Voice Kit: Sprachaufnahmen mit Ihrer eigenen Stimme oder einer Standardstimme

Voice Kit liest mit einem Stimmdienst. Solange dieser Dienst ausgeschaltet ist, weist ein gelber Hinweis oben auf der Seite darauf hin, und jedes Vorlesen verwendet stattdessen einen Beispielton: sanfte Töne im Sprechrhythmus, einer pro Silbengruppe, mit echten Pausen bei Kommas, Punkten und [pause]-Markierungen. So können Sie jeden Schritt ausprobieren und Timing und Länge eines Skripts prüfen, aber es ist keine Stimme. Wo er erscheint, ist er als Beispielton gekennzeichnet, die Standardstimmen heißen Warm (Beispiel) und Clear (Beispiel), und der MP3-Download ist deaktiviert (das Beispiel wird als WAV heruntergeladen).

Starten Sie eine Sprachaufnahme (links): Wählen Sie die Sprache, dann bestimmen Sie mit den vier Reitern, woher die Wörter kommen. Eingeben oder einfügen: ein Feld für das ganze Skript (jeder Absatz wird zu einer Zeile; die Mikrofontaste diktiert das Gesagte), dann Mit diesem Skript starten, oder Leer starten, die KI schreibt, um ein leeres Skript zu öffnen und die KI um eines zu bitten. Eine Datei: Word (.docx), PDF, Text, Markdown oder HTML bis 8 MB. Eine Webseite: Geben Sie eine Adresse ein und drücken Sie Übernehmen; die lesbaren Wörter der Seite werden übernommen. Writing Pack: eine Liste Ihrer Entwürfe aus dem Writing Pack; klicken Sie auf einen, um seine Wörter zu übernehmen. Sehr lange Quellen werden bis zu 6.000 Zeichen übernommen, und ein Hinweis weist darauf hin.

Ihre Sprachaufnahmen listen jedes Skript mit Wortanzahl, ungefährer Länge, Sprache und Datum auf; klicken Sie auf eines, um es zu öffnen (jedes hat seine eigene Adresse, sodass Sie den Link als Lesezeichen speichern oder mit sich selbst teilen können). Ein Suchfeld erscheint, sobald Sie mehr als vier haben.

Stimmen (rechts) zeigt Ihre eigenen Stimmen und die Standardstimmen. Wählen Sie, wer ein Skript liest, sobald ein Skript geöffnet ist.

Der Name oben ist der Name der Sprachaufnahme: Klicken Sie darauf, um ihn umzubenennen. Gespeichert / Wird gespeichert… daneben zeigt, dass jede Änderung kurz nach dem Tippen automatisch gespeichert wird.

Sprache legt fest, in welcher Sprache das Skript geschrieben und gelesen wird (Englisch, Spanisch, Französisch, Deutsch, Portugiesisch, Italienisch, Niederländisch, Polnisch, Japanisch, Chinesisch, Koreanisch, Hindi). Länge ist das Ziel: 15, 30, 60 oder 90 Sekunden (erneut drücken, um es zu löschen), oder geben Sie eine beliebige Länge von 5 bis 600 Sekunden im Feld Andere ein. Rechts die Schätzung (≈ Sekunden und Wörter, bei etwa 150 Wörtern pro Minute plus Pausen) und, wenn ein Ziel gewählt ist, Im Ziel oder wie viele Sekunden zu lang oder zu kurz.

Ihr Skript zeigt das gesamte Stück in einem Feld, so wie es gelesen wird, mit einer Leerzeile zwischen den Absätzen. Schreiben Sie darin, fügen Sie ein oder nutzen Sie die Mikrofontaste. Jeder Absatz ist ein Teil: Wenn Sie nach einem Lesen einen Absatz ändern, wird nur dieser Teil erneut gelesen, und ein Hinweis unter dem Feld sagt, wie viele Teile geändert wurden.

Teil für Teil (der Schalter über dem Skript) zeigt jeden Absatz einzeln. Unter seinen Wörtern: Gefühl (Natürlich, Fröhlich, Begeistert, Selbstbewusst, Warm, Ruhig, Ernst, Neugierig, Überrascht, Traurig), Tempo (Langsamer, Normal, Schneller) und Stimme (Hauptstimme oder eine Ihrer Stimmen bzw. Standardstimmen, sodass ein Skript zwei oder mehr Sprecher haben kann, etwa Moderator und Gast), sowie Ein Wort korrigieren. Dann seine Länge und eine Abspieltaste, sobald er gelesen wurde, Diesen Teil erneut lesen, 3 Versionen und ein Papierkorb. Wenn Sie das Gefühl, das Tempo oder die Stimme eines Teils ändern, wird er zum erneuten Lesen markiert. Gefühle werden von der Cartesia-Engine als echte Emotionen und von ElevenLabs als mehr oder weniger ausdrucksstarke Vortragsweise gelesen.

3 Versionen liest den Teil zwei weitere Male mit leicht unterschiedlichem Vortrag; die drei erscheinen als Version 1, Version 2, Version 3, jeweils mit einer Abspieltaste, und Behalten macht diese Version zur verwendeten im gesamten Lesevorgang (Behalten wird markiert). 3 neue Versionen ersetzt Version 2 und 3. Gesamtes Skript wechselt zurück. Wörter hinzufügen aus… (dieselben vier Quellen) fügt Wörter am Ende an, und Löschen (fragt vorher nach) entfernt die Sprachaufnahme und ihre Lesungen.

Festlegen, wie ein Wort gesprochen wird: Markieren Sie ein Wort oder einen Namen unter Gesamtes Skript und drücken Sie Aussprache korrigieren (oder drücken Sie unter Teil für Teil bei einem Teil Ein Wort korrigieren und geben Sie das Wort ein). Das Panel zeigt das Wort mit Jetzt anhören (es liest den Satz, in dem es steht, mit der Stimme, die unter Wer liest ausgewählt ist). Wählen Sie unter Was stimmt nicht? eine der Optionen Wird falsch ausgesprochen, Falsche Silbe betont, Wird Buchstabe für Buchstabe buchstabiert, Zu schnell oder nuschelig, Klingt wie ein anderes Wort, und beschreiben Sie es zusätzlich mit eigenen Worten (getippt oder per Mikrofon), dann drücken Sie Korrekturen finden. Die KI schlägt drei oder vier Schreibweisen vor, die die Stimme richtig sprechen wird (etwa in-FIN-ih-tee oder Win für Nguyen), jeweils mit Begründung; drücken Sie Anhören bei einer davon, um sie im Satz zu hören, bevor Sie sie behalten. Überall verwenden speichert sie in Ihrer Aussprache-Liste und liest jeden Teil mit diesem Wort erneut; Nur in diesem Skript schreibt die neue Schreibweise nur in dieses Skript. Oder tippen Sie unter Oder geben Sie ein, wie es klingen soll Ihre eigene Schreibweise ein und drücken Sie Anhören. Weitere Korrekturen finden fragt erneut.

Aussprache-Liste (unter dem Skript): jedes Wort, das Sie gespeichert haben, und wie es ausgesprochen wird, in jeder Lesung Ihres Kontos und in jeder Sprachaufnahme. Jeder Eintrag hat Anhören und einen Papierkorb, und Hinzufügen nimmt ein Wort und die Aussprache von Hand entgegen. Das geschriebene Skript ändert sich nie: Die Liste wird beim Vorlesen der Wörter angewendet.

Schreiben Sie [pause] oder [pause 1.5s] für eine Pause. Wenn ein Name oder Wort falsch klingt, schreiben Sie es so, wie es klingt, und lassen Sie nur diese Zeile erneut vorlesen.

Der KI-Texter (das violette Feld) ist ein Feld zum Schreiben und Ändern. Bei einem neuen Skript tippen oder sagen Sie, was darin vorkommen soll (Ihr Firmenname, das Angebot, eine Telefonnummer oder Website, alles, was enthalten sein muss), oder lassen Sie es leer, wählen Sie Für (Social-Video oder Reel, Anzeige oder Radiospot, Telefonansage oder Warteschleife, Erklärung zu Produkt oder Dienstleistung, Veranstaltung, Verkauf oder Ankündigung, oder Etwas anderes) und einen Ton (Freundlich, Professionell, Energiegeladen, Ruhig, Lustig) und klicken Sie auf Schreiben. Es schreibt in der eingestellten Länge (wenn keine gewählt ist, 30 Sekunden), in Ihrer Markenstimme, wenn Meine Markenstimme verwenden angehakt ist, in Absätzen, die natürlich klingen.

Sobald ein Skript vorhanden ist, nimmt dasselbe Feld jede Änderung in Ihren eigenen Worten entgegen, getippt oder gesprochen ("Mach den Anfang knackiger", "Füge unsere Öffnungszeiten am Samstag hinzu", "Übersetze es ins Spanische"): Klicken Sie auf Änderung übernehmen (oder ⌘/Strg+Enter). Text verbessern sorgt dafür, dass er beim Vorlesen besser fließt und knapper wird, wobei jede Tatsache, jeder Name, jede Zahl und jedes Angebot erhalten bleibt. Neue Version schreiben erstellt ein frisches Skript aus dem, was Sie eingegeben haben, mit der gewählten Für-Angabe, dem Ton und der Länge. Die Schaltflächen darunter sind Ein-Klick-Änderungen, nicht die Grenze: An Länge anpassen, Freundlicher machen, Leichter zu sprechen, Stärkerer Schluss. Zeilen und Fakten, nach denen Sie nicht gefragt haben, bleiben genau so, wie sie waren, und die KI erfindet nie Preise oder Telefonnummern: Sie schreibt einen Platzhalter wie [Ihre Telefonnummer] und listet ihn unter Noch nicht erledigt auf.

Schreibpaket: Öffnen Sie das Schreibpaket (in einem neuen Tab), um mit einem seiner Texter einen längeren Text zu schreiben, und klicken Sie dann auf den Entwurf hierher holen, um ihn diesem Skript hinzuzufügen.

Nach jeder Änderung zeigt ein Hinweis, was Erledigt wurde und zuerst, was Noch nicht erledigt ist, mit dem Grund, und das Skript darunter wird kurz umrandet, damit Sie sehen, wohin die Änderung gelangt ist. Rückgängig stellt das Skript so wieder her, wie es vor dieser Änderung war.

Eigene Stimme erstellen öffnet ein großes Fenster. Oben zeigt Wie man eine Stimme aufnimmt, die wie Sie klingt (standardmäßig geöffnet), was Sie tun sollten (ein ruhiger, weicher Raum; etwa eine Handbreit vom Mikrofon entfernt; Ihre normale Werbestimme; Fragen, Zahlen und Namen einstreuen; insgesamt 1 bis 2 Minuten, alles am selben Ort) und was Sie lassen sollten (Musik, Fernsehen, Ventilatoren oder andere Personen; hallende Räume oder ein Auto; Werbung oder Videos mit Musik unter Ihrer Stimme; Bluetooth-Headsets oder Freisprechen; Flüstern, Schreien, Hetzen oder eine monotone Lesestimme; lange Pausen und Husten). Schließen schließt das Fenster.

Eigene Stimme erstellen führt durch drei Schritte. 1, Ihr Name: so, wie Sie ihn aussprechen werden. 2, Diesen Satz laut vorlesen: Klicken Sie auf Satz aufnehmen, lesen Sie den Satz auf dem Bildschirm ("Ich, [Ihr Name], stimme zu, dass aiKit aus meinen Aufnahmen eine KI-Stimme erstellt, und ich werde sie nur für meine eigene Arbeit verwenden.") und klicken Sie auf Stopp. Ein roter Punkt, die Zeit und eine Pegelanzeige werden während der Aufnahme angezeigt. 3, 1 bis 2 Minuten, in denen Sie sprechen: Aufnehmen (oder Aufnahme hochladen: MP3, M4A, WAV, WebM oder OGG), so oft Sie möchten, bis zu sechs Aufnahmen; ein Balken füllt sich bis zu zwei Minuten, mindestens 30 Sekunden sind nötig, eine Minute oder mehr klingt am besten. Drei Texte zum Vorlesen stehen über den Schaltflächen, jeweils als Reiter: Ihr Unternehmen; Eine Geschichte; und Zahlen & Namen (lesen Sie alle drei etwa zwei Minuten lang oder sprechen Sie einfach über Ihre Arbeit). Jede Aufnahme wird mit ihrer Länge aufgelistet, mit einem Player zum Abhören (in diesem Besuch gemachte Aufnahmen), einer Qualitätsprüfung, die in Ihrem Browser gemessen wird (Klingt sauber oder ein Hinweis wie Leise: näher herangehen, Stellenweise zu laut, Hintergrundgeräusch oder Viel Stille), und einem Papierkorb. Die Einwilligungsaufnahme erhält denselben Player und dieselbe Prüfung.

Meine Stimme erstellen führt die Prüfungen aus und erstellt dann die Stimme. Der Einwilligungssatz wird in Text umgewandelt und mit dem Satz verglichen (Ihr Name wird ausgelassen, da Namen auf viele Arten geschrieben werden); mindestens 70 % seiner Wörter müssen erkannt werden. Eine einfache Prüfung auf dieselbe Stimme vergleicht Tonhöhe und Klang der Einwilligungsaufnahme mit Ihren Proben; sie müssen übereinstimmen, daher muss der Satz von derselben Person gelesen worden sein wie die Proben. Es ist eine einfache Prüfung, kein Fingerabdruck. Das Ergebnis listet jede Prüfung mit einem Häkchen oder einem Kreuz auf; wenn eine fehlschlägt, wird die Stimme nicht erstellt, und Aufnahmen korrigieren führt Sie zurück.

Ihre Aufnahmen und Stimmen sind nur für Ihr Konto sichtbar. Der Papierkorb neben einer Stimme fragt zuerst nach und löscht sie dann auch beim Stimmdienst und hier. Mit ihr bereits gelesene Sprachaufnahmen bleiben Ihnen erhalten. Bis zu fünf Stimmen pro Konto. Nur Ihre eigene Stimme: Aufnahmen anderer Personen sind nicht erlaubt. Die aiKit-Hausstimme: Ein aiKit-Admin kann eine seiner EIGENEN fertigen Stimmen (erstellt über denselben Einwilligungsablauf) über Als Hausstimme anbieten allen Konten anbieten; sie erscheint dann zuerst unter Standardstimmen mit der Bezeichnung aiKit-Hausstimme und liest für jeden, der keine eigene Stimme hat. Sie erscheint nur, während eine echte Stimm-Engine eingeschaltet ist. Hausstimme ✓ (beenden) oder das Löschen dieser Stimme beendet das Anbieten. Eigene Stimmen erstellen ist Admins vorbehalten, bis eine endgültige rechtliche Prüfung abgeschlossen ist; Standardstimmen funktionieren schon jetzt für alle.

Stimm-Rezepte (die Leiste über dem Skript) speichern eine Stimme, eine Stimmung, ein Tempo und Musik unter einem Namen, etwa Northwind-Werbung oder Bäckerei-Telefonleitung. Klicken Sie auf ein Rezept, um es zu verwenden: Die Stimme wird ausgewählt, jeder Teil ohne eigene Stimmung oder eigenes Tempo erhält die des Rezepts, und seine Musik wird unter dem Player eingestellt. Als Rezept speichern öffnet ein kurzes Formular: Name, Stimmung und Tempo (sie übernehmen zunächst, was die meisten Ihrer Teile verwenden), mit der Stimme aus Wer liest es und der Musik unter dem Player; wenn Sie unter einem bereits verwendeten Namen speichern, wird dieses Rezept ersetzt. Der Papierkorb löscht ein Rezept. Bis zu 50 Rezepte.

Aussprachen funktionieren in ganz aiKit: Wenn ein anderes Werkzeug mit einer Stimme vorliest (zum Beispiel die Erzählung in Video Kit), kann es ein Rezept verwenden, und deine Aussprache-Liste gilt dort ebenfalls, damit Namen überall gleich ausgesprochen werden.

Bei „Wer liest es vor“ siehst du zuerst deine fertigen Stimmen, danach die Standardstimmen (zunächst sechs; „Alle Standardstimmen“ zeigt die restlichen). Die gewählte Stimme hat einen farbigen Rahmen, und sie wird in der Seitenadresse gespeichert. Jede Stimme hat eine Schaltfläche „Anhören“, die eine kurze Probe abspielt (einmal erstellt und gespeichert, daher startet sie beim nächsten Mal sofort). Drücke „Stopp“ oder „Anhören“ einer anderen Stimme, um die Wiedergabe zu beenden.

Anhören: Der große Button zeigt an, was er tun wird: Mit <voice> vorlesen, Die N geänderten Zeilen vorlesen oder Alles noch einmal vorlesen. Nur Zeilen, die neu oder geändert sind, werden erneut vorgelesen. Wenn Sie also ein Wort korrigieren, wird nur eine Zeile neu gelesen. Während der Vorgang läuft, zeigt das Panel an, wie viele Zeilen gerade gelesen werden. Lange Skripte werden in Durchgängen gelesen, und die Anzahl wird laufend aktualisiert. Konnte eine Zeile nicht gelesen werden, zeigt Noch nicht fertig an, wie viele es sind und warum. Wenn Sie den Button erneut drücken, werden nur diese Zeilen gelesen.

Sobald alle Zeilen gelesen sind, zeigt der Player eine Wellenform der gesamten Sprachaufnahme: Drücke die runde Schaltfläche, um abzuspielen oder zu pausieren, klicke auf die Wellenform (oder nutze dort die Pfeiltasten), um zu springen, und die gerade gesprochene Zeile wird darunter angezeigt. Zwischen den Zeilen steht eine kurze Atempause in Stille.

Die Wörter unter dem Player leuchten auf, während sie gesprochen werden. Klicke auf ein Wort, um dorthin zu springen. Markiere ein bis drei Wörter und drücke „Aussprache korrigieren“ (es öffnet das Korrekturfeld im Skript), oder markiere beliebige Wörter und drücke „Diese Wörter anweisen“, um der Stimme zu sagen, wie sie diese sprechen soll. Die Wortzeiten werden nach Länge auf die Abschnitte verteilt, daher sind sie ungefähr, nicht exakt.

Vortragsanweisung (unter dem Player): Beschreibe mit eigenen Worten, wie es klingen soll, getippt oder gesprochen, etwa mehr Schwung bei „an diesem Wochenende“, langsamer beim Preis oder klingen, als würdest du lächeln. Drücke dann „Anweisung anwenden“ oder eine der Kurzwahlen (Mehr Schwung, Klingen wie Lächeln, Langsamer bei Zahlen und der Telefonnummer, Ruhiger und vertrauensvoller, Knackigerer Anfang, Mehr Pause vor dem Aufruf zum Handeln). KI verändert Gefühl, Tempo und, wo es hilft, einige Wörter nur in den Teilen, die die Anweisung betreffen (eine Stimme kann die Betonung eines einzelnen Wortes nicht steuern, daher nutzt sie, was sie befolgt: eine kurze Pause vor dem Wort, ein Ausrufezeichen oder einen kürzeren Satz). Sie speichert das Skript und liest nur diese Teile erneut. „Erledigt“ listet jede Änderung auf, und „Noch nicht fertig“ sagt, was eine Stimme nicht kann und warum. „Rückgängig“ stellt diese Teile wieder her und liest sie erneut.

Prüfe es mit dem KI-Coach: Er hört die Aufnahme ab (Sprache-zu-Text) und zeigt Zeit und Wörter pro Minute an, danach Tempo (150 bis 170 Wörter pro Minute passen für die meisten Anzeigen), Verständlichkeit, Anfang (fesselt der erste Satz die Aufmerksamkeit in 3 Sekunden?) und Namen und Wörter (längere Wörter, die die Hörprüfung nicht erkannt hat, oft ein falsch ausgesprochener Name). Jeder Hinweis hat eine Korrektur: „Aussprache korrigieren“ für ein Wort oder „Beheben“, das eine Anweisung in „Vortragsanweisung“ für dich zum Drücken einfügt. „Erneut prüfen“ hört nach Änderungen erneut zu. Der Probeklang ist keine Sprache, daher läuft die Wortprüfung nur mit echten Stimmen.

Musik unter der Stimme (unter dem Player, sobald alle Teile gelesen sind): Wähle ein aiKit-Original, stelle „Musik“ (Lautstärke) ein, drücke „Mit Musik anhören“ und „Mit Musik herunterladen (WAV)“ für den fertigen Mix. Die Musik beginnt einen Moment vor der Stimme, wird während des Sprechens leiser und blendet am Ende aus. Untertitel: .srt- und .vtt-Dateien, nach der Aufnahme getaktet, jeweils einige Wörter auf einmal, für Reels, YouTube und Videoplayer.

Downloads und mehr: MP3 (echte Stimmen), WAV (jede Aufnahme), „In Grafikbibliothek speichern“ (im Ordner Voice Kit, Kategorie Voiceover) und „In Motion Maker verwenden“, was die Aufnahme in deiner Bibliothek speichert und Motion Maker mit der Stimme auf dem Reiter Musik öffnet, wobei die Musik darunter leiser wird. Darunter kannst du die Aufnahme mit Daumen hoch oder runter bewerten; bei Daumen runter wird gefragt, was schiefging, und die Rückmeldung geht an das aiKit-Team. Das Etikett „KI-Stimme“ / „Probeklang“ oben im Feld zeigt an, was du gerade hörst.

Bevor neue Zeilen gelesen werden, prüft eine kurze KI-Kontrolle sie auf Identitätsmissbrauch. Sich selbst und das eigene Unternehmen vorzustellen ist in Ordnung („Hallo, ich bin Sam, der Inhaber von Sams Fahrrädern“): Eine Person oder ein Unternehmen, das nicht allgemein bekannt ist, wird als du selbst verstanden. Nicht gelesen wird: eine bekannte Persönlichkeit, die in der Ich-Form spricht oder etwas empfiehlt, ein bekanntes Unternehmen, eine Bank oder eine Behörde, die als sie selbst spricht („Hier ist Ihre Bank am Apparat“), oder jede Nachricht, die sich als eine dieser Stellen ausgibt, um Zahlung oder persönliche Daten zu verlangen. Das Feld nennt den Grund. Echte Personen und Unternehmen zu erwähnen oder zu besprechen, Anzeigen für dein eigenes Unternehmen und fiktive Figuren sind in Ordnung. Jede Zeile wird einmal geprüft; wenn du sie änderst, wird sie erneut geprüft.

Voice Kit nutzt die Token deines Kontos zu den echten Kosten des Sprachdienstes: Das Vorlesen wird nach Zeichen berechnet (etwa 3 bis 9 Cent für eine 30-Sekunden-Aufnahme, je nach Sprachdienst), dazu kommen die geringen Kosten jeder KI-Skriptänderung und Sicherheitsprüfung. Wenn nur geänderte Zeilen gelesen werden, bleiben die Kosten niedrig. Würde eine Anfrage über das hinausgehen, was in deinem Tarif noch übrig ist, wird sie nicht gestartet, und die Meldung sagt es dir. Administratoren sehen die Kosten jeder Aufnahme in Cent unter dem Player.

Administratoren sehen unter dem Player „Vergleichstest der Sprachmotoren“. Wenn beide Sprachdienste eingeschaltet sind, liest „Auf beiden lesen“ das geöffnete Skript mit der gewählten Stimme bei jedem Dienst, zeigt für jeden einen Player und die Kosten an, und „Diesen Motor verwenden“ macht ab dann diesen die Aufnahme jeder Sprachaufnahme (deine eigene Stimme wird bei beiden Diensten erstellt, wenn du sie anlegst). Wenn nur einer oder keiner eingeschaltet ist, wird angezeigt, welche eingeschaltet sind.

Andere aiKit-Werkzeuge fordern die Erzählung bei Voice Kit auf die gleiche Weise an: Die Wörter gehen hinein, und eine Sprachaufnahme kommt mit Start- und Endzeit jeder Zeile zurück, damit sich Untertitel an die Stimme anpassen können. Sie wird mit deiner neuesten Stimme (oder der ersten Standardstimme) gelesen, von deinen Token abgezogen und immer als Probeklang markiert, wenn echte Stimmen ausgeschaltet sind.