ElevenLabs einfach erklärt – KI-Stimmen, Sound und Sprach-Agenten für Einsteiger?

EinleitungElevenLabs Schritt für Schritt für Einsteiger erklärt: die Startseite und die drei Bereiche ElevenCreative, ElevenAgents und ElevenAPI, Text to Speech mit Modellen wie Eleven v4, Audio-Tags, Stimmenauswahl mit Filtern, den Reglern Stability und Similarity, Sprache, Effekten und History. Dazu Voice Changer, Sound Effects, Voice Isolator, Speech to Text, Dubbing, Music, Audiobooks, Studio, Flows und Assets, die Voice Library, Stimmen klonen und Voice Design, Sprach-Agenten mit Vorlagen, Knowledge Base, Kanälen und Tests, ein kurzer Blick auf API-Schlüssel, Webhooks und MCP sowie Tarife, Credits, Workspace und Einstellungen.

IntroHey, schön, dass du da bist! Heute zeig ich dir ElevenLabs. Damit liest eine KI deine Texte vor, und zwar richtig menschlich. Wir gehen alles ganz in Ruhe durch.

Start und ÜberblickNach dem Einloggen landest du auf der Startseite. In das große Feld oben schreibst du einfach in eigenen Worten rein, was du erstellen willst. Dahinter steckt der Creative Agent, ein Assistent in der Testphase, daher das Alpha. Du sagst, was du brauchst, und er erledigt die Schritte für dich. Darunter liegen die Schnellzugriffe: Speech für Sprache, Music, Voice Clone, Dubbing und mehr. Klick auf Speech, und du bist direkt beim Vorlesen. Die große Karte stellt Eleven v4 vor. Ein Modell ist die KI im Hintergrund, die deinen Text spricht. v4 ist das neueste und soll besonders gefühlvoll klingen. ElevenLabs hat drei Bereiche. Unten links wechselst du zwischen ElevenCreative für Inhalte, ElevenAgents für Sprach-Assistenten und ElevenAPI für Entwickler. Am Anfang reicht ElevenCreative.

Text to SpeechZuerst begrüßt dich ein Fenster zu Eleven v4. Im Beispieltext stehen in eckigen Klammern Anweisungen wie Gähnen oder [laughs] für Lachen. Das nennt man Audio-Tags, ich find das genial. Jetzt bist du auf der Arbeitsfläche. Links tippst du deinen Text, oben steht, welche Stimme gerade spricht. Mit Add speaker baust du sogar mehrere Sprecher ein. Rechts sind die Einstellungen: Stimme, Modell, ein paar Regler und das Dateiformat. Keine Sorge, wir gehen das Stück für Stück durch. Klick auf Model. Eleven v4 kann über 90 Sprachen, v3 ist sehr ausdrucksstark, und Multilingual v2 klingt besonders gleichmäßig. Das passt super für Hörbücher. Über Show all models siehst du alle. Turbo und Flash sind auf Tempo getrimmt, das brauchst du, wenn eine KI live im Gespräch antwortet. Fürs Video nehm ich v4. Jetzt zur Stimme. Klick auf Voice, und die Bibliothek geht auf. Die Zahl neben jeder Stimme zeigt, wie viele Leute sie schon benutzen. Links filterst du nach Einsatzzweck. Narration heißt Erzählen, Conversational heißt locker im Gespräch. Darunter gibt's noch Geschlecht, Alter und Qualität. Am wichtigsten ist die Sprache. Klick auf Select Language und tipp German ins Suchfeld. Dann siehst du nur noch Stimmen, die richtig gut Deutsch sprechen. Unter My voices sammelst du deine Lieblingsstimmen. Und Auto-select voice sucht beim Erzeugen selbst eine passende aus. Jetzt die Regler. Stability heißt Stabilität: Weiter links klingt die Stimme lebendiger und überraschender, weiter rechts ruhiger und immer gleich. Similarity heißt Ähnlichkeit, also wie genau sich die KI an die Originalstimme hält. Hier stehen 50 und 75 Prozent. Am Anfang lässt du die einfach so. Bei Language steht Auto. ElevenLabs erkennt die Sprache deines Textes dann selbst. Nur wenn das mal danebengeht, stellst du hier fest German ein. Unter Audio effects legst du mit Add effect nachträglich Effekte drauf, etwa Hall. Darunter das Dateiformat, MP3 ist völlig okay fürs Internet. Ich hab einen kurzen Begrüßungssatz eingetippt. Unten stehen die Zeichenzahl und deine Credits, also dein Guthaben. Jedes vorgelesene Zeichen kostet etwas davon. Schau mal rechts: ElevenLabs schlägt passende Stimmen vor und meint, eine deutsche Stimme bringt bessere Ergebnisse. Das stimmt, hör ruhig drauf. Nach ein paar Sekunden bekommst du gleich zwei Varianten. Mit Play hörst du rein, mit dem Pfeil nach unten lädst du die Datei herunter. Gefällt dir keine, klick auf Regenerate speech, dann kommen neue Versionen. Ich mach das oft zwei, drei Mal, bis die Betonung sitzt. Jede Aufnahme landet sofort oben in der History. Mit den Filtern suchst du später nach Stimme oder Datum. Meine älteren Aufnahmen hab ich unkenntlich gemacht. Spricht die KI mal ein Wort falsch aus, etwa einen Namen, legst du im Profilmenü ein Aussprache-Wörterbuch an. Das gilt dann automatisch.

Noch mehr Audio-WerkzeugeBeim Voice Changer lädst du eine Aufnahme hoch oder nimmst mit Record audio direkt was auf. Deine Stimme wird gegen eine andere getauscht, Betonung und Tempo bleiben. Bei Sound Effects beschreibst du ein Geräusch in Worten, etwa Regen am Fenster, und die KI baut es dir. Du stellst ein, wie lang es wird und ob es sich wiederholt. Der Voice Isolator entfernt Hintergrundgeräusche. Datei reinziehen, Pfeil klicken, fertig, übrig bleibt nur die Stimme. Speech to Text ist das Gegenteil: Du lädst Audio oder Video hoch und bekommst den gesprochenen Text aufgeschrieben. Super für Untertitel. Dubbing übersetzt ein Video in eine andere Sprache, mit der Originalstimme. Du lädst es hoch, wählst bei Choose language die Zielsprache und startest. Bei Music beschreibst du, wie ein Lied klingen soll: Stil, Instrumente, Stimmung. Den Preis siehst du direkt daneben, hier 900 Credits pro Minute. Unter Audiobooks baust du ganze Hörbücher. Mit Create a new project lädst du deinen Text hoch, wählst Stimmen für Erzähler und Figuren und vertonst Kapitel für Kapitel. Studio ist dein Schnittbereich für Sprache, Musik, Geräusche und Video auf einer Zeitleiste. Starte mit einer Vorlage wie Explainer video oder ganz leer. Bei Flows verbindest du einzelne KI-Schritte als Kästchen. Zum Beispiel Bild erzeugen, daraus ein Video machen, Sprecher drauf. Einmal gebaut, immer wieder nutzbar. Und in Assets landen alle deine Dateien: Audios, Bilder und Videos. Du legst Ordner an, lädst Eigenes hoch und teilst Ordner mit deinem Team.

StimmenUnter Voices liegt die Voice Library mit fertigen Stimmen anderer Nutzer. Oben suchst du oder klickst eine Kategorie wie Narration an. Bei Trending voices siehst du, was gerade beliebt ist, hier lauter deutsche Stimmen. Gefällt dir eine, packst du sie zu My Voices. Mit Filters grenzt du weiter ein. Notice period heißt: So lange bleibt die Stimme mindestens verfügbar. Ich nehm für lange Projekte immer eine lange Frist. Willst du eine eigene Stimme, klick auf Create Voice. Da gibt's vier Wege. Voice Design erfindet eine komplett neue Stimme aus einer Beschreibung. Stimme klonen heißt: Die KI lernt deine echte Stimme und spricht dann jeden Text damit. Beim Instant Voice Clone reichen schon zehn Sekunden Aufnahme. Der Professional Voice Clone klingt fast echt, braucht aber viel mehr Material, am besten 30 Minuten oder mehr. Klon bitte nur deine eigene Stimme. Bei Voice Design beschreibst du in Worten, wie die Stimme klingen soll, hier ein tiefer, dröhnender Oger. Mit Generate voice bekommst du Vorschläge zum Anhören. Unter Earnings verdienst du sogar mit deiner Stimme: professionell klonen, Auszahlungskonto anlegen, veröffentlichen. Nutzen zahlende Leute sie, wirst du bezahlt.

Sprach-AgentenEin Agent ist ein KI-Assistent, der selbstständig Gespräche führt, am Telefon oder im Chat. Unter ElevenAgents fängst du am besten mit einer Vorlage an. Im Diagramm siehst du den Ablauf: Der Agent begrüßt, findet das Problem raus und geht je nach Antwort einen anderen Weg. Mit Use template übernimmst du das. Selbst bauen geht auch, am einfachsten ist Create with Architect: Du beschreibst, was du brauchst, und er baut den Agenten. Oder du wählst einen Typ wie Business Agent. Beim Business Agent fragt ElevenLabs zuerst nach deiner Branche. Passt keine, nimmst du Other und tippst deine eigene ein. Dann sagst du, wobei er helfen soll, zum Beispiel Kundenservice oder Termine vereinbaren. Daraus baut ElevenLabs die passenden Anweisungen. Zum Schluss Name und Ziel in eigenen Worten. Gibst du deine Website an, liest er dort öffentliche Infos wie Öffnungszeiten. Dann klickst du auf Create Agent. Die Knowledge Base ist das Nachschlagewerk deines Agenten. Hier lädst du Dokumente hoch, fügst Links hinzu oder schreibst Texte, etwa deine Preisliste. Tools sind Fähigkeiten, die der Agent im Gespräch nutzt, etwa einen Termin eintragen. Über Integrations verbindest du ihn mit Programmen wie HubSpot. Unter Channels legst du fest, wie Leute deinen Agenten erreichen: per Telefon, WhatsApp, als Chatfenster auf deiner Website oder über Slack und Telegram. Für Anrufe braucht er eine Telefonnummer von einem Telefonanbieter, die importierst du hier. Ein WhatsApp-Business-Konto verbindest du genauso. Bevor er mit echten Kunden spricht, testest du ihn unter Tests: Testgespräch anlegen und schauen, ob er richtig antwortet.

Für EntwicklerAPI heißt Programmierschnittstelle. Damit steuern Programme ElevenLabs direkt, ohne dass jemand klickt. Unter Developers siehst du, wie viel da lief. Unter API Keys legst du mit Create Key einen Schlüssel an, eine Art Passwort für Programme. Den behältst du für dich, meine siehst du deshalb nur verpixelt. Ein Webhook ist eine automatische Nachricht. Ist zum Beispiel ein Dubbing fertig, gibt ElevenLabs sofort einer Adresse deines Systems Bescheid. Richtig bequem ist MCP: Damit verbindest du ElevenLabs mit einem KI-Assistenten wie Claude oder ChatGPT, ganz ohne Schlüssel. Dann sagst du ihm, was er vertonen soll.

Abo, Credits und EinstellungenUnter Subscription stehen die Tarife, für Sprache und Videos zählt ElevenCreative. Starter kostet hier 6 Dollar im Monat, Creator 22 Dollar, jeweils mit festen Credits pro Monat. Weiter unten vergleichst du genau: wie viele Minuten drin sind, was jede Extra-Minute kostet und wie viele eigene Stimmen du speichern kannst. Für die Sprach-Agenten gibt's einen eigenen Reiter. Da zählt, wie viele Gesprächsminuten drin sind und wie viele Anrufe gleichzeitig laufen dürfen. Bei ElevenAPI wird pro 1.000 Zeichen abgerechnet. Und mit Add credits kaufst du Guthaben nach, ohne gleich den Tarif zu wechseln. Unter Usage siehst du, wofür und wann du Credits verbraucht hast, aufgeteilt nach Produkt und Modell. So merkst du schnell, ob dein Tarif reicht. Über den runden Knopf oben rechts erreichst du dein Konto: Guthaben, Einstellungen, Abo und Abmelden. Unter Docs and resources wartet die Hilfe. Unter Terms and privacy gibt's den Schalter Data use. Damit legst du fest, ob ElevenLabs deine Daten zum Verbessern seiner Modelle nutzen darf. Ein Workspace ist dein Arbeitsbereich mit Stimmen und Projekten. Hier legst du fest, wer neue Inhalte sieht. Die rote Danger Zone lässt du bitte in Ruhe. In deinen persönlichen Settings schaltest du unbedingt die Zwei-Faktor-Anmeldung ein. Dann brauchst du beim Einloggen zusätzlich einen Code vom Handy. Suchst du mal was, drück Strg oder Cmd plus K. Die Suche findet jede Funktion, Stimme oder Datei in Sekunden. Und kommst du nicht weiter, klick oben auf Ask. Dort beantwortet dir ein KI-Helfer jede Frage zu ElevenLabs.

Was du dir merken solltestNimm für deutsche Texte eine deutsche Stimme. Spiel mit Audio-Tags wie Lachen. Generier ruhig mehrmals, bis es passt. Behalte deine Credits im Blick. Klon nur deine eigene Stimme. Und halte API-Schlüssel geheim. Probier's einfach aus! Mehr einfach erklärt auf iliyan-hristov.de. Bis bald!

Zum SchlussFür deutsche Texte eine deutsche Stimme wählen, mit Audio-Tags spielen, ruhig mehrmals generieren, die Credits im Blick behalten, nur die eigene Stimme klonen und API-Schlüssel geheim halten. Vereinfacht erklärt, ohne Gewähr.