Welche Sprach-KI lässt Aussprache und Betonung anpassen?

Das Problem

Sie lassen einen Text von einer KI-Stimme vorlesen, etwa für ein Erklärvideo oder eine Telefonansage. Die Stimme klingt gut, doch der Firmenname wird falsch betont, «Aarau» klingt wie «Aar-au» mit falscher Betonung, und Zahlen werden unnatürlich gesprochen. Sie möchten wissen, ob und wie sich das korrigieren lässt.

Bei Sprachsynthese gibt es grosse Unterschiede. Manche Programme erlauben feine Einstellungen, andere nur die Wahl einer Stimme. Für Schweizer Orts- und Familiennamen, Marken und Fachbegriffe ist das besonders wichtig.

Mit einem klaren Vorgehen prüfen Sie, welche Programme Ihre Anforderungen erfüllen, und lernen, mit den vorhandenen Möglichkeiten gute Ergebnisse zu erzielen.

So lösen Sie es mit KI – Schritt für Schritt

1. Anforderungen sammeln: Notieren Sie, was zählt: Namen und Orte richtig sprechen, bestimmte Wörter betonen, Tempo und Pausen anpassen, Schweizer Aussprache.
2. Testtext schreiben: Erstellen Sie einen kurzen Text mit Ihren heikelsten Wörtern: Firmenname, Produktnamen, Orte, Abkürzungen, Zahlen, Datumsangaben.
3. Funktionen der Programme prüfen: Schauen Sie in der Beschreibung nach: Gibt es Einstellungen für Tempo und Tonhöhe? Ein Aussprachewörterbuch? Eine Steuerung per SSML? Das ist eine Auszeichnungssprache, mit der man in einem Text Pausen, Betonungen und Aussprachen markieren kann. Sie ist als Standard beschrieben.
4. Testtext in mehreren Programmen vorlesen lassen: Hören Sie die Ergebnisse nacheinander an und notieren Sie, was falsch klingt.
5. Steuerungsmöglichkeiten ausprobieren: Testen Sie, wie sich Pausen, Betonung und Wörterbucheinträge auswirken. Manchmal hilft auch eine alternative Schreibweise im Text, etwa «Aarau» mit Lautschrift oder getrennt geschrieben.
6. Ergebnisse dokumentieren: Legen Sie eine Liste an: Wort, gewünschte Aussprache, Lösung im Programm. Diese Liste nutzen Sie bei künftigen Texten.
7. Stimme prüfen: Achten Sie auf Dialekt, Tonfall und Verständlichkeit. Siehe Welche Stimmen gibt es für deutsche Sprachausgabe?.
8. Rechtliches klären: Prüfen Sie Nutzungsbedingungen für gewerbliche Verwendung und Kennzeichnung als KI-Stimme.

Mögliche Steuerungsmöglichkeiten

Welche dieser Funktionen ein Programm bietet, ändert sich. Prüfen Sie die aktuelle Beschreibung des Anbieters.

Vorlage zum Kopieren

Mit diesem Auftrag lassen Sie sich helfen, einen Text für die Sprachausgabe vorzubereiten:

Ich möchte folgenden Text mit einer KI-Stimme vorlesen lassen: [Text einfügen].
Die Aussprache soll auf [Sprachvariante, z. B. Schweizer Hochdeutsch] ausgerichtet sein.
Diese Wörter werden oft falsch gesprochen: [Liste, z. B. Aarau, Zofingen, Firmenname, Produktname].
Aufgabe: 1. Markiere Wörter und Stellen, die voraussichtlich falsch betont werden können. 2. Schlage pro Wort eine alternative Schreibweise oder Lautschrift vor, die Sprachausgaben leichter lesen. 3. Gib den Text mit sinnvollen Pausen an Satzenden und bei Zahlen aus.
Erfinde keine Aussprachen und weise darauf hin, dass ich alles anhören und prüfen muss.

Setzen Sie Ihren Text ein und hören Sie das Ergebnis immer selbst ab, bevor Sie es veröffentlichen.

Worauf Sie achten müssen

• Nicht jedes Programm kann alles: Prüfen Sie vor dem Kauf, ob die Steuerung, die Sie brauchen, vorhanden ist. Informationen zum Standard finden Sie bei der W3C-Beschreibung von SSML.
• Anhören bleibt Pflicht: Fehler in der Aussprache fallen nur beim Hören auf.
• Kennzeichnung: Machen Sie transparent, wenn eine KI-Stimme verwendet wird, wo das für Ihre Zuhörer wichtig ist.
• Stimmrechte: Nutzen Sie keine nachgeahmten Stimmen realer Personen ohne deren Zustimmung, siehe Stimmen klonen oder Standardstimme?.
• Datenschutz: Wenn Sie vertrauliche Texte vorlesen lassen, klären Sie, wo sie verarbeitet werden.

Eine Aussprachehilfe für Ihr Team

Sammeln Sie die schwierigen Wörter Ihres Betriebs in einer Tabelle: Schreibweise, gewünschte Aussprache und die Lösung im Programm. Fügen Sie auch kurze Hörbeispiele als Audiodatei bei, wenn das Programm es erlaubt. Neue Kolleginnen und Kollegen finden dort sofort, wie sie Firmennamen und Orte für die Sprachausgabe aufbereiten. Das spart Rückfragen und sorgt dafür, dass Ihre Telefonansagen und Videos über Jahre einheitlich klingen.

Ein Beispiel aus der Praxis

Ein Beispiel: Ein Hotel in Interlaken möchte eine Telefonansage mit KI-Stimme erstellen. Vorher werden der Hotelname und mehrere Ortsnamen falsch betont, was unprofessionell wirkt.

Nachher legt die Hotelmanagerin eine Aussprache-Liste an und testet drei Programme. Eines erlaubt ein Aussprachewörterbuch, mit dem sie den Hotelnamen und Ortsnamen anpasst. Sie fügt Pausen bei Telefonnummern ein und lässt die Ansage von zwei Mitarbeitenden anhören, bevor sie sie freischaltet.

So hilft Ihnen Alpasana

Wenn Sie lernen möchten, Sprach- und Audioinhalte mit KI vorzubereiten, finden Sie bei absofort die Kurse KI und IT für konkrete Arbeitsaufgaben. Beschrieben sind unter anderem KI-Bilder, Video-Teaser, Podcast- und Voiceover-Vorbereitung, mehrsprachige Kommunikation und Bürokommunikation, mit Praxisaufgaben, KI-Lerncoach und verifizierbarem Abschluss.

Der Vergleich einzelner Sprachsynthese-Programme ist nicht Teil der Beschreibung.

Häufige Fragen

Kann ich jede Aussprache korrigieren?

Nicht in jedem Programm. Manche erlauben Wörterbücher oder SSML, andere nur Umschreibungen im Text. Testen Sie, was Ihr Programm erlaubt.

Gibt es Schweizer Stimmen?

Je nach Anbieter gibt es Stimmen mit Schweizer Aussprache oder Dialektanklängen, oft aber nur Hochdeutsch. Hören Sie die Beispiele an, bevor Sie sich entscheiden.

Wie schreibe ich Zahlen für die Sprachausgabe?

Ausgeschrieben oder mit Pausen, etwa «vierundzwanzig Franken fünfzig». Testen Sie, wie das Programm Zahlen, Daten und Telefonnummern liest.

Darf ich die Stimme gewerblich nutzen?

Das hängt von den Bedingungen des Anbieters ab. Lesen Sie sie vor der Veröffentlichung und bei Unsicherheit holen Sie Rat ein.