Katja
de-DE-KatjaNeural
Empfang
Dokumentation
Betrieb
Branchen-Fachwissen
Sichtbarkeit
Für Ihre Branche
KI für Handwerk
KI für Arztpraxen
Praxis-Copilot (Arztpraxen)
KI für Kanzleien
Abschluss-Automat (Steuer)
KI für Autohäuser
Werkstatt-Copilot (KFZ)
KI für Hausverwaltungen
Miet-Portal (Vermieter)
KI für Einzelhandel
KI für Gastronomie
Hotel-Rezeption (Gastro)
KI für Landwirtschaft
Hof-Manager (Landwirtschaft)
KI für Online-Shops
KI für Schulen (DSGVO-konform)
KI für Vereine
Verein-Vollversorgung
Pflegedienst-Copilot (Pflege)
Salon-Manager (Friseur)
Makler-Suite (Immobilien)
Tierarzt-Praxis
Fahrschul-Assistent
Energieberater-Toolkit
Fitnessstudio-Verwaltung
Allergen-Auskunft
Buch- & Medienkatalog
Zoll- & Importrechner
Open Source & KI
Firmen-KI statt ChatGPT-Chaos
KI-Kanzlei-Box (lokales Sprachmodell)
KI-Ahnenforschung-Box (Sütterlin, Kurrent)
KI-Tierheim-Box (Vermittlungstexte, Newsletter)
Browser-Agenten für Portale
Service-Desk mit KI-Triage
Nextcloud mit KI
Meeting-Agent: Audio zu Ergebnis
Vertrags- und PDF-Prüfung
Zahlen-Copilot
Agentenserver für KMU
Telefon-KI ohne SaaS-Lock-in
Intranet & Prozesshandbuch
Verkündigung digital
Beispiele aus dem Haus
Windows & Systeme
Office & Kommunikation
Sicherheit & Daten
KI & Tools
Eigene Software-Projekte
Lernen & Online-Kurse
Computer & Laptops
Mobilgeräte
Peripherie & Netzwerk
Smart Home & IoT
Sofort-Hilfe
Schulungen
Schutz & Vorsorge
Elektro & Energie
IT-Infrastruktur
Business-Software
Web & Marketing
Entwicklung & Beratung
Individualsoftware
DSGVO-KI-Automation
Audio-Werbeplattform
Individuelle KI-Tools
Eigenes CRM
Eigenes Rechnungssystem
E-Rechnungs-Brücke
eBay-Auktionsjäger
eBay-Auktionen KI-Agent
Standort-Dossier
Wetter-Ampel
Reise-Briefing
Speiseplan-Generator
Presse-Spiegel
Security-Dashboard
Allergen-Check
Buch-Katalog
Zoll-Rechner
Forschungs-Radar
Ernährungscoach-App
Streaming-Kompass
Entwickler-Onboarding-Assistent
Lieferketten-Radar
Workflow-Automation
Schnittstellen & Integration
Software-Wartung
Digitalisierungsberatung
Krypto & Web3
Monitoring & IoT
naturwerk© (Bürger-Tech)
spuerwerk© (Sensor-Plattform)
Mining-Strom-Monitor
Drift-Wächter (Pestizid-Drift)
Spritzalarm (Crowdsourcing-PWA)
Pestizid-Scanner (KI)
Gülle-Wächter (Ammoniak/H2S)
Lärm-Wächter (Verkehr/Lüfter)
Licht-Wächter (Lichtbelastung)
Mikroplastik-Sonde (Wasser)
Bienenfeind-Karte (Pestizid-Mapping)
PV-Anlagen-Monitoring
Energy Sharing digitalisieren
Energy-Sharing-Checkliste
Serverraum-Monitoring
Kühlhaus-Monitoring
Maschinen-Monitoring
Gewächshaus-Monitoring
Branchen-IT
spuerwerk© Hub
spuerwerk© Mess-Module
spuerwerk© Branchen I
spuerwerk© Branchen II
linkx© Hub + Module
linkx© Module II
naturwerk©
Neu im Blog
Systeme & Netzwerk
Software & Online
Geräte & Branchen
Deutsche TTS-Stimmen mit Hörproben
10 deutsche Microsoft-Edge-Stimmen aus Deutschland, Österreich und Schweiz, jede mit echter Hörprobe desselben deutschen Textes. Plus Open-Source-Alternativen, Browser-Sprachsynthese und ein ehrlicher Blick auf die kommerziellen Anbieter.
10 Neural Voices
DE · AT · CH
Identischer Vergleichstext
Mit Umlauten & schwierigen Wörtern
Der Test-Text
Damit Stimmen vergleichbar sind, liest jede genau denselben Text vor — mit ä, ö, ü, ß, schwierigen zusammengesetzten Wörtern und Anglizismen, die deutsche Sprachausgabe traditionell ins Stolpern bringt.
Vorgelesen wird
„Moin im Münsterland! Die Netzhandwerker — Manufaktur für Digitales — bauen Künstliche-Intelligenz-Lösungen, Webseiten und Fernwartungs-Werkzeuge für mittelständische Unternehmen. Unsere Maßnahmen reichen von Schulungen über Workflow-Automatisierung bis zur Eigenentwicklung. Eigentum statt Abonnement, in deutscher Hand und mit Werkstatt-Mentalität: schöne Größenordnung, klare Zuständigkeiten, ehrliche Preise."
Microsoft Edge Neural Voices (10 Stimmen)
Microsofts Neural-TTS-Stimmen sind die mit Abstand größte und qualitativ konsistenteste Sammlung deutscher KI-Stimmen, die ohne API-Anmeldung nutzbar ist. Sie laufen über die Sprachausgabe-Funktion des Edge-Browsers (auch bekannt als „Read Aloud") und lassen sich technisch auch außerhalb davon ansprechen. Lizenz-Hinweis am Ende der Liste.
Conrad
de-DE-ConradNeural
Amala
de-DE-AmalaNeural
Killian
de-DE-KillianNeural
Florian (HD)
de-DE-FlorianMultilingualNeural
Seraphina (HD)
de-DE-SeraphinaMultilingualNeural
Ingrid
de-AT-IngridNeural
Jonas
de-AT-JonasNeural
Leni
de-CH-LeniNeural
Jan
de-CH-JanNeural
Hinweis · 11 Stimmen nur noch über Azure verfügbar
Microsoft hat das öffentlich zugängliche Stimmen-Inventar des Edge-Read-Aloud-Endpoints inzwischen auf 10 deutsche Voices reduziert. Weitere 11 Neural Voices — Bernd, Christoph, Elke, Gisela, Kasper, Klarissa, Klaus, Louisa, Maja, Ralf und Tanja — gibt es weiterhin, aber nur noch über die zahlungspflichtige Azure-Cognitive-Services-API. Wer diese Stimmen kommerziell und stabil braucht, kommt an Azure (4 $ pro 1 Mio Zeichen) nicht vorbei.
Lizenz-Hinweis
Edge-TTS-Stimmen sind über den Edge-Browser („Vorlesen"-Funktion) ohne Bezahlung zugänglich. Die direkte API-Nutzung außerhalb des Browsers bewegt sich in einem Graubereich — Microsoft hat sie nicht offiziell für kommerzielle Drittnutzung freigegeben. Für kommerzielle Audio-Produktionen empfehlen wir die zahlungspflichtige Azure-Cognitive-Services-API mit denselben Stimmen oder einen sauber lizenzierten Anbieter wie ElevenLabs. Die Hörproben hier sind als technischer Vergleich zu verstehen.
Browser-Sprachsynthese (Web Speech API)
Jeder moderne Browser kann Text vorlesen — über die im Betriebssystem installierten Stimmen. Qualität und Auswahl hängen von Ihrem Gerät ab: macOS hat hochwertige Stimmen (Anna, Petra, Markus), Windows liefert Microsoft Hedda/Stefan, Android nutzt Google-TTS, iOS hat Anna/Helena. Live-Test:
Hinweis: Die Stimmen kommen direkt von Ihrem Gerät — Anzahl und Qualität variieren je nach Betriebssystem und Browser. Auf manchen Linux-Systemen ist gar keine TTS installiert.
Open-Source-Stimmen (lokal, frei für alles)
Wenn Sie eine TTS-Stimme dauerhaft nutzen wollen — kommerziell, im Produkt, in Geräten — sind lokal laufende Open-Source-Modelle die saubere Wahl. Kein API-Vendor, keine Tracking-Sorgen, keine Lizenz-Grauzone. Drei sinnvolle Kandidaten für Deutsch:
Piper TTS
Schnelles Neural-TTS, läuft auf Raspberry Pi und Mini-PCs. Mehrere deutsche Stimmen (Thorsten, Eva-K, Karlsson, Kerstin), in der Qualität nah an Microsoft-Stimmen. Apache-2-Lizenz, kommerziell frei.
Coqui TTS
Größerer Modell-Zoo, deutsche Stimmen u. a. Thorsten-Voice (gespendet von Thorsten Müller, Open-Source-Community). Etwas schwerer im Setup, dafür mehr Kontrolle über Klang und Sprechtempo. MPL-2.
eSpeak NG
Robotisch klingend, aber winzig (kB statt MB), startet sofort, läuft auf jeder Hardware. Gut für Accessibility-Anwendungen, Screen-Reader, Notfall-Ansagen. GPL-3.
Thorsten-Voice
Dataset eines deutschen Open-Source-Enthusiasten, der seine eigene Stimme freigegeben hat. Wird in Piper, Coqui und Mozilla TTS genutzt. Liebevolles Community-Projekt mit hervorragender Qualität für eine freie Stimme.
MaryTTS
Java-basiert, vom DFKI mitentwickelt, historisch sehr verbreitet im akademischen Umfeld. Klang heute etwas hinter Piper/Coqui zurück, aber gut dokumentiert und stabil.
Mimic 3
Schlanker Piper-Vorgänger von Mycroft AI. Wird seit Mycroft-Insolvenz nicht mehr aktiv weiterentwickelt, läuft aber stabil und hat brauchbare deutsche Stimme. Eher für Bastel-Setups.
Online-Services mit freiem Kontingent
Schnelle Web-Generatoren, die eine begrenzte Anzahl Zeichen pro Tag oder Monat ohne Bezahlung erlauben. Gut für Einzeltexte, nicht geeignet für laufende Pipelines.
NaturalReader
Online-Reader mit deutschen Stimmen. Free-Tier: ein paar tausend Zeichen pro Tag, kein Download im freien Tarif.
TTSMP3
Simple Web-Oberfläche, MP3-Download direkt möglich. Wirbt mit deutschen Stimmen (u. a. Marlene, Hans). Free-Tier ca. 3.000 Zeichen pro Tag.
VoiceMaker
Zugriff auf Amazon-Polly- und Google-Cloud-Stimmen über eine Demo-Oberfläche. Free-Tier mit Wasserzeichen-Stimme und Limit.
ttsfree.com
Schnelle Demo-Seite, deutsche Standard-Stimmen, ~5.000 Zeichen pro Generierung im Free-Tier.
Kommerzielle Anbieter (ehrlich eingeordnet)
Für produktive Einsätze — Podcasts, Voice-Bots, Hörbücher, Schulungs-Audio — kommen Sie an einem zahlenden Anbieter selten vorbei: Stabilität, klare Lizenz, gleichbleibende Qualität.
ElevenLabs
Aktuell der Marktführer für natürlich klingende KI-Stimmen, sehr starke deutsche Qualität. Sarah, Charlotte, Anton und viele Community-Stimmen. Ab ~5 $/Monat im Starter-Tier mit kommerzieller Lizenz.
OpenAI TTS
Sechs Stimmen (Alloy, Echo, Fable, Onyx, Nova, Shimmer) auch auf Deutsch. Klang weniger Variantenreich als ElevenLabs, dafür sehr stabil. ~15 $ pro 1 Mio Zeichen.
Microsoft Azure TTS
Dieselben Neural Voices wie oben, aber offiziell lizenziert. 4 $ pro 1 Mio Zeichen für Standard-Voices, mehr für HD-Stimmen. Free-Tier: 0,5 Mio Zeichen/Monat. Saubere Wahl, wenn Sie genau diese Stimmen brauchen.
Amazon Polly
Deutsche Stimmen: Marlene, Hans, Vicki (Neural). Free-Tier: 5 Mio Zeichen/Monat im ersten Jahr. Eher technisch klingend, aber sehr stabil und Standard im AWS-Umfeld.
Google Cloud TTS
WaveNet- und Neural2-Stimmen auf Deutsch. Free-Tier: 1 Mio Zeichen/Monat (Standard). Sehr gute Qualität, in der Regel etwas hölzerner als ElevenLabs.
IBM Watson TTS
Deutsche Stimmen: Birgit, Dieter, Erika. Eher konservativer Klang, gut für Vorlese-Anwendungen, Lite-Tier mit 10.000 Zeichen/Monat.
Vergleich auf einen Blick
Welche Lösung passt zu welchem Einsatzgebiet?
| Lösung | Qualität | Kommerziell nutzbar | Lokal | Stimmen DE | Geeignet für |
|---|---|---|---|---|---|
| Edge TTS | sehr gut | Graubereich | nein | 10 | Tests, interner Einsatz |
| Browser Web Speech | variabel | ja | ja | ~3 | Accessibility-Buttons |
| Piper TTS | gut | ja | ja | ~5 | Geräte, eigene Server |
| Coqui TTS | gut | ja | ja | ~3 | Forschung, Anpassung |
| ElevenLabs | exzellent | ja | nein | 40+ | Podcast, Werbung, Buch |
| Azure TTS | sehr gut | ja | nein | 21+ | Enterprise, Voice-Bot |
| OpenAI TTS | sehr gut | ja | nein | 6 | Chat-Voice, App-Integration |
Sie brauchen eine richtige TTS-Pipeline?
Wir bauen den ganzen Weg: Stimmen-Auswahl, Cleanup-Regeln für Umlaute und Eigennamen, Segment-Mastering auf −16 LUFS, automatisierte Generierung aus Texten, Anbindung an Podcast-Feeds oder Voice-Bots. Eigene Podcast-Pipeline und Voice-Agent Julia laufen bei uns im Haus.
Zur Podcast-EinrichtungBeschreiben Sie Ihr Problem
Wir melden uns bei Ihnen und finden eine Lösung.
Häufig gestellte Fragen
Darf ich Edge-TTS-Stimmen kommerziell nutzen?
Microsoft hat die Edge-Vorlese-Funktion nicht offiziell als kommerzielle TTS-API freigegeben. Wer dieselben Stimmen kommerziell und rechtssicher braucht, nimmt die zahlungspflichtige Azure-Cognitive-Services-API — gleiches Stimm-Inventar, klare Lizenz. Für Open-Source-Stimmen wie Piper oder Coqui gilt die jeweilige Modell-Lizenz, die meisten sind kommerziell frei.
Welche Stimme klingt am natürlichsten?
Bei den hier gezeigten Edge-Stimmen sind Florian und Seraphina (die HD-Multilingual-Varianten) deutlich vorn — sie sind die neueste Generation. Bei den Standard-Stimmen wirken Katja, Conrad und Amala für die meisten Ohren am natürlichsten. ElevenLabs Sarah, Charlotte oder Anton sind in einer noch höheren Klasse, kosten aber Geld.
Funktionieren die Hörproben offline?
Die MP3s auf dieser Seite werden vom netzhandwerker.de-Server ausgeliefert, einmal geladen funktionieren sie weiter. Die Browser-Sprachsynthese (Web Speech API) braucht eine Stimme, die auf Ihrem Gerät installiert ist. Open-Source-Lösungen wie Piper laufen komplett offline, sobald die Modell-Datei lokal liegt.
Welche Stimme nimmt man für einen Podcast?
Wenn der Podcast „echt" wirken soll, ist ElevenLabs aktuell die beste Wahl — die Sprechpausen, Intonation und das Atmen sind dort deutlich realistischer als bei Edge oder OpenAI. Wir nutzen für unseren eigenen Podcast „Netzhandwerker Praxis-Talk" Chris Norddeutscher und Thomas Bariton bei ElevenLabs.
Was kostet eine eigene TTS-Pipeline?
Die Modell-Kosten selbst sind überschaubar (Edge ohne Gebühr, ElevenLabs ab 5 $/Monat, Azure ab 4 $ pro 1 Mio Zeichen). Aufwand entsteht durch die Sauberkeitsarbeit: SSML-Tagging für Eigennamen, Umlaut-Härtung, Pausen-Logik, Mastering. Für eine produktive Pipeline rechnen wir 290 € einmalige Einrichtung plus laufende Inhalts-Generierung je nach Volumen.
Können Sie eine bestehende Stimme klonen lassen?
Voice-Cloning ist technisch möglich (ElevenLabs Professional Voice Clone, ab ~22 €/Monat), aber rechtlich heikel. Wir machen das nur mit schriftlicher Einwilligung der Person, deren Stimme geklont wird. Wenn Sie Ihre eigene Stimme klonen lassen wollen für Ihr Unternehmen, begleiten wir den Prozess inklusive Lizenz-Dokumentation.
Funktioniert das auch in Schweizer Hochdeutsch?
Ja, Leni und Jan sind explizit Schweizer Hochdeutsch (de-CH). Echtes Schweizerdeutsch (Mundart) bilden auch sie nicht zuverlässig ab — das kann derzeit keine TTS-Lösung sauber. Für Mundart-Aufnahmen führt kein Weg an menschlichen Sprechern vorbei.
Welche Stimmen klingen kindgerecht?
Bei den aktuellen Edge-Stimmen gibt es keine, die als ausgesprochen kindlich markiert ist — die früher verfügbare Stimme Gisela wurde von Microsoft aus dem öffentlichen Edge-Endpoint entfernt und ist nur noch über die zahlungspflichtige Azure-API zu haben. Bei ElevenLabs gibt es mehrere Community-Stimmen, die als „child" markiert sind — Auswahl mit Vorsicht treffen wegen Stimmrechten.