ElevenLabs im Überblick: Was die KI-Audioplattform kann und was sie kostet

ElevenLabs erzeugt Stimmen aus Text, klont Sprecher und übersetzt Videos in andere Sprachen. Besonders auffällig ist Eleven v4, das Emotion, Tempo und mehrere Sprecher in über 90 Sprachen steuern kann. Darüber hinaus ist ElevenLabs aber mittlerweile deutlich mehr als »nur« Sprache.

Das spannendste Beispiel: Die eigene Stimme wird zum Hörspielsprecher

Ein Nutzer kann seine eigene Stimme klonen und daraus einen kurzen Hörspiel-Teaser mit Flüstern, Pausen und wechselnder Stimmung erzeugen. Das Ergebnis klingt wie eine inszenierte Aufnahme und eignet sich als Intro für einen Podcast, ein Video oder eine persönliche Audiobotschaft. Ein typischer Prompt könnte in Eleven 4 so aussehen:

1. Text to Speech und eigene Stimmen

ElevenLabs verwandelt Text in Sprache und bietet mehr als 10.000 fertige Stimmen. Eleven v4 versteht den Zusammenhang eines Textes, spricht Dialoge mit mehreren Rollen und reagiert auf Audio-Tags für Flüstern, Lachen, Pausen oder eine bestimmte Stimmung. Im deutschen Raum gibt es seit 3 Jahren keine bessere Audio-KI.

Der Nutzer kann außerdem per Beschreibung eine Stimme entwerfen oder seine eigene Stimme klonen. Instant Voice Cloning braucht nur eine kurze Aufnahme, während Professional Voice Cloning mit mehr Audiomaterial eine stärkere Ähnlichkeit anstrebt.

2. Dubbing für Audio und Video

Dubbing übersetzt Audio- und Videodateien, erkennt mehrere Sprecher und erzeugt die neue Tonspur mit ähnlicher Stimme und Sprechweise. Der Nutzer kann eine Datei hochladen oder einen Link von einer unterstützten Videoplattform einfügen.

Im Dubbing Studio lassen sich Übersetzung, Sprecher und einzelne Passagen nacharbeiten. Dadurch eignet sich die Funktion auch für Kurse, Produktvideos und YouTube-Kanäle.

3. ElevenCreative Studio für komplette Produktionen

Studio 4.0 verbindet Skript, Sprache, Musik, Soundeffekte, Bilder und Videos auf einer Zeitleiste. Der Studio Agent erstellt aus einer Beschreibung einen ersten Entwurf, der anschließend von Hand bearbeitet werden kann.

Für Hörbücher und Podcasts lassen sich Kapitel, Rollen, Aussprache und einzelne Sätze getrennt verwalten. Videos können zusätzlich Untertitel, generierte Clips, Bilder und lippensynchrone Avatare enthalten.

4. Transkription, Musik und Audiobearbeitung

Scribe wandelt Aufnahmen in Text um, trennt Sprecher und liefert Zeitmarken. Der neue Cue-Aligner ordnet Text und Audio bis auf einzelne Frames zu, was Untertitel, Dubbing und die Bearbeitung langer Aufnahmen verbessert.

Eleven Music erzeugt Songs mit oder ohne Gesang. Sound Effects erstellt Geräusche aus Text, der Voice Isolator entfernt störenden Hintergrundton und der Voice Changer überträgt einen vorhandenen Vortrag auf eine andere Stimme.

5. ElevenAgents und API

ElevenAgents dient zum Bau sprechender Agenten für Telefon, Web und weitere Kanäle. Unternehmen können eigene Wissensquellen und Geschäftsdienste anbinden, damit ein Agent Auskünfte gibt, Termine bucht oder Standardfälle bearbeitet.

Entwickler greifen über ElevenAPI auf Sprache, Transkription, Dubbing, Musik und weitere Funktionen zu. Eleven v4 Turbo wurde für kurze Reaktionszeiten in Gesprächen entwickelt und ist eng mit ElevenAgents verbunden.

Die Agents sind ein äußerst spannender Bereich, der führende Sprachmodelle und aktuelle Technik vereint.

Die besten Stimmen für Alles

Der größte Vorteil sind die Stimmen. Durch die besten Stimmen und eine stabile Plattform profitieren letztlich alle Funktionen. Es verbessert nicht nur Voice-Agents, sondern auch die besten Video-Modelle wie Seedance 2.5, da sie mit Eleven v4 gekoppelt werden können.

Credit-Verbrauch

Der größte Nachteil ist die Abrechnung über einen gemeinsamen Credit-Vorrat. Eine Minute Text to Speech, Dubbing, Musik und Videogenerierung verbrauchen sehr unterschiedliche Mengen, weshalb der passende Tarif erst mit einem typischen Testprojekt sichtbar wird.

Der kostenlose Tarif enthält 10.000 Credits pro Monat. Das reicht bei Eleven v4 für ungefähr zehn Minuten Sprache. Text to Speech, Speech to Text, Soundeffekte und weitere Funktionen lassen sich damit testen, kommerzielle Nutzungsrechte gehören jedoch erst zu einem bezahlten Tarif.

Starter kostet 6$ pro Monat und enthält 30.000 Credits sowie Instant Voice Cloning. Hier wird es schon interessant für etwas Musik oder gelegentliche Arbeit.

Creator kostet regulär 22$ mit 121.000 Credits und ergänzt Professional Voice Cloning. Der erste Creator-Monat über unseren Link wird derzeit für 11$ angeboten.

Pro kostet 99$ mit 600.000 Credits und richtet sich an Nutzer mit häufigen Produktionen. Scale kostet 299$ mit 1,8 Millionen Credits und drei Plätzen. Business kostet 990$ mit sechs Millionen Credits und zehn Plätzen, während Enterprise individuell kalkuliert wird.

Ab Pro sind die Tarife vor allem interessant, wenn man Voice Agenten dauerhaft einsetzen möchte oder mit KI-Videos arbeiten möchte.

Ungenutzte Credits eines aktiven bezahlten Tarifs können bis zu zwei Monate mitgenommen werden. Bei einer Kündigung oder einem Downgrade verfallen die übrigen Credits am Ende des Abrechnungszeitraums.

Murf bietet einen klassischen Voiceover-Arbeitsplatz mit mehr als 300 Stimmen, Übersetzung, Dubbing und API. Der Dienst passt besonders zu Schulungen, Präsentationen und festen Unternehmensabläufen.

Descript ist vor allem ein Audio- und Videoeditor, der Aufnahmen über das Transkript bearbeitet. Die Funktion »Regenerate« ersetzt einzelne Wörter oder Sätze in der Stimme des Sprechers und eignet sich gut für Podcasts und Korrekturen.

HeyGen setzt den Schwerpunkt auf sprechende Avatare, digitale Zwillinge und lippensynchrone Videoübersetzungen. Wer einen sichtbaren Moderator für Marketing- oder Schulungsvideos braucht, findet dort den klareren Schwerpunkt. Allerdings kann man das HeyGen Modell mittlerweile auch über ElevenLabs verwenden.

ElevenLabs wurde 2022 von Mati Staniszewski und Piotr Dąbkowski gegründet. Die beiden polnischen Gründer wollten die schlechte Synchronisation ausländischer Filme verbessern. Das Unternehmen arbeitet von London und New York aus und beschäftigt inzwischen mehr als 800 Mitarbeiter.

Im Februar 2026 führte eine 500-Millionen-$-Series-D zu einer 11-Milliarden-$-Bewertung. Ein 300-Millionen-$-Mitarbeiterbeteiligungsprogramm ergab im September 2026 eine neue 22-Milliarden-$-Bewertung. Zu den Investoren gehören Sequoia Capital, Andreessen Horowitz, ICONIQ, Wellington und T. Rowe Price.

ElevenLabs ist nicht an der Börse. Ein jährlich wiederkehrender Umsatz von mehr als 500 Mio.$, große Unternehmenskunden und mehr als 15 Millionen Agentengespräche pro Woche zeigen ein etabliertes Geschäft.