ToolCMB

Text in Sprache & Sprache in Text

Natürliche KI-Stimmen lesen deinen Text vor, Untertitel werden zu getimtem Audio und Aufnahmen zu präzisen Transkripten – kostenlos, unbegrenzt und 100 % privat in deinem Browser.

  • Nichts wird hochgeladen
  • Natürliche KI-Stimmen
  • 45+ Stimmsprachen · 99 für Transkripte
  • MP3 · WAV · SRT · TXT
  • Kostenlos, ohne Anmeldung

Stimme wählen

Pro = Supertonic 3 (31 Sprachen) und KorvaTTS (Vietnamesisch), am natürlichsten, größerer Download. Studio = Kokoro AI (Englisch, am natürlichsten). HD / Standard = Piper AI (38 Sprachen). Gerät = Stimmen deines Systems (sofort, nur Wiedergabe).

Einmaliger KI-Download

Diese Stimme läuft komplett auf deinem Gerät. Dein Browser lädt das KI-Modell einmal herunter – danach startet es sofort, auch offline.

  • Im Browser gespeichert, beim nächsten Mal offline nutzbar
  • Nur das Modell wird geladen – Text und Audio bleiben auf deinem Gerät

Aussprache

Bring der Stimme bei, wie Namen, Marken und Abkürzungen ausgesprochen werden. Beispiel: z. B. → zum Beispiel, GmbH → G m b H. Wird in diesem Browser gespeichert.

    Geladene KI-Modelle

    Die Modelle werden in diesem Browser gespeichert, damit das Tool offline funktioniert. Entferne nicht mehr benötigte Modelle, um Speicher freizugeben.
      So funktioniert’s

      Von Text zu Stimme – oder Stimme zu Text – in drei Schritten

      Kein Konto, kein Upload, keine Warteschlange. Die KI läuft direkt hier in deinem Browser.

      1. 1

        Modus wählen

        Text in Sprache für Artikel, Skripte und E-Learning; Untertitel zu Audio für Voice-over; Sprache in Text für Meetings, Videos und Sprachnotizen.

      2. 2

        Stimme oder Modell wählen

        Wähle aus 450+ natürlichen Stimmen in 45+ Sprachen oder ein Whisper-Modell zum Transkribieren. Das Modell wird einmal geladen und im Browser gespeichert.

      3. 3

        Anhören und herunterladen

        Mit „Anhören“ hörst du sofort zu – mit Mitlese-Markierung. Danach als MP3, WAV, OGG, SRT, VTT, TXT oder JSON herunterladen.

      Warum dieser Konverter

      Alles, was kostenpflichtige TTS-Seiten können – ohne Bezahlschranke

      Für Creator, Studierende, Lehrkräfte und Teams in Europa und den USA, denen Datenschutz wichtig ist.

      Wirklich natürliche Stimmen

      Die neuronalen Stimmen von Kokoro und Piper klingen menschlich, mit echter Betonung – nicht wie alte Roboter-Vorleser.

      Datenschutz eingebaut

      Text, Untertitel und Aufnahmen werden auf deinem Gerät verarbeitet. Nichts wird hochgeladen, gespeichert oder zum Training genutzt – DSGVO-freundlich.

      Keine Limits, keine Anmeldung

      Keine Zeichenbegrenzung, kein Wasserzeichen, kein Tageskontingent. Wandle ganze Buchkapitel oder dreistündige Vorlesungen um.

      Untertitel als Voice-over

      Jede Untertitelzeile wird pünktlich gesprochen. Zu lange Zeilen werden natürlich beschleunigt, damit die Stimme synchron zum Video bleibt.

      Präzise Transkripte

      OpenAI Whisper erkennt 99 Sprachen und exportiert fertige SRT- und VTT-Untertitel mit Zeitstempeln.

      Funktioniert offline

      Nach dem ersten Download liegt das KI-Modell im Browser-Cache – das Tool arbeitet auch ohne Internetverbindung.

      Text in Sprache, SRT zu MP3 und Sprache in Text: ein praktischer Leitfaden

      Dieser Konverter vereint drei Tools, die sonst auf getrennten (und oft kostenpflichtigen) Websites zu finden sind. Text in Sprache macht aus jedem Text eine natürliche Stimme, die du als MP3, WAV oder OGG herunterlädst. Untertitel zu Audio liest eine SRT- oder WebVTT-Datei Zeile für Zeile zum richtigen Zeitpunkt vor – so entsteht ein getimtes Voice-over für YouTube, TikTok, E-Learning oder Synchronisation. Sprache in Text transkribiert Audio- und Videodateien – oder eine Mikrofonaufnahme – in bearbeitbaren Text und Untertiteldateien.

      Anders als Cloud-Dienste laufen die KI-Modelle in deinem Browser mit WebAssembly (und WebGPU, wenn deine Grafikkarte es unterstützt). Beim ersten Einsatz einer Stimme oder eines Transkriptionsmodells lädt dein Browser es einmal aus einer öffentlichen Modellbibliothek und speichert es im Cache. Deine Inhalte werden nirgendwohin gesendet – ideal für vertrauliche Dokumente, Kundeninterviews und Schularbeiten gemäß DSGVO.

      Für Englisch liefern die Studio-Stimmen (Kokoro) das natürlichste Ergebnis. Für Deutsch, Französisch, Spanisch, Italienisch, Niederländisch, Polnisch, Portugiesisch und 30 weitere Sprachen wählst du eine Piper-Stimme mit HD oder Standard. Gerätestimmen spielen sofort ab, lassen sich aber nicht als Datei speichern, weil der Browser keine Aufnahme davon erlaubt.

      Welcher Modus und welche Einstellungen?

      ZielModusEmpfohlene Einstellungen
      Hörbuch oder Artikel als MP3Text in SpracheStudio-/HD-Stimme · MP3 128 kbps · 0,6 s Absatzpause
      Voice-over für YouTube / TikTokUntertitel zu AudioBeschleunigen · max. 1,5× · MP3 192 kbps
      E-Learning-VertonungText in SpracheTempo 0,95× · Pausen-Tags zwischen Folien · SRT-Export
      Notizen aus Meeting oder InterviewSprache in TextAusgewogenes Modell · Sprache wählen · TXT mit Zeitstempeln
      Untertitel für ein VideoSprache in TextGenaues Modell · 42 Zeichen pro Zeile · SRT
      Fremdsprachiges Video auf EnglischSprache in TextIns Englische übersetzen · SRT

      Tipps für beste Ergebnisse

      • Schreibe Zahlen, Daten und Abkürzungen so, wie sie gesprochen werden sollen, oder trage sie ins Aussprache-Wörterbuch ein (z. B. „Dr.“ → „Doktor“, „ToolCMB“ → „Tool C M B“).
      • Mit [pause 1s] bekommst du Luft zwischen Abschnitten, Aufzählungen oder Folien.
      • Klicke in der Mitleseansicht auf einen Satz, um ab dort zu hören; nur geänderte Sätze werden neu erzeugt.
      • Wähle beim Transkribieren die gesprochene Sprache statt der automatischen Erkennung und nutze für verrauschte Aufnahmen das Modell Genau.
      • Chrome und Edge auf Rechnern mit moderner Grafikkarte können die GPU nutzen – das Transkribieren wird damit viel schneller.
      FAQ

      Häufige Fragen

      Alles zu Stimmen, Datenschutz, Dateiformaten und Limits.

      Ist diese Sprachausgabe wirklich kostenlos?

      Ja. Keine Anmeldung, keine Zeichenbegrenzung, kein Wasserzeichen und kein Bezahl-Tarif. Die KI läuft auf deinem eigenen Gerät – uns entstehen pro Umwandlung keine Kosten, also müssen wir dich auch nicht einschränken.

      Werden meine Texte und Aufnahmen hochgeladen?

      Nein. Text, Untertitel und Audio werden lokal in deinem Browser verarbeitet. Heruntergeladen wird nur das KI-Modell selbst aus einer öffentlichen Modellbibliothek – es enthält keine deiner Daten.

      Warum dauert die erste Nutzung länger?

      Beim ersten Einsatz einer Stimme oder eines Transkriptionsmodells lädt dein Browser es herunter (je nach Modell etwa 20–250 MB). Es wird gespeichert, startet beim nächsten Mal in Sekunden und funktioniert auch offline.

      Kann ich die Sprachausgabe als MP3 herunterladen?

      Ja – MP3, WAV und OGG, mono oder stereo, in der gewünschten Qualität. Text in Sprache kann zusätzlich eine SRT-Untertiteldatei exportieren, die Satz für Satz zum Audio passt.

      Welche Sprachen werden unterstützt?

      Sprachausgabe: 45+ Sprachen, darunter Deutsch, Englisch (US/UK), Französisch, Spanisch, Italienisch, Niederländisch, Polnisch, Portugiesisch, Schwedisch, Tschechisch, Ukrainisch, Türkisch, Vietnamesisch und Chinesisch, dazu die Stimmen deines Geräts. Spracherkennung: 99 Sprachen, optional mit Übersetzung ins Englische.

      Wie mache ich aus einer SRT-Datei Audio?

      Öffne den Tab „Untertitel zu Audio“, lege deine .srt- oder .vtt-Datei ab, wähle eine Stimme und klicke auf „Voice-over erstellen“. Jede Zeile beginnt zu ihrem Zeitstempel; zu lange Zeilen werden natürlich beschleunigt, und musste etwas verschoben werden, kannst du eine angepasste SRT herunterladen.

      Wie genau ist die Spracherkennung?

      Sie nutzt die Whisper-Modelle von OpenAI, die zu den genauesten offenen Spracherkennern zählen. „Ausgewogen“ ist ideal für klare Sprache; „Genau“ kommt besser mit Akzenten, Störgeräuschen und Fachbegriffen zurecht. Jede Zeile lässt sich vor dem Export bearbeiten.

      Darf ich die erzeugte Stimme kommerziell nutzen?

      Die Modelle stehen unter freien Lizenzen (Kokoro: Apache 2.0, Piper: MIT, Whisper: MIT), und viele Piper-Stimmen erlauben die kommerzielle Nutzung. Einige wenige Piper-Stimmen basieren auf Datensätzen mit nicht-kommerziellen Bedingungen – prüfe bei kommerzieller Veröffentlichung die Model Card der Stimme.

      Funktioniert es auf iPhone und Android?

      Ja. Aktuelle Versionen von Safari, Chrome und Samsung Internet unterstützen alle drei Modi. Auf dem Smartphone sind das schnelle Transkriptionsmodell und Standard-Stimmen der beste Kompromiss aus Tempo und Speicher.

      Wie gebe ich den Speicher der Modelle wieder frei?

      Unter Einstellungen → „Geladene KI-Modelle“ siehst du jedes Modell mit seiner Größe und kannst entfernen, was du nicht mehr brauchst.

      Weitere kostenlose, private Tools

      Audio, Video, Bilder und PDFs komprimieren, umwandeln und bearbeiten – alles im Browser.

      Alle Tools ansehen