AnleitungText-to-Speech

Text-to-Speech

Text-to-Speech liest ein Dokument von Anfang bis Ende vor und speichert das Ergebnis als eine MP3 in deiner Bibliothek. Es ist keine Zusammenfassung und kein Podcast: keine Moderatoren, keine Diskussion, keine Umformulierung. Du bekommst das Dokument selbst, vertont, damit du es auf dem Arbeitsweg oder nebenbei bei der Arbeit anhören kannst.

So startest du

Es gibt zwei Wege:

  • Von der Startseite: Wähle Text-to-Speech in der Werkzeugleiste über dem Eingabefeld.
  • Von einer Quelle aus: Öffne eine Datei oder ein PDF und wähle Text-to-Speech in den KI-Aktionen unter Anhören. Die Quelle, die du gerade angesehen hast, ist dann schon ausgewählt.

Beide Wege öffnen dasselbe Text-to-Speech-Fenster.

Was vorgelesen wird

Wähle Quellen aus deiner Bibliothek oder lade ein PDF, ein Word-Dokument, eine PowerPoint oder eine Textdatei hoch. Du kannst auch eine PDF- oder Website-URL einfügen oder eine Datei direkt aus Google Drive holen, siehe Verbindungen.

Ein paar Dinge, die du vor der Auswahl wissen solltest:

  • Bis zu fünf Quellen passen in eine Vertonung. Bei mehreren Quellen wird jedes Dokument nach dem ersten mit seinem Titel angekündigt, damit sie nicht mitten im Satz ineinander übergehen.
  • PDFs lassen sich auf einen Seitenbereich eingrenzen. Nutze die Seitenauswahl im Schritt zum Anpassen, um ein Kapitel statt des ganzen Buchs vorlesen zu lassen. Das senkt auch die Kosten.
  • Formatierungszeichen werden entfernt, bevor vorgelesen wird. So liest die Stimme den Fließtext und sagt nicht bei jeder Überschrift „Raute Raute Einleitung“.

Stimme und Tempo

Im Schritt zum Anpassen legst du fest, wie es klingt.

Stimme

Klicke auf die Stimmen-Schaltfläche, um die Liste der Sprecher zu öffnen. Jede Stimme steht dort mit ihrem eigenen Namen und einer Wiedergabetaste, sodass du dir eine kurze Hörprobe anhören kannst, bevor du dich festlegst. Die Liste lässt sich nach Name, Tonfall oder Einsatzzweck durchsuchen („Dokumentation“, „Schulung“, „ruhig“). Lässt du sie auf Automatisch, wählt Scholarly eine Stimme, die zu einem langen Dokument passt. Unter Sprecherstimmen findest du alle Stimmen und erfährst, wie die Sprache bestimmt, welche Stimmen du siehst.

Tempo

Wähle 0,75×, 1×, 1,25× oder 1,5×. Das Tempo wird direkt in die Audiodatei eingerechnet und nicht erst bei der Wiedergabe angewendet. Eine schnellere Vertonung ist also wirklich eine kürzere Datei und läuft genau in dem Tempo, das du gewählt hast.

Sprache

Die Zeile Sprache nutzt deine gemeinsame Spracheinstellung, dieselbe, die auch alle anderen Erstellungsfenster verwenden. Was du auch wählst: Der Stimme wird mitgeteilt, in welcher Sprache sie liest, statt dass sie es aus dem Text ableitet. Deshalb werden über 70 Sprachen und regionale Varianten unterstützt, darunter Tschechisch, Polnisch, Niederländisch, Griechisch, Hebräisch, Thai, Persisch, Urdu, Ukrainisch und die nordischen Sprachen. Prüfe Namen, Zahlen und Abkürzungen in der fertigen Audiodatei, bevor du sie beruflich einsetzt. Siehe Sprachen in Scholarly.

Was es kostet

Vertonungen werden nach Länge berechnet: 1 Credit für KI-Inhalte pro 10.000 Wörter, bis zu 30.000 Wörter pro Vertonung.

Du siehst den genauen Preis, bevor etwas abgebucht wird. Sobald deine Quellen ausgewählt sind, misst das Feld Kosten sie und zeigt dir:

  • die Kosten in Credits für diese Vertonung,
  • ungefähr, wie viele Minuten Audio du bei deinem gewählten Tempo bekommst,
  • die gemessene Wortzahl.

Die Erstellen-Schaltfläche zeigt dieselbe Zahl, also zum Beispiel Vertonung erstellen · 2 Credits für KI-Inhalte, statt dich raten zu lassen. Änderst du den Seitenbereich, wird das Angebot neu berechnet.

Liegt deine Auswahl über dem Limit von 30.000 Wörtern, zeigt dir das Fenster die Wortzahl an und blockiert den Start. Entferne eine Quelle oder grenze den Seitenbereich ein und versuche es erneut. Hast du nicht genug Credits für die angezeigten Kosten, siehst du, wie viele du hast, und bekommst den Weg zum Upgrade angezeigt, siehe Tarife und Limits.

Vorlesen

Überall dort, wo Scholarly dir Text vorliest (eine Vertonung, eine Karteikarte, ein Abschnitt in einem Dokument), beginnt die Wiedergabe fast sofort, behält ihre ursprüngliche Lautstärke, spricht ohne Unterbrechung von einem Audioabschnitt zum nächsten und puffert ungleichmäßige Übertragung, damit es nicht mitten in einer Karte stockt. Das gewählte Tempo wird exakt angewendet.

Während die Vertonung läuft

Die Vertonung läuft im Hintergrund. Lange Dokumente dauern ein paar Minuten, und du musst nicht vor dem Bildschirm warten: Schließ das Fenster, arbeite weiter, und Scholarly öffnet die fertige Audiodatei, sobald sie bereit ist. Den Fortschritt kannst du in der Leiste für Hintergrundaufgaben auf der Startseite verfolgen. Siehe Hintergrundaufgaben und Benachrichtigungen.

Die fertige Audiodatei

Die MP3 landet in deiner Bibliothek. Dort kannst du sie abspielen. Zum Herunterladen der MP3 brauchst du einen kostenpflichtigen Tarif. Sie öffnet sich auf einer eigenen Audioseite, auf der unter dem Titel Dauer, Dateigröße und Datum stehen. Klicke auf den Titel, um ihn umzubenennen.

Unter dem Player gibt es zwei Tabs:

  • Transkript: der vollständige Vertonungstext mit einer Kopieren-Schaltfläche. Klicke auf eine beliebige Zeile, um im Player zu dieser Stelle zu springen.
  • KI & Quellen: woraus diese Vertonung erstellt wurde und was sonst noch aus derselben Quelle erstellt wurde.

Audioseiten haben keine eigenen Erstellungsaktionen, denn eine Vertonung ist ein Ergebnis, keine Quelle. Wenn du Karteikarten, eine Zusammenfassung oder etwas anderes erstellen möchtest, geh zurück zum Originaldokument und erstelle es von dort aus. Aus demselben Grund erscheint eine fertige Vertonung auch nicht in der Quellenauswahl der anderen Erstellungswerkzeuge.

Tipps und Grenzen

  • Vorgelesen werden Dokumente, keine eingetippten Prompts. Es gibt keinen Start mit leerer Seite, du wählst immer eine Quelle.
  • Unterstützte Uploads sind PDFs, Word-Dokumente, PowerPoints und Textdateien. Andere Formate werden in der Auswahl abgelehnt.
  • Eine fertige Vertonung ist ein Ergebnis, keine Quelle. Sie wird bewusst nicht in der Auswahl für Inhalte hinzufügen, Karteikarten, Quiz, Podcast, Videolektion, Recherche oder Dokumente angeboten und auch nicht im Chat. Hänge stattdessen das Originaldokument an. Eine Audiodatei wieder als Text einzulesen, erzeugt selbstbewussten Unsinn. Deshalb bleibt die Datei aus diesen Auswahllisten heraus, statt dort für Enttäuschung zu sorgen.
  • Dasselbe Dokument erneut mit einer anderen Stimme, einem anderen Tempo, Seitenbereich oder Titel zu vertonen, ergibt eine neue Vertonung, die auch als solche gezählt und berechnet wird. Ein erneuter Versuch derselben Vertonung zählt weiterhin nur einmal.
  • Ein langes Buch vertonst du meist besser Kapitel für Kapitel: günstiger, schneller und später leichter zu navigieren.
  • Schlägt eine Vertonung fehl, werden die dafür reservierten Credits erstattet.
  • Inhalte hochladen: So bringst du deine Dokumente in Scholarly.
  • KI-Podcasts: eine Diskussion mit mehreren Sprechern über deine Quellen statt eines reinen Vorlesens.
  • Sprecherstimmen: alle Stimmen mit Hörproben und wie die Sprache die Auswahl bestimmt.
  • Dateien in der Bibliothek: wie Dateien und erstellte Ergebnisse gespeichert und organisiert werden.
  • Tarife und Limits: was Credits für KI-Inhalte in jedem Tarif abdecken.
War das hilfreich?