Eine Stunde Hörbuch, vertont in Minuten — was kostet das wirklich?
KI-Stimmen sind aus Hörbüchern, Podcasts, Erklärvideos und Sprach-Assistenten nicht mehr wegzudenken. Wir vergleichen die zehn wichtigsten Anbieter — von den Spezialisten (ElevenLabs, Cartesia, Murf, Speechify) über die Cloud-Riesen (OpenAI, Google, Microsoft, Amazon) bis zur Open-Source-Alternative für den eigenen Rechner — mit echten Listenpreisen pro Zeichen, dem Hörbuch-Rechner und ehrlichen Hinweisen statt Marketing-Versprechen.
Provision für uns,
gleicher Preis für dich Alle 10 Anbieter vergleichen
Transparenz: Der erste Link ist ein Partner-Link (Provision für uns — für dich gleicher Preis). Warum wir ElevenLabs trotzdem empfehlen können: unten offen erklärt.
KI-generiert
Zeichenrechner — was kostet deine Vertonung?
Wie viele Zeichen vertonst du im Monat? Wir rechnen es für alle zehn Anbieter durch — Abo-Empfehlung und API-Preis.
€ ≈ EZB-Kurs 0,8888
Daumenregel: 1.000 Zeichen ≈ 1 Minute Audio — 60.000 Zeichen ≈ 1 Stunde Vertonung. Abo-Pläne zeigen den kleinsten Plan, der die Zeichenmenge abdeckt (regulärer Monatspreis).
Die 10 KI-Stimmen-Anbieter im Preisvergleich
Gratis-Kontingente, Einstiegspreise, Zeichenpreise und Besonderheiten — alle Angaben aus den offiziellen Preisseiten (Stand 16. Oktober 2026).
| Anbieter | Dauerhaft gratis | Einstieg (Abo) | API-Preis pro 1 Mio. Zeichen | Sprachen | Voice-Cloning | Besonderheit |
|---|---|---|---|---|---|---|
| ElevenLabs Empfehlung | 10.000 Zeichen/Monat (Free) |
$6/Mon. · 30k Zeichen ≈ 5,33 € 1. Monat nur $1 |
v4/v3: $80 Aktion: $22 (−72 %, bis 12.10.) |
90+ | ✓ Instant & Profi | Ausdrucksstärkste Modelle (v4, Audio-Tags) · größte Stimm-Bibliothek · Echtzeit & Voice-Agents |
| OpenAI | – (Pay-as-you-go) | kein Abo nötig | tts-1: $15 · tts-1-hd: $30 gpt-4o-mini-tts: $12 (Audio-Tokens) |
mehrsprachig | – | Simpelste Integration, schlanke API · solide Qualität · stark im Ökosystem |
| Google Cloud | 4 Mio./Mon. (Standard) 1 Mio. (Neural2/Chirp 3) |
kein Abo nötig | Standard $4 · Neural2 $16 Chirp 3 HD $30 · Studio $160 |
40+ (DE) | Instant-Custom: $60 | Stärkste Gratis-Kontingente · Chirp-3-Qualität · GCP-Integration für Enterprise |
| Microsoft Azure | 0,5 Mio./Mon. (Neural) | kein Abo nötig | Neural: $15 Custom: $24 (Neural HD $48) |
100+ Varianten | ✓ Custom + Personal | Enterprise-SLA & AVV · Neural HD · Sprach-Assistenten & Telefonie |
| Amazon Polly | 5 Mio./Mon. (Standard) 1 Mio. Neural (1. Jahr) |
kein Abo nötig | Standard $4 · Neural $16 Generative $30 · Long-form $100 |
40+ | Brand Voice (Service) | AWS-nativ, extrem stabil · günstigste Klasse · generative Stimmen |
| Deepgram | $1:1 Flux-Credits-Aktion bis 31.12.2026 |
kein Abo nötig | Aura-1 $15 · Aura-2 $30 Flux $45 |
EN-Fokus | Enterprise | Echtzeit-Klasse für Voice-Agents · sehr niedrige Latenz · Growth −10 % |
| Cartesia | 20.000 Credits/Monat | Pro: $5/Mon. ≈ 4,44 € · 100k |
Credits-basiert ab $5 / 100.000 Credits |
mehrsprachig | ✓ Instant (ab Pro) | Voice-Agents $0,06/Min. · Telefonie · blitzschnelle Sonic-Modelle |
| Murf | $10 Credits/Monat 150+ Stimmen |
Pay-as-you-go | Falcon: $10 Studio: $30 |
35+ (DE) | ✓ Professional | Komplette Voiceover-Suite für Teams · Übersetzung $20/1M · Voice Changer |
| Speechify | ja (10 Basis-Stimmen) | $29/Mon. ≈ 25,77 € jährlich −60 % |
Studio/API separat | 60+ | – | Consumer-App: Vorlesen, Voice-Typing, KI-Podcasts · 1000+ Stimmen |
| Open Source (Piper, Kokoro, XTTS-v2) | komplett (eigene Hardware) | – | $0 (nur Strom/Server) | viele (Community) | ✓ (XTTS-v2) | Offline, DSGVO-freundlich, volle Kontrolle · Setup nötig · Lokale Rubrik |
USD-Listenpreise ohne Gewähr, verbindlich sind die Anbieterangaben. €-Umrechnung zum EZB-Kurs 0,8888 (Hauskurs dieser Seite).
Alle Tarife im Detail — und was die Hörstunde kostet
Jede Stufe jedes Anbieters mit Preis und Zeichenmenge (Stand 16. Oktober 2026) — plus die kalkulierten Kosten pro Stunde Audio (60.000 Zeichen).
Preis pro Stunde Audio — API-Listenpreis, kalkulatorisch (60.000 Zeichen ≈ 1 Std.)
Kalkulatorisch: 60.000 Zeichen ≈ 1 Stunde Audio zum jeweiligen API-Listenpreis. ElevenLabs läuft aktuell mit −72 % Aktion: v4 = 1,32 $/Std., Turbo = 0,66 $/Std. (bis 12.10.2026). Gratis-Kontingente und Jahreszahlung senken die Werte zusätzlich. Die 30-$-Klasse: Google Chirp 3 HD, Deepgram Aura-2, Murf Studio.
ElevenLabs Empfehlung
Free · 0 $ — 10.000 Zeichen/Monat
Starter · $6 (30k, 1. Monat $1) — kommerzielle Lizenz, Instant-Cloning
Creator · $22 (121k, 1. Monat $11) — Professional-Cloning, höhere Qualität, 3× Credits-Aktion bis 12.10.
Pro · $99 (600k) · Scale · $299 (1,8 Mio.) · Business · $990 (6 Mio.)
OpenAI
tts-1 · $15/1 Mio. Zeichen — schnell, günstig, solide
tts-1-hd · $30/1 Mio. — höhere Klangqualität
gpt-4o-mini-tts — $0,60/1 Mio. Text-Tokens + $12/1 Mio. Audio-Tokens
Keine Abos — reine Verbrauchsabrechnung
Google Cloud
Gratis: 4 Mio. Zeichen/Mon (Standard) · 1 Mio. (Neural2/Chirp 3) · 500k (Studio)
Standard/WaveNet · $4 pro 1 Mio. Zeichen
Neural2 · $16 · Chirp 3 HD · $30 · Studio · $160
Instant Custom Voice · $60 — eigene Stimme
Microsoft Azure
Gratis: 0,5 Mio. Zeichen/Monat (Neural, F0)
Neural & Neural HD Flash · $15 pro 1 Mio. Zeichen
Custom Voice · $24 (Neural HD $48) · Training ab $52/Std. (max. $936) · Endpoint $4,04/Std.
Avatar-Add-on · $0,50/Min. (Interaktiv)
Amazon Polly
Standard · $4 pro 1 Mio. Zeichen (5 Mio./Mon. gratis)
Neural · $16 (1 Mio./Mon. gratis, erste 12 Monate)
Generative · $30 · Long-form · $100
Brand Voice — eigene Markenstimme als Service
Deepgram
Aura-1 · $15 · Aura-2 · $30 · Flux · $45 pro 1 Mio. Zeichen
Growth-Plan −10 % auf alle Preise
Flux-Aktion: $1 Einsatz = $1 Bonus-Credits (bis $500, bis 31.12.2026)
Voice-Agent API ab $0,075/Min. — Echtzeit-Dialoge
Cartesia
Free · 0 $ — 20.000 Credits/Monat
Pro · $5 (100k Credits) — kommerzielle Lizenz, Instant-Cloning
Startup · $49 (1,25 Mio.) · Scale · $299 (8 Mio.)
Voice-Agents $0,06/Min. · Telefonie $0,014/Min.
Murf
Gratis: $10 Credits/Monat · 150+ Stimmen, 35+ Sprachen
Falcon · $10 pro 1 Mio. Zeichen (Voice-Agents)
Studio · $30 pro 1 Mio. Zeichen (Voiceover)
Voice Changer · $0,10/Min. · Übersetzung $20/1 Mio.
Speechify
Free · 0 $ — 10 Basis-Stimmen, 1,5× Geschwindigkeit
Premium · $29/Mon. — 1000+ Stimmen in 60+ Sprachen, 5× Tempo, Scan & Listen, Voice-Typing, KI-Podcasts
Jährliche Zahlung: −60 % · Studio & API als eigene Produkte
Open Source (selbst hosten)
Piper — blitzschnell, viele Sprachen, für Vorlesen & Assistenten
Kokoro — kleine Modelle mit erstaunlicher Qualität
XTTS-v2 — Voice-Cloning auf eigener Hardware
Kosten: $0 — nur Strom/Server; volle Datenkontrolle
Welche KI-Stimme passt zu dir?
Sechs typische Aufgaben — und der Anbieter, der sie am besten löst.
Hörbuch & Vertonung Empfehlung
Podcast mit deiner eigenen Stimme
App-Ansagen & IVR — Budget zählt
Voice-Agents & Telefonie (Echtzeit)
Skalierung mit Enterprise-SLA
Kostenlos & lokal (offline)
ElevenLabs vs. die wichtigsten Alternativen
Drei Duelle, ehrlich entschieden — mit klarer Ansage, für wen was die bessere Wahl ist.
ElevenLabs vs. OpenAI TTS
ElevenLabs vs. Cloud-Riesen
ElevenLabs vs. Open Source
Unsere Partner-Empfehlung
Ein Werkzeug, das wir selbst überzeugend finden — transparent als Partner-Link gekennzeichnet. Für dich immer zum gleichen Preis.
KI-generiert
ElevenLabs — die Stimme, die den Unterschied macht
Die ausdrucksstärksten KI-Stimmen am Markt (v4), 90+ Sprachen, Voice-Cloning für die eigene Stimme — und mit dem kostenlosen Tarif (10.000 Zeichen/Monat) startest du ohne Risiko.
- Kostenlos starten — ohne Kreditkarte
- Eigene Stimme klonen · Hörbuch, Podcast, Video-Vertonung
- Partner-Link: Provision für uns — dein Preis bleibt gleich
Transparenz: Der Link ist ein Partner-Link (Provision für uns, für dich derselbe Preis). Unsere Tabellen sortieren nach Zahlen, nicht nach Provision — die günstigsten Anbieter stehen dort oben, auch wenn sie uns nichts zahlen. Direkt zur Preis-Tabelle.
Was das im Alltag kostet — drei ehrliche Beispiele
Typische Szenarien, gerechnet mit den offiziellen Listenpreisen.
Hörbuch: 5 Stunden (~300.000 Zeichen)
Podcast: 40.000 Zeichen/Monat (~40 Min)
App-Sprachausgabe: 1 Mio. Zeichen/Monat
Worauf du vor dem Kauf achten solltest
Zeichen, Tokens, Credits
Voice-Cloning: nur mit Einwilligung
Nutzungsrechte & Gratis-Stufen
Latenz: Echtzeit oder Batch?
KI-Stimmen-Glossar — die 10 Begriffe, die zählen
Kurz erklärt, damit du Tarife und Vergleichstabellen richtig liest.
Text-to-Speech (TTS)
Die Umwandlung von geschriebenem Text in gesprochene Sprache — der klassische Kern jeder KI-Stimme.
Voice-Cloning
Eine Stimme aus Sprachproben nachbilden. Instant-Cloning braucht Sekunden Material und liefert schnell brauchbare Ergebnisse; Professional-Cloning trainiert auf mehr Material für höhere Treue.
Zeichen-Abrechnung
Die meisten Anbieter rechnen pro übermitteltem Zeichen ab (inkl. Leerzeichen). Damit sind Kosten planbar: 1.000 Zeichen ≈ 1 Minute Audio.
Audio-Tokens
Abrechnungseinheit für moderne Sprachmodelle (z. B. OpenAI gpt-4o-mini-tts): Der erzeugte Ton wird in Tokens gemessen — vergleiche über Beispielrechnungen, nicht über Tokenpreise.
Credits
Interne Guthaben-Einheit bei Abo-Anbietern (ElevenLabs, Cartesia, Murf). Bei TTS entspricht 1 Credit meist ~1 Zeichen — bei Spezialfunktionen (Übersetzung, Voice Changer) gelten andere Kurse.
Latenz & Streaming
Zeit bis zum ersten Ton. Für Assistenten entscheidend: unter 300 ms fühlt sich ein Gespräch natürlich an. Batch-Anwendungen wie Hörbücher brauchen kein Streaming.
SSML
Auszeichnungssprache, mit der du Pausen, Betonung und Aussprache steuerst (z. B. Abkürzungen wie „z. B.“). Wird von Google, Azure und Polly breit unterstützt.
Audio-Tags (v3/v4)
ElevenLabs-Feature: Steueranweisungen im Text — [flüstern], [lachen], [traurig] — für emotionale Feinsteuerung. Das aktuelle Alleinstellungsmerkmal am Markt.
Voice-Agent
Ein Sprach-Assistent, der hört, versteht und mit TTS antwortet — abgerechnet pro Minute (ElevenLabs $0,08, Cartesia $0,06, Deepgram ab $0,075). Die TTS-Bausteine dahinter sind der Zeichenpreis.
Open-Source-TTS
Piper, Kokoro, XTTS-v2 & Co.: laufen lokal auf eigener Hardware, kosten nichts pro Zeichen und keine Daten verlassen das Gerät. Mehr dazu in der Lokal-Rubrik.
Häufige Fragen zu KI-Stimmen
Was kostet ElevenLabs?
Free $0 (10.000 Zeichen/Monat) · Starter $6 (30k, erster Monat $1) · Creator $22 (121k, erster Monat $11) · Pro $99 (600k) · Scale $299 (1,8 Mio.) · Business $990 (6 Mio.). API: $0,08 pro 1.000 Zeichen (v4/v3), aktuell −72 % Aktion ($0,022) bis 12.10.2026. Stand 16. Oktober 2026, Quelle: elevenlabs.io/pricing.
Welche KI-Stimme ist die günstigste?
Pro 1 Mio. Zeichen: Google Standard und Polly Standard je $4, Azure und OpenAI tts-1 je $15, Google Neural2/Polly Neural $16. Gratis-Kontingente: Polly 5 Mio./Mon., Google 4 Mio./Mon., Azure 0,5 Mio./Mon. Selbst hosten: $0 (eigene Hardware).
Was kostet eine Stunde Hörbuch?
Annahme: 60.000 Zeichen ≈ 1 Stunde. Dann: Google Standard $0,24 · OpenAI/Azure $0,90 · Polly Neural $0,96 · Chirp 3/Aura-2/Murf Studio $1,80 · ElevenLabs Turbo $2,40 · ElevenLabs v4 $4,80 (Aktion: $1,32). Details in der Stunden-Preisliste.
Hört man, dass es KI ist?
Bei kurzen, neutralen Texten klingen v4, Chirp 3 und Azure Neural HD nahezu natürlich. Bei langen Passagen, starker Emotion oder ungewöhnlicher Betonung bleibt ein Unterschied hörbar. Alle großen Anbieter haben Gratis-Kontingente — mit dem eigenen Text testen.
Darf ich Stimmen klonen?
Nur die eigene oder mit ausdrücklicher schriftlicher Einwilligung. Fremde Stimmen zu klonen verletzt das Persönlichkeitsrecht — die Anbieter verlangen für professionelles Klonen eine Verifizierung.
ElevenLabs oder OpenAI TTS?
OpenAI tts-1 ($15/1 Mio.) ist günstiger und ideal für einfache Ansagen. ElevenLabs (90+ Sprachen, Emotion, Cloning, Realtime) ist die Wahl, wenn die Stimme das Produkt trägt — Hörbuch, Podcast, Video-Vertonung. Mehr im Duell oben.
Kann ich KI-Stimmen kommerziell nutzen?
In bezahlten Tarifen meist ja (Bedingungen prüfen). Gratis-Stufen sind teils eingeschränkt (Nennung oder nicht-kommerziell).
Geht das auch kostenlos und lokal?
Ja: Piper, Kokoro, XTTS-v2 — offline, kostenlos, DSGVO-freundlich. Anleitung und Modelle in der Stimme-&-Vorlesen-Rubrik.
Warum auf dieser Preis-Seite?
ki-preise.info vergleicht KI-Preise in Euro — von API-Token bis zum Video-Abo. Diese Rubrik erweitert den Blick um KI-Stimmen: dieselbe Methode (First-Party-Quellen, Prüfdatum, keine Fantasiezahlen) auf 10 Anbieter angewendet.
Die ganze Stimmen-Rubrik
Lokale Stimmen & Vorlesen (Piper, Kokoro, XTTS — kostenlos) · Audio & Transkription (Whisper, Deepgram, AssemblyAI) · KI-Video-Vergleich · Spracherkennung im Preisvergleich.
Fragen oder Korrekturen?
Wir prüfen Preise wie alle Inhalte gegen die Originalquelle: kontakt@ki-preise.info. Hinweis entdeckt? Immer her damit.