So vertonst du eine Präsentation mit Text-to-Speech

Ein typischer Fall: Du hast einen Pitch oder eine Lektion mit 10 Folien und brauchst für jede Folie einen gesprochenen Text, damit du die Präsentation als Video versenden oder ohne dich ablaufen lassen kannst. Alles selbst aufzunehmen, kostet viele Versuche, und jede Änderung bedeutet eine Neuaufnahme. Mit Text-to-Speech bearbeitest du einfach den Text und erstellst das Audio neu.

Welches Tool du nutzen solltest und warum

Nutze Text-to-Speech: Es verwandelt ein geschriebenes Skript in gesprochenes Audio mit einer ausgewählten Stimme. Wenn die Vertonung wie du klingen soll, klone zuerst deine Stimme und wähle sie im Tab Meine Stimmen aus: siehe Was eine eigene Stimme ist. Voice Changer passt hier nicht: Er ändert die Stimme in einer bestehenden Aufnahme und funktioniert nicht mit Text.

Schritt für Schritt an einem Beispiel

Beispiel: Eine Produktpräsentation mit 10 Folien auf Englisch, etwa 150 Wörter Skript pro Folie.

1. Schreibe das Skript Folie für Folie in einer Notizen-App. Schreibe Zahlen, Abkürzungen und Namen so, wie sie gesprochen werden sollen, zum Beispiel „twenty twenty-six“ statt „2026“, wenn es so ausgesprochen werden soll.

2. Öffne Text-to-Speech im Tab Tools und füge den Text für Folie 1 mit Einfügen ein. Tippe auf Weiter.

3. Wähle eine Stimme für die gesamte Präsentation. Für eine geschäftliche Präsentation eignen sich MiniMax Expressive Narrator oder eine OpenAI-Stimme wie Onyx oder Coral mit der Voreinstellung News. Tippe auf Weiter.

4. Tippe auf Generieren und höre dir das Ergebnis an. Wenn Tempo oder Tonfall nicht passen, passe die Geschwindigkeit für MiniMax oder die Anweisung für OpenAI an und tippe auf Erneut generieren.

5. Wenn Folie 1 gut klingt, speichere die Datei: Die Schaltfläche neben dem Player teilt sie in der App oder lädt sie im Web herunter.

6. Gehe zurück zum Tab Text, ersetze den Inhalt durch Folie 2 und generiere ihn erneut. Die Stimme und ihre Einstellungen bleiben ausgewählt.

7. Füge jede Datei als Audio auf der passenden Folie in PowerPoint, Keynote oder Google Slides ein.

Speichere jede Datei direkt nach der Erstellung. Ohne Premium speichert der Verlauf nur die letzten 3 Ergebnisse. Nach Folie 4 ist die Datei für Folie 1 also nicht mehr im Verlauf verfügbar.

So klingt die Vertonung natürlich

• Vertone Folie für Folie. Kurze Abschnitte lassen sich leichter korrigieren und auf den Folien platzieren. Ein Durchgang umfasst bis zu 10.000 Zeichen.

• Für eine Pause vor einem wichtigen Punkt füge <#1#> bei einer MiniMax-Stimme oder Auslassungspunkte bei einer ElevenLabs-Stimme ein.

• Wenn ein Wort falsch betont wird, schreibe den betonten Teil in Großbuchstaben: REcord oder reCORD.

• Für ein Skript mit deiner eigenen Stimme nimm das Sprachmuster in der Sprache der Präsentation auf.

Mehr zu Tags und Einstellungen: So funktioniert Text-to-Speech und Anweisungen für OpenAI-Stimmen.

Was es kostet

Für das Beispiel mit 10 Folien und jeweils etwa 150 Wörtern, insgesamt etwa 9.000 Zeichen:

Jedes „Erneut generieren“ wird als neuer Durchgang abgerechnet. Teste die Stimme daher erst an einer Folie, bevor du den Rest vertonst. Preise für alle Tools: Token-Preise für jedes Tool.