ElevenLabs
Synthetische Stimmen, ununterscheidbar von echten, in jeder Sprache.
Olyas Steckbrief
- Besonderheiten
- Es ist kein Modell, sondern ein Katalog, und die Wahl ist immer ein Tauschgeschäft: Eleven v3 spielt die Sätze regelrecht, erfasst ihren Kontext und nimmt Tonanweisungen in über 70 Sprachen entgegen, ist aber zu schwer für Echtzeit; Flash v2.5 liegt bei rund 75 ms in 32 Sprachen und gibt dafür genau diese Ausdruckskraft auf. Um die Sprachsynthese herum liegt der Rest der Werkbank — sofortiges oder professionelles Voice Cloning, Synchronisation, Transkription mit Scribe v2 in mehr als 90 Sprachen, dialogfähige Agenten — alles unter derselben API. Bezahlt wird in Credits, und ein Credit ist ein Zeichen Text: eine ehrliche Rechnung, weil sie vorab sagt, was eine Seite kostet.
- Stärken
- Der eigentliche Unterschied zeigt sich auf der langen Strecke: Pausen, Atem und Interpunktion brechen nicht nach dem dritten Absatz zusammen, und genau dort verraten sich fast alle Alternativen. Eine geklonte Stimme bleibt beim Sprachwechsel wiedererkennbar, sodass derselbe Erzähler dreizehn Fassungen desselben Inhalts tragen kann, ohne nach dreizehn Personen zu klingen. Nicht verbrauchte Credits werden bis zu zwei Monate übertragen, was unregelmäßige Arbeitsmonate verzeiht.
- Wann man sie nutzt
- Sinnvoll ist es bei langer Erzählung — Hörbüchern, Dokumentationen, Podcasts, Kursen — und bei der Lokalisierung eines bestehenden Katalogs in viele Sprachen, Synchronisation eingeschlossen. Am anderen Ende rechtfertigen Sprachagenten am Telefon oder im Produkt den Preis, weil die Latenz von Flash niedrig genug ist, dass die Wartezeit nicht wie eine Störung wirkt. Wenn die Stimme Teil des Erlebnisses ist und kein Zubehör, hört man den Unterschied.
- Wann man sie meidet
- Die Rechnung wächst mit den Zeichen, also kostet bei industriellen Mengen wiederkehrenden Texts — Benachrichtigungen, Hinweisen, Telefonmenüs mit festen Sätzen — ein Open-Source-Modell auf eigener Hardware einen Bruchteil, und niemand wird den Unterschied bemerken. Die kommerzielle Lizenz beginnt beim Sechs-Dollar-Tarif, professionelles Cloning erst beim Tarif für 22 Dollar; der Gratisplan dient zum Ausprobieren, nicht zum Produzieren. Und das Klonen der Stimme einer realen Person verlangt deren dokumentierte Einwilligung: ein juristisches Problem vor einem technischen, das die Software nicht für dich löst.