Ich beschäftige mich seit vielen Jahren mit digitalen Technologien und probiere neue Werkzeuge meistens nicht nur oberflächlich aus. Mich interessiert, was sie im Alltag tatsächlich leisten und ob daraus ein sinnvoller Anwendungsfall entsteht. Genau deshalb habe ich mich intensiver mit ElevenLabs beschäftigt und dort meine eigene Stimme professionell klonen lassen. Das Ergebnis hat mich überrascht: Die künstlich erzeugte Stimme klingt nicht einfach nur ähnlich, sondern trifft meinen Klang, meine Betonung und mein Sprechtempo inzwischen so gut, dass man bei vielen Aufnahmen sehr genau hinhören muss, um einen Unterschied zu erkennen. Das liegt allerdings nicht nur an der Technologie. Ich hatte einen Vorteil, den wahrscheinlich nicht jeder mitbringt: sehr viel hochwertiges Ausgangsmaterial.
Mein eigenes Audio- und Videoarchiv wurde zur Trainingsgrundlage
Über die Jahre ist in meinem eigenen Archiv sehr viel hochwertiges Sprachmaterial entstanden. Dazu gehören selbst produzierte YouTube-Videos, weitere Video- und Audioaufnahmen sowie bislang ungenutztes Material aus meiner Zeit als Trainer bei LinkedIn Learning. Zusammengenommen waren das Stunden über Stunden an Aufnahmen, in denen fast ausschließlich meine Stimme zu hören ist und meine typische Art zu sprechen sehr gut abgebildet wird.
Hinzu kommt, dass mich die langjährige Arbeit als Trainer bei LinkedIn Learning auch sprecherisch geprägt hat. Wer Lerninhalte einliest, muss komplexe Zusammenhänge klar strukturieren, verständlich betonen und über längere Passagen ein gleichmäßiges Tempo halten. Gleichzeitig soll die Sprache nicht abgelesen oder künstlich wirken. Diese Routine hilft nicht nur bei echten Aufnahmen, sondern auch beim Voice Cloning: Das Ausgangsmaterial enthält eine konsistente, gut verständliche Sprechweise und zugleich genügend natürliche Variationen, damit der digitale Stimmklon nicht monoton klingt.
Auch das Podcasting hat meine Sprechweise über viele Jahre geprägt. Als Teil des #GeekTalk-Podcasts habe ich an zahlreichen Folgen mitgewirkt und viel Audio-Content produziert. Ein Podcast verlangt eine andere Art des Sprechens als ein eingesprochener Lerntext: Gedanken müssen spontan formuliert, Gespräche aufmerksam geführt und komplexe Themen verständlich erklärt werden. Dabei lernt man, natürlich zu sprechen, auf andere Stimmen zu reagieren und auch über längere Zeit konzentriert am Mikrofon zu bleiben. Diese Erfahrung ergänzt die strukturierte Arbeit als Trainer und hat dazu beigetragen, dass in meinen Aufnahmen sowohl Klarheit als auch natürliche Gesprächsdynamik hörbar sind.
Für einen professionellen Voice Clone ist das eine ideale Grundlage. ElevenLabs weist selbst darauf hin, dass nicht nur die Menge des Materials zählt. Besonders wichtig sind eine gleichbleibend gute Aufnahmequalität, wenig Hintergrundgeräusche, eine einzelne sprechende Person und ein konsistenter Stil.
Deshalb habe ich nicht wahllos Dateien hochgeladen, sondern geeignete Passagen aus meinem eigenen Archiv ausgewählt. Schlechte Aufnahmen werden durch das Training nicht automatisch gut: Ein professioneller Klon lernt im Zweifel auch Hall, Störgeräusche und unerwünschte Eigenheiten des Materials. Durch die große Auswahl konnte das System neben dem grundsätzlichen Stimmklang auch viele kleine Details meiner Sprechweise erfassen.
Instant Voice Clone oder Professional Voice Clone?
ElevenLabs bietet unterschiedliche Wege zum Klonen einer Stimme. Ein Instant Voice Clone lässt sich mit relativ wenig Audiomaterial schnell erstellen und eignet sich gut, um die Technik auszuprobieren oder einen ersten Prototyp zu bauen. Für meinen Anwendungsfall war der Professional Voice Clone die interessantere Variante. Dabei wird ein eigenes Modell mit deutlich mehr Sprachmaterial feinabgestimmt. Das dauert länger, liefert aber eine konsistentere und realistischere Stimme.
ElevenLabs empfiehlt für ein optimales Ergebnis mehrere Stunden hochwertiges Audiomaterial. Außerdem muss die eigene Stimme über ein Voice Captcha verifiziert werden. Einen Professional Voice Clone kann man also nicht einfach aus beliebigen Aufnahmen einer anderen Person erstellen und anschließend als eigene Stimme veröffentlichen. Diese Verifizierung finde ich wichtig, denn eine Stimme ist ein Teil der persönlichen Identität und sollte nicht ohne Zustimmung kopiert und vermarktet werden können.
Wofür ich meinen digitalen Stimmklon nutzen kann
Der offensichtlichste Vorteil ist die Geschwindigkeit. Wenn eine kleine Korrektur oder eine zusätzliche Passage benötigt wird, muss nicht immer sofort ein neues Studio-Setup aufgebaut werden. Ein Text lässt sich erzeugen, anhören und anschließend weiterbearbeiten. Trotzdem ersetzt der Klon nicht automatisch jede echte Aufnahme. Emotion, situative Reaktion und bewusste Interpretation sind weiterhin menschliche Leistungen. Ich sehe die KI-Stimme deshalb nicht als Ersatz für mich, sondern als zusätzliches Werkzeug.
Mögliche Anwendungen sind unter anderem:
- Aktualisierungen bestehender Lerninhalte,
- Sprachfassungen für Videos und Präsentationen,
- Podcasts und Audiobeiträge,
- Erklärvideos oder Prototypen,
- personalisierte Audioinhalte,
- sowie Tests neuer Contentformate.
Meine Stimme in der ElevenLabs Voice Library
Inzwischen habe ich meinen Professional Voice Clone auch in der Voice Library von ElevenLabs veröffentlicht. Dort können andere Nutzer die Stimme für ihre eigenen Produktionen auswählen und einsetzen. Für mich ist das ein spannender nächster Schritt. Durch meine Arbeit als Trainer, Speaker und Creator besitzt meine Stimme bereits eine professionelle Biografie. Sie wurde über viele Jahre für Lerninhalte eingesetzt und ist für verständliche, strukturierte Erklärungen trainiert. Jetzt lässt sich diese Positionierung in die Welt der synthetischen Stimmen übertragen.
ElevenLabs vergütet veröffentlichte Professional Voice Clones, wenn zahlende Nutzer damit Audio erzeugen. Die konkrete Vergütung hängt unter anderem von der Nutzung und den gewählten Freigabebedingungen ab. Aus der eigenen Stimme wird damit ein digitales Lizenzprodukt.
Meine Stimme in der ElevenLabs Voice Library ausprobieren →
Zwei Programme, die man unterscheiden sollte
Neben der Vergütung über die Voice Library bietet ElevenLabs ein separates Affiliate-Programm an. Dabei erhält man eine Provision, wenn neue zahlende Kunden über den persönlichen Empfehlungslink ein Abonnement abschließen. Es handelt sich also um zwei unterschiedliche Modelle:
- Voice Library: Vergütung, wenn zahlende Nutzer die freigegebene Stimme verwenden.
- Affiliate-Programm: Provision für vermittelte zahlende Abonnements.
Da ich ElevenLabs selbst nutze und hier über meine eigenen Erfahrungen berichte, kann ich den Dienst guten Gewissens weiterempfehlen. Wenn du die Plattform selbst testen möchtest, kannst du ElevenLabs über meinen Referral-Link ausprobieren (Referral-Link).
Die Stimme braucht eine eigene Positionierung
Eine technisch gute Stimme allein reicht in einer wachsenden Bibliothek nicht aus. Sie muss auch auffindbar und für einen konkreten Einsatz verständlich beschrieben sein. Dabei helfen eine klare Beschreibung, passende Kategorien und aussagekräftige Hörbeispiele. In meinem Fall liegt die Positionierung nahe: eine erfahrene deutsche, männliche Stimme für Bildung, Erklärinhalte, Business, Technologie und professionelles Storytelling.
Auch die Beispiele sollten genau das hörbar machen. Wer eine Stimme für einen Kurs oder ein Erklärvideo sucht, möchte nicht nur wissen, wie sie klingt, sondern auch einschätzen können, ob Tempo, Tonalität und Verständlichkeit zum eigenen Projekt passen.
Fazit
Meine vielen Stunden als LinkedIn-Learning-Trainer haben nicht nur Wissen vermittelt. Sie bildeten gleichzeitig eine ungewöhnlich gute Grundlage für einen professionellen digitalen Stimmklon. ElevenLabs zeigt für mich sehr anschaulich, wie sich persönliche Erfahrung, vorhandene Inhalte und Künstliche Intelligenz verbinden lassen. Aus einem Archiv mit eingesprochenen Videos entsteht ein neues Werkzeug – und möglicherweise sogar ein zusätzliches digitales Geschäftsmodell.
Die Technik ist beeindruckend. Entscheidend bleibt aber, was man daraus macht. Eine geklonte Stimme braucht hochwertige Daten, einen verantwortungsvollen Umgang und eine klare Positionierung. Dann ist sie mehr als eine technische Spielerei.
