Artikel oder PDF als Podcast mit zwei KI-Stimmen

Um aus einem Artikel oder einem PDF einen Podcast zu machen, gibst du den Text einem Werkzeug, das daraus ein Gespräch zwischen zwei Moderatoren schreibt, prüfst dieses Skript gegen die Quelle und vertonst es mit zwei verschiedenen KI-Stimmen zu einer einzigen Audiodatei. In Speecho ist das ein Button in Text zu Sprache: Die Moderatoren besprechen deinen Text in seiner eigenen Reihenfolge, das Skript öffnet sich in einem Editor, in dem du jede Zeile korrigieren kannst, und eine Folge von zehn Minuten kostet mit Standard-Stimmen etwa einen Dollar. Hier liest du, wofür eine Folge mit zwei Stimmen taugt, wie du den Text auswählst und wie du sicherstellst, dass die Moderatoren nur sagen, was im Text steht.

Wofür eine Folge mit zwei Moderatoren gut ist

• Hören unterwegs. Der lange Artikel, den du letzte Woche gespeichert und nie geöffnet hast, wird zu zehn Minuten auf dem Arbeitsweg, beim Laufen oder beim Abwasch.
• Lernen. Ein Kapitel als Fragen und Antworten macht seine Struktur hörbar: Einer fragt, worum es geht, der andere erklärt es, und du hörst das Argument statt einer Wand aus Sätzen. Das taugt zum Wiederholen, nicht als Ersatz fürs Lesen.
• Newsletter. Eine Audioausgabe jeder Nummer für alle, die lieber zuhören.
• Interne Updates. Eine geänderte Richtlinie, ein Quartalsbericht oder Release Notes als kurze Folge, die das Team auch wirklich abspielt.

Warum zwei Stimmen statt einer Sprecherin? Ein Gespräch gibt Orientierung: Eine Frage kündigt an, was kommt, eine Umformulierung wiederholt den Kern, und der Stimmwechsel hält die Aufmerksamkeit. Eine einzelne Stimme, die einen dichten Artikel Wort für Wort vorliest, ermüdet nach ein paar Minuten. Wenn der Text genau so vorgelesen werden soll, wie er dasteht, nimm Text zu Sprache oder PDF zu Audio.

Den Text auswählen

Am besten eignen sich Quellen mit einem Argument oder einer Geschichte: Erklärtexte, Essays, Berichte, ein Buchkapitel, deine eigenen Notizen aus einem Kurs. Tabellen, Code, lange Zahlenlisten und juristische Texte, in denen jedes Wort zählt, geben wenig Gesprächsstoff her.

Ein paar Dinge helfen vor dem Start:

• Den Auszug säubern. Text aus einem PDF bringt oft Seitenzahlen, Kopfzeilen und ein Literaturverzeichnis mit. Lösch sie und streich jeden Abschnitt, der nicht besprochen werden soll.
• Auf die Größe achten. Der Text darf 300 bis 60.000 Zeichen lang sein, grob 50 bis 10.000 Wörter. Von einem längeren Text werden nur die ersten 60.000 Zeichen verwendet, teil ein Buch also nach Kapiteln auf.
• Die Rechte prüfen. Mehr dazu am Ende.

Die Folge in Speecho erstellen

1. Text hinzufügen. Öffne Text zu Sprache und füge den Text in das Feld ein, oder wähle „Datei öffnen“ für ein PDF-, Word- oder EPUB-Dokument. Die Datei wird in deinem Browser gelesen.
2. Auf „Podcast aus Text erstellen“ klicken. Der Button erscheint im Modus Dialog und, sobald der Text lang genug ist, neben dem Umschalter Text / Dialog.
3. Die Moderatoren einrichten. Es sind zwei. Speecho wählt ihre Stimmen für dich aus, eine Frau und einen Mann aus den Stimmen für Gespräche, und du kannst beide später ändern. Namen sind optional; ohne Namen heißt ein Moderator wie seine Stimme.
4. Die Länge wählen: etwa 5, 10 oder 20 Minuten.
5. Die Sprache wählen. Standardmäßig ist das Skript in der Sprache des Textes. Wähl eine andere, um zum Beispiel aus einem englischen Bericht eine deutsche Folge zu machen.
6. Auf „Skript schreiben“ klicken. Der Button zeigt den Preis. Das Schreiben dauert 10 bis 30 Sekunden.
7. Das Skript prüfen, im Dialog-Editor, wo es mit beiden Moderatoren und allen Repliken geöffnet wird. Wie, steht im nächsten Abschnitt.
8. Vertonen. Der ganze Dialog wird zu einer MP3. Ein langer Dialog wird in Portionen vertont: Zuerst die ersten etwa 5.000 Zeichen, damit du hineinhören kannst, bevor du den Rest bezahlst, dann vertonst du den Rest über die Karte.

Das Skript vor der Vertonung prüfen

Die Moderatoren sind angewiesen, beim Text zu bleiben, seiner Reihenfolge zu folgen und ihn zu besprechen, statt ihn vorzulesen. Das Skript schreibt trotzdem eine KI, und eine KI kann Details falsch wiedergeben. Fünf Minuten Prüfung ersparen eine neue Vertonung:

• Fakten und Zahlen. Vergleiche jede Zahl, jedes Datum und jedes Zitat mit der Quelle. Lösch jede Behauptung, die nicht im Text steht.
• Reihenfolge und Gewichtung. Das Skript folgt der Quelle. Ist ein Abschnitt für deine Hörer wichtiger, gib ihm mehr Repliken; ist er weniger wichtig, streich welche.
• Namen. Prüfe, dass Personen, Firmen und Orte so geschrieben sind wie in der Quelle. Spricht eine Stimme einen Namen in der Hörprobe falsch aus, schreib ihn in dieser Replik so, wie er klingt.
• Der Einstieg. Die erste Replik sollte die Quelle richtig nennen: wer sie geschrieben hat und wo sie erschienen ist.
• Der Ton. Streich Repliken, die nur schwärmen („Das ist ja faszinierend!“), und behalte die, die das Thema voranbringen.

Bearbeiten ist kostenlos: Berechnet wird erst, wenn du das Skript vertonst.

Die Stimmen auswählen

• Gut unterscheidbar. Zwei Stimmen unterschiedlichen Geschlechts oder mit deutlich anderer Tonlage lassen Hörer ohne Namen folgen, wer gerade spricht.
• Muttersprachliche Stimmen. Ein Moderator mit muttersprachlichem Akzent in der Sprache der Folge klingt natürlich, wähl also Stimmen, die für diese Sprache gemacht sind.
• Eine Stufe wählen. Standard reicht für interne Updates und zum Selberhören. Enhanced klingt natürlicher und ist die übliche Wahl für alles, was du veröffentlichst. Premium ist die ausdrucksstärkste.
• Vor dem Vertonen anhören. Hör dir im Editor zuerst die Hörprobe jeder Stimme an.

Wie lang sollte die Folge sein?

Länge	Geeignet für	Umfang des Skripts
Etwa 5 Minuten	Einen Artikel oder eine Newsletter-Ausgabe	Etwa 750 Wörter
Etwa 10 Minuten	Einen langen Artikel, einen Bericht, Release Notes	Etwa 1.500 Wörter, rund 9.000 Zeichen
Etwa 20 Minuten	Ein Buchkapitel, einen langen Bericht	Etwa 3.000 Wörter

Die Folge bespricht den Text, statt ihn vorzulesen, deshalb hängt ihre Länge nicht von der Quelle ab: Aus einem Kapitel mit 6.000 Wörtern kann ein Gespräch von 20 Minuten werden, das die Hauptpunkte abdeckt, statt 45 Minuten Vorlesen. Die Länge ist ein Ziel, kein Versprechen; bei 20 Minuten kann die Folge ein paar Minuten kürzer ausfallen.

Untertitel für eine Videoversion

Viele Podcasts erscheinen auch als Video, oft als Standbild oder Wellenform mit Untertiteln. Clips mit Enhanced- und Premium-Stimmen haben Untertiteldateien: Wähl „Untertitel (SRT)“ oder VTT über den Pfeil neben dem MP3-Download, oder „Untertitel mit Namen (SRT)“ für einen Dialog, in dem der Name der sprechenden Person erscheinen soll. Das Timing folgt dem Audio, die Datei passt also direkt in einen Videoeditor oder einen YouTube-Upload. Standard-Stimmen haben keine Untertiteldateien.

Eine Replik nachträglich korrigieren

Nach der Vertonung ein falsches Wort gehört? Du musst die Folge nicht neu machen. Jede Replik eines vertonten Dialogs hat „Diese Replik neu vertonen“: Wähl eine andere Stimme, korrigiere ein Wort oder füge eine Anweisung wie [whispers] hinzu. Der Rest bleibt, wie er ist, und der Preis dieser einen Replik wird vor dem Bestätigen angezeigt.

Was es kostet

Zwei Dinge werden getrennt bezahlt, und beide Preise siehst du, bevor etwas abgebucht wird:

• Das Skript: 15 Credits für ein Skript bis 5 Minuten, 25 bis 10, 40 bis 20, plus 1 Credit pro 3.000 Zeichen des Ausgangstextes. Ein kurzer Text wird nicht auf die gewählte Länge gestreckt und kostet nur das Skript, das er wirklich ergibt. Ein Artikel mit 6.000 Zeichen kostet 17 Credits bei 5 Minuten oder 27 bei 10, ein Kapitel mit 30.000 Zeichen bei 10 Minuten 35.
• Die Vertonung: pro 1.000 Zeichen Skript 50 Credits in Standard, 110 in Enhanced, 160 in Premium.

Eine Folge von 10 Minuten, also etwa 9.000 Zeichen Skript, kommt auf rund 450 Credits in Standard und 990 in Enhanced. Credits gibt es in Paketen: 5 $ für 2.400, 10 $ für 6.000, 25 $ für 16.800 und 50 $ für 36.000. Eine Folge von 10 Minuten kostet mit dem kleinsten Paket also etwa 0,94 $ mit Standard-Stimmen und etwa 2 $ mit Enhanced, mit größeren Paketen weniger. Es gibt kein Abo, und Credits verfallen nicht. Details unter Preise.

Wo du sie veröffentlichen kannst

Die meisten Plattformen nehmen Podcasts mit KI-Stimmen an, manche unter einer Bedingung. Apple Podcasts zum Beispiel verlangt, dass synthetische Stimmen in der Folge selbst und in ihren Metadaten offengelegt werden. Ein Satz am Anfang („Diese Folge wird von KI-Stimmen gesprochen und beruht auf einem Artikel von …“) und eine Zeile in den Shownotes decken das ab. Die Regeln der einzelnen Plattformen stehen in wo KI-Stimmen erlaubt sind. Die Stimmen von Speecho sind lizenzierte Stock-Stimmen, keine Kopien echter Menschen, und du darfst das Audio kommerziell nutzen.

Nur Texte verwenden, an denen du die Rechte hast

Ein Podcast aus dem Artikel eines anderen ist eine Bearbeitung seines Werks. Nimm deine eigenen Texte, Dokumente deiner Firma, Texte unter einer Lizenz, die Bearbeitungen erlaubt, oder gemeinfreie Werke. Eine Folge aus dem Artikel oder Buch eines anderen Autors ohne dessen Erlaubnis zu veröffentlichen, ist ein Urheberrechtsproblem, auch mit Quellenangabe, und daran ändern KI-Moderatoren nichts.

Häufige Fragen

Kann ich aus einem PDF einen Podcast machen?

Ja. Öffne das PDF in Text zu Sprache und klick dann auf „Podcast aus Text erstellen“. Die Datei wird in deinem Browser gelesen; ein gescanntes PDF ohne Textebene geht vorher durch den Bereich Text scannen.

Erfinden die KI-Moderatoren etwas?

Sie sind angewiesen, beim Text und seiner Reihenfolge zu bleiben, aber das Skript schreibt eine KI, und die kann Details falsch wiedergeben. Deshalb öffnet es sich zuerst im Editor: Prüfe Fakten, Zahlen und Namen vor dem Vertonen.

Wie lang darf der Ausgangstext sein?

300 bis 60.000 Zeichen. Ein längerer Text wird auf seine ersten 60.000 Zeichen gekürzt, teil Bücher also nach Kapiteln auf.

Was kostet eine Folge von 10 Minuten?

Etwa 450 Credits mit Standard-Stimmen oder 990 mit Enhanced, dazu 15 bis 40 Credits und 1 pro 3.000 Zeichen für das Skript. Mit dem 5-$-Paket sind das bei einem Artikel mit 6.000 Zeichen (Skript für 27 Credits) etwa 0,99 $ oder 2,12 $.

Kann ich eine Replik ändern, wenn die Folge schon vertont ist?

Ja. Nutze „Diese Replik neu vertonen“ bei dieser Replik, um die Stimme, ein Wort oder die Betonung zu ändern. Der Rest der Folge bleibt, wie er ist.