xAI Custom Voices: Stimme in 2 Minuten klonen

xAI hat Custom Voices am 30. April 2026 veröffentlicht und bringt damit Stimmenklonung auf die Grok-API-Plattform. Nutzer nehmen rund 60 Sekunden natürlicher Sprache über die xAI-Konsole auf, und das System liefert ein produktionsreifes Stimmmodell in unter zwei Minuten. Die geklonte Stimme funktioniert über Groks Text-to-Speech- und Voice Agent APIs zu Standard-API-Preisen. Zusätzlich hat xAI den integrierten Stimmenkatalog auf über 80 Optionen in 28 Sprachen erweitert.

Mit $3/Stunde für Voice Agents unterbietet xAI ElevenLabs und OpenAI preislich deutlich. Der Funktionsumfang ist geringer, aber die Preisgestaltung verändert die Kalkulation für jeden, der Sprache in ein Produkt einbaut.

Wie funktioniert xAI Stimmenklonung?

Der Klonprozess läuft komplett über die xAI-Konsole. Nutzer lesen mehrere Passagen nicht zusammenhängender Dialoge laut vor, während das System aufnimmt. Eine zweistufige Verifizierungspipeline erledigt den Rest: Zuerst liest der Sprecher eine Verifizierungsphrase, die Groks Speech-to-Text-Engine in Echtzeit transkribiert und abgleicht, um Absicht und Anwesenheit zu bestätigen. Dann berechnet das System Sprecher-Embeddings aus dem Verifizierungsclip und der vollständigen Aufnahme, um zu bestätigen, dass beide von derselben Person stammen.

Das heißt: Du kannst keine Stimme aus einer bestehenden Audiodatei klonen, und du kannst auch keine fremde Stimme klonen. Nach erfolgreicher Verifizierung verarbeitet das System die Aufnahme und liefert eine 8-stellige alphanumerische voice_id, die überall dort funktioniert, wo xAIs integrierte Stimmen verfügbar sind. Jedes Team kann bis zu 30 Custom Voices gleichzeitig erstellen, und jede Stimme lässt sich mit einem Klick löschen.

Was ist die Voice Library?

Die Voice Library ist ein neuer Bereich in der xAI-Konsole, der alle verfügbaren Stimmen an einem Ort bündelt. Custom Voices erscheinen neben den fünf integrierten Optionen (Eve, Ara, Rex, Sal und Leo). Mit diesem Launch hat xAI den vorgefertigten Katalog auf über 80 Stimmen in 28 Sprachen erweitert. Du kannst jede Stimme in verschiedenen Szenarien vorhören, bevor du dich entscheidest.

Jede integrierte Stimme hat eine eigene Persönlichkeit: Eve ist energisch, Ara warm und gesprächig, Rex professionell, Sal sanft und Leo klingt autoritativ. Custom Voices erhalten dieselben TTS-Fähigkeiten wie die integrierten Stimmen, einschließlich Inline-Speech-Tags für Flüstern, Lachen, Seufzen und Betonung. Die Ausgabe funktioniert über REST und WebSocket-Streaming.

Was kostet xAI Stimmenklonung?

Für Custom Voices fallen keine Zusatzkosten an. Die Preise entsprechen den Standard-xAI-API-Tarifen:

Die Voice Agent API läuft auf grok-voice-think-fast-1.0, das Reasoning mit Echtzeit-Sprache kombiniert. Es unterstützt Tool-Nutzung — Websuche, X-Suche, Dateisuche und externe MCP-Server-Verbindungen — sodass der Agent mitten im Gespräch tatsächlich Aktionen ausführen kann, nicht nur reden. Für clientseitige Anwendungen ermöglichen Ephemeral Tokens WebSocket-Verbindungen, ohne den Haupt-API-Key preiszugeben.

Programmatischer Zugriff auf den Custom-Voice-Erstellungsendpunkt (POST /v1/custom-voices) ist derzeit auf Teams mit Enterprise-Plan beschränkt. Das konsolenbasierte Voice-Erstellungstool steht allen Nutzern mit API-Zugang offen.

Wie schneidet xAI preislich gegen ElevenLabs ab?

Der Preisunterschied zwischen xAI und ElevenLabs ist groß, wobei sie nicht exakt dasselbe Produkt verkaufen:

ElevenLabs hat weiterhin die größere Voice Library, funktioniert weltweit und betreibt den Iconic Marketplace für lizenzierte Promi-Stimmen. xAI punktet beim Voice-Agent-Preis und berechnet nichts für die Custom-Voice-Erstellung. ElevenLabs erfordert mindestens ein Starter-Abo ($5/Monat), bevor du überhaupt klonen kannst.

Falls du außerhalb der USA bist oder Zugang zu einem größeren Stimmenkatalog brauchst — ElevenLabs funktioniert weltweit und bietet heute über 3.000 Stimmen.

Welche Sicherheitsmaßnahmen gibt es?

xAIs zweistufige Verifizierung ist strenger als bei den meisten Stimmenklonung-Plattformen. Der Echtzeit-Phrasenabgleich bestätigt, dass der Sprecher während der Klon-Session physisch anwesend ist und keine voraufgenommene Datei einreicht. Der Embedding-Vergleich prüft dann, ob die Verifizierungsphrase und die vollständige Aufnahme tatsächlich von derselben Person stammen.

Custom Voices bleiben privat für das Team, das sie erstellt hat. xAI gibt an, dass Audiodaten in Echtzeit verarbeitet und nie gespeichert oder für Training verwendet werden. Die Plattform verfügt über SOC-2-Typ-II-Zertifizierung, HIPAA-Eignung und DSGVO-Konformität für europäische Daten — obwohl die Klonfunktion selbst bislang nur in den USA verfügbar ist.

Was das bedeutet

Für Sprach-KI-Entwickler

$3/Stunde Voice Agents verändern die Wirtschaftlichkeit für jeden, der Sprache im großen Maßstab einsetzt. Kundensupport-Bots und IVR-Systeme, die bei ElevenLabs $10–18/Stunde kosten, rechnen sich auf xAIs Stack plötzlich ganz anders. Die OpenAI-Realtime-API-Kompatibilität bedeutet außerdem, dass bestehende Voice-Apps, die für OpenAI gebaut wurden, ohne großen Code-Umbau wechseln können.

Für den Stimmenklonung-Markt

Stimmenklonung hat jetzt drei Stufen. ElevenLabs bietet die meisten Features, die größte Library und globale Reichweite — wir beleuchten die gesamte Landschaft in unserem beste KI-Stimmgeneratoren Vergleich. OpenAI liegt in der Mitte mit TTS in ChatGPT. xAI ist mit Abstand die günstigste Option, mit strengerer Verifizierung als beide Konkurrenten.

Die US-Beschränkung ist erheblich. Wer außerhalb der Staaten sitzt, kann weiterhin keine Custom Voices erstellen, was ElevenLabs international als Standard beibehält. Für kostenlose Alternativen schau dir unseren beste kostenlose Stimmenklonung-Tools Guide an. Wenn xAI das für weitere Länder öffnet, wird der Preisdruck auf alle anderen spürbar.

Häufig gestellte Fragen

---

Quellen

1. Custom Voices and Voice Library - xAI Official - 30. April 2026
2. xAI launches Grok 4.3 and voice cloning suite - VentureBeat - 1. Mai 2026
3. xAI’s Custom Voices feature - The Decoder - 2. Mai 2026
4. xAI Voice API Documentation - Mai 2026