ELEVENLABS 2025 - komplettes Tutorial mit Geheimtipps für die deutsche Sprache!

Erfahrung ist King!

Wir haben bereits mehr als 10 Text-to-Speech-Tools getestet und setzen Elevenlabs seit über einem Jahr speziell für die deutsche Sprache ein. Aus diesen Erfahrungen ist nun das bisher größte Elevenlabs-Tutorial entstanden. Wir werden die einzelnen Funktionen genau erklären und auch Tipps geben, was am besten funktioniert.

Viel interessanter werden aber im zweiten Teil die Besonderheiten von Elevenlabs, die kaum jemand kennt. Wir werden viel emotionalere Sprachen erzeugen. Wir werden mit einer CustomGPT dem Text mit einem Klick Emotionen hinzufügen und dann auch noch verschiedene Möglichkeiten zeigen, wie man mit Elevenlabs einzigartige Sprachen generieren kann.

Im dritten Teil werden wir uns dann ganz dem Klonen von Sprachen widmen. Wir schauen uns beide Möglichkeiten an und sagen euch, worauf ihr achten müsst, wenn ihr das bestmögliche Ergebnis erzielen wollt.

Im vierten Teil konzentrieren wir uns auf größere Projekte und zeigen Möglichkeiten auf wie und wofür man Elevenlabs in der Praxis verwenden kann.

Und im fünften Teil gehen wir dann noch auf häufige Fragen (FAQ) zu Elevenlabs und TTS-Programmen ein.

Das Ganze wird mit guten und lustigen Beispielen untermauert. Das Tutorial ist hier als Text und auf Youtube als Video verfügbar. Bei Fragen entweder direkt hier oder auf Youtube kommentieren.

* Im Free-Plan - 10.000 Credits / Monat gratis - Affliate Link

Überzeugt euch selbst statt langer Erklärungen: In dem kurzen Trailer hört ihr meine Stimme und zahlreiche Elevenlabs-Stimmen. Die drei Tutorial-Episoden dazu gibt’s direkt auf YouTube.

2.2 Die Sprachmodelle von Elevenlabs

Mittlerweile bietet Elevenlabs mehrere Sprachmodelle an, darunter „Eleven Multilingual v1“, „Eleven English v1“, „Eleven Turbo v2“, „Eleven Turbo v2.5“ und „Eleven Multilingual v2“. Wenn ihr eine Stimme auswählt, wird euch automatisch das passende Sprachmodell vorgeschlagen, und in 99 % der Fälle solltet ihr dieses auch übernehmen.

Für die deutsche Sprache sind vor allem die Modelle „Eleven Turbo v2.5“ und „Eleven Multilingual v2“ relevant. Das „Turbo“-Modell hat den Vorteil, dass es 50 % weniger Tokens verbraucht, was bedeutet, dass ihr damit doppelt so viel Text generieren könnt. Dennoch würde ich in den meisten Fällen das qualitativ hochwertigere „Eleven Multilingual v2“-Modell empfehlen. Das „Turbo“-Modell eignet sich eher für zeitkritische Projekte.

3.2 Von „Simple“ auf „Advanced“ umstellen

Um vollen Zugriff auf alle Funktionen zu erhalten, wechselt ihr einfach oben rechts von „Simple“ auf „Advanced“. Damit sind alle Optionen sofort im Blick und verfügbar – das war’s auch schon.

4.1 Voices – Auswahl der Stimme

Die Hauptstimmen von Elevenlabs sind zweifellos von hoher Qualität, werden aber von vielen Nutzern verwendet. Das ist der Nachteil, wenn man das beste Tool auf dem Markt nutzt. Aus diesem Grund empfehle ich, eine professionelle Stimme aus der „Library“ zu wählen. Dort gibt es inzwischen hunderte Stimmen, darunter viele sehr gute deutsche Optionen. Allerdings merkt man auch hier, dass diese Stimmen von vielen Menschen genutzt werden. Auch muss man hier erwähnen, dass mit dem Free-Plan nicht alle Stimmen auswählbar sind.

4.3 Stimme anpassen

Stimmprofile und Einstellungen

Ihr könnt die generierte Stimme weiter anpassen und habt dafür vier wichtige Einstellungen:

1. Stability (Stabilität): Regelt, wie konsistent die Stimme über einen Text hinweg klingt. Höhere Stabilität sorgt für einen gleichmäßigen, natürlichen Klang, während geringere Stabilität zu mehr Dynamik, aber auch zu größeren Variationen führen kann.
2. Similarity (Ähnlichkeit): Beeinflusst, wie ähnlich die Stimme der Originalreferenz klingt. Höhere Werte sorgen für größere Übereinstimmung, während niedrigere Einstellungen die Stimme etwas freier klingen lassen.
3. Style Exaggeration (Stilübertreibung): Dieser Regler verstärkt den Ausdruck und die Betonung der Stimme. Höhere Werte machen die Stimme ausdrucksstärker und dramatischer, während niedrigere Werte einen neutraleren Klang bewirken.
4. Speaker Boost (Sprecherverstärkung): Erhöht die Lautstärke und Präsenz der Stimme, sodass sie lauter und dominanter wirkt.

Meine Empfehlung: Für deutsche Stimmen solltet ihr es nicht übertreiben. Die Voreinstellungen sind meist gut gewählt. Der „Speaker Boost“ sollte auf „AN“ stehen, die anderen Einstellungen nur bei Bedarf angepasst werden. Bei langen Texten empfiehlt es sich, mit den Standardeinstellungen zu arbeiten, um unerwünschte Aussetzer zu vermeiden.

4.4 Voice Design

Voice Design ist eine Art Zufallsgenerator für einzigartige Stimmen. Jede generierte Stimme ist einzigartig, auch bei gleichen Einstellungen. Manchmal entstehen großartige Stimmen, manchmal eher weniger überzeugende. Ihr könnt hier allgemeine Angaben wie Geschlecht, Alter und Akzent machen. Allerdings ist diese Funktion bisher nur für englische Stimmen wirklich nützlich. Einige erfolgreiche Stimmen in der Library tragen das „Voice Design“-Emblem.

4.4.1 Aktualisierung (11/24)

Diese Option wurde angepasst und ist jetzt viel besser geworden. Man kann nun per Texteingabe komplett neue und verrückte Sprache erstellen lassen.

Beispiel: "Ein alter deutscher Mann spricht wie ein Ork in Herr der Ringe."

In Teil 3 gehen wir detailliert auf das Cloning ein. Lest das unbedingt, bevor ihr mit professionellem Voice Cloning startet! Ihr könnt euer Ergebniss deutlich verbessern.

Das Eingabefenster

Die Hauptfunktion von Elevenlabs ist natürlich die Umwandlung von Text in Sprache. Dafür steht euch ein einfaches Eingabefeld zur Verfügung, in das ihr euren Text eingeben könnt.

Vor dem Klick auf „Generate Speech“ seht ihr die anfallenden Kosten. Im Free-Plan könnt ihr pro Vorgang bis zu 2.500 Credits verwenden, im Starter-Plan sind es 5.000 Credits. Bei längeren Texten müsst ihr diese also eventuell aufteilen. Eine Alternative für längere Texte ist die Nutzung von Projekten, auf die wir später noch näher eingehen.

Unten links findet ihr die Optionen zur Stimmwahl. Hier könnt ihr zwischen den letzten fünf verwendeten Stimmen, personalisierten Vorschlägen und den Standardstimmen von Elevenlabs wählen, die qualitativ sehr hochwertig sind. Außerdem könnt ihr hier auf eure gespeicherten Stimmen zugreifen.

Zu den Einstellungen habe ich bereits einiges erklärt: Beginnt immer mit den Standardeinstellungen und nehmt dann nur kleine Anpassungen vor, um das beste Ergebnis zu erzielen.

Ein kleines Rätsel

Bei so vielen Informationen muss auch mal ein kleines Rätsel drin sein. Außerdem bekommt ihr so einen weiteren Eindruck über die diversen Sprach-Möglichkeiten.

Gefährlicher Mann: „Ich bin immer da, wenn du mich nicht erwartest, und bringe oft Dunkelheit mit mir.“

Junge Frau: „Wenn ich dich sehe, ist es oft zu spät.“

Katze: „Bei mir kommt er sogar Sieben mal!“

Sportreporter im Stadion: „Und das Spiel endet jetzt, es gibt keine Verlängerung mehr – er kommt!“

Roboter: „Wer kommt? Kennst du die Antwort?"

Das ist Magie

Mit dem Voice Changer von Elevenlabs könnt ihr ein Audio-File hochladen und darüber eine andere Stimme legen. Ihr sprecht euren Text in eurer gewünschten Betonung und Geschwindigkeit ein, und diese werden dann in der neuen Stimme exakt berücksichtigt. Das ist besonders nützlich für wichtige Aufgaben wie ein schnelles Intro – es kann wirklich einen großen Unterschied machen. Man gibt dadurch der KI einfach viele präzise Informationen, die sich die KI sonst selbst ausdenken müsste und bei viel Interpretationsspielraum ist jede KI nicht perfekt.

Die Magie muss man sehen

Wie gut und genau die neue Stimme auf die alte Stimme gelegt wird, sieht man bei einem Text, der von verschiedenen Charaktere genau gleich gesprochen wird. Schaut auch auf die Mundbewegungen und die Synchronität.

Ich spreche den folgenden Text einmalig ein und lasse ihn dann von zwei weiteren Stimme per Voice Changer ändern.

Text: Hi, ich teste hier gerade den Voice Changer und ihr solltet genau auf die Synchronität der Mundbewegungen achten. Dadurch seht ihr, dass die neue Stimme, exakt der Geschwindigkeit der Originalstimmen entspricht.

Stimme 1: Meine Stimme

Stimme 2: Frau

Stimme 3: Mann

Soundeffekte auf Knopfdruck, per Texteingabe

Eine meiner absoluten Lieblingsoptionen bei Elevenlabs ist die Möglichkeit, eigene Soundeffekte zu erstellen. Das spart nicht nur die Kosten für ein teures Abo bei einem Soundeffekte-Anbieter, sondern geht oft auch viel schneller und präziser, als manuell nach dem passenden Sound zu suchen.

So funktioniert es:

Bei den Einstellungen könnt ihr eine Zeitspanne zwischen 0,5 und 22 Sekunden festlegen und auswählen, wie stark die KI dem Prompt folgen soll. Je weiter ihr den Regler nach links („kreativer“), desto mehr Freiraum hat die KI, was oft zu interessanteren Ergebnissen führt. Möchtet ihr jedoch schneller zu einem präzisen Ergebnis kommen, schiebt den Regler eher nach rechts, damit die KI näher am ursprünglichen Prompt bleibt.

Wenn ihr nur einen Versuch („Prompt“) nutzen möchtet, stellt den Regler lieber etwas weiter nach rechts. Wenn ihr die bestmögliche Ausgabe erzielen wollt und bereit seid, mehrmals zu experimentieren, lasst den Regler weiter links.

Pro Sekunde generierter Sound fallen 40 Credits an – und das Beste: Diese Funktion ist sogar im Free-Plan verfügbar.

Beispiel 1: "A deep, resonant orchestral swell that builds slowly, creating a sense of awe and grandeur, as if something divine is descending from the heavens. Soft, angelic choir voices hum gently in the background, gradually increasing in intensity, evoking a heavenly and ethereal presence. The sound includes shimmering chimes and subtle wind gusts as the hand descends, blending seamlessly with the choir, creating a mystical and serene atmo"

Beispiel 2: "Horror screaming from affection"

Inspiration holen

Um ein Gefühl dafür zu bekommen, was alles möglich ist, könnt ihr oben auf „Explore“ klicken. Dort findet ihr zahlreiche Kategorien, Ideen und Beispiele sowie die wöchentlichen Top-Sounds. Diese Sounds könnt ihr allerdings nur mit einem kostenpflichtigen Plan herunterladen. Den Prompt könnt ihr jedoch auch im Free-Plan verwenden, um den Sound selbst neu zu generieren.

Tipps für bessere Prompts

Besonders gut funktioniert es, wenn ihr zuerst beschreibt, welchen Sound ihr wollt, z. B.:

„Loud slow heart beat“

Um die gewünschte Emotion besser zu treffen, könnt ihr dann eine passende Kategorie hinzufügen, z.B. HORROR oder LOVE.

Beispiel 3 "Loud slow heart beat, Horror":

Beispiel 4 "Loud slow heart beat, Love":

Es ist generell hilfreich, der KI ein Gefühl für die Szene zu geben, damit die Soundeffekte genau passen.

Bei der Generierung bekommt man immer direkt 4 Varianten zur Auswahl. Hier kann man also jetzt jeweils 4 Varianten hören:

Während viele TTS-Plattformen nur auf kurze Textpassagen oder einfache Sprachkonvertierungen ausgelegt sind, bietet Elevenlabs leistungsstarke Tools zur Verarbeitung längerer Texte und zum Projektmanagement. Das ist besonders nützlich für Content-Ersteller, die an umfangreichen Projekten wie Hörbüchern, Podcasts oder E-Learning-Inhalten arbeiten.

Das System ist optimiert, um größere Projekte effizient zu verwalten. Längere Texte können in kleinere Abschnitte aufgeteilt und einzeln bearbeitet sowie vertont werden. Ein integriertes Management-Tool sorgt dafür, dass ihr stets den Überblick über den Fortschritt behaltet und alle Audioaufnahmen gut organisiert sind.

Für längere Inhalte bietet Elevenlabs zudem die Möglichkeit, Pausen, Absatzwechsel und sogar Atemgeräusche in den Text einzufügen. So wird eine realistische Erzählweise simuliert, die bei längeren Projekten wie Hörbüchern oder Podcasts eine flüssige und natürliche Wiedergabe unterstützt.

Konkret

Mit diesen Funktionen könnt ihr Texte in andere Sprachen umwandeln (dubben), die Inhalte eurer Webseite automatisch in Sprache konvertieren lassen und viele weitere Dinge. Im dritten Teil gehen wir ausführlich auf diesen Bereich ein und zeigen euch einige konkrete Anwendungsbeispiele.

Nutzt den Creator-Plan zu Beginn mit 50 % Rabatt, um die Funktionen von Elevenlabs ausführlich zu testen. Danach könnt ihr je nach Bedarf problemlos in den Starter- oder Free-Plan wechseln.

Unsere Bewertung zu Elevenlabs 9,4 / 10 Punkte

Wir haben wirklich alle guten und aktuellen TTS-Tools selbst getestet, und keines kommt auch nur annähernd an die deutsche Sprachqualität von Elevenlabs heran. Als marktführendes Tool, das durch Investoren mit reichlich Kapital unterstützt wird, baut Elevenlabs auch in puncto Funktionen seinen Vorsprung gegenüber der Konkurrenz stetig aus. Trotz der stetig steigenden Funktionen bleibt die Bedienung sehr einfach und übersichtlich.

Abgesehen vom fehlenden Dark Mode und einigen wenigen Syntax-Optionen, konnten wir keine nennenswerten Nachteile feststellen.