Wie erzeugt KI eine künstliche Stimme?

Das Problem

Ihr Navigationsgerät spricht Sie freundlich an, das Smartphone liest Ihnen Nachrichten vor, und in Werbevideos klingt eine Sprecherin perfekt, obwohl es sie gar nicht gibt. Gleichzeitig lesen Sie von Betrügern, die mit der geklonten Stimme eines Enkels anrufen. Sie fragen sich, wie das technisch überhaupt möglich ist.

Die Frage ist praktisch wichtig. Künstliche Stimmen können Ihnen im Alltag helfen, etwa wenn Sie lange Texte lieber hören als lesen oder ein Video für die Firmenwebsite vertonen wollen. Gleichzeitig müssen Sie wissen, wie leicht eine Stimme heute nachgeahmt werden kann.

Wer das Prinzip versteht, nutzt die Technik bewusst und fällt weniger leicht auf einen gefälschten Anruf herein.

So lösen Sie es mit KI – Schritt für Schritt

So probieren Sie Sprachsynthese aus und bleiben dabei auf der sicheren Seite:

1. Starten Sie mit einer eingebauten Vorlesefunktion. In Word finden Sie unter «Überprüfen» die Funktion «Laut vorlesen», auf dem Smartphone gibt es in den Bedienungshilfen eine Vorlesefunktion.
2. Hören Sie sich einen eigenen Text an. Beim Zuhören fallen Ihnen holprige Sätze und Tippfehler oft schneller auf als beim Lesen.
3. Bereiten Sie Texte für eine KI-Stimme vor, mit der Vorlage unten. Sprechtexte brauchen kürzere Sätze und ausgeschriebene Zahlen.
4. Wählen Sie für Vertonungen eine Standardstimme des Anbieters. Diese sind dafür vorgesehen und meist rechtlich unproblematischer als eine nachgeahmte echte Stimme.
5. Kennzeichnen Sie KI-Stimmen, etwa in einem Video auf Ihrer Website. Das schafft Vertrauen bei Ihren Kundinnen und Kunden.
6. Vereinbaren Sie in der Familie und im Betrieb ein Codewort, das bei überraschenden Anrufen mit Geldforderungen abgefragt wird.
7. Rufen Sie im Zweifel zurück, und zwar über die Nummer, die Sie selbst gespeichert haben, nicht über die angezeigte.

Einfach erklärt

Früher klangen Computerstimmen abgehackt und blechern. Man setzte vorher aufgenommene Laute wie Bausteine aneinander. Heute erzeugt ein neuronales Netz, also ein KI-Rechenmodell mit vielen Schichten, die Stimme Stück für Stück neu.

Das geschieht grob in zwei Schritten. Zuerst analysiert die KI den Text: Wie wird ein Wort ausgesprochen, wo ist ein Satz zu Ende, wird eine Frage gestellt? Dann berechnet sie daraus eine Tonspur mit passender Sprechmelodie, Pausen und Betonung. Das Fachwort dafür ist Text-to-Speech, auf Deutsch Text zu Sprache.

Beim Stimmklonen geht die KI noch weiter. Aus Aufnahmen einer bestimmten Person lernt sie deren Klangfarbe und Sprechweise und kann dann beliebige Sätze in dieser Stimme sprechen. Je nach Werkzeug genügen dafür überraschend kurze Aufnahmen, etwa aus einem Video in sozialen Medien.

Für Menschen mit Sehbehinderung oder Leseschwierigkeiten ist Sprachsynthese eine grosse Hilfe; mehr dazu unter KI und Barrierefreiheit.

Vorlage zum Kopieren

Ich möchte folgenden Text von einer KI-Stimme vorlesen lassen: [Text einfügen].
Verwendung: [z. B. Erklärvideo für unsere Website, Telefonansage].

Bitte bereite ihn als Sprechtext vor:
- kurze Sätze, höchstens 15 Wörter,
- Zahlen, Daten und Abkürzungen ausgeschrieben (z. B. «zweitausendsechsundzwanzig», «Franken»),
- schwierige Namen mit Aussprachehinweis in Klammern,
- Pausen mit «...» markieren,
- Schweizer Hochdeutsch mit «ss».
Der Inhalt darf nicht verändert werden.

Passen Sie Verwendung und Text an; hören Sie das Ergebnis vor der Veröffentlichung mindestens einmal ganz an.

Worauf Sie achten müssen

• Fremde Stimmen nur mit Einwilligung. Die Stimme gehört zur Persönlichkeit eines Menschen. Wer die Stimme einer anderen Person klont, braucht deren ausdrückliches Einverständnis. Details unter Stimme klonen: Einwilligung; im Einzelfall lohnt sich eine fachliche Prüfung.
• Betrugsmaschen kennen. Schockanrufe mit geklonten Stimmen von Angehörigen oder Vorgesetzten sind eine bekannte Masche. Das Bundesamt für Cybersicherheit informiert laufend über aktuelle Betrugsformen. Konkrete Schutztipps finden Sie unter Betrug mit KI-Stimmen.
• Eigene Aufnahmen bewusst teilen. Lange, klare Sprachaufnahmen von Ihnen im Internet können als Material für einen Klon dienen.
• Aussprache prüfen. KI-Stimmen betonen Schweizer Ortsnamen, Fachbegriffe oder Firmennamen oft falsch.
• Nutzungsrechte klären. Ob Sie eine KI-Stimme kommerziell verwenden dürfen, steht in den Bedingungen des Anbieters.

Ein Beispiel aus der Praxis

Ein Beispiel: Frau Odermatt betreibt einen kleinen Hofladen in Nidwalden und möchte auf ihrer Website ein kurzes Video zu den Öffnungszeiten und Produkten zeigen.

Vorher: Sie scheut sich, selbst zu sprechen, und ein professioneller Sprecher ist ihr für ein kurzes Video zu aufwendig.

Nachher: Sie lässt ihren Text mit der Vorlage als Sprechtext aufbereiten und mit einer Standardstimme eines KI-Dienstes vertonen. Beim Anhören merkt sie, dass die KI «Stans» falsch betont, und ergänzt einen Aussprachehinweis. Unter dem Video steht: «Sprecherstimme mit KI erzeugt.» Gleichzeitig vereinbart sie mit ihrer Familie ein Codewort für ungewöhnliche Anrufe.

So hilft Ihnen Alpasana

Wenn Sie künstliche Stimmen für Audio oder Videos einsetzen oder geklonte Stimmen besser einordnen möchten, bietet KI und IT für konkrete Arbeitsaufgaben Übungen zu Voiceover, Deepfakes und Phishing. Praxisaufgaben und ein KI-Lerncoach begleiten das Lernen.

Häufige Fragen

Kann eine KI-Stimme Schweizerdeutsch sprechen?

Einige Anbieter bieten inzwischen Stimmen mit Schweizer Färbung oder einzelnen Dialekten an. Das Angebot ist aber kleiner als für Hochdeutsch, und die Qualität schwankt. Prüfen Sie Hörproben, bevor Sie sich entscheiden.

Darf ich meine eigene Stimme klonen lassen?

Grundsätzlich ja, wenn der Anbieter das erlaubt und Sie seine Bedingungen akzeptieren. Achten Sie darauf, wo Ihre Stimmprobe gespeichert wird und ob Sie sie wieder löschen lassen können.

Woran erkenne ich eine KI-Stimme am Telefon?

Oft gar nicht sicher. Hinweise können ungewöhnliche Pausen, eine seltsam gleichmässige Betonung oder ausweichende Antworten auf persönliche Rückfragen sein. Verlassen Sie sich nicht auf Ihr Gehör, sondern auf einen Rückruf über eine bekannte Nummer.