KI-Stimmen
KI-Stimmen zum Vorlesen in SovrGPT. Entworfene deutsche Stimmen mit Hörproben, neun Sprachen und eigene Stimmen, wählbar im Chat und über die Audio-API.
SovrGPT liest Antworten vor: im Chat über den Lautsprecher-Knopf unter jeder Antwort, über die
API mit POST /v1/audio/speech. Hier hören Sie die KI-Stimmen des Katalogs und erfahren, wie
Sie eine eigene entwerfen.
Entworfen, nicht aufgenommen
Die deutschen Katalogstimmen entstehen aus einer schriftlichen Beschreibung (Geschlecht,
Altersgruppe, Klangfarbe, Tempo) mit dem Sprachmodell Qwen3-TTS-VoiceDesign (Apache 2.0). Sie
gehören keiner realen Person und tragen kein biometrisches Merkmal, das jemandem zugeordnet
werden könnte. Die Stimme der Produkt-Tour auf der Startseite ist bib-m-40.
Gesprochen werden die Stimmen von Mistral am EU-Endpunkt (Datenschutz). Ausgaben in WAV, MP3, FLAC und Opus sind im Dateikopf als KI-generiert gekennzeichnet. Im Chat steht die Kennzeichnung sichtbar am Knopf (KI-Kennzeichnung).
Neun Sprachen
Alle Katalogstimmen sprechen Deutsch, Englisch, Französisch, Spanisch, Italienisch, Portugiesisch, Niederländisch, Hindi und Arabisch. Sie lesen den Text in der Sprache, in der er geschrieben ist; einen Sprachschalter gibt es nicht.
Geprüft haben wir Deutsch und Englisch: Jede Hörprobe wird zurücktranskribiert und muss
wortgleich zurückkommen, ohne Knacken am Satzanfang. In den übrigen Sprachen bleibt laut
Anbieter eine deutsche Färbung hörbar. Für englische Texte ohne diese Färbung gibt es die
Systemstimme paul-en.
Der Katalog
Der Katalog enthält zurzeit sechs entworfene deutsche Stimmen, vier männliche und zwei weibliche zwischen Mitte 30 und Anfang 50, dazu eine englische Systemstimme. Die Liste ist live. Jede Karte hat zwei Hörproben (Deutsch, Englisch) mit demselben Satz.
Stimmen werden geladen …
Stimme wählen
- Im Chat: unter Einstellungen → Stimmen. Die Wahl gilt ab dem nächsten Vorlesen, für Sie als Nutzer in jeder Organisation mit Stimmenauswahl.
- Über die API:
voice: "bib-m-40"inPOST /v1/audio/speech. Den Katalog liefertGET /v1/audio/voices, samt Auskunft, ob Ihre Organisation wählen darf (Audio-API).
Ohne Wahl gilt Automatisch: Es spricht Mistral, und in Sprachen, die Mistral nicht kann
(etwa Türkisch, Ukrainisch, Polnisch), liest Supertonic vor. Neben dem Vorlese-Knopf steht, wer
gesprochen hat. Zusätzlich wählbar sind die zehn festen Supertonic-Stimmen F1–F5 und
M1–M5 (31 Sprachen).
Die Stimmenauswahl gibt es ab Tarif Starter oder mit der Org-Berechtigung „Stimmen“; sprechen Sie uns an. Sonst bleibt es bei der Systemstimme. Die Hörproben hier hört jeder.
Eigene Stimme entwerfen
Sie können eine eigene Stimme beschreiben und entwerfen lassen. Weil es keinen Sprecher gibt, brauchen Sie weder eine Aufnahme noch eine Einwilligung.
Ob das Entwerfen in Ihrer Umgebung freigeschaltet ist, zeigt
GET /v1/audio/voices/design-options im Feld available. Bei false antwortet eine Bestellung
mit 501 not_implemented; die Auswahl können Sie trotzdem ansehen.
Was Sie bestellen
Sie wählen Merkmale aus einer Sprecherkartei, wie sie auch Casting-Plattformen verwenden:
| Dimension | Beispiele |
|---|---|
| Klangfarbe | warm und rund · klar und hell · voll und dunkel · leicht rauchig |
| Charakter | zugewandt · sachlich · gelassen · humorvoll · vertrauenswürdig |
| Sprechtempo | gemächlich mit Pausen · mittel · lebhaft · zügig |
| Satzmelodie | ruhig · hebt sich zum Satzende · lebendig wechselnd · bestimmt |
| Stimmlage | eher tief · mittig · eher hoch (Profis geben Hertz an) |
| Einsatzgebiet | Assistenz · Erklärfilm · Hörbuch · Nachrichten · Werbung · Telefonansage |
Dazu kommen Geschlecht und Alter (16–90 Jahre). Was Sie offen lassen, wird gezogen: Zwei Bestellungen ohne Merkmale ergeben zwei verschiedene Stimmen, dieselbe Bestellung zweimal dieselbe. Im Freitext steht alles Weitere, von „leicht heiser“ bis „Grundton um 110 Hertz“. Sie können die Stimme auch in eigenen Worten beschreiben („ruhig, etwas älter, wie eine Erzählstimme im Hörbuch“) und sich die Merkmale vorschlagen lassen.
Keine realen Personen. „Klingt wie [Name einer bekannten Person]“ setzen wir nicht um; der Vorschlagshelfer macht aus einem Namen hörbare Merkmale und übernimmt ihn nicht. Beschreiben Sie nur, was man hört, nicht Aussehen oder Herkunft.
In der App oder über die API
- In der App (Einstellungen → Stimmen): bestellen, Probe anhören, übernehmen oder verwerfen. Übernommen wird nur, was Sie gehört haben.
- Über die API:
POST /v1/audio/voices/designs. Mitauto_adopt: trueläuft alles in einem Zug durch; ohne das Feld wartet der Entwurf auf Ihre Abnahme (Audio-API).
Der Entwurf läuft auf einem gemieteten GPU-Server in einem EU-Rechenzentrum (zusätzlich auch in Island oder Norwegen, EWR) und braucht nach einer Pause einige Minuten. Danach liegt eine Probe von etwa 20 Sekunden vor. Jede Ziehung wird gemessen (Grundfrequenz, Quartile, stimmhafte Fenster) und verworfen, wenn sie die bestellte Stimmlage verfehlt; die Messwerte kommen in der Antwort mit.
Wem die Stimme gehört
Eine selbst entworfene Stimme gehört Ihrer Organisation. Nur Ihre Mitglieder sehen und wählen sie, im öffentlichen Katalog erscheint sie nicht. Ihr Kern ist der Referenzclip: Er liegt bei uns in der EU und wird zum Vorlesen bei Mistral (EU-Endpunkt) als Stimme hinterlegt. Wechselt der Anbieter, zieht die Stimme ohne neuen Entwurf mit.
Je Organisation sind bis zu zehn eigene Stimmen und drei gleichzeitige Entwürfe möglich, ab Tarif Starter oder mit der Berechtigung „Stimmen“. Stimmen im öffentlichen Katalog tragen nur wir ein.
KI-Modelle
Alle KI-Modelle von SovrGPT mit Modell-ID, Kontext, Lizenz und Kaltstart. Sprachmodelle, Embeddings, Sprache und Decision Engine in EU-Rechenzentren.
Decision Engine: KI-Entscheidungen per API
Decision Engine: KI ordnet Tickets, Post und Anfragen zu und erkennt Prüfbedarf. Sie liefert Wahrscheinlichkeiten in Millisekunden, per API und im Chat.