Voice Isolator Test: Rauschen entfernen mit ElevenLabs

👁 114 Aufrufe

Voice Isolator von ElevenLabs entfernt Hintergrundgeräusche aus Aufnahmen: Er schneidet Hintergrund, Hall und Musik heraus und lässt nur die Stimme übrig. Wir haben ihn mit einer deutschen Aufnahme getestet, die wir absichtlich verunreinigt haben: einen sauberen Monolog haben wir in ffmpeg mit Lüftergeräuschen, Straßenlärm bei Regen und Café-Stimmengewirr gemischt. Wir haben gemessen, wie viel Rauschen übrig bleibt, ob die Stimme wie vor der Verunreinigung klingt und ob sich die Aufnahme danach gut transkribieren lässt. Das letzte Ergebnis hat uns überrascht.

Die EUR-Beträge sind unverbindliche Umrechnungen der veröffentlichten USD-Preise zum EZB-Referenzkurs vom 2026-10-12: 1 EUR = 1.1181 USD. Es handelt sich nicht um bestätigte örtliche Endpreise einschließlich Steuern. Anbieter und Bank können andere Kurse oder Gebühren berechnen. ECB.

01ElevenLabs Scribe Test: Transkription auf Deutsch mit ZahlenElevenLabs Scribe v2 transkribierte ein 61 Sekunden langes deutsches Interview in 3,8 s mit 1 Fehler. Test mit schwierigen Namen, Zahlen und Vergleich mit Whisper.Lesen →02Voice Changer ElevenLabs: Stimme auf Aufnahme ändernVoice Changer ElevenLabs ändert die Stimme auf fertigen Aufnahmen. Test mit deutschem Monolog: Inhalt, Intonation, Rauschen und Kosten pro Minute.Lesen →03ElevenLabs Voice Cloning: Klone aus 10 s, 30 s und 2 minWir haben Voice Cloning in ElevenLabs auf Deutsch getestet: Klone aus 10 s, 30 s und 2 Minuten Trainingsmaterial, Ähnlichkeitsmessung und Kosten.Lesen →04ElevenLabs Dubbing auf Deutsch: v1 vs v2 im TestElevenLabs Dubbing v1 und v2 im Test: 24-Sekunden-Clip auf Deutsch synchronisiert. Mit Ergebnissen, Kosten, Zeiten und Stimmenvergleich.Lesen →05ElevenLabs Sound Effects: Test deutscher und englischer PromptsKI-Soundeffekte bei ElevenLabs: Wir haben 5 Prompt-Paare auf Deutsch und Englisch getestet. Das Ergebnis war eindeutig und ändert die Art, wie Sie Prompts schreiben sollten.Lesen →

Was Voice Isolator macht

Das Tool akzeptiert Audiodateien (AAC, AIFF, OGG, MP3, OPUS, WAV, FLAC, M4A) oder Videodateien (u.a. MP4, MOV, MKV, WEBM) bis 500 MB und 1 Stunde. Es gibt nur die Sprache zurück. Die Dokumentation weist darauf hin, dass das Tool nicht für das Extrahieren von Gesang aus Musik optimiert ist, obwohl das manchmal funktioniert. Dasselbe Modell arbeitet auch als Schalter „Hintergrundrauschen entfernen“ beim Stimmklonen und im Voice Changer.

Unser Test: saubere Aufnahme, vier Arten von Störungen

Ausgangspunkt ist ein 26,8-sekündiger Monolog über Wohnungssuche (77 Wörter), generiert mit synthetischer Stimme im Modell Eleven v4 (wir haben ihn auf Deutsch getestet). Dadurch hatten wir eine Referenz: Wir wissen genau, wie die Aufnahme ohne Rauschen klang.

Das Rauschen haben wir in ffmpeg hinzugefügt. „Lüfter“ ist rosa Rauschen mit Brummen bei 50 und 150 Hz, generiert in ffmpeg selbst. „Straße“ (Regen und Straßenbahn) sowie „Café“ (Gespräche, Tassen, Espressomaschine) sind Hintergründe aus dem Sound-Effekt-Generator. Den Pegel haben wir so gewählt, dass das Rauschen genauso laut wie die Sprache ist (0 dB), und in der schwierigsten Version war das Café um 5 dB lauter als die Stimme. Beispiel für den Lüfter, vereinfacht:

ffmpeg -f lavfi -i "anoisesrc=color=pink:amplitude=0.5:duration=26.8" 
  -f lavfi -i "sine=frequency=50:duration=26.8" 
  -f lavfi -i "sine=frequency=150:duration=26.8" 
  -filter_complex "[1:a]volume=0.6[h1];[2:a]volume=0.25[h2];[0:a][h1][h2]amix=inputs=3:normalize=0" 
  -ac 1 rauschen.wav
ffmpeg -i sauber.wav -i rauschen.wav 
  -filter_complex "[1:a]volume=0.675[n];[0:a][n]amix=inputs=2:normalize=0:duration=first" 
  verrauscht.wav

Die Verstärkung des Rauschens (hier 0,675) haben wir für jeden Hintergrund separat aus dem RMS-Pegel von Sprache und Rauschen berechnet. Jede verrauschte Datei haben wir am 29. September 2026 über die API an Voice Isolator gesendet.

Messergebnisse

Wir haben die Qualität nicht nach Gehör bewertet. Wir haben drei Dinge relativ zur sauberen Referenz gemessen: das Verhältnis der Sprachlautstärke zu dem, was in den Pausen zwischen Wörtern zu hören ist (je mehr dB, desto leiser in den Pausen), die Spektrumdistanz zur Referenz (je weniger, desto näher am Original) und die Stimmähnlichkeit mit dem Sprecherverifizierungsmodell WavLM.

In Bezug auf den Klang ist das ein sehr gutes Ergebnis: Das Rauschen in den Pausen sank um mehr als 34 dB, und die Spektrumdistanz zur Referenz verringerte sich um etwa das Dreifache. In der sauberen Referenz beträgt dieses Verhältnis ca. 61,8 dB, also fehlt noch etwas zur Studiostille. Die Ausgabedatei hat dieselbe Länge wie die Eingabedatei, sodass sie sich ohne Verschiebung unter das Bild legen lässt.

Überraschung: sauber bedeutet nicht originalgetreu

Jede Aufnahme vor und nach der Reinigung haben wir mit der Transkription ElevenLabs Scribe transkribiert und die fehlerhaften Wörter von 77 gezählt.

Der Sample-für-Sample-Vergleich mit der Referenz fiel sehr schlecht aus, obwohl das Spektrum nahe am Original liegt. Es sieht so aus, als würde das Modell nicht nur Rauschen herausschneiden, sondern die Sprache neu rekonstruieren, und dort, wo die Stimme überlagert war, rät es Laute. Das Ohr bekommt sauberen Klang, aber die Transkription bekommt manchmal andere Wörter. Praktische Schlussfolgerung: Zum Transkribieren einer Aufnahme senden Sie die rohe Datei direkt zur Transkription, und verwenden Sie Voice Isolator für das, was jemand anhören wird.

Wie man Voice Isolator verwendet

1. In der Anwendung: Voice Isolator, laden Sie eine Audio- oder Videodatei hoch und laden Sie das Ergebnis herunter.
2. Über die API (getestet am 29.09.2026):

curl -X POST https://api.elevenlabs.io/v1/audio-isolation 
  -H "xi-api-key: $ELEVENLABS_API_KEY" 
  -F audio=@aufnahme.wav -o sauber.mp3

Hören Sie sich das Ergebnis an den Stellen an, wo das Rauschen am lautesten war, und vergleichen Sie es mit dem Original, bevor Sie ein Zitat veröffentlichen. Wenn die Aufnahme zur Stimmänderung dienen soll, müssen Sie sie nicht separat reinigen: Im Voice Changer gibt es denselben Filter als Option, und in unserem Test machte er dort einen enormen Unterschied.

Was Voice Isolator kostet

Die Dokumentation gibt 1000 Credits pro Minute Aufnahme an, was mit unserer Messung übereinstimmt: 447 Credits für 26,8 s. API-Preisliste vom 29. September 2026: 0,1073 EUR (0,12 USD) pro Minute, ohne MwSt. Ein einstündiger Podcast kostet also 7,20 USD. Im Creator-Plan für 19,68 EUR (22 USD) (121.000 Credits) passen ca. 2 Stunden Reinigung pro Monat, wenn Sie die Credits für nichts anderes verwenden. Die übrigen Pläne vergleichen wir im Text was ElevenLabs kostet, und alle Tools im Leitfaden ElevenLabs.

Häufig gestellte Fragen

Wie entfernt man Rauschen aus einer Aufnahme mit KI?

Laden Sie die Datei in Voice Isolator bei ElevenLabs hoch, in der Anwendung oder über die API. In unserem Test sank das Rauschen in den Pausen zwischen Wörtern um 34-46 dB, und die 27-sekündige Aufnahme war in ca. 3 Sekunden fertig.

Was kostet Voice Isolator?

1000 Credits pro Minute Aufnahme, über die API 0,1073 EUR (0,12 USD) pro Minute, ohne MwSt. Bei uns kosteten 26,8 s 447 Credits.

Verbessert Voice Isolator die Transkription?

In unserem Test nicht, er verschlechterte sie. Bei Stimmengewirr, das lauter als die Sprache war, stieg die Zahl der fehlerhaften Wörter von 11 auf 25 von 77, weil das Modell an überlagerten Stellen andere Laute rekonstruiert.

Funktioniert Voice Isolator mit Videodateien?

Ja. Er akzeptiert u.a. MP4, MOV, MKV und WEBM bis 500 MB und einer Stunde Länge und gibt die gereinigte Tonspur zurück.

// weiterlesenKI hört Lunge: Stethoskop-Rauschen als Stolperstein für KI-DiagnoseNachrichtenDer sechs Tonnen schwere Altarstein von Stonehenge kam aus 700 Kilometern Entfernung - warum schafften Menschen das?ArchäologieSchlafender Riese in 10 Milliarden Lichtjahren Entfernung gewogen - 6 Milliarden SonnenmassenWeltraum

Der Link zu ElevenLabs ist ein Partnerlink: Wenn Sie darüber kaufen, erhält WISSNOX eine Provision, für Sie bleibt der Preis gleich. Auf den Inhalt hat das keinen Einfluss, auch nicht auf kritische Passagen.