Wie eine Stimme entsteht: vom Ausgangsmaterial zur Karte im Katalog

Sie öffnen den Stimmenkatalog, drücken auf Play — und hören ein klares, lebendiges Timbre. Es wirkt, als wäre die Stimme einfach „da“. In Wirklichkeit steckt hinter jeder Stimme eine Pipeline aus mehreren Schritten: von der Auswahl der Originalaufnahmen bis zum finalen Mastering. Wir zeigen Ihnen, wie bei HancVoice eine Stimme entsteht — ohne Magie, Schritt für Schritt.

Schritt 1: Woher das Ausgangsmaterial kommt

Eine Stimme wird nicht am Reißbrett erfunden — sie wächst aus echter menschlicher Sprache. Als Quellen dienen offene und lizenzierte Sprachdatensätze, deren Aufnahmen legal genutzt werden dürfen. Die wichtigste Regel: Wir bilden niemals die Stimme einer realen Person ohne deren Einwilligung nach. Wenn Sie Ihre eigene Stimme erstellen, laden Sie Ihre eigene Aufnahme hoch und bestätigen Ihre Einwilligung — ganz im Sinne der DSGVO. Ohne Einwilligung baut das System kein Modell.

Schritt 2: Auswahl — nicht jede Aufnahme taugt

Der erste Filter ist die Qualität des Ausgangsmaterials. Bevor eine Stimme gebaut wird, prüft die Pipeline die Aufnahme auf „Präsenz“: Enthält sie genug klare, verständliche Sprache? Ist sie frei von Störgeräuschen, Musik und Aussetzern? Aufnahmen, die dieses Gate nicht bestehen, werden sofort aussortiert — schwaches Material weiter durch die Pipeline zu schleppen, lohnt sich nicht: Die Mängel kämen am Ende ohnehin zum Vorschein.

Schritt 3: Der digitale Fingerabdruck des Timbres

Dann hört sich die Engine die ausgewählte Sprache an und erstellt einen kompakten digitalen Fingerabdruck der Stimme — eine mathematische Beschreibung des Timbres, nur wenige Kilobyte groß. Genau er speichert, was eine Stimme unverwechselbar macht: Tonhöhe, Klangfarbe, Charakter. Alle diese Fingerabdrücke wandern in eine gemeinsame Bank, und bei der Synthese greift die Engine auf den passenden Abdruck zu und „spricht“ damit jeden beliebigen Text. Eine Engine — Hunderte Stimmen, jede mit ihrem eigenen Fingerabdruck.

Eine Stimme im Katalog ist keine Sammlung aufgenommener Sätze, sondern ein Timbre-Fingerabdruck. Deshalb kann eine Stimme jeden Text vorlesen — auch einen, den die Sprecherin oder der Sprecher nie gesagt hat.

Schritt 4: Qualitätskontrolle — wie wir „Sauberkeit“ messen

Gehör ist subjektiv, deshalb messen wir die Qualität zusätzlich. Eine Synthese-Vorschau jeder neuen Stimme durchläuft eine neuronale Bewertung der Klangreinheit: Sie liefert einen objektiven Wert — wie sauber die Stimme klingt, frei von Rauschen und Artefakten. Die Bewertung berücksichtigt die Sprache, denn „sauber“ klingt im Deutschen anders als etwa im Japanischen. Stimmen unter dem Schwellenwert kommen nicht in den Katalog — sie werden nachbearbeitet oder aussortiert.

Schritt 5: Mastering — damit alles gleichmäßig klingt

Der letzte Schritt bringt jede Stimme auf einen gemeinsamen Nenner. Die Lautstärke wird angeglichen, der Klang normalisiert — damit es im Katalog keine „leisen“ und keine „schreienden“ Stimmen gibt und Sie Timbres unter gleichen Bedingungen vergleichen können. Es ist dieselbe Logik wie beim Mastering in der Musik: Technisch ist alles fertig, aber erst der gleichmäßige Feinschliff unterscheidet ein professionelles Ergebnis von einem rohen.

Schritt 6: Die Karte im Katalog — Sprache und Tier

Die fertige Stimme bekommt eine Karte mit Geschlecht, Sprache und Timbre-Beschreibung — und erscheint erst nach einer manuellen Prüfung im Katalog. Hier kommt auch der Sprach-Tier ins Spiel:

• Hauptsprachen — der Kern der Engine mit Qualitätsgarantie: Deutsch, Englisch, Französisch, Spanisch, Italienisch, Portugiesisch, Russisch, Chinesisch, Japanisch und Koreanisch.
• Beta — die Sprache klingt bereits im Auto-Modus, an der Qualität feilen wir noch.
• Bald — die Sprache ist in Entwicklung: Wir wählen Sprecher aus und stimmen die Synthese ab.

Eine Sprache verlässt die Beta nicht nach Kalender, sondern erst, wenn sie dieselbe Qualitätskontrolle stabil besteht wie die Hauptsprachen. Warum es Tiers überhaupt gibt, erklären wir im Artikel „Warum Sprachen Tiers haben“ — und welche Sprachen gerade in Arbeit sind und wofür Sie abstimmen können, sehen Sie im Labor.

Warum das für Sie wichtig ist

Diese ganze Pipeline existiert für eine einzige, einfache Sache: damit Sie den Katalog öffnen, auf Play drücken und eine saubere Stimme hören — kein Rauschen, keine Artefakte. Die Auswahl am Eingang, die objektive Qualitätskontrolle und das gleichmäßige Mastering sind der Grund, warum die Stimmen von HancVoice verlässlich gleichmäßig klingen — und nicht „je nach Glück“.

Fazit

Eine Stimme entsteht nicht in dem Moment, in dem Sie sie auswählen, sondern lange davor — in einer Pipeline aus Auswahl, Timbre-Fingerabdruck, Qualitätskontrolle und Mastering. Genau deshalb haben Sprachen Tiers und der Katalog eine konstante Qualität. Öffnen Sie den Katalog und hören Sie hinein: Jetzt wissen Sie, was hinter jedem Play steckt.

Probieren Sie es selbst — ein kostenloses Start-Zeichenpaket bei der Registrierung.