen. Benennen Sie die Sprecher um, wählen Sie eine andere Stimme oder fügen Sie eine weitere Person hinzu. Sprecher müssen Sie nie aus dem Skript erkennen lassen.

3. 03

   Audio erzeugen und herunterladen

   Ein Klick auf „Gespräch erzeugen“ erstellt das ganze Gespräch. Hören Sie es an und laden Sie dann eine gemeinsame WAV- oder MP3-Datei herunter.

Möchten Sie sie anhören? Alle 54 Stimmen ansehen →

• 01

  Eine Zeile pro Beitrag

  Die Moderation spricht die erste Zeile, der Gast die zweite, danach wechseln sich beide ab. Optionale Sprecherangaben wie „NAME:“ am Zeilenanfang funktionieren weiterhin, falls Sie Skripte schon so schreiben.

• 02

  Pausen zwischen den Zeilen mit Satzzeichen steuern

  Ein Komma ist eine Viertelpause, ein Punkt eine halbe, ein Gedankenstrich eine echte Pause, Auslassungspunkte halten den Moment an. Wenn eine Figur zögert, schreiben Sie „Well... I don't know if that's true.“ statt „Well I don't know if that's true.“ Erst die Pause macht das Zögern glaubwürdig, und Kokoro hält sich an die Zeichensetzung.

• 03

  Zwischen Beiträgen 200 bis 400 ms Stille lassen

  In echten Gesprächen liegen im Schnitt etwa 250 ms zwischen zwei Beiträgen. Setzen Sie zwei Text-to-Speech-Clips direkt aneinander, klingt der Dialog roboterhaft. Fügen Sie im Schnittprogramm 300 ms echte Stille zwischen den Beiträgen ein, und es klingt wie ein Gespräch zwischen zwei Menschen. In angespannten Szenen verkürzen Sie die Pause auf 100 ms, bei nachdenklichen Gesprächen verlängern Sie sie auf 600 ms.

• 04

  Unterbrechungen mit 50 bis 100 ms Überlappung simulieren

  Schneiden Sie den Clip von Figur A mitten im Wort ab und ziehen Sie den Clip von Figur B so, dass er 50 bis 100 ms vor dem Ende von A beginnt. Die kurze Überlappung ist das universelle Hörsignal für „jemand fällt ins Wort“. Eine Überblendung von 100 ms im überlappenden Bereich glättet den Schnitt, und die Unterbrechung wirkt natürlich.

• 05

  Stimmen für Kopfhörer leicht links und rechts platzieren

  Setzen Sie Figur A im Panorama 15 % nach links und Figur B 15 % nach rechts. Das wirkt nicht theatralisch, reicht aber, damit Kopfhörer-Hörer die Sprecher nicht mehr verwechseln. Starkes Panning (ab 50 %) passt nur zu Hörspielen. Für Podcasts und Hörbücher sind 15 % ideal.

• 06

  Lachen und „Mhm“ phonetisch ausschreiben

  Kein SSML, kein <laugh>-Tag: Schreiben Sie aus, was gesprochen werden soll. „Hah hah hah“ ergibt ein sauberes Lachen aus drei Silben, „mmhm“ klingt nach Zustimmung, „ugh“ nach Genervtheit. Testen Sie die Reaktion zuerst als kurze Einzelerzeugung mit etwa 10 Zeichen, wechseln Sie die Stimme, wenn eine andere sie sauberer spricht, und legen Sie die WAV-Datei dann auf eine eigene Spur in Ihrem Schnittprogramm.

„Gespräch erzeugen“ arbeitet die Beiträge nacheinander ab, damit die gemeinsam genutzte Sprach-Engine nicht überlastet wird.