KI-Charakterstimmen
KI-Charakterstimmen
Aktualisiert 15. November 2026

| SceneMixer auf einen Blick | Das bekommst du |
|---|---|
| Videopreis | Ab 0,06 $ pro Sekunde (10 Credits) in der Standardstufe, bis zu 0,47 $ pro Sekunde in der obersten Stufe; jeder Preis wird angezeigt, bevor du auf den Button drückst |
| Clip-Länge | Bis zu 30 Sekunden pro generiertem Segment; eine Episode wird aus ihren Segmenten zu 1 Credit pro Sekunde zusammengesetzt |
| Eine Episode, durchgerechnet | Eine 60-Sekunden-Episode in der Standardstufe kostet etwa 660 Credits (Video plus Zusammensetzen), etwa 4,11 $ zum niedrigsten Credit-Preis; eine Serie aus 10 Episoden à 90 Sekunden aus einem Roman mit 30.000 Zeichen kostet etwa 10.026 Credits, etwa 62 $ |
| Dialog | Direkt im Video gesprochen, eine Stimme pro Figur, in einer von 15 Sprachen |
| Formate | 9:16 hochkant oder 16:9 quer; 480P bis 1080P, dazu eine 2K-Stufe |
| Kostenlos starten | 50 Credits bei der Anmeldung, 15 kostenlose Referenzbilder, ein kostenloses Storyboard für die erste Episode und eine kostenlose Videovorschau von 5 Sekunden |
| Wer es nutzt | 2.900+ Creator haben mit SceneMixer generiert (Konten mit mindestens einer Generierung, gezählt im November 2026) |
| Eingabe | Ein Drehbuch, ein Roman oder eine Idee in einem Satz; Uploads als .txt, .docx und .md |
Wo die Stimme eigentlich herkommt
Die meisten KI-Video-Workflows behandeln Audio als zweite Aufgabe: Erst wird stilles Footage erzeugt, dann werden Zeilen synthetisiert, und dann kämpft man mit dem Lippensync. Die hier verwendeten Videomodelle erzeugen Audio und Bild in einem Durchgang — das macht den Kampf überflüssig, ändert aber, was eine „Stimmeinstellung“ ist. Es ist keine Text-to-Speech-Engine, der du ein Skript fütterst — es ist eine Referenz, auf die der Generierungsdurchgang konditioniert wird.
| Schriftliche Beschreibung | Alter, Klangfarbe, Gewicht, Vortrag — wird zusammen mit allem anderen zur Figur aus dem Skript erzeugt und vom Videomodell gesprochen. |
|---|---|
| Passende Voreinstellung | Eine Stimme aus einer Bibliothek mit Systemstimmen, jede mit einem kurzen Audio-Sample zum Anhören. Ein Modellaufruf schlägt pro Figur eine Passung nach Geschlecht, Sprache und Alter vor; du kannst neu zuordnen oder manuell eine andere wählen. |
| Dein eigenes Sample | Mit einem kostenpflichtigen Plan kannst du Audio für eine Figur hochladen, und es wird für jedes Segment, in dem sie spricht, zur Referenz dieser Figur. |
Was auch immer angehängt ist, wird konsistent verwendet: Dieselbe Figur spricht in jedem Segment und jeder Folge mit derselben Stimme — aus demselben Grund, aus dem ihr Gesicht gleich bleibt: Die Referenz wandert mit ihr mit.
Wo das Klonen aufhört, und warum
SceneMixer klont eine Stimme nur an zwei Stellen: bei Redubs Originalstimme, die die Stimme einer Figur aus dem gerade nachvertonten Clip kopiert (KI-Stimmklonen enthält die Details), und bei einer Aufnahme, die du für eine Figur hochlädst. Die Stimme einer anderen Person ohne deren Erlaubnis übernimmt es nicht: Eine synthetische Darbietung mit der Stimme einer realen Person zu veröffentlichen, ist in den meisten Märkten, die wir bedienen, ein Problem des Persönlichkeitsrechts. Unsere eigene Compliance-Checkliste behandelt Ähnlichkeit, also Gesicht und Stimme, als etwas, für das du vor dem Veröffentlichen die Nutzungsrechte haben musst.
Zwei Dinge, die daraus folgen und klar gesagt sein sollten:
- Das Hochladen deiner eigenen Stimme ist in Ordnung. Das ist deine Ähnlichkeit, und der Upload-Pfad existiert genau dafür.
- Das Entwerfen einer Stimme aus einer Textbeschreibung ist hier nicht der Mechanismus. Dieser Weg wurde im August 2026 zugunsten der Zuordnung echter gesampelter Stimmen entfernt, weil eine aus Adjektiven entworfene Stimme zwischen Takes genauso driftet wie ein Gesicht, das mit Adjektiven beschrieben wird.
Sprache ist eine separate Einstellung
Die Dialogsprache wählst du in Schritt 1, und sie gilt für das ganze Projekt: Die Zeilen werden in dieser Sprache in der Analysephase geschrieben, wörtlich ins Storyboard übernommen und darin gesprochen. Das ist keine Nachsynchronisation eines englischen Originals — es gibt kein englisches Original. Besetzung, Namen und Schauplätze können gleichzeitig über die Zielregion-Einstellung in den passenden Markt wechseln. SceneMixer unterstützt fünfzehn Sprachen, und das Argument gegen Synchronisation erklärt, warum das Erzeugen der Zeile besser ist als ihr neues Timing.
Was es kostet
Das Stimmen-Matching ist ein kostenloser Modellaufruf — es verbraucht keine Credits und zählt nicht auf dein Limit gleichzeitiger Aufgaben. Das Hochladen einer eigenen Probe kostet keine Credits, ist beim aktuellen Plan aber ein Mitgliedschafts-Feature. Das Audio selbst ist Teil der Videogenerierung, die bei 10 Credits pro Sekunde Ausgabe beginnt (≈ 0,06 $/s bei niedrigster Credit-Preis); es gibt keine eigene Gebühr pro Wort oder Zeichen für Sprache. Siehe die Preisseite oder die Generator-Übersicht, um zu sehen, wo die Stimme im Ablauf sitzt.
Was du noch nicht tun kannst
- Jeden hochgeladenen Clip neu vertonen. SceneMixer erzeugt Sprache zusammen mit dem Bild. Die einzige Ausnahme ist ein Remake: Ersetzen kann Zeilen in deinem hochgeladenen Clip ändern; der Teil mit der geänderten Zeile wird neu erzeugt und von der KI neu vertont.
- Eine Zeile per Ohr regie führen. Der Vortrag wird durch die schriftlichen Notizen im Storyboard gesteuert — ein Hinweis in Klammern zu jeder Zeile — nicht durch einen Wellenform-Editor. Wenn eine Lesart falsch ist, änderst du die Notiz und regenerierst das Segment.
- Untertitel einbrennen. Untertitel für eine Plattform werden nach dem Export hinzugefügt; die Pipeline schreibt Text nur dann ins Bild, wenn die Geschichte es erfordert.
Jede Folge, in fünfzehn Sprachen
Die Dialogsprache wird einmal in Schritt 1 festgelegt, und der gesamte Lauf wird darin gesprochen — während die Zielregion-Einstellung Namen, Gesichter und Straßen gleichzeitig an diesen Markt anpasst. Jedes Sample unten wurde so erstellt, eines pro Sprache.
Sprachen
Muttersprachliche Dialoge in 15 Sprachen
Jede Serie unten wurde mit derselben SceneMixer-Pipeline produziert, wobei die Darsteller die jeweilige Sprache auf muttersprachlichem Niveau sprechen: Oberfläche, Arbeitsdokumente und gesprochene Zeilen sind in einer Sprache, nichts ist synchronisiert. Öffne eine Serie, um es dir anzuhören.
A Carta de LisboaPortuguêsMuttersprachliche Dialoge
윈터 프라미스한국어Muttersprachliche Dialoge
El Secreto de CostaEspañolMuttersprachliche Dialoge
浪人の誓い日本語Muttersprachliche Dialoge
Ikrar JakartaBahasa IndonesiaMuttersprachliche Dialoge
Зимняя коронаРусскийMuttersprachliche Dialoge
L’Héritier du DéfiléFrançaisMuttersprachliche Dialoge
Il Tavolo dell'OlivaItalianoMuttersprachliche Dialoge
De Vuurtoren van de FjordNederlandsMuttersprachliche Dialoge
العهد الصحراويالعربيةMuttersprachliche Dialoge
Çantasındaki SözleşmeTürkçeMuttersprachliche Dialoge
Die Istanbul-TäuschungDeutschIn deiner Sprache
Останній сигналУкраїнськаMuttersprachliche Dialoge
問劍青雲繁體中文Muttersprachliche Dialoge
The Last EnvelopeEnglishMuttersprachliche Dialoge
In SceneMixer vs. Tools zusammenstückeln
Die meisten AI-Drama-Workflows bestehen aus fünf oder sechs Tools hintereinander. Hier siehst du, wo jeder Schritt in SceneMixer stattfindet und was er ersetzt.
| Schritt | In SceneMixer | Von Hand mit einzelnen Tools |
|---|---|---|
| Drehbuch und Episodenplan | Füge ein Drehbuch oder einen Roman ein oder tippe eine Zeile: Daraus werden eine Besetzung, Schauplätze, Requisiten und eine Episodenübersicht herausgelesen, die du bearbeiten kannst | Ein Chat-Modell schreibt das Drehbuch; du teilst es in Episoden auf und trägst den Text von Tool zu Tool |
| Gesichter der Figuren und Schauplätze | Jede Figur, jeder Schauplatz und jede Requisite wird einmal als Referenzbogen gezeichnet und jeder Einstellung beigefügt, in der sie vorkommt | Ein Bildmodell, ein Bogen nach dem anderen; die passende Referenz lädst du für jeden Clip selbst hoch |
| Einstellungen | Ein Storyboard pro Episode mit nummerierten Einstellungen und Sekunden; das Video wird Segment für Segment in 9:16 oder 16:9 anhand derselben Bögen generiert | Ein Videomodell, ein Clip pro Prompt, und dieselben Personen beschreibst du jedes Mal neu |
| Stimmen und Dialog | Die Zeilen werden im Video selbst gesprochen, eine Stimme pro Figur, in einer von 15 Sprachen | Ein Text-to-Speech-Tool für jede Zeile, danach eine Lippensynchronisation für jeden Clip |
| Eine Einstellung korrigieren | Den Text dieser Einstellung bearbeiten und nur das Segment neu generieren; der Rest der Episode bleibt unberührt | Den Clip neu generieren, dann die Timeline neu schneiden |
| Fertigstellung | Die Segmente werden mit der Musik zu einer Episodendatei zusammengesetzt; Mitglieder laden sie ohne AI-Kennzeichnung herunter | Ein Videoeditor, um die Clips zusammenzufügen, Musik und Untertitel hinzuzufügen und dann zu exportieren |
| Veröffentlichen | Du lädst die fertige Episode auf TikTok, YouTube, Instagram oder sonst wohin hoch; nichts wird für dich gepostet | Von Hand hochladen, genau wie hier |
Häufig gestellte Fragen
Kann SceneMixer eine Stimme klonen?
Ja, in Grenzen. Ändert du eine Zeile, klont Redubs Originalstimme die Stimme der Figur aus diesem Clip. Im kostenpflichtigen Tarif kannst du außerdem eine Aufnahme hochladen, zu deren Nutzung du berechtigt bist, als Stimme einer Figur. Andere Stimmen stammen aus einer Bibliothek mit geprobten voreingestellten Stimmen. SceneMixer übernimmt die Stimme einer anderen Person nicht ohne deren Erlaubnis.
Wird die Sprache nach dem Video nachsynchronisiert?
Nein. Die Videomodelle von SceneMixer erzeugen Bild und Ton im selben Durchgang, daher kommen Darbietung und Mundbewegung aus einer Generierung. Deshalb bedeutet eine geänderte Zeile, dass dieses Segment neu generiert wird, statt dass eine Tonspur neu geschnitten wird.
Kann ich meine eigene Stimme hochladen?
Ja, mit einem bezahlten Tarif von SceneMixer. Lade eine Probe für eine Figur hoch; sie wird dann zur Stimmreferenz dieser Figur für jedes Segment, in dem sie spricht.
Müssen alle Figuren dieselbe Sprache sprechen?
Die Dialogsprache von SceneMixer ist eine Einstellung auf Projektebene, also ja, innerhalb eines Projekts — die Sprache wird aber unabhängig von der Sprache gewählt, in der du das Skript geschrieben hast, und unabhängig von deiner Oberflächensprache. Ein Skript lässt sich für mehrere Märkte produzieren, indem du es mit anderen Einstellungen laufen lässt.
Bleibt die Stimme über Folgen hinweg gleich?
Ja, aus demselben Grund wie das Gesicht: Welche Stimme auch immer an eine Figur angehängt ist, sie ist auf Projektebene verknüpft und wandert in jedes Segment, in dem diese Figur spricht.
Sprechende Figuren, keine Clips, die du synchronisierst
Bild und Vortrag aus einem Durchgang, in der Sprache deines Publikums.
SceneMixer kostenlos testenCredit-Pakete ab 1,49 $ · Pro 7,99 $/Monat · Keine Kreditkarte zum Starten