Müssen Sie hören, wie ein Absatz klingt, bevor Sie ihn abschicken, oder soll eine Seite vorgelesen werden, während Sie etwas anderes tun? Dieses Text-zu-Sprache-Tool wandelt alles, was Sie eingeben oder einfügen, in gesprochenes Audio um, direkt in Ihrem Browser. Wählen Sie eine Stimme, passen Sie die Geschwindigkeit an, und drücken Sie auf Abspielen. Keine Software zum Installieren, kein Konto, nichts hochzuladen.

Es gibt zwei Wege, die Stimme zu erzeugen: eine sofortige Option, die den Sprachmotor Ihres Browsers nutzt, und eine optionale neuronale Stimme höherer Qualität, mit der Sie das Ergebnis auch als MP3 oder WAV speichern können.

Warum Menschen dieses Tool nutzen

• Erkennen Sie unbeholfene Formulierungen oder Tippfehler, bevor Sie etwas verschicken. Text laut zu hören macht Fehler auf eine Weise offensichtlich, wie es stilles Lesen nicht schafft
• Lesen Sie lange Dokumente oder Artikel Korrektur, ohne Ihre Augen zu belasten
• Hören Sie vorab, wie ein Skript, eine Werbung oder ein Voiceover klingen wird, bevor Sie es tatsächlich aufnehmen
• Machen Sie geschriebene Inhalte für alle zugänglicher, die lieber zuhören als lesen
• Üben Sie die Aussprache beim Erlernen einer neuen Sprache
• Verwandeln Sie Notizen, Entwürfe oder lange Artikel in Audio, das Sie nebenbei anhören können

Zwei Wege, Text in Sprache umzuwandeln

Der Tab Standardstimmen nutzt den bereits in Ihrem Browser und Betriebssystem integrierten Sprachmotor. Das geht sofort: kein Download, kein Warten, und es funktioniert vollständig offline. Qualität und Anzahl der verfügbaren Stimmen hängen von Ihrem Browser und System ab. Chrome unter Windows oder macOS bietet meist Dutzende Stimmen in vielen Sprachen; Safari und Firefox liefern eine kleinere Auswahl. Das ist der schnellste Weg, sich Ihren Text einfach vorlesen zu lassen.

Der Tab HD-Stimmen nutzt ein kleines neuronales Text-zu-Sprache-Modell, das lokal in Ihrem Browser über WebAssembly läuft. Beim ersten Aktivieren wird ein einmaliges Sprachmodell (etwa 90MB) heruntergeladen und zwischengespeichert, sodass jede folgende Generierung sofort erfolgt und weiterhin vollständig offline bleibt. Der Kompromiss: HD-Stimmen unterstützt derzeit nur Englisch, und das Generieren von Audio dauert einige Sekunden statt sofort zu gehen, weil tatsächlich die Wellenform synthetisiert wird, statt nur den Sprachmotor Ihres Systems aufzurufen.

Den Klang feinabstimmen

Beide Modi lassen Sie die Wiedergabegeschwindigkeit anpassen. Standardstimmen bietet zusätzlich Kontrolle über Tonhöhe und Lautstärke, dazu einen Sprachfilter, um eine lange Stimmenliste auf die zum gelesenen Text passenden einzugrenzen. Hat Ihr Browser Stimmen in mehreren Sprachen installiert, ist der Wechsel zwischen ihnen nur einen Klick entfernt.

HD-Stimmen tauscht einige dieser Regler gegen eine sorgfältig ausgewählte Auswahl von elf englischen Stimmen (amerikanisch und britisch, männlich und weiblich), jede auf Klarheit geprüft und darauf ausgewählt, natürlich statt roboterhaft zu klingen. Die Geschwindigkeit lässt sich vor dem Generieren trotzdem anpassen.

Das Audio als Datei speichern

Das ist der Hauptunterschied zwischen den beiden Modi. Standardstimmen kann, wie die meisten browserbasierten Sprachmotoren, Audio nur laut abspielen. Es gibt keine Möglichkeit, das vom Browser Wiedergegebene aufzuzeichnen und daraus eine herunterladbare Datei zu machen, das ist schlicht nicht etwas, das die zugrunde liegende API zur Verfügung stellt.

HD-Stimmen hat diese Einschränkung nicht, weil es die tatsächlichen Audiodaten erzeugt, statt nur Ton an Ihre Lautsprecher zu senden. Sobald Sie einen Clip generiert haben, können Sie ihn als WAV-Datei für Schnittsoftware herunterladen, oder als MP3 mit 128, 192 oder 320 kbps für etwas Kleineres und Portableres. Brauchen Sie eine herunterladbare Datei, ist HD-Stimmen der richtige Modus.

Wo die Verarbeitung tatsächlich stattfindet

Nichts davon berührt einen Server. Standardstimmen stützt sich vollständig auf die in Ihren Browser integrierte Sprachsynthese, dieselbe Technologie hinter Bildschirmlesegeräten und Barrierefreiheits-Tools, die bereits auf Ihrem Gerät vorhanden sind. HD-Stimmen lädt sein Modell einmal herunter und führt das neuronale Netz danach lokal über WebAssembly aus, genau wie es eine Offline-App tun würde. Ihr Text verlässt Ihr Gerät in keinem der beiden Modi, was wichtig ist, wenn Sie etwas Privates lesen, wie Entwürfe, interne Notizen, oder alles, das Sie lieber nicht über einen fremden Server schicken würden.

Sobald Sie eine Audiodatei haben, kann der Audio schneiden sie auf genau den benötigten Teil kürzen, und der Audiokonverter übernimmt den Formatwechsel, falls Sie etwas anderes als MP3 oder WAV brauchen. Generieren Sie mehrere Clips und wollen sie als eine Datei? Der Audio zusammenfügen kombiniert sie mit optionalen Überblendungen. Und wenn Sie lieber Ihre eigene Stimme statt einer synthetisierten aufnehmen möchten, erfasst der Sprachrekorder Audio direkt von Ihrem Mikrofon.