KI-Sprachsynthese für Podcasts und Hörbücher

Ein 30-Sekunden-Reel zu vertonen und ein Buch mit 250 Seiten einzusprechen, sind zwei verschiedene Jobs. Eine Stimme, die eine halbe Minute lang wunderbar klingt, kann in der dritten Stunde nerven. Lange Texte legen jede Schwäche der KI-Sprecher offen: eintönige Satzmelodie, Namen, die von Kapitel zu Kapitel anders ausgesprochen werden.

Lange Projekte haben wir damit nicht selbst produziert. Die Zahlen haben den Stand 24. Oktober 2026.

Vorab ein Hinweis: Die Regeln der Plattformen für KI-gesprochene Hörbücher ändern sich oft, lies also am Tag des Hochladens die Richtlinien der Plattform, auf der du veröffentlichen willst. Und stell sicher, dass du die Audiorechte an dem Buch hast.

Podcasts und Hörbücher brauchen Unterschiedliches

Podcasts leben vom Gespräch, und das kann KI nicht gut vortäuschen. Eine komplett synthetische Talkshow würde ich nicht machen. Klüger ist es, die eigene Aufnahme aufzuräumen: Füllwörter rausschneiden, ein versprochenes Wort mit der geklonten eigenen Stimme reparieren. Genau da ist Descript stark. Hörbücher haben einen einzigen Sprecher, sind lang und brauchen Konsistenz. Hier ergibt Sprachsynthese wirklich Sinn, besonders bei Sachbüchern.

Die Tools

ElevenLabs Studio ist für lange Formate gebaut. Free erlaubt 3 Projekte, Starter 20. Das Audio hat in Free und Starter 128 kbps, ab Creator gibt es die Option auf 192 kbps.

Murf berechnet über seine API 0,03 USD pro 1.000 Zeichen in Studioqualität. Das ist sehr günstig, wenn du die Abläufe skripten kannst.

Descript ist in erster Linie ein Editor: Transkription in 25 Sprachen, Studio Sound, Remove Filler Words und eigene Stimmklone ab Hobbyist.

Die Credit-Rechnung für ein Buch

Ein Sachbuch mit 250 Seiten hat grob geschätzt 60.000 bis 80.000 Wörter, je nach Sprache etwa 400.000 bis 550.000 Zeichen. Prüf die Zeichenzahl deines eigenen Manuskripts. Bei ElevenLabs V2 Multilingual ist ein Zeichen ein Credit, ein Durchgang sprengt also die 121.000 Credits von Creator im Monat bei Weitem. Die 600.000 von Pro reichen für einen Durchgang. Plan 20 bis 30 Prozent für Neugenerierungen ein. Entweder nimmst du Pro für einen Monat, oder du arbeitest dich mit Creator über mehrere Monate durch und nutzt dabei die zweimonatige Übertragung in aktiven Bezahlplänen. Über die API von Murf kostet dasselbe Buch etwa 15 bis 17 USD, das Zusammensetzen der Kapitel bleibt aber an dir hängen.

Den Text vorbereiten

Schreib Zahlen in Worten aus. Lös Abkürzungen auf und leg einmal fest, wie Akronyme gelesen werden. Formulier Fußnoten und Verweise wie „siehe Seite 45“ um oder streich sie. Schreib schwierige fremde Namen phonetisch um oder nutz das Aussprachewörterbuch, das in der Dokumentation von ElevenLabs beschrieben wird (prüf, welche Modelle es aktuell unterstützen). Teil lange Sätze auf.

Damit man gern zuhört

Variier die Länge der Absätze. Gib Dialogen höchstens zwei zusätzliche Stimmen, mit zehn Stimmen wird aus einem Buch ein Hörspiel. Setz kurze Pausen zwischen die Kapitel. Hör dir jedes Kapitel komplett an, notfalls beschleunigt, denn falsche Aussprache fällt nur beim Hören auf.

Ein Workflow für Podcasts

Nimm in Descript auf oder importier die Aufnahme, bearbeite das Transkript, um das Audio zu schneiden, entfern Füllwörter automatisch und flick Fehler mit deiner geklonten Stimme über Regenerate. Free bietet 60 Medienminuten im Monat, Hobbyist kostet 24 USD monatlich oder 16 USD bei Jahreszahlung und bringt 10 Stunden. Für eine wöchentliche Sendung reicht Hobbyist meistens.

Lizenzen und Kennzeichnung

Ein Hörbuch zu verkaufen, ist kommerzielle Nutzung, und die beginnt bei ElevenLabs mit Starter. Nutz nur deine eigene Stimme oder eine, für die du eine schriftliche Einwilligung hast. Auf manchen Plattformen ist der Hinweis auf einen KI-Sprecher in der Beschreibung Pflicht, und überall mildert er negative Bewertungen ab.

Für dialoglastige Romane, Kinderbücher und Lyrik ist ein menschlicher Sprecher nach wie vor die bessere Investition.

Kleingedrucktes, kurz

Wie viele Credits kostet eine Stunde Audio?

Grob 48.000 bis 60.000 Zeichen, also ebenso viele Credits mit V2 Multilingual, plus Reserve für Neugenerierungen.

Kann ich mein Buch mit meiner geklonten Stimme einsprechen?

Ja. Professional Voice Cloning mit Creator ist bei langen Projekten konsistenter. Siehe unseren Ratgeber zum Voice Cloning.

Siehe auch: ElevenLabs gegen Murf. Tool-Seiten: ElevenLabs, Murf, Descript.

Seiten, auf die sich dieser Ratgeber bezieht