Ein Stimmdesign-Prompt kann ganz einfach sein. Eine kurze Beschreibung wie „eine junge Frau mit leichtem französischem Akzent“ genügt, um eine Stimme zu generieren.
Für ein präziseres Ergebnis ergänzt du die Details, die dir wichtig sind: Rolle, hörbare Merkmale, Vortrag oder emotionaler Kontext. Du brauchst nicht jedes Element, und mehr Details garantieren keine bessere Stimme. Ein passendes Vorschau-Skript hilft dir zu hören, wie gut das Ergebnis zum geplanten Einsatz passt.
Fünf Details für deinen Stimmdesign-Prompt
Je nach gewünschter Stimme kannst du eines der folgenden Details ergänzen:
Rolle und Situation
Grundstimme
Klangtextur
Tempo und Vortrag
Emotion und Skript-Passung
1. Rolle und Situation festlegen
Sag zuerst, wer spricht und wo man diese Person natürlicherweise hören würde.
Hilfreiche Rollen sind zum Beispiel:
Eine Kundenservice-Mitarbeiterin gegen Ende einer langen Schicht
Ein Nachtradio-Moderator, der zu jemandem spricht, der nicht schlafen kann
Vergleiche:
Eine warme Männerstimme.
Mit:
Erzeuge den Eindruck eines Nachtradio-Moderators, der zu jemandem spricht, der nicht schlafen kann.
Die zweite Version legt sofort Nähe, Lautstärke, Tempo und die Beziehung zum Zuhörer nahe.
2. Die Grundstimme definieren
Beschreibe ungefähres Alter, Geschlecht (wenn relevant), Tonhöhe, Akzent und natürlichen oder synthetischen Charakter der Stimme in Alltagssprache. Zum Beispiel:
a young woman with a light French accent(eine junge Frau mit leichtem französischem Akzent)a middle-aged man with a deep, warm voice(ein Mann mittleren Alters mit tiefer, warmer Stimme)a friendly digital assistant with a light synthetic quality(ein freundlicher digitaler Assistent mit leicht synthetischem Klang)
3. Hörbare Texturbegriffe verwenden
Die Textur beschreibt die Oberfläche einer Stimme. Hilfreiche Begriffe sind breathy (hauchig), raspy (kratzig), gravelly (rau), velvety (samtig), crystalline (glasklar), nasal (nasal), smoky (rauchig), polished (geschliffen), weathered (verlebt) und glossy (glänzend).
Nutze Gegensätze, um Entscheidungen zu treffen. Ist die Stimme geschliffen oder verlebt? Luftig oder geerdet? Glasklar oder rauchig? Ein oder zwei klare Texturentscheidungen funktionieren meist besser als eine lange Reihe fast gleichbedeutender Wörter.
4. Tempo und Vortrag beschreiben
Zur Identität einer Stimme gehört auch, wie sie sich gewohnheitsmäßig durch Sprache bewegt. Beschreibe Geschwindigkeit, Artikulation, Pausen und Phrasierung:
slow and deliberate(langsam und bedächtig)rapid-fire(wie aus der Pistole geschossen)crisp articulation(knackige Artikulation)heavy dramatic pauses(schwere dramatische Pausen)
Beschreibe hier den üblichen Vortrag der Stimme. Mit Stimmregie passt du eine gespeicherte Stimme später für einzelne Szenen an, zum Beispiel von langsamer Erzählung zu drängendem Dialog.
5. Emotion und Skript-Passung definieren
Erkläre zum Schluss, welche Art emotionaler Inhalte die Stimme gut tragen soll:
Drängend, ohne in Panik zu geraten
Erdend, ruhig, nah und geborgen
Müde, aber kompetent und professionell
Bedrohlich durch Gelassenheit statt durch Lautstärke
Warm und hilfsbereit mit subtiler robotischer Gleichmäßigkeit
Damit legst du den natürlichen Schwerpunkt der Stimme fest und die Art von Material, mit dem du sie probehörst. Das heißt nicht, dass jede künftige Zeile dieselbe Emotion tragen muss.
Verbinde die gewählten Details zu ein paar natürlichen Sätzen. Erkläre, wie die Merkmale zusammenwirken, etwa bei einer müden Support-Mitarbeiterin, die geduldig und professionell bleibt. Die Beispiele unten zeigen, wie aus diesen Entscheidungen eine kurze Stimmbeschreibung wird.
Ein rollengerechtes Vorschau-Skript, wenn es hilft
Ein Vorschau-Skript, das die Figur ganz natürlich sagen würde, macht die beschriebenen Eigenschaften leichter hörbar.
Für die müde Support-Mitarbeiterin:
Ich verstehe, warum diese Belastung ärgerlich ist, und ich möchte Ihnen wirklich helfen. Ich rufe das Konto noch einmal auf, aber ich muss ehrlich zu Ihnen sein: Diese Gebühr ist als nicht erstattungsfähig markiert.
So hörst du Müdigkeit, professionelle Zurückhaltung und Empathie in derselben Passage.
Vier ausführliche Beispiele aus Prompt und Skript
Meditationsanleitung
Stimmbeschreibung
A calm female meditation guide with a soft, breathy voice. Speak slowly and smoothly, with gentle pauses and a warm, reassuring tone that feels peaceful, intimate, and safe.
Vorschau-Skript
Let your shoulders drop away from your ears, releasing any tension you might be holding. Breathe in deeply through your nose, feeling the air expand your chest, and then slowly exhale, letting everything soften into this present moment.
Anhören: Meditationsanleitung
Eleganter Bösewicht
Stimmbeschreibung
A middle-aged man with a deep, smooth voice, playing an elegant villain. Speak slowly and clearly with controlled menace; keep the tone calm, intimate, and faintly amused, never loud.
Vorschau-Skript
Did you truly believe you could dismantle my life's work without consequence? I admire the audacity, really, I do. But now that the doors are locked, let us discuss exactly how much your ambition is going to cost you.
Anhören: eleganter Bösewicht
Älterer Chronist
Stimmbeschreibung
An older man with a deep, slightly rough and weathered voice. Speak slowly with measured pauses and restrained emotion, giving narration, warnings, and dark memories a quiet sense of weight.
Vorschau-Skript
People think ruin announces itself with thunder. It does not. It sits beside you quietly, waits for compromise, and learns your name before you notice the door is locked.
Anhören: älterer Chronist
Souveräner digitaler Assistent
Stimmbeschreibung
A friendly digital assistant with a bright, clear voice and a subtle synthetic quality. Speak at a crisp, steady pace with precise pronunciation, sounding warm, helpful, and consistently composed.
Vorschau-Skript
Thank you for waiting. I have located your order details and will now summarize the current status, estimated delivery window, and available support options.
Anhören: souveräner digitaler Assistent
Die passende Guidance-Einstellung für Stimmdesign wählen
Guidance steuert, wie stark eine Generierung den Stimmdesign-Prompt auslegt. API und Web-App bieten diese Einstellung unterschiedlich an.
In der API
guidance_scale akzeptiert ganzzahlige Werte von 1 bis 10. Für eine gute Balance aus Kreativität und Stabilität im Stimmdesign wählst du einen Wert zwischen 2 und 4. Gib den Wert explizit an, wenn du Prompt-Varianten kontrolliert vergleichen willst.
Bleib eher am unteren Ende, wenn Konsistenz am wichtigsten ist.
Geh höher, wenn das Design mehr Charakter oder emotionalen Ausdruck braucht.
Ändere den Wert schrittweise und lass Prompt und Skript beim Vergleichen unverändert.
In der Web-App
Die Web-App bietet Stabil, Ausdrucksstark, Kreativ und Intensiv. Beginne mit Stabil für einen kontrollierten Vortrag oder mit Kreativ für mehr Charakter und Ausdruck. Das sind unsere empfohlenen Startpunkte. Probiere die anderen Stufen bei Bedarf aus und lass Beschreibung und Vorschau-Skript beim Vergleichen unverändert.
Eine optionale Vorlage zum Entwerfen
Nutze die Zeilen, die dir helfen, deine Idee zu beschreiben:
[Name oder Rolle] klingt wie [Person in einer konkreten Situation].
Die Person spricht mit [Alter/Geschlecht/Sprachebene/Akzent oder synthetischem Klang].
Die Stimme hat [ein oder zwei hörbare Texturen].
Der Vortrag ist [Tempo, Artikulation, Pausen, Rhythmus].
Sie soll zu [emotionale Bandbreite und Art der Zeilen] passen, mit [einer prägenden Grenze oder einem Kontrast].
Vorschau-Skript:
[Ein oder zwei rollentypische Sätze, die diese Merkmale hörbar machen.]Hör dir die Vorschau an und verfeinere dann jeweils ein Detail, um der Stimme in deinem Kopf näherzukommen.