Voice Cloning mit ElevenLabs: Was eine gute KI-Stimme braucht und wie sie sich finanziell rentieren kann

Sprecher und Pianist Christoph Beck hat gezeigt, wie er aus Stimmen auf ElevenLabs ein Portfolio von 51 Voice Clones gemacht hat, was im Studio dafür nötig ist und warum er vom Instant Cloning abrät.

Ein Mann aus Silikon, der dreimal täglich Silikon trinkt und nie Sonnenschutz braucht: Mit diesem KI-generierten Clip eröffnete Christoph Beck seinen Vortrag im Prompting Lab. Der Clip ist gerade einmal anderthalb Jahre alt und wirkt schon wie aus einer anderen Zeit. Genau darum ging es: um eine Technik, die sich rasant entwickelt, und um die Frage, wie man daraus etwas Eigenes macht.

Vom Klavier zur KI-Stimme

Christophs Weg dorthin war alles andere als geradlinig. Er studierte klassisches Klavier und Medien, kam über seine selbstgemachte Meditations-App zum Sprechen und übernahm 2023 erste Synchron- und Werbejobs. Anfang 2024 stieß er schließlich auf ein Angebot von ElevenLabs: die eigene Stimme klonen lassen und damit Geld verdienen!
Gut zweieinhalb Jahre später stehen 51 seiner Stimmen in der Bibliothek der Plattform, und er klont inzwischen auch Stimmen für andere Sprecherinnen und Sprecher, Amateure und Profis.

Die richtige Stimme finden

ElevenLabs ist längst mehr als eine Text-zu-Sprache-Anwendung. Musik, Bild, Video, Dubbing und sogar sprechende Agenten gehören inzwischen dazu. Das Herzstück bleibt aber die Voice Library: Man filtert nach Sprache und Einsatzzweck, hört sich durch und findet erstaunlich schnell etwas Passendes. Bei Christophs Live-Suche nach einer deutschen Podcast-Stimme reichten zwei Anläufe. Mit wenigen Reglern für Tempo, Stabilität und Ausdruck lässt sich der Klang danach feinjustieren.
Mehr Einfluss als jeder Regler hat jedoch das Sprachmodell dahinter. Das neueste, Eleven V4, klingt hörbar professioneller als sein Vorgänger und stolpert seltener über Aussprache. Wenn doch ein Wort schiefgeht, hilft ein alter Trick: es ganz einfach so aufschreiben, wie es auch klingen soll.
Der Preis für den Fortschritt: V4 legt eine Art Stilfilter über die Stimme und kann dabei den stimmlichen Charakter verändern. Christophs selbst eingesprochene Roboterstimme klang unter dem neuen Modell plötzlich wie ein ganz anderer Sprecher. Sein Rat lautet deshalb, Neues ruhig auszuprobieren, aber immer gegen das Original zu hören.
Egal, welche Stimme gefunden wird: ElevenLabs schafft es, jeden Prompt in über 90 Sprachen zu lokalisieren, um so die Herzen der Nutzerinnen und Nutzer höher schlagen zu lassen.

Vom Text zum fertigen Video

Wer mehr als nur Audio braucht, findet im Studio alles in einer Oberfläche: Sprechertext, Bild, lippensynchrones Video und Musik. Noch interessanter wird es mit den sogenannten Flows. Man baut ein Format einmal als Vorlage und füttert es danach beliebig oft mit neuen Inhalten. Aus einem einzelnen Video wird so eine kleine Produktionsstraße und verspricht damit absolute Skalierbarkeit.

Professionell klonen: Sauber aufnehmen lohnt sich

Der Einstieg ist günstig. Zum Ausprobieren reicht das kostenlose Abo, professionelle Voice Clones gibt es ab rund 20 Euro im Monat. Von schnellen Instant Clones rät Christoph dagegen ab: Die Ergebnisse klingen oft holprig, was auch andere in der Runde bestätigten. Wer klonen will, sollte es gleich richtig machen.
Das heißt vor allem: ein Raum ohne Hall, ein gutes Kondensatormikrofon und ein Skript, das zum gewünschten Stil passt. Für eine ruhige, meditative Stimme eignen sich Gutenachtgeschichten, für eine Gesprächsstimme eher Dialoge und Beratungsgespräche. Am Ende stehen rund anderthalb Stunden sehr sauberes Audio. Entscheidend ist dann die Nachbearbeitung, denn je sauberer das Material, desto stabiler klingt der Clone.

Was dabei herauskommt

Christoph war ehrlich, was das Geld angeht. Die Stimmen sind inzwischen sein Haupteinkommen, allein durch genutzte Clones kommen im Monat mindestens 4.000 Euro zusammen. Er betont aber, dass er früh dabei war. Wer heute startet, sollte mit den ersten Stimmen eher von dreistelligen Beträgen im Monat ausgehen, dafür ganz passiv.
Seine Strategie ist von Anfang an dieselbe: nicht eine einzelne Stimme hochladen und das war's, sondern ein Portfolio aufbauen und es sauber taggen, damit die Stimmen in der Bibliothek überhaupt gefunden werden. Für Nutzerinnen und Nutzer ist das unkompliziert, denn mit einem Konto stehen praktisch alle Stimmen zur Verfügung.

Christophs 1:1-Coaching: Passives Einkommen verdienen mit ElevenLabs
Christoph bietet ein Coaching von 60 bis 90 Minuten an (flexibel, bis alle Fragen beantwortet sind): Aufnahme, Postproduktion, Audiorestaurierung und Platzierung der Stimme, inklusive Feedback zur eigenen Aufnahme. Regulär 799 Euro, für Teilnehmende des Prompting Labs 25 Prozent Rabatt, also 600 Euro. Gutscheincode: SAFARI26.

Christophs Schlusswort war so pragmatisch wie sein ganzer Vortrag: Profil anlegen und loslegen. Ganz easy.

Du möchtest genauer wissen, wie du deine eigene KI-Stimme bei ElevenLabs erstellst? Schau dir die Aufzeichnung an.

Jetzt anmelden um die Aufzeichnung zu sehen