So erstellen Sie ein YouTube-Voiceover mit kostenlosem Text-to-Speech

Beginnen Sie mit den Worten, nicht mit der Stimme. Schreiben Sie so, wie Sie einem Freund das Thema erklären würden: kurze Sätze, ein Gedanke nach dem anderen und ein klarer Einstieg, der den Zuschauern sagt, was sie erwartet. In unserem Ratgeber zum Schreiben von Skripten für Text-to-Speech finden Sie ausführliche Tipps zu Zahlen, Namen und Satzzeichen.

Als grobe Orientierung: Natürliches Sprechen liegt bei etwa 130 bis 160 Wörtern pro Minute. Für ein 5-minütiges Video brauchen Sie also rund 650 bis 800 Wörter Skript.

Wählen Sie eine Stimme in der Sprache und mit dem Akzent Ihres Hauptpublikums und testen Sie Ihre Favoriten dann mit einem echten Absatz aus Ihrem Skript. Für Erklärvideos und Tutorials eignet sich meist eine ruhige, klare Stimme bei normaler Geschwindigkeit; Kurzvideos vertragen eine hellere Stimme und ein etwas schnelleres Tempo. Unser Ratgeber So wählen Sie die passende KI-Stimme führt Sie durch den Ablauf.

Sobald Sie sich entschieden haben, notieren Sie Namen und Einstellungen der Stimme und behalten Sie sie für den gesamten Kanal bei. Eine einheitliche Stimme wird Teil der Identität Ihres Kanals.

Teilen Sie das Skript nach Szenen oder Abschnitten auf, statt alles auf einmal zu erzeugen. Im Studio kann jede Anfrage bis zu 2.000 Zeichen enthalten, was für die meisten Abschnitte bequem ausreicht. Das abschnittsweise Erzeugen hat zwei Vorteile: Sie können einen Teil korrigieren, ohne den Rest neu zu erstellen, und jede Datei passt ganz natürlich zu einer Szene in Ihrem Schnittprogramm.

Benennen Sie Ihre Dateien in der richtigen Reihenfolge (01-intro, 02-problem, 03-step-one …), damit sie in der korrekten Abfolge auf Ihrer Zeitleiste landen.

• Nutzen Sie Satzzeichen und Pausen-Tags, um vor wichtigen Punkten und zwischen einzelnen Schritten Raum zum Durchatmen zu schaffen.
• Lassen Sie am Anfang und Ende jeder Datei eine kurze Stille, damit die Schnitte in Ihrem Editor sauber werden.
• Wenn Zuschauer auf dem Bildschirm mitverfolgen müssen, verringern Sie lieber leicht die Geschwindigkeit, statt lange Pausen einzufügen.
• Für ein exaktes Timing passend zu einem Bildschnitt kürzen oder verlängern Sie die Stille in Ihrem Videoeditor; das ist präziser, als das Skript anzupassen.

Importieren Sie die Sprachdateien in Ihren Videoeditor und legen Sie sie auf eine eigene Spur. Dann:

• Die Stimme deutlich im Vordergrund halten. Hintergrundmusik sollte klar unter der Sprecherstimme liegen; senken Sie sie zusätzlich ab („Ducking“), während die Stimme spricht.
• Die Gesamtlautheit prüfen. Online-Videoplattformen normalisieren die Lautheit. Viele Kreative peilen für die fertige Abmischung etwa -14 LUFS integriert an, das Wichtigste ist aber, dass die Sprache von Anfang bis Ende klar und gleichmäßig ist.
• Auf dem Smartphone anhören. Die meisten Zuschauer hören Ihr Video über Smartphone-Lautsprecher oder In-Ear-Kopfhörer, prüfen Sie die Abmischung daher dort, bevor Sie veröffentlichen.
• Untertitel hinzufügen. Das Skript haben Sie bereits, Untertitel sind also schnell erstellt. Sie helfen Zuschauern, die ohne Ton schauen oder gehörlos bzw. schwerhörig sind.

Plattformen aktualisieren ihre Richtlinien zu synthetischen Medien regelmäßig. Prüfen Sie vor dem Veröffentlichen die aktuellen YouTube-Regeln zur Offenlegung veränderter oder synthetischer Inhalte und zur Monetarisierung. Als Grundregeln gilt:

• Verwenden Sie eine synthetische Stimme niemals, um eine echte Person nachzuahmen oder den Eindruck zu erwecken, jemand habe etwas gesagt, was er nicht gesagt hat.
• Sagen Sie Ihrem Publikum offen, dass die Vertonung KI-generiert ist, wenn Ihre Plattform das verlangt oder wenn Zuschauer sonst berechtigterweise getäuscht werden könnten.
• Sorgen Sie dafür, dass Ihre Inhalte echten Mehrwert bieten: eigene Skripte, Recherche, Bildmaterial und Schnitt. Videos, die nur kopierten Text vorlesen, sind für Zuschauer eine schlechte Erfahrung.
• Lesen Sie unsere Nutzungsbedingungen für die Regeln, die für auf dieser Website erstelltes Audio gelten.