KI-Stimme klonen kostenlos: Anleitung 2026

So klonst du deine Stimme kostenlos mit KI, in ein paar Minuten, mit Open-Source-Modellen statt der Anbieterseiten, die sich “kostenlos” nennen, es aber nicht sind. Diese Anleitung zeigt zwei wirklich kostenlose Methoden, Chatterbox und OpenVoice V2, plus die günstigste echte bezahlte Option: ElevenLabs Starter für $6 im Monat.

Suchergebnisse zu “KI-Stimme klonen kostenlos” bestehen größtenteils aus Marketing der Anbieter. Tools, die das Klonen auf ihrer Startseite bewerben, sperren die eigentliche Funktion oft genau in dem Moment hinter eine bezahlte Stufe, in dem du sie tatsächlich nutzen willst. Diese Anleitung beschränkt sich auf das, was nachweislich kostenlos ist: Open-Source-Modelle auf offiziellen Hugging-Face-Demos, ohne Anmeldung und ohne Kartendaten.

Was du vor dem Start brauchst

Die Vorbereitung ist bei allen Methoden unten gleich, egal ob du am Ende ein kostenloses Open-Source-Modell oder ein bezahltes nutzt: ein Handy oder einfaches USB-Mikrofon, ein ruhiger Raum und 30 Sekunden bis 2 Minuten saubere Sprachaufnahme. Mehr braucht es wirklich nicht; die Unterschiede zwischen den Tools beginnen erst beim Upload.

Ein Aufnahmegerät. Ein Smartphone oder ein einfaches USB-Mikrofon reicht, Studio-Equipment brauchst du nicht. Wichtiger ist ein ruhiger Raum, denn diese Modelle übernehmen alles, was in der Referenzaufnahme steckt, Hintergrundgeräusche und Hall inklusive, nicht nur die Stimme.

Ein ruhiger Ort. Nimm dich auf, ohne Lüfter, Verkehrslärm oder Gespräche im Hintergrund. Ein mit Kleidung vollgestopfter Schrank oder ein kleiner Raum mit Teppich schlägt ein offenes Wohnzimmer, weil weiche Oberflächen den Hall reduzieren.

30 Sekunden bis 2 Minuten saubere Sprache. Das ist bei den meisten Tools hier der Sweetspot. Lies ein oder zwei Absätze laut in deiner normalen Sprechstimme vor, ohne Musik oder Hintergrundgeräusche. Manche Methoden unten brauchen deutlich weniger, teils nur 5 Sekunden, das steht jeweils in den einzelnen Schritten.

Methode 1: Stimme kostenlos mit Chatterbox klonen

Chatterbox (und seine schnellere Variante Chatterbox Turbo) ist ein Open-Source-Modell zum Stimmenklonen von Resemble AI, veröffentlicht unter der MIT-Lizenz. Das bedeutet: kostenlos für private, wissenschaftliche und kommerzielle Projekte, auch für Closed-Source-Produkte, nicht nur eine Testversion mit Ablaufdatum. Es klont eine Stimme zero-shot, aus einer kurzen Referenzaufnahme, ohne Fine-Tuning oder eigenen Trainingslauf.

Einen direkten Vergleich zu Stimmqualität, Latenz und Preisen gegenüber einer bezahlten Alternative findest du im vollständigen Vergleich ElevenLabs vs. Chatterbox TTS.

Methode 2: Stimme kostenlos mit OpenVoice V2 klonen

OpenVoice V2 ist eine zweite Open-Source-Option von MyShell und MIT-Forschern, ebenfalls unter MIT-Lizenz veröffentlicht (seit April 2024, inklusive kommerzieller Nutzung). Der Vorteil gegenüber Chatterbox liegt in der Sprachabdeckung: Nativ unterstützt werden Englisch, Spanisch, Französisch, Chinesisch, Japanisch und Koreanisch, eine einzige Referenzaufnahme reicht also, damit deine geklonte Stimme in jeder dieser sechs Sprachen spricht.

Methode 3: Echtes Stimmenklonen bei ElevenLabs für $6/Monat freischalten

Wenn du eine übersichtlichere Oberfläche willst und eine kommerzielle Lizenz, ohne selbst MIT-Bedingungen zu lesen, ist ElevenLabs der günstigste bezahlte Weg, der tatsächlich funktioniert. Der kostenlose Tarif verdient eine klare Einordnung: Text-to-Speech, Speech-to-Text, Soundeffekte und Voice Design, aber kein Stimmenklonen und keine kommerzielle Lizenz. Der Starter-Tarif, $6/Monat für 30.000 Credits, ist die Stufe, die Instant Voice Cloning freischaltet und die kommerzielle Lizenz ergänzt.

Wenn du Text-to-Speech-Optionen über das reine Klonen hinaus suchst, deckt der Vergleich der besten KI-Sprachgeneratoren ein breiteres Feld an Tools und Anwendungsfällen ab.

Welche “kostenlosen” Tools zum Stimmenklonen sind es gar nicht?

Ein paar bekannte Namen bewerben Stimmenklonen prominent, bieten es aber nicht wirklich kostenlos an: Murf sperrt das Klonen hinter ein Enterprise-Verkaufsgespräch, bei Speechify enthält der kostenlose Tarif trotz gegenteiliger Werbung kein Klonen, und bei ElevenLabs endet der $0-Tarif bei Text-to-Speech. Hier siehst du, was jeder Anbieter tatsächlich verlangt.

Murf AI: Stimmenklonen ist ein reines Enterprise-Add-on namens Custom Voice Clones, nur über “Contact Sales” erreichbar. Weder im Free-Tarif (10 einmalige Minuten Sprachgenerierung, kein Klonen) noch bei Creator ($19/Monat, jährlich abgerechnet) oder Business ($66/Monat, jährlich abgerechnet) ist es enthalten. Es gibt bei Murf keinen selbstständig zugänglichen Weg, eine Stimme zu klonen, zu keinem Preis.

Speechify: Die Marketingseite wirbt mit “Try Voice Cloning, it’s free”, die offizielle Preisliste erzählt eine andere Geschichte: Der Free-Tarif listet ausdrücklich “No Voice Cloning”, Klonen beginnt erst mit dem Studio-Starter-Tarif für $100 im Jahr.

Der kostenlose Tarif von ElevenLabs selbst: eine Wiederholung wert, weil er die häufigste Verwechslung ist. Der $0-Tarif liefert 10.000 Credits im Monat für TTS, Speech-to-Text und Soundeffekte, aber null Stimmenklonen und keine kommerzielle Lizenz.

Wie viel Audio brauchst du wirklich, um eine Stimme zu klonen?

Zwischen 5 Sekunden und 3 Stunden: Zero-Shot-Tools wie Chatterbox kommen mit rund 5 Sekunden aus, Instant Voice Cloning von ElevenLabs will 1-2 Minuten, und professionelles Klonen braucht 30 Minuten bis 3 Stunden. Mehr saubere Aufnahme ergibt einen präziseren, stabileren Klon, und der Unterschied zwischen den Stufen ist hörbar.

Ein paar Sekunden (Zero-Shot): Chatterbox und OpenVoice V2 funktionieren beide mit einer kurzen Aufnahme, ohne Trainingsschritt. Die Qualität ist ordentlich, gut genug für schnelle Tests, kurze Clips oder private Projekte, aber kleine Unsauberkeiten in Ton und Tempo fallen stärker auf als bei einer längeren Aufnahme.

1-2 Minuten (Instant Cloning): Instant Voice Cloning von ElevenLabs wird auf diesen Bereich trainiert und liefert einen spürbar stabileren, natürlicheren Klon als eine 5-Sekunden-Zero-Shot-Aufnahme. Diesen Bereich sollten die meisten anpeilen, denen Qualität wichtig ist.

30 Minuten bis 3 Stunden (Professional Cloning): Professional Voice Cloning von ElevenLabs trainiert auf dieser Audiomenge ein eigenes Modell, das kommt dem, was heute an Broadcast-Qualität möglich ist, am nächsten. Das Training dauert Stunden und lässt sich nur auf die eigene Stimme anwenden.

Ist es legal, seine Stimme mit KI zu klonen?

Die eigene Stimme zu klonen ist legal und so unproblematisch, wie KI-Nutzung nur sein kann: deine Stimme, deine Aufnahme, deine Ausgabe. Bei einer fremden Stimme verläuft die rechtliche und ethische Grenze, und die läuft über die Einwilligung.

Tennessees ELVIS Act: Seit 1. Juli 2024 in Kraft, ein Landesgesetz, kein Bundesgesetz, das die Stimme einer Person gezielt gegen unautorisierte KI-Nachbildungen schützt und vor einem kommerziellen Klon eine schriftliche Erlaubnis verlangt. Weitere US-Bundesstaaten könnten folgen, flächendeckend ist dieser Schutz aber noch nicht, und für Deutschland gilt er ohnehin nicht direkt.

Der EU AI Act: Die Transparenzregeln aus Artikel 50 gelten seit 2. August 2026 und verpflichten dazu, KI-generiertes oder manipuliertes Audio, Deepfakes eingeschlossen, gegenüber Hörerinnen und Hörern offenzulegen. Wer geklontes Audio für ein Publikum in der EU veröffentlicht, muss es inzwischen rechtlich verpflichtend als KI-generiert kennzeichnen, das betrifft auch Content für ein deutsches Publikum direkt. Die vollständige Aufschlüsselung steht in den Kennzeichnungsregeln nach EU AI Act Artikel 50.

Betrug ist das andere Risiko. Die FTC hat wiederholt vor Betrugsanrufen mit geklonten Stimmen gewarnt, bei denen eine geklonte Stimme, oft die eines Familienmitglieds, aus Social-Media-Clips entnommen wird, um einen fingierten Notfallanruf vorzutäuschen und Geld zu fordern. Keine der hier gezeigten Methoden ist dafür gedacht, aber dieselbe Technik lässt sich missbrauchen, genau deshalb zählen Einwilligung und Kennzeichnung.

Weiterführende Links

• ElevenLabs Instant Voice Cloning Dokumentation - offizielle Vorgaben zu Aufnahmelänge und Qualität
• EU AI Act Artikel 50 Transparenzregeln - unabhängige Einordnung der Kennzeichnungspflicht für KI-Inhalte
• Resemble AI Chatterbox Turbo - offizielle Modellseite mit Lizenzbedingungen und Benchmark-Details
• FTC-Verbraucherwarnung: Betrüger nutzen KI für gefälschte Familien-Notfälle - die oben genannte Warnung vor Stimmklon-Betrug

Häufig gestellte Fragen