Deutsche Stimmen,
Made in Germany.
SONA ist jetzt in BotTalk.

Wenn Sie in BotTalk ein Projekt anlegen, wählen Sie zuerst eine Sprache und dann eine Stimme. Ist Ihre Sprache Deutsch, steht in dieser zweiten Liste jetzt ein neuer Name.

Wir möchten Ihnen erzählen, wer sie gebaut hat, was Sie einstellen können und was wir Ihnen noch nicht sagen können.

Warum deutsches Text-to-Speech unsere Hauptaufgabe ist

Das meiste, was BotTalk vorliest, ist deutsch. Zwischen September 2025 und August 2026 waren etwa 75 % des Audios, das wir produziert haben, deutsch.^[5]

Die großen Stimmmodelle sind für viele Sprachen gebaut, und bei deutschen Nachrichtentexten rutschen sie immer noch auf eine Weise aus, die Ihre Hörer sofort hören. In einen deutschen Namen schleicht sich ein englischer Laut. Aus einer Jahreszahl wird eine andere Jahreszahl. Hin und wieder fängt eine Stimme mitten im Satz an zu singen.

Unsere Kontrollschicht ist dafür da, diese Fehler abzufangen, bevor Ihre Hörer sie hören, und sie arbeitet über jeder Engine, die wir anbinden. Sie enthält 21.900 Ausspracheregeln in 15.900 Wörterbüchern, sie schreibt Zahlen und Abkürzungen so um, wie man sie spricht, bevor der Text eine Engine erreicht, und sie prüft auf die Momente, in denen ein Modell etwas erfindet.

Diese Schicht hat weniger zu tun, wenn die Engine darunter schon gutes Deutsch spricht. Für unsere Ohren tut SONA das, und deshalb ist es in BotTalk. Es steht neben ElevenLabs, Gemini, OpenAI, Azure und Amazon Polly unter derselben Schicht. Sie wählen die Stimme für jedes Projekt und können sie wechseln, wann immer Sie möchten.

Wer SONA gebaut hat

SONA wird von der SONALAB GmbH in Potsdam entwickelt.^[2] Das Unternehmen gehört zum MediaTech Hub Potsdam, der in Babelsberg direkt neben den Filmstudios sitzt.^[1] Die beiden Gründer nähern sich demselben Problem von zwei Seiten. Alexander Wolf kommt aus Ton und Sounddesign, mit Bavaria Film und ZDF unter seinen Stationen. Sören Hübner, der CTO, bringt die Software und das maschinelle Lernen mit.^[1][6]

Das Unternehmen ist aus einer Forschungskooperation mit dem Fraunhofer-Institut für Integrierte Schaltungen IIS hervorgegangen und bezeichnet sich selbst als Fraunhofer-Spin-off.^[1] Wenn Ihnen der Name des Instituts nichts sagt, sein bekanntestes Werk tut es bestimmt. Das mp3-Format kommt von dort. 1987 ging das Institut dafür eine Forschungsallianz mit der Universität Erlangen-Nürnberg ein, und 1995 stimmten die Forschenden selbst über die Dateiendung ab.^[3] Wenn wir von deutscher Ingenieurskunst sprechen, meinen wir diese Tradition.

SONA wurde für Synchron- und Postproduktionsstudios gebaut, und sein Plugin läuft in Pro Tools, Nuendo und Premiere.^[2] Im Studio muss eine generierte Zeile in einer Filmmischung neben Zeilen bestehen, die Schauspieler eingesprochen haben, und die Menschen, die darüber urteilen, hören beruflich zu. Dieses Publikum ist schwer zu überzeugen.

Uns gefällt auch, wie die Gründer über ihre Arbeit sprechen. In einem Interview im Juli sagten sie: „Wir versprechen nicht, dass Maschinen besser klingen als Menschen. Wir zeigen lieber konkret, was funktioniert, und überlassen das Urteil den Studios.“^[1] So wollen wir auch mit Redaktionen arbeiten.

Was Sie einstellen können

In den Einstellungen eines Projekts wählen Sie unter „Audio“ Deutsch als Sprache und dann in der Liste daneben die SONA-Stimme. In unserem Screenshot ist das Elin, gelistet als de-DE-Elin-SONA. Unter der Liste sehen Sie einen Stern und die Zeile „Premium voices are the highest quality on BotTalk“. Der Stern markiert unsere Premium-Stimmen, und SONA ist eine davon. Mit „Preview“ hören Sie die Stimme probe.

Zwei Regler unter der Stimme gehören zu SONA. Das Sprechtempo reicht von 0,8 bis 1,2, und die Tonhöhe bleibt dabei erhalten, sodass ein schnellerer Vortrag nicht zu einer höheren Stimme wird. Die Stabilität reicht von 0 bis 1. Bei 0 variiert der Vortrag am stärksten, bei 1 ist er am gleichmäßigsten.

Auf derselben Karte sitzt noch ein Schalter, und wir möchten, dass Sie von ihm wissen. Er heißt „Fallback TTS provider“. BotTalk nutzt ihn, wenn ein Anbieter einen Text ablehnt und wenn drei Wiederholungsversuche hintereinander scheitern, damit Sie bei einem Ausfall eines Anbieters nicht mehr den Artikel verlieren.

Eine Stimme aus Deutschland, für Leser in Deutschland

Elin ist als de-DE gelistet, also Deutsch, wie es in Deutschland gesprochen wird. Das ist wichtiger, als es klingt, denn Hörer hören, woher eine Stimme kommt. Als heute.at in Wien nach seiner Stimme suchte, scheiterte eine frühere Evaluierung von AWS Polly allein am Akzent. Der CTO, Alexander Ottitzky, gab uns den Satz, den wir bis heute zitieren.

Wir nehmen diesen Satz in beide Richtungen ernst. Für Leser in Deutschland ist eine in Deutschland gebaute Stimme der richtige Ausgangspunkt. Für Leser in Wien oder Zürich wäre Elin die Stimme aus Paderborn, und wir würden gemeinsam mit Ihnen eine andere wählen. Sie legen die Stimme für jedes Projekt fest, ein Verlag kann also beides betreiben.

Made in Germany, in der Praxis

Made in Germany lässt sich leicht auf eine Verpackung drucken, deshalb sagen wir Ihnen, was in diesem Fall dahintersteht. SONALAB ist ein deutsches Unternehmen mit Sitz in Potsdam. Es gibt an, dass seine Plattform auf EU-Infrastruktur gebaut, gehostet und verarbeitet wird, dass seine Server in Deutschland laufen und dass Uploads, Verarbeitung und Renderings diese Infrastruktur nie verlassen.^[2] Auch BotTalk läuft auf Infrastruktur in Deutschland.

Dann gibt es eine Frage, die früher oder später jeder Redaktion gestellt werden wird: Können Sie zeigen, woher dieses Audio stammt? SONALABs Antwort auf der eigenen Plattform ist ein Werkzeug namens SONA Verify. Sie legen eine Datei hinein und sehen, ob sie von SONA stammt, welche Stimmen verwendet wurden und wem sie gehört. Das Unternehmen sagt, es baue das Werkzeug so, dass es Schnitte und das Umkodieren in Formate wie mp3 übersteht. Wenn eine Sprecherin oder ein Sprecher dazukommt, wird die Einwilligung im selben Schritt erfasst wie die Stimme.^[2] In den Worten der Gründer sind Einwilligung und Nachvollziehbarkeit von Anfang an eingebaut und nicht nachträglich angeschraubt.^[1]

Das Recht bewegt sich in dieselbe Richtung. Artikel 50 der EU-KI-Verordnung verlangt von Anbietern von Systemen, die synthetisches Audio erzeugen, ihre Ausgabe maschinenlesbar zu kennzeichnen.^[4]

Was wir Ihnen noch nicht sagen können

Wir wollen Ihnen bei den Grenzen offen sagen, wo wir stehen. Für die Engines, die wir seit Jahren betreiben, können wir Ihnen eine Fehlerrate mit ihrem Nenner zeigen. Für SONA können wir das noch nicht, weil es neu in BotTalk ist. Wir werden Ihnen auch nicht sagen, dass es die beste deutsche Stimme auf dem Markt ist, denn wir haben keine Messung, die das belegt. Wir können Ihnen zeigen, wer es gebaut hat, wo es läuft und was Sie einstellen können. Den Rest beurteilen Sie mit Ihren eigenen Ohren, und genau darum bitten die Gründer von SONA auch ihre Studios.

Hören Sie es an Ihren eigenen Artikeln

Am schnellsten beurteilen Sie eine Stimme, wenn sie etwas vorliest, das Sie veröffentlicht haben. Schreiben Sie Andrey an [email protected] und schicken Sie drei Artikel mit den Namen und Zahlen, die Ihre aktuelle Stimme falsch ausspricht. Wir spielen sie Ihnen in der Stimme von SONA und in der Stimme vor, die Sie heute nutzen, und Sie entscheiden nach Gehör.