Gut zu wissen
Welches Modell? Qwen3-TTS (1,7 Milliarden Parameter) von Alibabas Qwen-Team, frei unter Apache-2.0-Lizenz. Es läuft bei uns auf einer NVIDIA Tesla P40. Die fertigen Stimmen haben wir einmal mit dem VoiceDesign-Modell aus einer Beschreibung erzeugt.
Wie gut wird der Stimmklon? Schon 5–10 Sekunden reichen für eine erstaunlich ähnliche Stimme. Am besten wird es mit einer klaren Aufnahme ohne Hall und Hintergrundgeräusche und wenn du den genauen Wortlaut der Probe angibst.
Was passiert mit meinen Daten? Text und Stimmprobe gehen verschlüsselt an unseren Server und von dort an unsere Grafikkarte in Deutschland. Die Stimmprobe wird direkt nach dem Sprechen gelöscht, das fertige Audio nach einer Stunde (oder sofort, wenn du auf „Jetzt löschen“ drückst). Nichts davon ist öffentlich. Nur bei „Stimme beschreiben“ übersetzt Claude (Anthropic) deine Stimmbeschreibung ins Englische, weil das Stimmmodell nur englische Beschreibungen versteht. Dein Text bleibt dabei bei uns.
Was ist nicht erlaubt? Fremde Stimmen ohne Erlaubnis klonen, andere damit täuschen oder betrügen (zum Beispiel falsche Anrufe oder Sprachnachrichten), Beleidigungen und strafbare Inhalte. Das ist nicht nur unfair, sondern oft auch strafbar.