So nimmst du ein Sample auf, damit der Klon wie du klingt
Eine sprechende Person, ein ruhiger Raum ohne Echo und 30 bis 60 Sekunden natürliche Sprache in der gewünschten Zielsprache. Musik, Telefonate und Störgeräusche verschlechtern das Ergebnis.
Aktualisiert am 2. November 20262 Min. Lesezeit
Der Klon übernimmt alles, was im Sample zu hören ist: Klangfarbe, Sprechweise, aber auch Hall, das Summen eines Kühlschranks oder Hintergrundmusik. Je besser die Aufnahme ist, desto ähnlicher wird die Stimme. Nachträglich kann der Anbieter eine schlechte Aufnahme nicht korrigieren.
Wo du aufnehmen solltest
Nimm am besten in einem kleinen, ruhigen Raum mit weichen Oberflächen auf, zum Beispiel im Schlafzimmer mit Vorhängen und einem Sofa. Kahle Wände, ein Badezimmer oder ein leerer Raum erzeugen Hall, der im Klon hörbar bleibt.
Schalte Fernseher, Musik, Ventilatoren und Klimaanlagen aus und schließe das Fenster.
Halte das Smartphone 15–30 cm von deinem Mund entfernt und behalte diesen Abstand bis zum Ende bei.
Bedecke das Mikrofon nicht mit der Hand oder einer Hülle und sprich nicht durch einen Schal oder eine Maske.
Wie du sprechen solltest
Sprich genau so, wie die Stimme am Ende klingen soll. Wenn du ein ruhiges Voiceover brauchst, lies ruhig vor. Wenn es lebendig sein soll, sprich mit mehr Energie.
Nutze dein normales Sprechtempo und deine gewohnte Lautstärke. Flüsstere nicht, schreie nicht und ziehe Wörter nicht künstlich in die Länge.
Lies den Text auf dem Bildschirm bis zum Ende vor. Er enthält verschiedene Laute und Betonungen, die für einen guten Klon wichtig sind.
Wenn du dich versprichst, tippe auf Erneut aufnehmen und starte von vorn. Eine lange Pause oder ein Husten mitten in der Aufnahme landet sonst direkt im Klon.
Nimm in der Sprache auf, die du nutzen willst
Der Klon klingt in der Sprache der Aufnahme am natürlichsten. Eine auf Russisch aufgenommene Stimme kann zwar Englisch sprechen, behält dabei aber den russischen Akzent und die entsprechende Intonation. MiniMax reagiert darauf besonders sensibel, woran dich die App auch auf dem Bildschirm „Neue Stimme“ erinnert. Eine Stimme von Qwen 3 unterstützt 10 Sprachen: Englisch, Russisch, Chinesisch, Deutsch, Französisch, Spanisch, Italienisch, Japanisch, Koreanisch und Portugiesisch.
Welche Datei du wählen solltest
Eine Datei eignet sich gut, wenn darauf nur eine Person ohne Musik oder Soundeffekte spricht. Die Vorgaben liegen zwischen 10 Sekunden und 5 Minuten bei maximal 20 MB, wobei die App etwa 60 Sekunden empfiehlt.
| Funktioniert gut | Führt zu einem schlechten Klon |
|---|---|
| Eine eigene Sprachnachricht, die an einem ruhigen Ort aufgenommen wurde | Ein Anruf per Telefon oder Messenger: Der Ton ist komprimiert und die andere Person ist zu hören |
| Ein Ausschnitt aus einem Podcast oder Vortrag mit nur einer Person | Ein Video mit Musik oder Straßenlärm im Hintergrund |
| Eine Aufnahme mit einer Diktiergerät-App | Ein Gespräch zwischen zwei oder mehr Personen |
| 30–60 Sekunden durchgehendes Sprechen | Eine 10-sekündige Aufnahme mit langen Pausen |
Wenn der Klon trotzdem nicht nach dir klingt
Probiere denselben Mitschnitt beim anderen Anbieter aus. MiniMax und Qwen 3 bilden dieselbe Stimme unterschiedlich nach. Eine Stimme über Qwen 3 kostet etwa 1 Token, sodass sich ein Vergleich problemlos lohnt. Eine Stimme lässt sich nicht nachträglich trainieren: Um sie zu verbessern, erstelle einfach eine neue Stimme mit einer besseren Aufnahme und lösche die alte unter Meine Stimmen. Weitere Ursachen und Fehler findest du hier: Stimmklonen fehlgeschlagen oder klingt falsch.
Support kontaktieren
Beschreibe das Problem und wir antworten per E-Mail. Füge den Dateinamen oder die Job-ID bei, falls vorhanden.