KI-Stimme natürlich statt roboterhaft klingen lassen

Eine KI-Stimme klingt aus drei Gründen roboterhaft: Das Skript wurde zum Lesen geschrieben, nicht zum Hören; jede Zeile wird gleich gesprochen; und ein paar Wörter (Namen, Zahlen, Akronyme) kommen falsch heraus. Behebst du diese drei Dinge, achten die meisten Hörer gar nicht mehr auf die Stimme. Du brauchst nicht so sehr eine bessere Engine als ein besseres Skript und ein wenig Regie.

Hier sind die neun Mittel, die nach unserer Erfahrung am meisten bringen, in der Reihenfolge, in der du sie ausprobieren solltest.

1. Wähl eine Stimme, die zur Aufgabe passt

Eine warme, gesprächige Stimme liest einen Podcast gut und eine Sicherheitsunterweisung schlecht. Wähl danach, wofür das Audio gedacht ist: ruhig und klar für Kurse, heller für Werbung, tiefer und langsamer für Dokumentationen. Hör dir ein paar Stimmen mit deiner eigenen ersten Zeile an, nicht mit dem Beispieltext. In der Stimmenbibliothek von Leelo hat jede Stimme eine Hörprobe, und Premium-Stimmen haben im Allgemeinen mehr natürlichen Ausdruck als Standardstimmen.

2. Schreib fürs Ohr

Die meiste „roboterhafte“ Sprachausgabe ist ein geschriebener Text, der vorgelesen wird. Gesprochene Sprache nutzt kürzere Sätze, Verkürzungen („gibt's“, „wir haben's“) und schlichte Wörter. Lies dein Skript einmal laut: Wo dir die Luft ausgeht oder du stolperst, teil den Satz. Eine Stimme kann nur so natürlich sein wie die Worte, die sie bekommt.

3. Nutze Satzzeichen als Regieanweisung

Stimmen folgen der Zeichensetzung. Ein Punkt erzeugt eine fallende, abschließende Tonlage, ein Komma einen kurzen Atemzug, ein Fragezeichen eine steigende, ein Gedankenstrich oder Auslassungspunkte ein Zögern. Einen langen Satz in zwei zu teilen, bringt den Rhythmus oft mehr in Ordnung als jede Einstellung.

4. Setz Pausen, wo ein Mensch Luft holen würde

Roboterhafter Vortrag hetzt von einem Gedanken zum nächsten. Füg eine kurze Pause vor einem wichtigen Punkt ein und nach einer Überschrift oder einer Pointe. Im Studio von Leelo kannst du nach jedem Wort eine Pause einfügen oder den Abstand nach jeder Zeile festlegen.

5. Betone die Wörter, auf die es ankommt

Wähl pro Satz ein Wort, das die Bedeutung trägt, und betone es. Markier das Wort im Studio und wähl die Betonung (stark, mittel oder schwächer). Übertreib es nicht: Ein betontes Wort pro Satz klingt natürlich, fünf klingen nach Werbung.

6. Variiere das Tempo

Ein ganzes Video in einem Tempo ermüdet. Werde bei Erklärungen und Zahlen langsamer, bei Aufzählungen und Übergängen etwas schneller. Du kannst das Tempo eines Sprechers festlegen oder nur bei ein paar Wörtern ändern.

7. Gib der Stimme eine Emotion, wo sie passt

Viele Stimmen nehmen eine Emotion oder einen Sprechstil an (fröhlich, traurig, flüsternd, Nachrichtensprecher und so weiter) und eine Intensität. Lege für den Sprecher einen Standard fest und ändere ihn bei den Zeilen, die es brauchen. Manche Stimmen nehmen auch Regieanweisungen in einfachen Worten entgegen. Die Einstellungen erscheinen nur bei Stimmen, die sie unterstützen.

8. Korrigiere Namen, Zahlen und Akronyme ein für alle Mal

Nichts zerstört die Illusion schneller als ein falsch ausgesprochener Markenname. Trag ihn einmal in deine Ausspracheliste ein, so geschrieben, wie er klingen soll, und jedes Projekt spricht ihn auf deine Art. Bei Zahlen legst du fest, wie sie gelesen werden: als Datum, Uhrzeit, Telefonnummer, Preis oder Buchstabe für Buchstabe.

9. Lass die Zeile noch einmal lesen

Stimmen lesen eine Zeile jedes Mal ein wenig anders. Wenn eine Zeile nicht stimmt, erzeug einen zweiten Take und vergleiche, statt das ganze Skript neu zu erzeugen. Leelo behält bis zu fünf Takes pro Zeile und lässt sie dich nacheinander abspielen.

Eine kurze Checkliste

• Die Stimme passt zum Zweck und wurde mit deiner eigenen ersten Zeile gewählt.
• Die Sätze sind kurz genug, um sie in einem Atemzug zu sprechen.
• Pausen vor wichtigen Punkten; ein betontes Wort pro Satz.
• Das Tempo wird bei Erklärungen langsamer und bei Übergängen schneller.
• Namen, Marken und Zahlen stehen in der Ausspracheliste.
• Schwache Zeilen haben einen zweiten Take.

Wenn du ein YouTube-Voiceover, einen Podcast oder ein Hörbuch machst, gelten dieselben Regeln; langes Audio braucht nur mehr Tempowechsel, damit es nicht leiert.