ElevenLabs im Test: Modelle, Preise und deutsche Sprachqualität

👁 120 Aufrufe

ElevenLabs liefert derzeit die am besten bewertete KI-Sprachausgabe, auch auf Deutsch. Im Ranking von Artificial Analysis liegen Eleven v4 Turbo (1336 Elo-Punkte) und Eleven v4 (1334) auf den ersten beiden Plätzen, und in meinem Test mit der deutschen Stimme Otto las Eleven v4 alle 18 Prüfpunkte mit Zahlen, Datumsangaben und Abkürzungen fehlerfrei. Der Gratis-Tarif bietet 10.000 Credits im Monat, rund 15 Minuten Audio, aber ohne kommerzielle Nutzung. Die kommerzielle Lizenz beginnt beim Starter-Tarif für 6 USD im Monat, professionelles Stimmenklonen beim Creator-Tarif für 22 USD; in der API kostet Eleven v4 0,08 USD pro 1.000 Zeichen. Gegründet wurde ElevenLabs 2022 von Piotr Dąbkowski und Mateusz Staniszewski. Die Plattform bietet neben Text-to-Speech auch Stimmenklonen, Video-Dubbing, Transkription, Soundeffekte, Musik und Sprachagenten.

01Eleven v4 Test: Zahlen, Abkürzungen und Preise auf DeutschEleven v4 von ElevenLabs im deutschen Test: 18 von 18 Zahlen, Daten und Abkürzungen korrekt gelesen. Preise, Geschwindigkeit und Audio-Tags im Vergleich mit v3, Turbo und Flash.Lesen →02Bester KI-Sprecher: 14 TTS-Modelle im Test14 TTS-Modelle im Härtetest mit Zahlen, Daten und Abkürzungen. Eleven v4 und Gemini 3.1 Flash TTS überzeugen. Testergebnisse, Audiobeispiele und Kosten.Lesen →03ElevenLabs 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 →04ElevenLabs 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 →05Eleven Music Test: KI-Musikgenerator mit deutschem TextEleven Music von ElevenLabs im Test: 4 Tracks mit deutschen Texten, Prompts auf Englisch und Deutsch, Generierungszeit, Kosten und Ergebnisse.Lesen →06ElevenLabs 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 →07ElevenLabs 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 →08Voice 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 →09Voice Isolator Test: Rauschen entfernen mit ElevenLabsVoice Isolator von ElevenLabs entfernt Hintergrundgeräusche aus Aufnahmen. Wir haben ihn mit Lüfter, Straße und Café getestet und gemessen, wie viel Rauschen bleibt.Lesen →10ElevenLabs Agents Voicebot: Test einer deutschen ZahnarztpraxisVoicebot auf ElevenLabs Agents im Test: deutsche Zahnarztpraxis-Hotline mit Aufzeichnung, Reaktionszeit, Kosten pro Minute und Simulationen.Lesen →

Was ist ElevenLabs?

ElevenLabs startete mit einem klaren Ziel: Text in gesprochene Sprache zu verwandeln, die nicht nach abgehacktem Bahnhofslautsprecher klingt. Mittlerweile ist daraus eine umfassende Audio-Suite geworden: Text-to-Speech, Stimmenklonen und Voice Design, automatisches Video-Dubbing in andere Sprachen, Transkription, Soundeffekte, Musikgenerierung sowie interaktive Sprachagenten für Telefonie und Webseiten. Alle Werkzeuge lassen sich im Browser (ElevenCreative), mobil und über die API nutzen.

Die Benutzeroberfläche ist auf Englisch gehalten, die Sprachsynthese beherrscht Deutsch aber auf muttersprachlichem Niveau.

ElevenLabs Modelle im Vergleich

Die Wahl des Modells entscheidet über Audioqualität, Latenz und Token-Verbrauch. Hier die aktuellen Modelle samt den Ergebnissen meines Tests der deutschen Aussprache vom 29. September 2026 (18 Prüfpunkte mit der deutschen Stimme Otto):

Für hochwertige deutsche Sprachaufnahmen empfehle ich Eleven v4 oder Eleven v4 Turbo. Ältere Modelle wie Multilingual v2 lasen Abkürzungen teils buchstabengetreu vor oder scheiterten an komplexen Geldbeträgen. Weitere Details und Hörbeispiele stehen im Testbericht zu Eleven v4.

ElevenLabs Kosten und Tarife

Die folgenden Preise stammen aus der offiziellen Preisübersicht und verstehen sich ohne Mehrwertsteuer. Bei Text-to-Speech entspricht eine Minute deutscher Sprache im Schnitt etwa 660 Zeichen, was in Eleven v4 660 Credits bedeutet.

Bei Verwendung von v4 Turbo oder Flash v2.5 verdoppelt sich die nutzbare Minutenzahl, da diese Modelle nur 0,5 Credits pro Zeichen verbrauchen. Nicht verbrauchte Credits werden in bezahlten Tarifen bis zu zwei Monate übertragen, höchstens bis zum Doppelten des Monatskontingents. Wer kündigt oder herabstuft, verliert sie am Ende des Abrechnungszeitraums.

Schritt für Schritt: Erste Schritte mit ElevenLabs

1. Erstellen Sie ein Konto auf ElevenLabs (per E-Mail oder Google-Login) und öffnen Sie den Bereich Text to Speech.
2. Fügen Sie Ihren deutschen Text ein. Kurze Sätze und gezielte Kommasetzungen für natürliche Sprechpausen verbessern das Ergebnis bei allen Modellen spürbar.
3. Wählen Sie eine Sprechstimme: Filtern Sie in der Voice Library nach der Sprache „German“. Gut funktioniert für deutsche Texte zum Beispiel die Stimme Otto.
4. Wählen Sie das Modell Eleven v4 aus und klicken Sie auf Generate. Anschließend können Sie die fertige MP3-Datei herunterladen oder bei Bedarf mit veränderten Parametern neu generieren.

Funktionen im Überblick

Text to Speech (Sprachsynthese)

Die Kernfunktion: Sie geben Text ein, wählen Sprecher sowie Modell und erhalten eine fertige Audiodatei. In Eleven v4 lassen sich emotionale Regieanweisungen in eckigen Klammern ergänzen, zum Beispiel [whispers] für Flüstern oder [sighs] für ein Seufzen. Das Modell liest diese Tags nicht vor, sondern setzt sie stimmlich um. Wie überzeugend das funktioniert, zeigt der Testbericht zu Eleven v4.

Stimmenklonen (Voice Cloning)

Das schnelle Klonen (Instant Voice Cloning) steht ab dem Starter-Tarif zur Verfügung und benötigt in v4 lediglich rund 10 Sekunden Audiomaterial. Das professionelle Klonen (Professional Voice Cloning) ab dem Creator-Tarif erfordert mindestens 30 Minuten saubere Sprachaufnahmen sowie eine Verifikation der Stimmidentität. Es darf grundsätzlich nur die eigene Stimme oder die Stimme von Personen geklont werden, die ausdrücklich eingewilligt haben. ElevenLabs sperrt prominente Stimmen automatisch und untersagt die Nachbildung von Politikern strikt. Details dazu im Test zum KI-Stimmenklonen.

Video-Dubbing

Das Dubbing-Tool übersetzt Videos in über 90 Sprachen, darunter Deutsch. Dabei bleibt die charakteristische Stimmfarbe der Originalsprecher erhalten, und es werden bis zu 32 Sprecher in einer Datei separat erkannt. Über die API kostet das Dubbing in der Version v2 2,20 USD pro Videominute. Da auch hier individuelle Stimmen repliziert werden, ist vor der Veröffentlichung die Zustimmung aller Beteiligten erforderlich. Meinen Praxistest beschreibt der Artikel Dubbing mit ElevenLabs.

Speech to Text (Scribe)

Scribe v2 wandelt gesprochene Sprache in Text um und kostet über die API 0,22 USD pro Audiostunde. In meinem Test diente Scribe als Transkriptionsprüfer: Eine 32-Sekunden-Audiodatei transkribierte das Tool in 2,8 Sekunden bei fehlerfreier Spracherkennung. Mehr dazu lesen Sie im Beitrag ElevenLabs Scribe im Test.

Soundeffekte und Musik

ElevenLabs kann anhand von Textprompts realistische Soundeffekte (z. B. Schritte, Regen oder Türenschlagen) sowie kurze Musikstücke generieren, die in bezahlten Tarifen kommerziell nutzbar sind. Meine Tests dazu: KI-Soundeffekte und Eleven Music.

Voice Changer und Voice Isolator

Der Voice Changer überträgt eine Aufnahme auf eine andere Stimme, behält aber die ursprüngliche Betonung bei. Der Voice Isolator filtert störende Hintergrundgeräusche heraus. In der API kosten beide Werkzeuge 0,12 USD pro Audiominute. Praxistests finden Sie unter Voice Changer und Voice Isolator.

Studio für Hörbücher und Longform-Audio

Studio ist ein Projekt-Editor für lange Formate wie Buchkapitel, E-Learning-Kurse und Podcasts, in dem sich verschiedenen Textpassagen und Dialogen gezielt unterschiedliche Sprecherrollen zuweisen lassen.

Sprachagenten (Conversational AI)

ElevenAgents ermöglicht den Aufbau interaktiver Voice-Bots für Kundenservice per Telefon oder Web-Widget. Hierfür eignet sich v4 Turbo besonders gut, da das Modell in meiner Messung schon nach etwa 0,28 Sekunden zu sprechen begann. Die Nutzungsbedingungen von ElevenLabs verlangen, dass Gesprächspartner transparent darüber informiert werden, dass sie mit einer KI sprechen. Mehr dazu im Test: Voicebots mit ElevenLabs.

ElevenLabs API: Preise und Latenzen

Die API-Nutzung wird separat von den Web-Abonnements abgerechnet. Die Preise pro 1.000 Zeichen (ohne MwSt.):

Der API-Schlüssel wird in den Kontoeinstellungen generiert; ein einfacher POST-Request mit Text und Voice-ID reicht für die Synthese aus. Bei deutschen Texten empfiehlt sich die Angabe von language_code: "de". Bei Flash v2.5 sollten Sie zudem apply_text_normalization: "on" setzen, da das Modell Zahlen ohne Normalisierung im Test mitunter fehlerhaft aussprach. Die Latenzwerte (Time to first Audio) wurden im Streaming-Modus als Median aus drei Durchläufen ermittelt.

Alternativen zu ElevenLabs

• Google Gemini TTS: Gemini 3.8 Flash TTS steht bei Artificial Analysis mit 1283 Elo-Punkten auf Platz 5. Das ältere Gemini 3.1 Flash TTS las in Tests deutsche Zahlen und Abkürzungen ähnlich sicher wie Eleven v4.
• Cartesia Sonic 3.6: liegt bei Artificial Analysis mit 1296 Elo-Punkten auf Platz 4; Preise auf der Cartesia-Preisseite.
• OpenAI GPT Audio: Bietet eine sehr natürliche Aussprache, verhält sich als Chat-Modell jedoch gelegentlich eigenwillig und verweigerte in meinem Test einen Satz mit Produktnamen, da es den Prompt als Arbeitsanweisung interpretierte. Jede Ausgabe sollte daher kontrolliert werden.
• Kostenlose und lokale Lösungen: Für einfaches Vorlesen genügen oft die eingebauten Systemstimmen von Windows, macOS, Android und iOS.

Einen direkten Hörvergleich verschiedener Anbieter finden Sie in der Übersicht der besten KI-Stimmen und im Blindtest der KI-Stimmen.

Häufige Fragen (FAQ)

Ist ElevenLabs kostenlos nutzbar?

Ja, es gibt einen dauerhaft kostenlosen Free-Plan mit 10.000 Credits pro Monat (entspricht rund 15 Minuten Audio in Eleven v4). Die generierten Audios dürfen jedoch nicht für kommerzielle Zwecke genutzt werden und erfordern bei Veröffentlichung eine Namensnennung.

Was kostet ElevenLabs monatlich?

Der Starter-Plan kostet 6 USD pro Monat (exkl. MwSt.), der Creator-Plan 22 USD und der Pro-Plan 99 USD. Bei jährlicher Zahlungsweise reduziert sich der Preis um rund 17 Prozent.

Funktioniert ElevenLabs auf Deutsch?

Ja, alle aktuellen Modelle unterstützen Deutsch. In meinem Benchmark mit der Stimme Otto las Eleven v4 sämtliche 18 Testpunkte (Datumsformate, Uhrzeiten, Zungenbrecher, Geldbeträge und Abkürzungen) fehlerfrei vor.

Gibt es eine API für Entwickler?

Ja, ElevenLabs stellt eine REST- sowie WebSocket-API bereit. Eleven v4 kostet 0,08 USD pro 1.000 Zeichen. Auch Funktionen wie Dubbing, Transkription, Stimmenklonen und Sprachagenten sind vollständig per Schnittstelle ansteuerbar.

Darf man jede beliebige Stimme klonen?

Nein. Es darf ausschließlich die eigene Stimme geklont werden oder die Stimme einer Person, die ihre ausdrückliche Einwilligung dazu erteilt hat. Das Klonen prominenter Persönlichkeiten wird technisch blockiert, und das Imitieren von Politikern ist laut Nutzungsrichtlinien auch mit Zustimmung untersagt.

// weiterlesenStroop-Test entlarvt KI-Schwäche: Warum Sprachmodelle bei längeren Listen kollabierenAlgorithmenSprachvermögen stammt von Neandertalern: Wie uralte DNA-Schalter unsere Kommunikation prägenArchäologieWenn KI heimlich mordlustig wird: Das unsichtbare Erbe der SprachmodelleAlgorithmen

Kinetyra

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.