Kurz und bündig (BLUF): Text-to-Speech verwandelt eingegebenen Text direkt in Ihrem Browser in Sprache: Geben Sie den Text ein, wählen Sie eine Sprache und eine Stimme aus und erhalten Sie eine Audiodatei. Der Text und der Ton verlassen nie Ihr Gerät, es werden keine Tokens berechnet und es gibt hier kein kostenpflichtiges API. Das Modell beherrscht 600+ Sprachen und eine Stimme kann aus Ihrem eigenen Audio geklont werden – einer hochgeladenen Datei oder einer Mikrofonaufnahme. Das Ergebnis wird im Player abgespielt und als WAV-Datei heruntergeladen.
Es handelt sich um Sprachsynthese: Text geht rein, Ton kommt raus. Verwenden Sie es, um ein Video mit Ihrer eigenen oder einer ausgewählten Stimme zu vertonen, einen Voice-Over-Entwurf zu erstellen, zu überprüfen, wie ein Text in einer anderen Sprache klingt, oder einfach einen langen Artikel anzuhören, anstatt ihn zu lesen.
Die Lieferung wird durch eine Textanweisung gesteuert: ruhiges Lesen, ein Flüstern, Freude oder Traurigkeit. Die Emotion wird zusammen mit dem Text und nicht mit Schiebereglern eingestellt, sodass das Ergebnis natürlicher klingt.
Das Tool wird mit einer Bibliothek fertiger Stimmen geliefert – männlich und weiblich, mit unterschiedlichen Klangfarben. Wählen Sie eine Sprache und eine Stimme und beginnen Sie mit dem Sprechen.
Wenn Sie Ihre eigene Stimme benötigen, klonen Sie sie aus einem kurzen Sample: Laden Sie eine Audiodatei hoch oder nehmen Sie 15–30 Sekunden vom Mikrofon auf. Das Tool analysiert das Sample und fügt die Stimme Ihrer Liste hinzu – danach wird sie wie jede andere ausgewählt. Erstellte Stimmen bleiben im Browser erhalten und überdauern ein erneutes Laden der Seite.
Der Text und der Ton verlassen niemals Ihren Computer: Keine Leitung geht an unseren Server oder an den eines anderen. Das Modell wird einmal in den Browser geladen (ca. 3 GB Gewichte) und dann aus dem Cache entnommen, während die Berechnung bis WebGPU auf Ihrer Grafikkarte läuft. Wenn die Grafikkarte nicht verfügbar ist, greift die Engine ehrlich auf den Prozessor zurück und teilt Ihnen dies mit – das ist spürbar langsamer.
Für Sprache werden keine Token berechnet: Es handelt sich um ein kostenloses Tool, das auf Ihrer Hardware läuft, nicht auf unserer.
Das Eingabefeld fasst bis zu 20.000 Zeichen. Langer Text wird an den Satzgrenzen in Teile geteilt und mit kurzen Pausen nacheinander gesprochen – das Tempo bleibt unabhängig von der Länge gleichmäßig und am Ende geht nichts verloren. Der Fortschrittsbalken zeigt an, welcher Teil gelesen wird.
Sie können jederzeit abbrechen: Nach dem Abbrechen beginnt sofort ein neuer Lauf, ohne dass die Seite neu geladen werden muss.
Das Tool funktioniert am besten in Chrome oder Edge auf einem Desktop, auf dem WebGPU verfügbar ist. In Browsern ohne WebGPU wird die Stimme auf dem Prozessor generiert (WASM): Es funktioniert immer noch, aber merklich langsamer, insbesondere bei langen Texten.
Der erste Durchlauf dauert länger: Die Gewichte werden heruntergeladen und die Stimme aufgewärmt, sodass bereits das allererste Ergebnis sauber klingt. Spätere Läufe sind viel schneller.
Ja. Das Modell und seine Gewichte werden in den Browser geladen und die Berechnung läuft auf Ihrem Gerät. Der Text, die Mikrofonaufnahme und das resultierende Audio werden nie hochgeladen – das Tool hat überhaupt keine kostenpflichtigen API.
Nichts. Es werden keine Token berechnet: Es handelt sich um ein kostenloses Tool, das auf Ihrem Computer berechnet wird.
Ja. Das Eingabefeld fasst bis zu 20.000 Zeichen und Langtext wird in aufeinanderfolgenden Teilen vertont, sodass nichts verloren geht.
Laden Sie eine Audiodatei mit einer Sprachprobe hoch oder nehmen Sie 15–30 Sekunden vom Mikrofon auf. Das Tool analysiert die Probe und die Stimme erscheint in Ihrer Liste – Sie können damit jeden Text vorsprechen.
Das bedeutet, dass der Browser die Grafikkarte nicht nutzen konnte (WebGPU) und die Engine auf den Prozessor umgeschaltet hat – langsamer, aber das gleiche Ergebnis. Sie können die Seite neu laden und es erneut versuchen: Oft ist dann die Grafikkarte frei.
600+ Sprachen. Sie können die Sprache manuell auswählen oder die automatische Erkennung aktiviert lassen.