SceneMixer
Deutsch
Kostenlos registrieren

KI-Charakterstimmen

KI-Charakterstimmen

Aktualisiert 15. November 2026

Kurzantwort: In SceneMixer wird der gesprochene Satz nicht nachträglich vertont. Das Videomodell erzeugt Bild und Sprache gemeinsam, daher stammen Mund und Text einer Figur aus demselben Durchlauf. Du steuerst welche Stimme: Jede Figur hat entweder eine schriftliche Beschreibung von Klangfarbe und Vortrag, eine Probe aus einer voreingestellten Stimmbibliothek oder eine Probe, die du hochlädst. SceneMixer klont Stimmen auch: Wenn du eine Zeile änderst, kopiert Originalstimme von Redub die Stimme der Figur aus diesem Clip. Nur Stimmen verwenden, für die du die Rechte hast.
Standbild aus „Die Istanbul-Täuschung“, einer vollständig von SceneMixer generierten AI-Kurzserie (6 Charaktere, 1 Episode)
BeispielDie Istanbul-TäuschungDigital HD1 EpisodeVollständig von SceneMixer aus dem Skript produziertEpisoden ansehen
SceneMixer auf einen BlickDas bekommst du
VideopreisAb 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-LängeBis zu 30 Sekunden pro generiertem Segment; eine Episode wird aus ihren Segmenten zu 1 Credit pro Sekunde zusammengesetzt
Eine Episode, durchgerechnetEine 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 $
DialogDirekt im Video gesprochen, eine Stimme pro Figur, in einer von 15 Sprachen
Formate9:16 hochkant oder 16:9 quer; 480P bis 1080P, dazu eine 2K-Stufe
Kostenlos starten50 Credits bei der Anmeldung, 15 kostenlose Referenzbilder, ein kostenloses Storyboard für die erste Episode und eine kostenlose Videovorschau von 5 Sekunden
Wer es nutzt2.900+ Creator haben mit SceneMixer generiert (Konten mit mindestens einer Generierung, gezählt im November 2026)
EingabeEin 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.

Drei Möglichkeiten, wie eine Figur eine Stimme erhält
Schriftliche BeschreibungAlter, Klangfarbe, Gewicht, Vortrag — wird zusammen mit allem anderen zur Figur aus dem Skript erzeugt und vom Videomodell gesprochen.
Passende VoreinstellungEine 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 SampleMit 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:

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

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.

Alle 15 Sprachen anzeigen

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.

SchrittIn SceneMixerVon Hand mit einzelnen Tools
Drehbuch und EpisodenplanFüge ein Drehbuch oder einen Roman ein oder tippe eine Zeile: Daraus werden eine Besetzung, Schauplätze, Requisiten und eine Episodenübersicht herausgelesen, die du bearbeiten kannstEin Chat-Modell schreibt das Drehbuch; du teilst es in Episoden auf und trägst den Text von Tool zu Tool
Gesichter der Figuren und SchauplätzeJede Figur, jeder Schauplatz und jede Requisite wird einmal als Referenzbogen gezeichnet und jeder Einstellung beigefügt, in der sie vorkommtEin Bildmodell, ein Bogen nach dem anderen; die passende Referenz lädst du für jeden Clip selbst hoch
EinstellungenEin Storyboard pro Episode mit nummerierten Einstellungen und Sekunden; das Video wird Segment für Segment in 9:16 oder 16:9 anhand derselben Bögen generiertEin Videomodell, ein Clip pro Prompt, und dieselben Personen beschreibst du jedes Mal neu
Stimmen und DialogDie Zeilen werden im Video selbst gesprochen, eine Stimme pro Figur, in einer von 15 SprachenEin Text-to-Speech-Tool für jede Zeile, danach eine Lippensynchronisation für jeden Clip
Eine Einstellung korrigierenDen Text dieser Einstellung bearbeiten und nur das Segment neu generieren; der Rest der Episode bleibt unberührtDen Clip neu generieren, dann die Timeline neu schneiden
FertigstellungDie Segmente werden mit der Musik zu einer Episodendatei zusammengesetzt; Mitglieder laden sie ohne AI-Kennzeichnung herunterEin Videoeditor, um die Clips zusammenzufügen, Musik und Untertitel hinzuzufügen und dann zu exportieren
VeröffentlichenDu lädst die fertige Episode auf TikTok, YouTube, Instagram oder sonst wohin hoch; nichts wird für dich gepostetVon 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 testen

Credit-Pakete ab 1,49 $ · Pro 7,99 $/Monat · Keine Kreditkarte zum Starten