
ElevenLabs Voice Design: Eigene KI-Stimme erstellen
Mit ElevenLabs Voice Design eine neue deutsche KI-Stimme gestalten: Schritt für Schritt von der Beschreibung über drei Hörproben bis zur gespeicherten Stimme.

Was Voice Design bei ElevenLabs kann – und was nicht
Mit Voice Design erzeugen Sie eine neue synthetische Stimme anhand einer schriftlichen Beschreibung. Statt eine vorhandene Stimme aus der Voice Library auszuwählen, beschreiben Sie zum Beispiel einen ruhigen deutschen Erzähler mit warmer Klangfarbe und gleichmäßigem Sprechtempo. Das System generiert daraufhin mehrere passende Hörproben. Diese Technik kann für Hörgeschichten, Lernmaterialien, Figuren oder die Erkundung von Sprecherstilen sinnvoll sein.
Eine so gestaltete Stimme ist nicht automatisch der Nachbau einer bestimmten realen Person. Für die Nachbildung einer vorhandenen Stimme gibt es bei ElevenLabs andere Verfahren wie Instant Voice Cloning und Professional Voice Cloning. Voice Design befindet sich nach Angaben des Anbieters weiterhin in einer experimentellen Phase: Eine überzeugende Vorschau garantiert nicht die gleiche Qualität und Konsistenz in einem langen Produktionsprojekt. Dieser Leitfaden beruht auf offiziellen Quellen vom November 2026, nicht auf erfundenen eigenen Hörtests.
Für wen lohnt sich eine künstlich gestaltete Stimme?
Voice Design ist besonders dann interessant, wenn keine vorhandene Stimme den gewünschten Charakter trifft. Ein kleines Lernportal könnte eine sachliche deutschsprachige Vorlesestimme suchen, ein unabhängiger Spieleentwickler einen eigenständigen Fantasiecharakter, eine Autorin eine ruhige Erzählstimme für private Probekapitel. In solchen Fällen sind Stimmfarbe, Sprechweise und Ausdruck wichtiger als die Imitation einer Berühmtheit.
Prüfen Sie zunächst, ob eine bereits verfügbare Stimme aus der Bibliothek genügt. Das spart wiederholte Generierungen und damit mögliche Credits. Falls ein markantes Profil fehlt, kann Voice Design helfen. Bei professionellen Serien oder langfristig wiederkehrenden Charakteren sollte die Verlässlichkeit zwischen Szenen getestet werden; der Anbieter nennt Professional Voice Clones derzeit als stabilere Option, wenn eine geeignete und rechtmäßig nutzbare Vorlage vorhanden ist.
Schritt 1: Voice Design in der aktuellen Oberfläche öffnen
Öffnen Sie die ElevenLabs-Anwendung und wechseln Sie zu Voices, dann My Voices beziehungsweise Meine Stimmen. Der dokumentierte Weg führt über Add a new voice und anschließend Voice Design. Wählen Sie diese Funktion bewusst und nicht den daneben verfügbaren Einstieg zum Voice Cloning. Die Beschriftungen können bei einer späteren Aktualisierung der Benutzeroberfläche anders lauten.
Kontrollieren Sie vor Ihrem ersten Versuch, welchen Tarif das Konto nutzt und wie viele eigene Stimmen bereits gespeichert sind. Beginnen Sie mit einem einfachen Test, den Sie später sinnvoll vergleichen können. Ein kurzer Probetext und eine klare Beschreibung sind dafür geeigneter als ein unübersichtliches Skript mit mehreren Rollen, Dialekten und widersprüchlichen Emotionen.
Schritt 2: Einen präzisen deutschen Voice-Prompt schreiben
Beschreiben Sie die hörbaren Eigenschaften, nicht die Biografie einer erfundenen Person. Hilfreich sind Sprache, Akzent, ungefähre Stimmlage, Tempo, Klangfarbe, Emotion und Sprechstil. Beispiel für eine eigenständige Stimme: „Eine ruhige erwachsene Erzählerstimme auf Hochdeutsch, warmes mittleres Register, klare Artikulation, natürliches Sprechtempo, zurückhaltend freundlich, ohne übertriebene Betonungen.“
Eine zu allgemeine Eingabe wie „schöne Stimme“ lässt viele Interpretationen zu. Zu viele widersprüchliche Attribute können ebenfalls stören, etwa gleichzeitig flüsternd, sehr laut, besonders schnell und meditativ langsam. Formulieren Sie zunächst fünf bis sieben miteinander vereinbare Merkmale. Vermeiden Sie eine Aufforderung, eine konkrete fremde Person täuschend ähnlich nachzuahmen; das ist weder nötig noch eine sinnvolle Voraussetzung für eine gute Kunststimme.
Sprache, regionale Färbung und Verständlichkeit richtig beschreiben
Für deutschsprachige Anwendungen kann die gewünschte Varietät entscheidend sein. „Hochdeutsch mit klaren Konsonanten“ ist ein anderes Ziel als „leicht österreichische Färbung, freundlich und unaufgeregt“. Testen Sie die gewählte Aussprache mit Wörtern, die für Ihr Publikum wirklich vorkommen: Städtenamen, Zahlen, Abkürzungen oder technische Begriffe. Eine überzeugende englische Vorschau belegt noch nicht, dass die deutsche Ausgabe dieselbe Wirkung erzielt.
Präzisieren Sie einen Akzent nur dann, wenn er im fertigen Inhalt einen nachvollziehbaren Zweck erfüllt. Stereotype Figurenbeschreibungen und Karikaturen helfen dem Modell oft weniger als Angaben zu Aussprache, Tempo und Ausdruck. Wenn die Stimme später in mehreren Sprachen eingesetzt werden soll, sollte jede Sprache mit einem eigenen geeigneten Testtext überprüft werden. Die Ergebnisse können sich zwischen Modellen unterscheiden.
Schritt 3: Den richtigen Vorschautext vorbereiten
Der Text für die Vorschau beeinflusst, wie Sie das Stimmprofil beurteilen können. ElevenLabs erklärt, dass der Text zur beschriebenen Persönlichkeit passen sollte. Eine sanfte Erzählerstimme wirkt in einem ruhigen Absatz nachvollziehbarer als in einer einzigen aggressiven Ausrufzeile. Schreiben Sie daher einen kurzen vollständigen Absatz mit unterschiedlicher Satzlänge, einem Komma und einer Frage.
Ein praktischer deutscher Testtext könnte lauten: „Heute Morgen war die Stadt ungewöhnlich still. Am Bahnhof warteten nur wenige Menschen. Würde der letzte Zug pünktlich kommen? Eine kleine Anzeige zeigte 7:45 Uhr.“ Dieses Beispiel ist eine frei erfundene Testvorlage. Verwenden Sie für Ihren eigentlichen Anwendungsfall den Sprachstil, den Sie später regelmäßig benötigen, statt ausschließlich besonders einfach zu sprechende Wörter auszuwählen.
Schritt 4: Drei Stimmen generieren und fair vergleichen
Ein Klick auf Generate voice erzeugt laut ElevenLabs normalerweise drei Hörproben aus derselben Beschreibung. Die dokumentierten Kosten richten sich nach dem Text der Vorschau; die Erzeugung der drei Vorschläge wird für diesen Vorgang nicht dreifach als separate Textprobe abgerechnet. Prüfen Sie die aktuelle Verbrauchsanzeige in Ihrem Konto vor dem Start, da sich Abrechnung und Modelle weiterentwickeln können.
Hören Sie alle drei Vorschläge vollständig und möglichst mit denselben Kopfhörern ab. Vergleichen Sie Verständlichkeit, Stimmhöhe, Natürlichkeit, Sprechtempo und die Stabilität bei schwierigen Wörtern. Bewerten Sie nicht nur die zuerst gehörte Stimme. Ein kleiner Vergleich mit vorher notierten Kriterien ist belastbarer als die spontane Entscheidung für die eindrucksvollste Hörprobe.
Loudness und Guidance Scale verständlich erklärt
Voice Design dokumentiert zwei zusätzliche Regler. Loudness beeinflusst die Lautstärke der Vorschau und der später gespeicherten Stimme. Guidance Scale steuert, wie stark sich die Generierung an die beschriebene Stimmidee halten soll. Ein hoher Guidance-Wert kann eine besondere gewünschte Eigenschaft deutlicher treffen, nach Angaben des Anbieters aber bei sehr spezifischen Vorgaben auch die Audioqualität beeinträchtigen.
Verändern Sie bei einem Vergleich möglichst nur einen Regler auf einmal. Wird eine Stimme zu angestrengt, prüfen Sie, ob der Prompt zu viele Extreme fordert oder die Guidance zu streng eingestellt ist. Lautstärke und wahrgenommene Klangqualität sind unterschiedliche Eigenschaften; eine lautere Stimme ist nicht automatisch besser. Für einen fairen Hörvergleich sollte die Wiedergabelautstärke möglichst ähnlich bleiben.
Schritt 5: Eine Variante speichern und später wiederverwenden
Nachdem Sie eine passende Vorschau ausgewählt haben, können Sie eine der generierten Stimmen speichern. Sie belegt nach offizieller Dokumentation einen Platz unter My Voices. Der kostenlose Tarif erlaubt derzeit drei eigene gespeicherte Stimmen gleichzeitig; bezahlte Tarife bieten mehr Plätze. Das bedeutet nicht drei kostenlose Klonvorgänge und auch keine unbegrenzte Zahl an Vorschau-Generierungen.
Geben Sie Ihrer gespeicherten Stimme einen neutralen, wiedererkennbaren Projektnamen, zum Beispiel „Erzähler ruhig DE“. Testen Sie anschließend einen zweiten, bisher nicht vorgelesenen Absatz, damit Sie feststellen, ob die Eigenschaften über die ursprüngliche Vorschau hinaus funktionieren. Wenn Sie später Speicherplätze freigeben, beachten Sie: Das Löschen einer eigenen Stimme kann nach Angaben des Anbieters nicht rückgängig gemacht werden.
Beispiele für drei sinnvolle Stimmenbeschreibungen
Für ein Lernvideo: „Klare erwachsene Sprecherstimme auf Hochdeutsch, ruhiges mittleres Tempo, sachliche und zugewandte Erklärung, deutliche Aussprache von Zahlen.“ Für eine Hörgeschichte: „Warme, etwas tiefere deutschsprachige Erzählstimme, gleichmäßige ruhige Kadenz, leichte Nachdenklichkeit, präzise Artikulation ohne Theaterstimme.“ Für eine erfundene Spielfigur: „Helle, lebendige synthetische Stimme, leicht heiserer Klang, kurze aufgeregte Pausen, deutliches Hochdeutsch, fantasievoller, aber gut verständlicher Charakter.“
Die drei Formulierungen sind selbst entwickelte Beispiele, keine dokumentierten Presets und keine von Claim26 getesteten Gewinner. Sie illustrieren, wie sich der Zweck bereits in wenigen klaren Merkmalen ausdrücken lässt. Ein Spielcharakter profitiert möglicherweise von stärkerem Ausdruck, während ein Erklärvideo vor allem verständliche und gleichbleibende Aussprache benötigt. Verfeinern Sie deshalb nicht alle Entwürfe nach dem gleichen Ideal.
Voice Design und Voice Cloning: Der entscheidende Unterschied
Voice Design leitet eine neue synthetische Stimmidee aus Textattributen ab. Instant Voice Cloning nutzt dagegen eine vorhandene Aufnahme, um eine Stimmenähnlichkeit herzustellen. Professional Voice Cloning ist ein weiteres Verfahren mit höheren Anforderungen und einem anderen Qualitätsziel. Die Wahl hängt davon ab, ob Sie einen eigenständigen Charakter benötigen oder eine bestimmte eigene Stimme mit den erforderlichen Rechten nachbilden wollen.
ElevenLabs führt Instant Voice Cloning aktuell ab Starter und Professional Voice Cloning ab Creator auf. Beides sollten Sie nicht mit Voice Design im Free-Tarif verwechseln. Für eine echte Person müssen die Nutzungs- und Einwilligungsbedingungen geprüft werden. Der gesonderte deutschsprachige Claim26-Artikel über Stimmenklonen beschreibt diese Verfahren ausführlicher; hier geht es um das Entwerfen einer neuen Stimme.
Wie viel kosten Voice Design und die Credits im Free-Tarif?
Der aktuelle kostenlose ElevenCreative-Tarif enthält 10.000 Credits pro Monat sowie Zugang zu Voice Design. Laut offizieller Dokumentation entstehen Credits bei der Generierung der Vorschau, bezogen auf die Zahl ihrer Zeichen. Zusätzliche Versuche kosten entsprechend weitere Credits. Eine gekürzte Vorschau spart unter Umständen Kontingent, kann aber ein weniger aussagekräftiges Ergebnis liefern.
Auf der Preisseite nennt ElevenLabs derzeit einen regulären Starter-Preis von 6 US-Dollar pro Monat mit 30.000 Credits und einen regulären Creator-Preis von 22 US-Dollar pro Monat mit 121.000 Credits; zeitlich begrenzte Anfangsrabatte und Steuern sind gesondert zu prüfen. Diese Zahlen gelten nur für die zum Recherchezeitpunkt veröffentlichte monatliche Abrechnung. Wer nur einen privaten Stimmversuch machen will, benötigt deshalb nicht automatisch einen Bezahlplan.
Kommerzielle Nutzung: Warum kostenlos nicht automatisch frei bedeutet
Das technische Erzeugen einer Stimme und die Lizenz für ihre Veröffentlichung sind unterschiedliche Fragen. Der Free-Tarif ist nicht als allgemeine kommerzielle Lizenz zu verstehen. Die aktuelle Preistabelle weist eine kommerzielle Lizenz erst im Starter-Tarif aus. Prüfen Sie die für das konkrete Audio, die erzeugte Stimme und den Entstehungszeitpunkt geltenden Lizenzregeln, bevor Sie Ergebnisse für Werbung, ein monetarisiertes Video oder verkaufte Produkte verwenden.
Auch ein selbst formulierter Prompt erlaubt nicht die Verletzung fremder Persönlichkeits- oder Markenrechte. Wenn Sie eine Stimme über längere Zeit für ein Unternehmen einsetzen, dokumentieren Sie die Herkunft, Rechte und zugehörigen Tarifbedingungen. Ein späteres Upgrade macht zuvor unter Free generierte Dateien nicht automatisch rückwirkend zu kommerziell lizenzierten Werbemitteln. Im Zweifel sollten neue Ausgaben mit dem dafür passenden Plan erstellt und die aktuellen Bedingungen geprüft werden.
API statt Oberfläche: Zwei Schritte und eigene Berechtigungen
ElevenLabs bietet Voice Design nicht nur in der grafischen Anwendung, sondern dokumentiert auch eine API. Der grundsätzliche Ablauf umfasst zwei technische Schritte: Stimmvorschauen auf Grundlage eines Prompts generieren und anschließend eine ausgewählte Vorschau als neue Stimme speichern. Dafür sind eine passende API-Berechtigung, die aktuelle Schnittstellendokumentation und eigene Zugangsdaten erforderlich.
Für einen einzelnen Versuch empfiehlt sich zunächst die Oberfläche. Die API lohnt sich vor allem, wenn Entwickler wiederholbare, ausdrücklich genehmigte Arbeitsabläufe automatisieren. API-Schlüssel dürfen nicht öffentlich in einem Browserprojekt oder einer GitHub-Datei abgelegt werden. Dieser Artikel enthält bewusst keinen ungetesteten Code; die offizielle API-Referenz bleibt die maßgebliche Quelle für aktuelle Feldnamen, Zugriffsbeschränkungen und Modelle.
Typische Fehler beim Entwerfen einer Stimme vermeiden
Zu viele widersprüchliche Eigenschaften, ein nicht zum Prompt passender Vorschautext oder die Bewertung allein einer auffälligen fünfsekündigen Hörprobe führen häufig zu schwachen Entscheidungen. Auch eine unrealistische Erwartung an regionale Akzente kann frustrieren. Nutzen Sie stattdessen einen konkreten Einsatzzweck, eine nachvollziehbare Liste hörbarer Merkmale und einen kurzen vollständigen Absatz, der spätere Inhalte repräsentiert.
Testen Sie nicht beliebig oft ohne eine klare neue Hypothese. Wenn die Stimme zu schnell klingt, ändern Sie das Tempo im Prompt, statt gleichzeitig Sprache, Alter, Emotion und Tonhöhe zu verändern. Wenn die Aussprache unstet bleibt, prüfen Sie den Vorschautext und die Modellwahl. Bei Anforderungen an sehr hohe Konsistenz weist ElevenLabs darauf hin, dass experimentelle Voice-Design-Stimmen nicht in jeder Lage die gleiche Qualität wie professionelle Klone erreichen.
Checkliste: Eine eigene KI-Stimme verantwortungsvoll erstellen
Bestimmen Sie zuerst den Zweck und kontrollieren Sie, ob eine Stimme aus der Bibliothek bereits passt. Öffnen Sie Voice Design, beschreiben Sie Sprache, Timbre, Akzent und Tempo, ergänzen Sie einen repräsentativen Vorschauabsatz und prüfen Sie die erwarteten Credits. Vergleichen Sie die drei generierten Proben nach denselben Kriterien und speichern Sie nur die gewünschte Variante. Kontrollieren Sie anschließend, wie die Stimme in einem anderen Text klingt.
Bevor die Aufnahme öffentlich oder kommerziell verwendet wird, prüfen Sie Nutzungsrechte, den gültigen Plan und die Rechte an Texten oder realen Stimmen. Für Sprachklone und die genaue Free-Abgrenzung stehen eigenständige Claim26-Ratgeber bereit. Manche kommerziellen Verweise auf dieser Seite sind ElevenLabs-Partnerlinks: Bei einem berechtigten Abschluss kann Claim26 eine Provision erhalten, ohne dass allein das Anklicken des Links Mehrkosten verursacht.
Vier Punkte, die Sie überprüfen sollten.
✓Sie beschreiben Sprache, Tonfall und Sprechtempo statt eine fremde reale Person zu imitieren.
✓Der Vorschautext passt zum Einsatzzweck und der Creditverbrauch ist vorab geprüft.
✓Sie vergleichen alle drei generierten Vorschläge und beachten die drei Free-Stimmplätze.
✓Sie prüfen die kommerziellen Nutzungsrechte separat vom technischen Erstellen der Stimme.
Testen Sie Voice Design zunächst mit einem kurzen deutschen Beispieltext und prüfen Sie Ihre tatsächlichen Tarifbedingungen.
Kontrollieren Sie die aktuellen Funktionen und Abonnementbedingungen, bevor Sie eine Zahlung auslösen.
Die wesentlichen Angaben stammen aus offiziellen Quellen.
Preise und Softwarefunktionen können sich ändern. Prüfen Sie vor dem Abschluss die aktuellen Informationen.