Text-to-Speech für YouTube

1. 01

   Schreiben Sie Ihr Skript

   Planen Sie etwa 150 Wörter pro Minute fertiges Video ein. Fügen Sie jeweils bis zu 5,000 Zeichen ein und teilen Sie längere Skripte in Abschnitte auf.

2. 02

   Wählen Sie eine Stimme

   Wählen Sie aus 54 natürlichen Stimmen in 9 Sprachen. Mit der Vorschau vergleichen Sie den Klang, bevor Sie Audio erzeugen.

3. 03

   Audio erzeugen und herunterladen

   Klicken Sie auf „Projekt erzeugen“ und laden Sie die WAV-Datei mit 24 kHz herunter. Ohne Wasserzeichen, Anmeldung oder Gebühren.

4. 04

   In Ihr Schnittprogramm einbinden

   Importieren Sie die WAV-Datei in Premiere, DaVinci Resolve, CapCut oder Final Cut Pro. Richten Sie die Tonspur am B-Roll-Material aus und exportieren Sie das Video.

Möchten Sie sie anhören? Alle 54 Stimmen ansehen →

• 01

  Skriptlänge vor dem Erzeugen berechnen

  Gesprochenes Englisch liegt im Schnitt bei etwa 150 Wörtern pro Minute. Ein 10-minütiges Video braucht also rund 1,500 Wörter, etwa 8,500 Zeichen und damit zwei Durchgänge mit FreeTextoSpeech. Legen Sie die Trennstellen an Szenenwechsel, damit die Übergänge auf Schnitten liegen und nicht mitten im Satz.

• 02

  Mit Satzzeichen das Sprechtempo steuern

  Ein Komma erzeugt eine kurze Pause, ein Punkt eine längere, ein Gedankenstrich eine echte Pause. Wirkt eine Zeile flach, teilen Sie sie in zwei Sätze. Wirkt ein Übergang gehetzt, setzen Sie Auslassungspunkte. Das Kokoro-Modell berücksichtigt diese Zeichen; sie sind das einfachste Mittel, um das Tempo zu steuern.

• 03

  Mit zwei Stimmen die Zuschauerbindung steigern

  Eine Erzählung mit nur einer Stimme verliert nach acht Minuten an Energie. Wechseln Sie zwischen zwei Stimmen (zum Beispiel Sarah für die Erzählung, Adam für „Wussten Sie schon?“-Einschübe), dann steigt die durchschnittliche Wiedergabedauer. Die zweite Stimme nehmen Zuschauer als Rhythmuswechsel wahr.

• 04

  Musik per Ducking auf -18 dB unter die Stimme absenken

  Musik unter der Erzählung sollte etwa 12 bis 18 dB unter dem Spitzenpegel der Stimme liegen. Nutzen Sie Sidechain-Ducking in Premiere oder Resolve, damit das Musikbett unter der Sprache absinkt und in den Pausen wieder ansteigt. Wenn Sie nicht jeden Konsonanten hören, ist die Musik zu laut.

• 05

  Das ganze Video auf -14 LUFS integriert mastern

  YouTube regelt zu laute Uploads herunter. Der Zielwert der Plattform liegt bei -14 LUFS integriert; alles Lautere wird abgesenkt, und der Mix verliert spürbar an Druck. Stellen Sie die Lautheitsanzeige Ihres Schnittprogramms ein, bringen Sie die Summe auf -14 LUFS, dann lässt YouTube die Datei unverändert.

• 06

  KI-Stimme kennzeichnen, wenn es darauf ankommt

  Die YouTube-Kennzeichnung „Veränderte oder synthetische Inhalte“ gilt für realistische Darstellungen echter Personen, sensible Themen (Gesundheit, Nachrichten, Wahlen) und alles, was Zuschauer für eine echte Aufnahme einer Person des öffentlichen Lebens halten könnten. Ein normales Erklärvideo mit Sprecherstimme braucht keine Kennzeichnung, im Zweifel setzen Sie beim Hochladen aber das Häkchen. Ehrlichkeit zahlt sich aus, und der Algorithmus bestraft die Kennzeichnung nicht.

Wo sich die konkreten Monatswerte des Anbieters im Lauf der Zeit ändern, ist der Vergleich qualitativ. Prüfen Sie vor einem Vergleich die aktuellen Limits des kostenlosen ElevenLabs-Tarifs.