Wissen · Digitale Werkzeuge

ElevenLabs: KI-Stimmen, Text-to-Speech und Vertonung für Hörbuch und Video verständlich erklärt

Herausgegeben von Digilisator · Torsten Weiß · Stand: 12. Oktober 2026

Ein Erklärvideo, das eine ruhige Sprecherstimme braucht. Ein Kinderbuch, in dem ein Gorilla brummt und ein kleiner Fuchs flüstert. Ein Hörbuch, für das kein Tonstudio im Budget ist. Früher hieß das: Sprecher buchen, Studiozeit mieten, Aufnahmen schneiden. Heute erzeugen KI-Stimmen aus geschriebenem Text gesprochene Sprache, die erstaunlich natürlich klingt.

Einer der bekanntesten Anbieter dafür ist ElevenLabs. Uns bei DIGILISATOR interessiert dabei weniger die Frage „Wie beeindruckend klingt das?“, sondern: Wie behalte ich selbst die Kontrolle? Über die Stimmen, die ich verwende. Über die Credits, die ich verbrauche. Über die Rechte an dem, was ich veröffentliche. Und über die Qualität, bevor etwas rausgeht.

Dieser Artikel ist eine redaktionelle Orientierung und keine Rechtsberatung. Angaben zu Tarifen, Modellen und Lizenzen stammen von der Website und Dokumentation des Anbieters, geprüft am 12. Oktober 2026. Sie können sich jederzeit ändern.

Was ist ElevenLabs?

ElevenLabs ist eine Plattform für KI-Audio. Im Mittelpunkt steht die Sprachsynthese: Sie geben Text ein, wählen eine Stimme und erhalten eine Audiodatei. Laut Tarifübersicht gehören außerdem unter anderem dazu:

• Text to Speech: Text in gesprochene Sprache umwandeln,
• Speech to Text: gesprochene Sprache transkribieren,
• Voice Changer: eine eigene Aufnahme in eine andere Stimme übertragen,
• Voice Design: neue Stimmen per Beschreibung erzeugen,
• Voice Cloning: eine Stimme aus Aufnahmen nachbilden,
• Sound Effects und Music: Geräusche und Musik generieren,
• Voice Isolator: Stimmen von Hintergrundgeräuschen trennen,
• Dubbing: Inhalte in andere Sprachen übertragen,
• Studio: längere Projekte wie Hörbücher oder Videos kapitelweise bearbeiten.

Das Angebot ist in drei Bereiche gegliedert: ElevenCreative für Kreative, ElevenAgents für Sprach-Agenten und ElevenAPI für Entwickler. Für die meisten Leserinnen und Leser von DIGILISATOR ist der kreative Bereich relevant, also die Web-App ohne Programmierkenntnisse. Laut Modellübersicht ist Eleven v4 derzeit das ausdrucksstärkste Sprachmodell des Anbieters; daneben gibt es unter anderem Eleven v3, Multilingual v2 und die schnellen Flash-Modelle.

Text-to-Speech: So wird aus Text eine Stimme

Text-to-Speech (TTS) klingt nach Knopfdruck, ist in der Praxis aber Handwerk. Die Qualität hängt nicht nur von der KI ab, sondern vor allem davon, wie gut der Text fürs Hören geschrieben ist. Ein kontrollierter Ablauf in fünf Schritten:

1. Skript fürs Ohr schreiben: kurze Sätze, klare Satzzeichen, Zahlen und Abkürzungen so ausschreiben, wie sie gesprochen werden sollen.
2. Stimme wählen: aus der Stimmenbibliothek, per Voice Design oder als eigene Stimme.
3. Absatzweise erzeugen: Lange Texte in Abschnitten generieren statt in einem Stück.
4. Anhören und nachbessern: Betonung, Pausen und Aussprache von Namen prüfen.
5. Exportieren: die Audiodatei in Video, Hörbuch oder Podcast übernehmen.

Warum absatzweise? Laut ElevenLabs werden Credits pro Generierung berechnet, nicht pro Download. Wer einen langen Text komplett neu erzeugt, weil ein einziges Wort falsch betont ist, zahlt den ganzen Text noch einmal. Kurze Abschnitte halten Korrekturen klein. Zudem hat jedes Modell eine Obergrenze pro Anfrage, laut Dokumentation zum Beispiel 10.000 Zeichen bei Eleven v4 und Multilingual v2 und 5.000 bei Eleven v3.

Modell bewusst wählen: Für Vertonungen wie Hörbücher und Videos empfiehlt ElevenLabs Eleven v4 oder Multilingual v2. Die Flash-Modelle sind auf Geschwindigkeit ausgelegt; laut Dokumentation werden dort Zahlen, Datumsangaben und Währungen standardmäßig nicht so normalisiert, wie man es erwartet. Wer Zahlen im Text hat, schreibt sie besser aus.

Charakterstimmen: Figuren eine eigene Stimme geben

Spannend wird KI-Audio, sobald mehrere Figuren sprechen: Kinderbuch, Hörspiel, Rätselvideo oder Erklärfilm mit Maskottchen. Jede Figur braucht eine wiedererkennbare Stimme. Dafür gibt es drei Wege.

Stimmenbibliothek: fertige Stimmen, die Sie sofort verwenden können, ideal für Erzählstimmen.

Voice Design: Sie beschreiben eine Stimme in Worten, etwa Alter, Klangfarbe, Tempo und Stimmung, und lassen daraus Vorschläge erzeugen. Für Fantasiefiguren oft der kreativste Weg.

Voice Cloning: Eine Stimme wird aus Aufnahmen nachgebildet. Laut Tarifübersicht ist Instant Voice Cloning ab Starter enthalten, Professional Voice Cloning ab Creator.

Stimmen selbst kontrollieren: der Stimmen-Steckbrief

Damit eine Figur über viele Kapitel gleich klingt, legen Sie für jede Stimme einen kurzen Steckbrief an:

• Figur und Rolle: zum Beispiel Erzählerin, Abenteurer, Experte,
• verwendete Stimme: Name bzw. ID aus der Bibliothek oder dem Voice Design,
• Modell und Einstellungen: damit spätere Aufnahmen gleich klingen,
• Tempo und Stimmung: ruhig, lebhaft, neugierig …,
• Testsatz: immer derselbe Satz, um Änderungen hörbar zu machen,
• Aussprache-Liste: Namen und Fachbegriffe, die geprüft werden müssen.

Das hilft gerade bei Figurenpaaren, wie wir sie aus unserem Kinderrätselbuch GORO & FIPS kennen: zwei Figuren, zwei klar unterscheidbare Charaktere.

Hörbuch- und Video-Vertonung

Für längere Texte ist das Studio gedacht. Dort lassen sich Projekte kapitelweise anlegen, Absätze einzeln neu erzeugen und Stimmen bestimmten Abschnitten zuordnen. Laut Tarifübersicht sind im Free-Tarif 3 Projekte im Studio möglich, ab Starter 20.

Bei einem Hörbuch lohnt sich vorab eine Rechnung: Ein Roman hat schnell mehrere Hunderttausend Zeichen, und Korrekturdurchgänge kommen dazu. Kurze Kinderbücher, Leseproben oder einzelne Kapitel sind deutlich überschaubarer.

Für Videos ist eine KI-Stimme besonders praktisch, weil sich Texte ändern lassen, ohne neu aufzunehmen. Typische Einsatzfälle:

• Erklärvideos und Tutorials,
• kurze Clips für YouTube Shorts, TikTok oder Instagram,
• Produktvorstellungen und Präsentationen,
• Schulungsmaterial und Anleitungen,
• mehrsprachige Fassungen über Dubbing (laut Tarifübersicht ab Starter mit Dubbing Studio).

Tipp für den Schnitt: je Szene eine eigene Audiodatei. So ersetzen Sie einzelne Sätze, ohne den Rest neu anzupassen.

Praxistest: Unsere Erfahrungen mit ElevenLabs

Für DIGILISATOR nutzen wir ElevenLabs zur Erstellung von KI-Stimmen für verschiedene kreative Projekte. Dabei sind uns besonders drei Dinge positiv aufgefallen.

1. Günstiger Einstieg

ElevenLabs bietet einen vergleichsweise günstigen Einstieg. Man muss nicht sofort viel Geld investieren, um die Möglichkeiten der KI-Sprachgenerierung kennenzulernen.

Das ist gerade für Einzelpersonen, kleine Unternehmen und kreative Projekte interessant.

2. Schnell verständlich und übersichtlich

Die Bedienoberfläche ist gut strukturiert. Die wichtigsten Funktionen lassen sich schnell finden, und die grundlegende Arbeitsweise ist ohne lange Einarbeitung verständlich.

So kann man sich auf die eigentliche Arbeit konzentrieren, statt sich zunächst durch komplizierte Einstellungen kämpfen zu müssen.

3. Riesige Stimmenauswahl – und Spaß beim Ausprobieren

Besonders viel Spaß hat uns die Auswahl der Stimmen gemacht.

ElevenLabs bietet eine enorme Vielfalt unterschiedlicher Stimmen. Es macht Freude, verschiedene Klangfarben, Stimmcharaktere und Sprechweisen auszuprobieren und miteinander zu vergleichen.

Gerade für kreative Projekte ist das ein großer Pluspunkt. Die Suche nach der passenden Stimme wird dadurch selbst zu einem spannenden Teil der Gestaltung.

Unser bisheriges Fazit

ElevenLabs hat uns vor allem mit seinem günstigen Einstieg, der übersichtlichen Bedienung und der großen Stimmenauswahl überzeugt.

Die Arbeit mit den verschiedenen Stimmen macht Spaß und eröffnet viele kreative Möglichkeiten.

Credits selbst im Griff behalten

ElevenLabs rechnet über Credits ab, und alle Funktionen greifen auf denselben monatlichen Vorrat zu. Wie viele Credits ein Text kostet, ist nicht pauschal festgelegt, sondern hängt vom Modell ab. Laut ElevenLabs entspricht bei den Multilingual-v2-Modellen 1 Zeichen 1 Credit. Für die Flash- und Turbo-Modelle gelten bei API-Nutzung ermäßigte Sätze zwischen 0,5 und 1 Credit pro Zeichen. Für weitere Modelle zeigt der Anbieter den aktuellen Verbrauch an. Andere Funktionen kosten laut Preisseite deutlich mehr, etwa Speech to Text rund 330 Credits pro Minute und Voice Changer rund 1.000 Credits pro Minute.

So behalten Sie den Verbrauch selbst im Blick:

• Textumfang schätzen: Zeichenzahl des Skripts vorab ermitteln.
• Neuversuche einplanen: Korrekturen kosten erneut Credits, ein Puffer gehört dazu.
• Modell passend wählen: Das Modell beeinflusst Qualität und Verbrauch.
• Erst kurze Tests: Stimme und Einstellungen mit einem Absatz prüfen, dann den ganzen Text erzeugen.
• Kontostand prüfen: Laut ElevenLabs sehen Sie verbleibende Credits auf der Abo-Seite im Profilmenü.

Ungenutzte Credits werden bei bezahlten Tarifen laut Anbieter bis zu zwei Monate übertragen, solange das Abo aktiv bleibt. Wer herabstuft oder kündigt, verliert sie zum Ende des Abrechnungszeitraums.

Tarife im Überblick

Laut Preisseite (geprüft am 12. Oktober 2026, monatliche Abrechnung, Preise in US-Dollar zuzüglich Steuern):

• Free: 0 US-Dollar, 10.000 Credits pro Monat, nur nicht-kommerzielle Nutzung.
• Starter: 6 US-Dollar pro Monat, 30.000 Credits, kommerzielle Lizenz, Instant Voice Cloning und Dubbing Studio.
• Creator: 22 US-Dollar pro Monat, 121.000 Credits, zusätzlich Professional Voice Cloning.
• Pro: 99 US-Dollar pro Monat, 600.000 Credits, zusätzlich höhere Audioqualität über die API.

Darüber gibt es die Team-Tarife Scale und Business sowie Enterprise-Angebote. Bei jährlicher Zahlung zahlt man laut Anbieter 10 statt 12 Monatsbeiträge. Zeitlich begrenzte Aktionspreise nennen wir bewusst nicht, weil sie schnell wieder enden. Torsten nutzt für DIGILISATOR den Creator-Tarif.

Rechtshinweis: Nutzungsrechte und Stimmen

Bevor Sie KI-Audio veröffentlichen, sollten Sie die Lizenzlage kennen. Laut ElevenLabs gilt (Stand 12. Oktober 2026):

• Free-Tarif: nur nicht-kommerzielle Nutzung. Wer Inhalte aus dem Free-Tarif veröffentlicht, muss sie ElevenLabs zuschreiben, indem „elevenlabs.io“ oder „11.ai“ im Titel steht (für Musik gelten eigene Vorgaben).
• Bezahlte Tarife: enthalten eine kommerzielle Lizenz, allerdings gebunden an weitere Bedingungen: keine Beta-Funktionen, Einhaltung der Nutzungsbedingungen, der Service-spezifischen Bedingungen und der Prohibited Use Policy sowie die nötigen Rechte an den eigenen Inhalten.
• Nach Abo-Ende: Inhalte, die während eines bezahlten Abos erzeugt wurden, bleiben laut Anbieter kommerziell nutzbar. Inhalte aus Zeiten ohne bezahltes Abo nicht.
• Professional Voice Cloning: nur für die eigene Stimme. Auch mit Einwilligung dürfen Sie keinen Professional Voice Clone einer anderen Person anlegen. Möchte jemand seine Stimme mit Ihnen teilen, erstellt und verifiziert diese Person den Clone selbst im eigenen Konto und teilt ihn anschließend mit Ihnen.
• Fremde Stimmen allgemein: Die Stimme ist ein persönliches Merkmal. Verwenden Sie Stimmen anderer Menschen nie ohne deren ausdrückliche Erlaubnis.
• Transparenz und Daten: Machen Sie KI-Stimmen gegenüber Ihrem Publikum transparent, beachten Sie die Regeln der Plattform, auf der Sie veröffentlichen, und laden Sie keine vertraulichen Texte oder fremden Aufnahmen hoch, ohne die Datenschutzbedingungen geprüft zu haben.

Maßgeblich sind immer die aktuellen Nutzungsbedingungen von ElevenLabs.

Qualität selbst prüfen: Checkliste vor der Veröffentlichung

• Gesamte Aufnahme einmal vollständig angehört,
• Namen, Fachbegriffe und Zahlen korrekt ausgesprochen,
• Pausen und Betonung passen zum Inhalt,
• Charakterstimmen klingen über alle Kapitel gleich (Testsatz),
• Lautstärke und Klang zwischen Abschnitten einheitlich,
• Lizenz geklärt: kommerziell nur aus bezahltem Tarif.

Wer KI-Werkzeuge mit klaren Regeln in den Alltag einbauen möchte, findet dazu Orientierung im Artikel KI-Agenten im Alltag.

Häufige Fragen zu ElevenLabs

Was kostet ElevenLabs?

Laut Preisseite von ElevenLabs (geprüft am 12.10.2026) gibt es einen kostenlosen Free-Tarif mit 10.000 Credits pro Monat. Bezahlte Tarife beginnen bei Starter mit 6 US-Dollar pro Monat (30.000 Credits); Creator kostet 22 US-Dollar (121.000 Credits), Pro 99 US-Dollar (600.000 Credits), jeweils zuzüglich Steuern. Zeitlich begrenzte Aktionspreise sind möglich – maßgeblich ist immer die aktuelle Preisseite.

Darf ich ElevenLabs-Stimmen kommerziell nutzen?

Laut ElevenLabs enthalten alle bezahlten Tarife eine kommerzielle Lizenz, sofern keine Beta-Funktionen genutzt werden und Nutzungsbedingungen, Service-spezifische Bedingungen und Prohibited Use Policy eingehalten werden. Der Free-Tarif erlaubt nur nicht-kommerzielle Nutzung; veröffentlichte Inhalte müssen dann mit „elevenlabs.io“ oder „11.ai“ im Titel gekennzeichnet werden.

Wie viele Credits braucht Text-to-Speech?

Das hängt vom Modell ab. Laut ElevenLabs entspricht bei den Multilingual-v2-Modellen 1 Zeichen 1 Credit; Flash- und Turbo-Modelle kosten bei API-Nutzung zwischen 0,5 und 1 Credit pro Zeichen. Für weitere Modelle gelten die aktuellen Angaben des Anbieters. Alle Funktionen teilen sich denselben monatlichen Credit-Vorrat.

Verfallen ungenutzte Credits?

Bei bezahlten Tarifen werden ungenutzte Credits laut ElevenLabs bis zu zwei Monate übertragen, solange das Abo aktiv bleibt und nicht herabgestuft oder gekündigt wird. Im Free-Tarif gibt es keine Übertragung.

Kann ich meine eigene Stimme klonen?

Ja. Instant Voice Cloning ist laut Tarifübersicht ab Starter enthalten, Professional Voice Cloning ab Creator. Einen Professional Voice Clone dürfen Sie laut ElevenLabs nur von Ihrer eigenen Stimme anlegen – auch mit Einwilligung nicht von einer anderen Person. Diese kann ihren Clone selbst im eigenen Konto erstellen, verifizieren und mit Ihnen teilen.

Kann ich das Abo jederzeit kündigen?

Laut ElevenLabs ja. Das Abo läuft bis zum Ende des aktuellen Abrechnungszeitraums weiter, danach wird das Konto auf den Free-Tarif umgestellt; ungenutzte bezahlte Credits verfallen dann.

Fazit

ElevenLabs macht professionell klingende Sprachaufnahmen für Einzelpersonen und kleine Teams zugänglich, vom kurzen Erklärvideo über Charakterstimmen bis zum Hörbuchkapitel. Die größte Stärke ist die Flexibilität: Texte lassen sich ändern und neu vertonen, ohne erneut ins Studio zu gehen.

Aus DIGILISATOR-Sicht entscheidet aber nicht die Technik, sondern die eigene Kontrolle: Stimmen dokumentieren, Credits planen, Rechte klären und das Ergebnis vollständig prüfen.

Zu ElevenLabs · Werbung · Affiliate-Link

Letzte redaktionelle Fassung dieser Seite: 12. Oktober 2026. Angaben laut elevenlabs.io/pricing, der Modellübersicht, der Dokumentation zu Professional Voice Cloning und dem ElevenLabs-Hilfecenter zur Veröffentlichung von Inhalten, geprüft am 12. Oktober 2026. Preise in US-Dollar zuzüglich Steuern; Änderungen durch den Anbieter jederzeit möglich. Keine Rechtsberatung.

Zurück zu Wissen