Häufig gestellte Fragen

Käufer: Öffne eine Stimme im Schaufenster eines Sprechers oder auf dem Marktplatz, klicke auf Sprache generieren, tippe dein Skript ein (mindestens 30 Zeichen) und generiere. Berechnet wird pro Sekunde erzeugtes Audio, und vor dem Kauf kannst du eine kurze kostenlose Vorschau anhören.

Sprecher: Um deine Stimme zu erstellen, lädst du Referenzaufnahmen deiner eigenen Stimme hoch — die KI klont daraus, deshalb zählt ihre Qualität weit mehr als ihre Menge. Eine einzige starke Hörprobe reicht, um eine Stimme zu veröffentlichen; mit einer Hörprobe pro Emotion (jeweils klar beschriftet) schaltest du aber Regieanweisungen und eine deutlich größere Ausdrucksbreite frei. Erstelle für jede Sprache und jeden Akzent, den du sprichst, eine eigene Stimme. Ausführliche Hinweise findest du unten unter „Wie nehme ich meine Hörproben für die besten Ergebnisse auf?“.

Deine Hörproben sind die Referenz, aus der die KI klont. Ihre Qualität prägt also alles, was aus deiner Stimme generiert wird. Ein wenig Sorgfalt macht hier einen großen Unterschied.

Eine Stimme pro Sprache und Akzent

• Eine Stimme trägt eine Sprache und einen Akzent. Wenn du mehrere sprichst — Spanisch (Kolumbien) und Spanisch (Mexiko) oder ein New Yorker und ein Südstaaten-Englisch —, erstelle für jeden eine eigene Stimme. Käufer suchen nach Akzent, so wird jeder für sich gefunden, und die KI klont jeden ausschließlich aus Hörproben in diesem Akzent.
• Hörproben gehören zu einer Stimme und tragen deren Sprache und Akzent. Was eine Hörprobe hinzufügt, ist Emotion — die Regieanweisungen, die Käufer mitten im Skript verwenden. Akzente innerhalb einer Stimme zu mischen, würde einem Tag wie [happy] zwei mögliche Antworten geben.
• Eine starke Hörprobe reicht, um eine Stimme zu veröffentlichen. Um Käufern emotionale Bandbreite zu bieten, füge eine Hörprobe pro Emotion hinzu (siehe unten).
• Ziel sind etwa 10–30 Sekunden saubere, durchgehende Sprache pro Hörprobe. Nur rund acht Sekunden werden zum Klonen der Stimme verwendet — bei einer längeren Hörprobe ihr längster durchgehender Abschnitt —, zusätzliche Länge bringt also wenig. Hörproben über 2 Minuten werden beim Hochladen abgelehnt.
• Spiele, lies nicht ab. Die Stimme kopiert die Sprechweise deiner Hörprobe. Ein vorsichtiges, flaches Vorlesen ergibt flache Generierungen — nimm sie also so auf, wie ein Kunde dich hören soll.

Eine Emotion pro Hörprobe

• Halte jede Hörprobe von Anfang bis Ende in einer einzigen, gleichbleibenden Emotion und Stilrichtung. Kombiniere nicht etwa eine muntere und eine düstere Zeile in einer Aufnahme — das Modell erfasst die Gesamtsprechweise der Hörprobe, Stilmischungen verwässern also das Ergebnis.
• Halte Ton, Tempo, Energie und Lautstärke innerhalb jeder Hörprobe konstant.
• Beschrifte jede Hörprobe mit ihrer Emotion (Happy, Calm, Confident, Excited …). Diese Labels werden zu den Regieanweisungen, mit denen Käufer mitten im Skript die Emotion wechseln.

Audioqualität

• Nimm in einer ruhigen Umgebung auf — ohne Hintergrundgeräusche, Brummen, Echo oder Hall.
• Keine Hintergrundmusik, keine Soundeffekte, keine anderen Stimmen.
• Nutze nach Möglichkeit ein gutes Mikrofon (statt des Handy- oder Laptop-Mikrofons) und vermeide stark komprimiertes Audio oder niedrige Bitraten.
• Halte eine gleichmäßige, natürliche Lautstärke ohne Übersteuerung oder Verzerrung.
• Exportiere in Mono oder stelle sicher, dass beide Stereokanäle Ton führen. Eine Datei, die von einem einzelnen Mikrofon auf nur eine Seite einer Stereospur aufgenommen wurde, ist nur auf einem Ohr zu hören und gibt der KI eine halbe Referenz — solche Uploads werden abgelehnt.
• Lade die höchste Qualität hoch, die du hast — eine unkomprimierte WAV-Datei ist ideal.

Vor dem Hochladen säubern

• Schneide Stille und Leerlauf am Anfang und Ende weg.
• Entferne schwere Atemgeräusche, Mundklicks und Schmatzer — aber nicht jeden Atemzug. Testhörer nennen das völlige Fehlen von Atmung durchweg als das, was eine KI-Stimme verrät. Leichte, natürliche Atemzüge sind also ein Plus, kein Makel.
• Schneide Versprecher und Fehlstarts heraus.

Keine Füllwörter oder Fülllaute

Ein improvisierter, gesprächiger Vortrag klingt oft natürlicher und lebendiger als ein abgelesener — dieser Instinkt ist gut, und wir wollen ihn nicht plattmachen. Doch beim Improvisieren entstehen auch „ähm“, „äh“, „also …“ und „weißt du“, und in einer Referenz-Hörprobe kosten diese etwas, was es in gewöhnlicher Sprecherarbeit nicht gibt: ein Fülllaut in deiner Hörprobe bleibt nicht in deiner Hörprobe.

• Die KI kann nicht wissen, dass ein Fülllaut kein Wort ist, das du sagen wolltest. Sie behandelt alles in der Hörprobe als Teil deiner Sprechweise und kann diesen Laut deshalb im generierten Audio reproduzieren — am Anfang eines Vortrags und nach jeder Pause erneut.
• Die Hörprobe eines Sprechers hatte in den ersten Sekunden ein leises „ähm“. Jede Generierung aus dieser Stimme begann mit einem.
• Dasselbe gilt für Räuspern, hörbares Schlucken und alles, was du aus einem fertigen Take herausschneiden würdest.

Zwei Wege, die Natürlichkeit ohne diesen Preis zu behalten: Schreib die Worte auf und spiele sie, statt sie flach abzulesen, oder improvisiere wie gewohnt und schneide die Fülllaute vor dem Hochladen heraus. Beides funktioniert — entscheidend ist, dass in der hochgeladenen Datei keiner mehr übrig ist.

Was du sagen solltest

• Sprich natürlich und deutlich artikuliert in vollständigen Sätzen.
• Wähle Inhalte, die den Stil zeigen, den du anbietest; vermeide Zungenbrecher oder zahlenlastige Texte.
• Achte darauf, dass Sprache und Akzent, die du sprichst, genau zu der Stimme passen, zu der diese Hörprobe gehört.

Wenn deine Stimme mehrere beschriftete Hörproben hat, kannst du mitten im Skript die Emotion wechseln, indem du den Tag vor eine Passage setzt:

[happy] Willkommen zurück! [calm] Atmen wir einmal tief durch.

Weitere Skript-Steuerungen, die du einbauen kannst:

• [pause 2] — fügt eine exakte Pause von 2 Sekunden ein. Jede Länge von [pause 0.5] bis [pause 30] funktioniert (Dezimalwerte sind erlaubt); Werte über 30 Sekunden werden ignoriert. [pausa 3] funktioniert ebenfalls.
• [emphasize] — erhöht die Lautstärke der nächsten Passage (ideal für Slogans)
• {Marke|phonetisch} — steuert die Aussprache, z. B. {Nike|Naiki}
• Zeichensetzung formt das Timing subtiler: Kommas und Auslassungspunkte (…) erzeugen kurze natürliche Pausen. Ein Zeilenumbruch tut mehr, als zu pausieren — er verändert, wie das Modell die ganze Passage im Tempo und in der Betonung gestaltet. Einen Absatz in eine eigene Zeile zu setzen, kann die Sprechweise also spürbar verändern. Für eine exakte, vorhersehbare Pause nutze [pause N].

Der größte Unterschied zwischen einer guten und einer großartigen Generierung liegt im Skript selbst. Diese Hinweise stammen direkt aus den Erfahrungen unserer Tester:

• Nutze [pause N] für Timing, auf das du dich verlassen kannst. Zeichensetzung beeinflusst den Rhythmus, aber nur ein Pausen-Tag liefert eine exakte, wiederholbare Lücke.
• Zeilenumbrüche sind ein echtes kreatives Werkzeug. Einen Absatz in eine eigene Zeile zu setzen, fügt nicht nur eine Lücke ein — es verändert, wie die Stimme diese Passage im Tempo und in der Betonung gestaltet. Klingt ein Vortrag flach, probiere eine andere Umbruchstruktur, bevor du die Worte änderst.
• Gib jedem getaggten Abschnitt einen vollständigen Satz. Jeder Abschnitt wird separat generiert und braucht mindestens 30 Zeichen; kurze Fragmente klingen abgehackt und werden abgelehnt.
• Wechsle die Emotion nicht zu oft. Jede Regieanweisung wird aus einer anderen Aufnahme generiert; ein Emotionswechsel in jeder Zeile wirkt also unruhig. Gliedere dein Skript stattdessen in wenige emotionale Blöcke.
• Teile lange Skripte auf. Jeder Tag verlängert die Generierung; sehr lange, stark getaggte Skripte können das Zeitlimit sprengen. Zwei kürzere Generierungen sind schneller und klingen meist besser als eine ausufernde.
• Schreib Zahlen, Daten und Abkürzungen so, wie sie gesprochen werden sollen („zweitausendsechsundzwanzig“, „A-P-I“), und nutze {Marke|phonetisch} für Namen, die die Stimme falsch ausspricht.
• Generiere nach kleinen Änderungen neu. Weil das Modell das ganze Skript als Kontext liest, kann eine kleine Änderung an Wortwahl oder Abständen die Performance deutlich verschieben — ein zweiter Versuch lohnt sich oft.

Worder unterstützt derzeit 10 Sprachen — Englisch, Spanisch, Französisch, Deutsch, Italienisch, Portugiesisch, Japanisch, Koreanisch, Chinesisch und Russisch —, jeweils mit regionalen und Akzentvarianten (zum Beispiel Englisch oder Spanisch aus verschiedenen Ländern). Ist die gewünschte Sprache oder der gewünschte Akzent noch nicht dabei, schreib an admin@worder.com, und wir halten dich auf dem Laufenden, wenn unsere Sprachunterstützung wächst.

• Einladungscode: Du brauchst keinen, um dich zu registrieren. Wenn du einen eingibst und er abgelehnt wird, prüfe ihn auf Tippfehler oder leere das Feld und registriere dich ohne Code.
• Bestätigungscodes kommen nicht an: Wir senden bei der Registrierung und, falls aktiviert, bei der Zwei-Faktor-Anmeldung einen Code per E-Mail. Kommt er nicht innerhalb einer Minute an, sieh im Spam- oder Werbeordner nach und prüfe, ob du die richtige E-Mail-Adresse eingegeben hast — dann fordere einen neuen Code an.
• „0 Übereinstimmungen“ bei deinem Verifizierungsvideo: Das heißt, die Wörter, die wir aus deiner Aufnahme transkribiert haben, stimmten nicht mit dem Satz auf dem Bildschirm überein — meist wegen Hintergrundgeräuschen, zu schnellem Sprechen oder weil der Satz nicht exakt gelesen wurde. Nimm in einem ruhigen Raum auf, lies den Satz genau wie angezeigt und versuche es noch einmal.
• Kommst du immer noch nicht weiter? Schreib an admin@worder.com mit deiner E-Mail-Adresse und dem, was du versucht hast, und wir helfen dir direkt.

Keine Rechnungen nötig — alles läuft automatisch. Käufer zahlen pro Generierung, und als Sprecher behältst du 90 % jedes Verkaufs nach Kreditkarten- und KI-Generierungsgebühren. Dein Guthaben wird automatisch über Stripe am 1. jedes Monats ausgezahlt, sobald es 10 $ erreicht hat, und du kannst deine Einnahmen und Auszahlungen in deinem Dashboard verfolgen.

Worder bezahlt Sprecher über Stripe Connect. Das musst du einmal erledigen, vor deiner ersten Auszahlung — wir können kein Geld an ein Konto senden, das nicht eingerichtet ist.

1. Geh auf deine Seite Einnahmen und klicke auf Stripe verbinden, um bezahlt zu werden.
2. Wähle das Land, in dem dein Bankkonto geführt wird. Sei hier sorgfältig — Stripe legt das Land bei der Kontoerstellung fest, und es kann danach nicht mehr geändert werden. Es bestimmt auch, welche Bankangaben abgefragt werden: eine Routing-Nummer in den USA, eine IBAN in weiten Teilen Europas, ein Sort Code im Vereinigten Königreich.
3. Stripe fragt nach deinem vollständigen Namen, Geburtsdatum, deiner Adresse und deinen Bankdaten. Unternehmen werden möglicherweise auch nach einer Steuernummer gefragt.
4. Je nach Land und Einnahmen fragt Stripe eventuell nach einem Lichtbildausweis oder einem Adressnachweis. Das ist eine von Finanzvorschriften geforderte Identitätsprüfung — Worder sieht diese Dokumente nie.
5. Wenn du fertig bist, kommst du zurück zu Worder. Deine Seite „Einnahmen“ zeigt dann, meist innerhalb weniger Minuten, dass Auszahlungen aktiviert sind.

Du musst nicht alles in einem Durchgang erledigen. Wenn du mittendrin aufhörst, setzt derselbe Button auf deiner Seite „Einnahmen“ dort an, wo du aufgehört hast.

• Dein Anteil an jedem Verkauf (90 % nach Kreditkarten- und KI-Generierungsgebühren) wird deinem ausstehenden Guthaben gutgeschrieben, sobald ein Käufer Audio generiert.
• Auszahlungen laufen einmal im Monat, am 1., und nur für Guthaben von 10 $ oder mehr. Darunter wird dein Guthaben einfach in den Folgemonat übertragen.
• Sobald eine Auszahlung gesendet ist, überweist Stripe sie auf dein Bankkonto. Wie lange das dauert, hängt von deinem Land und deiner Bank ab — bei einer ersten Auszahlung typischerweise zwei bis sieben Werktage, danach schneller.
• Jede Auszahlung, auch noch unterwegs befindliche, siehst du in deinem Stripe-Express-Dashboard — erreichbar über deine Seite „Einnahmen“.

Du legst deinen eigenen Preis fest, pro Sekunde generiertes Audio, und nach Kreditkarten- und KI-Generierungsgebühren behältst du 90 % jedes Verkaufs. Niemand bei Worder bestimmt deinen Preis. Die meisten Sprecher kalkulieren aber zum ersten Mal für KI-Generierung, deshalb hier ein Blick auf den Markt.

Was KI-Sprachgenerierung heute kostet

Generische KI-Text-zu-Sprache — ohne Mensch, ohne Einwilligung, ohne dass jemand bezahlt wird — kostet Käufer grob 0,10 bis 0,50 $ pro fertiger Minute. Das ist der Referenzpunkt, den jeder Käufer im Kopf hat, wenn er kommt.

Worder ist teurer als das, und das soll es auch sein. Deine Stimme gehört einem echten Menschen, der der Arbeit zugestimmt hat und dafür bezahlt wird, und das ist es wert. Aber der Abstand muss vertretbar bleiben: Ein Käufer, der dich mit einer synthetischen Stimme vergleicht, zahlt für eine echte einen Aufpreis, nicht ein Vielfaches.

Eine praktikable Spanne: 3 bis 10 Cent pro Sekunde — etwa 1,80 bis 6,00 $ pro fertiger Minute. Bei 5 Cent pro Sekunde kostet eine Minute fertiges Audio den Käufer 3,00 $, und du verdienst davon 2,70 $.

Was man leicht übersieht

Käufer zahlen für jeden Take. Ein Skript sitzt selten beim ersten Mal, und fünfzehn Versuche an einem dreißigsekündigen Vortrag sind siebeneinhalb Minuten berechnetes Audio, nicht dreißig Sekunden. Dein Preis gilt für alles, was sie generieren, nicht nur für die Fassung, die sie behalten — ein hoher Preis kostet dich also Buchungen, die du nie siehst, weil der Käufer stillschweigend jemand anderen wählt.

Die Ränder

• Unter etwa 2 Cent pro Sekunde konkurrierst du preislich mit generischer KI — ein Rennen ohne Gewinner, und es verschenkt das Einzige, was diese Tools nicht bieten können.
• Über etwa 15 Cent pro Sekunde wollen Käufer einen Grund, den sie auf deiner Karte sehen können: eine seltene Sprache oder einen seltenen Akzent, eine markante Figur, einen Namen, den sie schon kennen.

Marktzahlen geprüft im August 2026; Preise für KI-Stimmen ändern sich schnell.

Auszahlungen laufen über Stripe Connect, das Sprecher in vielen Ländern unterstützt — welche Bankangaben Stripe genau abfragt, hängt aber davon ab, wo dein Konto geführt wird (eine Routing-Nummer in den USA, eine IBAN in weiten Teilen Europas, ein Sort Code im Vereinigten Königreich und so weiter). Ein paar Tipps:

• Wähle zu Beginn der Einrichtung das Land, in dem dein Bankkonto tatsächlich geführt wird — davon hängt ab, welche Felder du siehst.
• Gib deine Daten im Format deines Landes ein. Wenn ein Feld wie „Routing-Nummer“ für dich nicht zutrifft, zeigt Stripe bei richtig gewähltem Land stattdessen das passende Äquivalent an.
• Du kannst jederzeit über deine Seite Einnahmen zur Einrichtung zurückkehren, falls du sie nicht abgeschlossen hast.
• Einige wenige Länder werden von Stripe für Auszahlungen noch nicht unterstützt. Die aktuelle Liste findest du unter stripe.com/global. Kannst du die Einrichtung nicht abschließen, schreib an admin@worder.com mit deinem Land, und wir beraten dich zu den Möglichkeiten.

Wenn du das falsche Land gewählt hast

Stripe legt das Land eines Kontos bei der Erstellung fest, es kann danach also nicht bearbeitet werden — das Konto muss ersetzt werden. Fragt deins nach Bankdaten aus dem falschen Land (etwa eine US-Routing-Nummer, obwohl dein Konto in Spanien ist), geh auf deine Seite Einnahmen, nutze „Falsches Land oder falsche Bankdaten abgefragt? Von vorn beginnen“, wähle das richtige Land und verbinde dich erneut. Dadurch wird die alte Einrichtung gelöscht und eine neue angelegt. Einnahmen, die bereits in deinem Worder-Guthaben liegen, bleiben unberührt.

Das ist eine Sache zwischen dir und Stripe, nicht etwas, das Worder steuert — wir sehen, ob dein Konto für Auszahlungen bereit ist, aber nicht, was Stripe von dir verlangt.

• Ausstehend bedeutet meist, dass Stripe deine Angaben noch prüft. Die meisten Prüfungen sind innerhalb von ein bis zwei Tagen abgeschlossen.
• Eingeschränkt oder Informationen erforderlich bedeutet, dass etwas fehlt — oft ein Ausweisdokument, ein Adressnachweis oder ein Bankkonto, das nicht verifiziert werden konnte. Stripe listet genau auf, was es braucht.
• Öffne dein Stripe-Express-Dashboard über deine Seite Einnahmen, um die offenen Punkte zu sehen und Fehlendes hochzuladen. Du erreichst es auch direkt unter connect.stripe.com/express_login.
• Für alles Stripe-Spezifische — ein abgelehntes Dokument, eine Verifizierung, die nicht durchgeht, eine Frage zu den Anforderungen — ist der Stripe-Support der schnellste Weg: support.stripe.com.

Deine Einnahmen laufen auf Worder weiter auf, während das geklärt wird. Nichts geht verloren — Auszahlungen warten einfach, bis Stripe sie freischaltet, und werden dann wie gewohnt gesendet.

Du hast immer die Kontrolle. Du kannst deine Stimmen und Hörproben jederzeit bearbeiten oder entfernen und in deinen Kontoeinstellungen Nutzungseinschränkungen festlegen — Inhaltskategorien, für die deine Stimme nicht verwendet werden darf.

Wenn du dein Konto löschst, werden deine Stimmmodelle und Hörproben dauerhaft entfernt und können nie wieder zum Generieren neuen Audios verwendet werden. Audio, das ein Käufer vor der Löschung bereits generiert und heruntergeladen hat, bleibt seins unter der erworbenen Lizenz — bereits ausgelieferte Dateien können wir nicht zurückrufen —, aber aus deiner Stimme kann nie wieder etwas Neues entstehen. Um die Löschung deines Kontos zu beantragen, schreib an admin@worder.com.

• Kein KI-Training mit deiner Stimme: Worder verwendet deine Hörproben nicht, um KI-Modelle zu trainieren, feinabzustimmen oder zu verbessern, und Käufern ist es vertraglich untersagt, mit dem generierten Audio zu trainieren.
• Automatische Prüfung: Jede Generierungsanfrage wird geprüft, bevor Audio entsteht. Inhalte in den von dir eingeschränkten Kategorien, Identitätsmissbrauch realer Personen und Inhalte, die sich gegen reale Personen richten oder ihnen schaden, werden automatisch blockiert.
• Verifizierte, namentlich genannte Stimmen: Jede Stimme ist an eine verifizierte, reale Person gebunden. Das ist der Kern von Worder als fairem Marktplatz — Käufer wissen genau, wessen Stimme sie lizenzieren, und Sprecher werden korrekt genannt und bezahlt. Stimmen sind nicht anonym.

Verwende saubere, ausdrucksstarke Referenz-Hörproben aus einem ruhigen Raum und nutze die Skript-Werkzeuge — Regieanweisungen ([happy], [calm]), Pausen ([pause 2]), Betonung ([emphasize]) und Aussprache-Überschreibungen ({Marke|phonetisch}) —, um die Sprechweise zu formen. Natürliche Satzlängen und klare Zeichensetzung helfen dem Modell ebenfalls, natürlicher klingende Sprache zu erzeugen.

Worder ist in der offenen Beta: Jeder kann sich registrieren, Sprecher können ihre Stimmen anbieten, und Käufer können schon heute auf dem Marktplatz stöbern und Audio generieren. Eine Video-Anleitung ist in Arbeit — wir teilen sie, sobald sie fertig ist. Wenn du in der Zwischenzeit Hilfe bei der Einrichtung brauchst, schreib an admin@worder.com.