Text zu Sprache
Tippen oder fügen Sie Ihren Text ein oder laden Sie ein PDF, eine Word-Datei oder ein Foto einer Seite. Wählen Sie eine Stimme, hören Sie sie an und laden Sie sie als MP3 herunter. Die Sprache entsteht auf Ihrem eigenen Gerät — Ihr Dokument verlässt Ihren Computer nie.
Ein natürlich klingendes Ergebnis erreichen
Die Stimme liest genau das, was dasteht, und das ist eine Stärke, sobald man damit arbeitet. Sie weiß nicht, was Ihr Text bedeutet, also nimmt sie ihr gesamtes Timing aus der Zeichensetzung: Ein Punkt ist eine Pause, ein Komma eine kürzere, und ein Absatz ohne beides wird zu einer atemlosen Kette. Die größte Verbesserung, die Sie erreichen können, ist keine Einstellung — sie besteht darin, lange Sätze in kürzere zu teilen und die Kommas dorthin zu setzen, wo Sie selbst Luft holen würden.
Bereiten Sie den Text zuerst vor
Fügen Sie Ihren Text ein und lesen Sie ihn einmal durch, bevor Sie auf Vorlesen drücken. Nehmen Sie heraus, was zur Seite gehört und nicht zum Satz: Seitenzahlen, Kopfzeilen, Fußnotenzeichen, die Überbleibsel eines PDF-Layouts. Schreiben Sie alles Ungewöhnliche so, wie es klingen soll — einen seltenen Namen, eine Marke, ein fremdes Wort —, denn die Stimme versucht es wörtlich. Zahlen, Beträge und gängige Abkürzungen werden bereits behandelt, die können Sie in Ruhe lassen.
Wofür Menschen das benutzen
Das Korrekturlesen entdecken die meisten aus Versehen: Den eigenen Text vorgelesen zu hören fängt fehlende Wörter und holprige Sätze ab, über die das Auge glatt hinweggeht. Darüber hinaus — eine Sprecherstimme für ein Video, ohne etwas aufzunehmen, ein langes Dokument, das man im Auto anhören kann, ein Text, der für jemanden mit Leseschwierigkeiten zugänglich wird, und Sprachübung, bei der man einen Satz hören statt lesen will. Weil alles auf Ihrem eigenen Gerät läuft, dürfen Sie auch einen Vertrag oder einen Arztbrief bedenkenlos einfügen.
So funktioniert es
Ein Sprachmodell läuft direkt in Ihrem Browser und macht aus Ihrem Text eine Stimme — nichts wird hochgeladen, sodass ein Vertrag, eine Diagnose oder ein privater Brief auf Ihrem Gerät bleibt. Ein PDF wird direkt aus seiner Textebene gelesen, eine Word-Datei aus ihrem eigenen Inhalt, und ein Foto einer Seite läuft zuerst durch unsere OCR, sodass auch ein Buch oder ein gedruckter Brief funktioniert. Zahlen, Beträge und Symbole werden vor dem Sprechen in der gewählten Sprache ausgeschrieben, sodass „25 €“ als „fünfundzwanzig Euro“ gelesen und nicht verstümmelt wird. Beim ersten Mal wird die Sprach-Engine einmalig heruntergeladen — etwa 400 MB auf einem Computer, dessen Grafikkarte sie ausführen kann und der dann fast sofort spricht, sonst etwa 150 MB — und Ihr Browser behält sie danach.
Welche Sprachen kann sie sprechen?
Alle zehn Sprachen der Website: Englisch, Niederländisch, Deutsch, Französisch, Spanisch, Italienisch, Polnisch, Portugiesisch, Türkisch und Arabisch. Wählen Sie die Sprache Ihres Textes neben der Stimme; jede Stimme spricht jede Sprache, und Zahlen, Daten, Beträge und Uhrzeiten werden so ausgeschrieben, wie man sie in dieser Sprache sagt. Das Sprachmodell, Supertonic 3 von Supertone Inc., kennt mehr Sprachen als diese zehn, aber wir schalten eine Sprache erst frei, nachdem wir sie angehört und mit einer Spracherkennung geprüft haben.
Darf ich das Audio kommerziell nutzen?
Ja, unter zwei Bedingungen. Das Sprachmodell steht unter der Open-RAIL-M-Lizenz: Kommerzielle Nutzung ist erlaubt, eine kurze Liste schädlicher Verwendungen aber verboten — Menschen täuschen oder belästigen, sich ohne Einwilligung als jemand anderes ausgeben und dergleichen; die vollständige Liste steht in Abschnitt 10 unserer Bedingungen. Und wenn Sie die Aufnahme veröffentlichen — ein Video, einen Podcast, eine Werbung —, geben Sie an, dass die Stimme von einem Computer erzeugt wurde, etwa in der Beschreibung. Jede MP3, die wir erstellen, sagt das bereits in ihren eigenen Dateiinformationen.
Warum klingt es bei langen Texten so monoton?
Das Modell liest Satz für Satz, ohne die Geschichte zu kennen, und kann deshalb keine Spannung aufbauen wie ein menschlicher Sprecher. Kurze Absätze mit klarer Zeichensetzung klingen deutlich besser als ein langer Block — Kommas und Punkte sind das, woran es Luft holt.
Kann ich die Stimme nachträglich ändern?
Ja — die Regler für Tonhöhe und Geschwindigkeit decken das meiste ab. Die Geschwindigkeit ist das eigene Sprechtempo der Stimme, eine langsamere Stimme spricht also einfach langsamer, statt tiefer zu werden. Für mehr laden Sie die MP3 herunter und schicken Sie sie durch unseren Stimmverzerrer oder direkt ins Audiostudio.
Wie werden Abkürzungen und ungewöhnliche Namen ausgesprochen?
Abkürzungen ohne Vokale — PDF, DXF, HTML, BGB — werden in der gewählten Sprache Buchstabe für Buchstabe gesprochen, und Kombinationen wie MP3 oder 4K kommen ebenfalls richtig heraus. Zahlen, Daten, Beträge, Prozentangaben und Uhrzeiten werden so ausgeschrieben, wie man sie sagt. Klingt etwas trotzdem falsch, schreiben Sie es so, wie es klingen soll: Die Stimme liest genau, was Sie tippen, ein ungewöhnlicher Name oder eine Marke lässt sich also einfach so schreiben, wie man ihn ausspricht, bis es richtig klingt. Im Arabischen können Sie auch die Vokalzeichen (Taschkil) setzen, wo ein Wort einen bestimmten Klang braucht, etwa كيفَ oder مرحباً; die Stimme folgt ihnen.
