Aus jedem Text ein vertontes MP3 mit Untertiteln
Verwandelt ein Skript in ein vertontes MP3 mit neuronalen Stimmen – samt Untertiteln, die auf die Millisekunde passen.
Das Skript geht an unseren eigenen Vertonungsdienst, kommt als MP3 mit dem Zeitpunkt jedes Wortes zurück und wird nirgends gespeichert. Nur diese Engine erlaubt den Download.
Enter beginnt einen neuen Absatz, Umschalt+Enter behält einen Zeilenumbruch darin. Jeder Absatz kann eine eigene Stimme bekommen – so vertont man einen Dialog.
So funktioniert es
Skript hereinholen
Tippen, einfügen oder eine .txt, .md, .srt oder .vtt hineinziehen. Jeder Absatz wird zu einem bearbeitbaren Block. Beim Import wird nichts vertont.
Stimme wählen
Durchsuchen Sie über 300 neuronale Stimmen nach Sprache, Region oder Geschlecht und hören Sie einen Beispielsatz, bevor das ganze Skript daran hängt.
Vertonen lassen
Jeder Absatz wird einzeln vertont, und die Engine meldet, wo jedes Wort liegt. Das speist die Wellenform und die Untertitel.
Mitnehmen
MP3 und WAV mit genau dem Ton, den Sie gerade gehört haben, dazu SRT- und VTT-Untertitel aus denselben Zeitangaben.
Stimmen, die nach Mensch klingen
Über 300 neuronale Stimmen in 140 Regionen, darunter mehrsprachige, die ihre Klangfarbe behalten, wenn das Skript die Sprache wechselt.
Untertitel, die wirklich sitzen
SRT und VTT entstehen aus den Wort- und Satzzeiten, die die Engine für genau diese Vertonung meldet – nicht aus einer geschätzten Lesegeschwindigkeit.
Eine Stimme pro Absatz
Geben Sie jedem Block eine eigene Stimme und vertonen Sie Dialoge, Interviews oder Hörbücher mit mehreren Figuren in einem Durchgang.
Prosodie in Ihrer Hand
Tempo, Tonhöhe und Lautstärke als Vorgabe für das ganze Skript – und Block für Block überschreibbar, wenn eine Zeile anders klingen soll.
Ändern, ohne neu anzufangen
Sie korrigieren einen Tippfehler in Absatz sieben, und nur Absatz sieben wird neu vertont. Alles bereits Fertige bleibt unverändert.
Eine Engine ganz ohne Netz
Die Geräte-Engine liest Ihr Skript mit den Stimmen, die Ihr System schon hat, ohne eine einzige Anfrage. Nur zum Hören: der Browser lässt keine Aufnahme zu.
Vertonung und Untertitel aus einem einzigen Durchgang
Schreiben oder fügen Sie Ihr Skript ein, wählen Sie aus über 300 neuronalen Stimmen und nehmen Sie das fertige Audio zusammen mit SRT- und VTT-Untertiteln mit, die aus derselben Vertonung stammen. Jeder Absatz darf eigene Stimme, eigenes Tempo und eigene Tonhöhe haben, und wer eine Zeile ändert, vertont nur diese Zeile neu.
Wo das Audio entsteht, klar gesagt
Mit der Geräte-Engine passiert alles in diesem Tab, mit den Stimmen, die Ihr System schon hat. Mit der neuronalen Engine geht das Skript an unseren eigenen Dienst, wird dort vertont und kommt direkt zurück: kein fremder Zwischendienst, nichts in einer Datenbank, keine Kopie nach der Auslieferung. Das ist der einzige Teil, der nicht lokal läuft – und genau der macht Download und Untertitel möglich.
Zum Vertonen, Lernen und Veröffentlichen
Legen Sie ein Voice-over auf ein Video und ziehen Sie die passenden Untertitel gleich mit auf die Zeitleiste. Machen Sie aus einem langen Artikel Hörstoff für den Weg zur Arbeit. Vertonen Sie einen Kurs mit einer Stimme für die Lektion und einer zweiten für die Beispiele. Prüfen Sie Ihre eigenen Texte mit den Ohren – das entlarvt holprige Sätze, die keine Rechtschreibprüfung findet. Und wenn der Ton fertig ist, schicken Sie die Untertitel ohne Download direkt ins Untertitel-Werkzeug.
Ihre Skripte, Ihr Verlauf und Ihre Einstellungen leben in diesem Browser und sonst nirgends. Die neuronale Engine bekommt nur den Absatz, den sie aussprechen soll, und behält danach nichts. Kein Konto, keine Auswertung Ihres Textes, kein Protokoll darüber, was Sie vorlesen ließen.
Häufige Fragen
QKann ich das Audio herunterladen, und ist es dasselbe, das ich gehört habe?+
Ja. Das MP3 ist der unveränderte Datenstrom der Engine, Absatz für Absatz aneinandergehängt und ohne Neukodierung – also identisch mit dem, was der Player gerade abgespielt hat. Das WAV ist dasselbe Audio unkomprimiert, für Schnittprogramme, die das lieber mögen.
QPassen die Untertitel wirklich zum Ton?+
Ja, denn sie werden nicht geraten. Während der Vertonung meldet die Engine, wann genau jedes Wort und jeder Satz beginnt und wie lange er dauert. SRT und VTT entstehen aus diesen Zahlen und sitzen deshalb auch dann, wenn Sie das Lesetempo verändern.
QVerlässt mein Text den Browser?+
Mit Gerätestimmen nie. Mit neuronalen Stimmen geht der Absatz, der gesprochen werden soll, an unseren eigenen Dienst, der das Audio zurückgibt und nichts behält. Das ist die ehrliche Antwort: Neuronale Stimmen passen nicht in einen Browser-Tab, ohne ein Modell von mehreren hundert Megabyte zu laden.
QGibt es eine Längenbegrenzung?+
Jeder Absatz ist auf 3.000 Zeichen begrenzt, also etwa eine Textseite; längere Importe werden automatisch an Satzgrenzen geteilt. Das Skript als Ganzes hat keine Obergrenze, ein sehr langes bedeutet aber viele Anfragen und dauert entsprechend.
QKann ich mehrere Stimmen in einem Skript verwenden?+
Ja, genau dafür ist die Aufteilung in Absätze da. Öffnen Sie einen Block und geben Sie ihm eigene Stimme, eigenes Tempo, eigene Tonhöhe oder Lautstärke. Alles, was Sie nicht überschreiben, folgt weiter der Vorgabe fürs ganze Skript.
QWird alles neu vertont, wenn ich einen Tippfehler korrigiere?+
Nein. Jeder Absatz merkt sich Text und Einstellungen, mit denen er vertont wurde. Nach einer Änderung gehen nur die Absätze erneut raus, die sich wirklich geändert haben. Bei einer langen Vertonung ist das der Unterschied zwischen ein paar Sekunden und mehreren Minuten.
QWarum klingen Gerätestimmen auf jedem Rechner anders?+
Weil sie zum Betriebssystem gehören und nicht zu uns: Windows, macOS, Android, iOS und ChromeOS bringen jeweils eigene Sätze mit. Zusätzliche Sprachpakete erweitern die Liste. Neuronale Stimmen klingen dagegen überall gleich.