Vergleich

CastDub als Murf-Alternative, wenn das Skript eine Besetzung hat

Das Studio von Murf ist eine Werkbank für Video und Sprecheraufnahmen: Blöcke auf einer Zeitleiste, importierte Bilder, Hintergrundmusik. CastDub ist ein Besetzungstisch für Dialog. Auf dieser Seite geht es darum, welche dieser beiden Formen zu dem passt, was du gerade baust.

Geprüft:

Wir stehen mit Murf im Wettbewerb, prüf also die Links, statt uns zu glauben. Eines vorweg, noch vor der Tabelle: Am 2026-09-21 hat uns die Preisseite von Murf zweimal keinen lesbaren Inhalt geliefert, deshalb stehen auf dieser Seite keine Murf-Preise. Uns ist ein leeres Feld lieber als eine Zahl aus einer fremden Liste.

Lesen konnten wir auf deren eigenen Seiten: ihre Text-to-Speech-Seite und ihr Hilfebereich. Die zeichnen auch ohne Preisliste ein klares Bild des Produkts.

Was wir überprüfen konnten

 CastDubMurfElevenLabs
Mehrere Figuren aus einem eingefügten Skript?Ja, und genau das ist das ganze Produkt: Du fügst ein Skript ein, CastDub trennt die Zeilen, erkennt, wer spricht, und gibt jeder sprechenden Figur einen von 40 Bibliotheks-Charakteren. Bis zu 10 voneinander unterscheidbare Grundstimmen in einem Projekt.Auf den Seiten, die wir öffnen konnten, nicht angegeben; der Hilfebereich beschreibt Blöcke und eine Zeitleiste. (Quelle)„There is no limit to the number of speakers in a dialogue“ (Text to Dialogue, Eleven v3). (Quelle)
Stimmen und Sprachen40 Bibliotheks-Charaktere auf 10 Grundstimmen (4 weiblich, 5 männlich, 1 neutral). Die Charaktere sind Rollenprofile mit Spielanweisungen, nicht 40 einzeln aufgenommene Sprecherinnen und Sprecher. 9: Englisch, Chinesisch, Japanisch, Koreanisch, Spanisch, Portugiesisch, Französisch, Deutsch, Russisch. Jede Grundstimme spricht alle davon. Regionale Akzente lassen sich außerhalb des Englischen nicht wählen, und wir versprechen sie auch nicht.„200+ lifelike voices“; „35 languages and 10+ accents“. (Quelle)„74“ Sprachen, in den Bezahlstufen aufgeführt. (Quelle)
Feinsteuerung einer AufnahmeZeile für Zeile in Pro; in jedem Tarif trägt jede Figur eine Grundemotion. 7 Emotionen, die für die einzelne Zeile wirklich gespielt werden – kein Effekt, der über eine neutrale Aufnahme gelegt wird. Eine Regelung der Tonhöhe gibt es nicht.„Pitch, speed, and pause length, all adjustable per sentence or per word“. (Quelle)Anweisungen in eckigen Klammern wie [sad] mitten im Text. (Quelle)
Kostenloser TarifJa: 4,500 Guthaben einmalig für Downloads (etwa 5 Minuten fertiges englisches Audio), 30 synthetisierte Zeilen pro 24 Stunden, 2 Figuren pro Projekt. Erzeugen und Vorhören kostet in keinem Tarif Guthaben.„Free plan: $0 (no credit card required)“ mit „10 minutes of voice generation“. (Quelle)$0 mit „10k credits per month“ und „3 Projects in Studio“. (Quelle)
Preise der Bezahlstufen$5 im Monat für Basic, sobald die Bezahlung freigeschaltet ist. Während der offenen Beta wird nichts berechnet, und jeder Account läuft mit Pro-Funktionen.Ihre Preisseite hat für uns am 2026-09-21 nicht geladen, wir haben also keine belegten Studio-Preise. Für die Schnittstelle nennt ihr Hilfebereich einen kostenlosen Testumfang von „100,000 characters“ und Abrechnung nach Verbrauch ab „1000 characters at $0.03 (minimum purchase amount is $2)“. (Quelle)Starter $6, Creator $11, Pro $99, Scale $299, Business $990 im Monat (ElevenLabs). (Quelle)
Kommerzielle NutzungIn Basic, Plus und Pro enthalten; Free ist privat und nicht-kommerziell.„We provide full commercial usage rights for audio created with our text-to-speech converter“; auf welche Tarife sich das bezieht, sagt die Seite nicht. (Quelle)Die „Commercial License“ beginnt bei Starter (ElevenLabs). (Quelle)
Eine Audiodatei pro Figur (Stems)?Nur in Pro: ein ZIP mit dem Mix und dazu pro Figur ein MP3 in voller Länge.Nicht angegeben; der Hilfebereich führt Voice Export, Video Export, Script Export und Voice + Music Export. (Quelle)Nicht angegeben; Downloads im Studio sind „MP3 or WAV“. (Quelle)
Untertitel?Plus und Pro: eine SRT-Datei, und ihr Export kostet kein Guthaben.Auf den Seiten, die wir öffnen konnten, nicht angegeben. (Quelle)Automatische Untertitel im Studio; eine SRT-Datei ist nicht angegeben. (Quelle)
Video als ErgebnisKeines. Nur Audio: ein gemischtes MP3, dazu eine SRT in Plus und Pro und MP3s pro Figur in Pro.Video Export steht im Hilfebereich, neben Bild-, Video- und Musik-Import. (Quelle)Auf den Seiten, die wir gelesen haben, nicht angegeben.

Stand 2026-09-21. Die Preisseite von Murf hat unserem Abruf an diesem Tag keinen lesbaren Inhalt geliefert, deshalb stehen hier überhaupt keine Studio-Preise.

„Nicht angegeben“ heißt: Wir haben die verlinkten Seiten geöffnet und den Fakt nicht gefunden; es ist keine Behauptung, dass die Funktion fehlt.

Die CastDub-Spalte wird beim Bauen der Seite aus den Tarifdefinitionen des Produkts eingesetzt.

Wofür ist Murf eigentlich gebaut?

Ihr eigener Hilfebereich legt das Studio offen: „Working with Blocks“, „Timeline: Working with Voice Blocks“, „Image Import“, „Video Import“, „Music Import“, „Syncing Images and Videos with Voice Blocks“, „Adding Music at the Beginning of Your Voiceover“ und Exporte für Stimme, Video, Skript sowie Stimme plus Musik. Das ist eine Produktionswerkbank für vertonte Videos und Unternehmenssprecher – und in dieser Richtung mehr, als wir bieten: Wir haben keine Zeitleiste, keine Bilder, keine Musikspur.

Ihre Text-to-Speech-Seite nennt „200+ lifelike voices“, „35 languages and 10+ accents“ und Regler, bei denen gilt: „Pitch, speed, and pause length, all adjustable per sentence or per word“. Tonhöhe und Pausenlänge bis auf das einzelne Wort zu steuern ist ein wirklich feines Werkzeug für eine Erzählstimme, und das haben wir nicht: Bei uns gibt es Tempo in den Tarifen Plus und Pro und Emotion in Pro, beides auf Zeilenebene, und überhaupt keine Regelung der Tonhöhe.

CastDub ist mit Absicht enger. Ein Projekt ist ein Skript. Du fügst es ein, wir trennen die Sprechenden, jede wird zu einer Figur aus einer Bibliothek von 40 Charakteren, und was zurückkommt, ist Dialog statt einer vertonten Bildstrecke.

Kann das Werkzeug mehrere Figuren aus einem Skript besetzen?

Unseres ist darum herum gebaut, mit einer bekannten Decke: 10 Grundstimmen (4 weiblich, 5 männlich, 1 neutral), keine zwei Figuren in einem Projekt teilen sich eine, solange der Pool des Geschlechts hält, und darüber liegen 40 Rollenprofile mit Alter, Art und – für englische Rollen – Akzentanweisungen.

Für Murf konnten wir es auf deren eigenen Seiten nicht belegen. Das Inhaltsverzeichnis des Hilfebereichs führt Blöcke und eine Zeitleiste auf, was nahelegt, dass sich verschiedene Stimmen von Hand in verschiedene Blöcke setzen lassen; dass ein Projekt ein mehrstimmiges Skript übernimmt und besetzt, stand aber auf nichts, was wir öffnen konnten. Deshalb sagt die Zeile in der Tabelle „auf ihrer Seite nicht angegeben“ – und wenn das deine entscheidende Funktion ist, frag dort nach.

Wo sich die beiden Ansätze unabhängig von dieser Lücke wirklich unterscheiden: Ein Vierpersonenstück aus Blöcken zusammenzusetzen ist Handarbeit pro Zeile, und eine Figur mitten im Projekt umzubesetzen heißt, jeden ihrer Blöcke noch einmal anzufassen. In einem Werkzeug, das besetzt, ist die Figur die Einheit – wer Marisol spricht, ist dann eine einzige Änderung.

Was bekommst du kostenlos, und was kostet es danach?

Die Text-to-Speech-Seite von Murf nennt einen „Free plan: $0 (no credit card required)“ mit „10 minutes of voice generation“ und sagt: „We provide full commercial usage rights for audio created with our text-to-speech converter“ – auf welche Tarife sich das bezieht, steht auf dieser Seite nicht, deshalb hängen wir es an keine Stufe. Für ihre Schnittstelle nennt der Hilfebereich einen kostenlosen Testumfang von „100,000 characters“, Abrechnung nach Verbrauch ab „1000 characters at $0.03 (minimum purchase amount is $2)“ und darüber einen individuellen Tarif.

Unsere kostenlose Stufe gibt 4,500 Guthaben einmalig für Downloads – etwa 5 Minuten fertiges englisches Audio –, abgezogen wird nur beim Herunterladen, dazu 30 synthetisierte Zeilen pro 24 Stunden und 2 Figuren pro Projekt. Kostenlose Nutzung ist privat und nicht-kommerziell; die kommerzielle Lizenz beginnt bei Basic, und das gilt auch während der offenen Beta, in der nichts berechnet wird und jeder Account mit Pro-Funktionen läuft.

Der eigentliche Unterschied ist, wo der Zähler sitzt. Zehn Minuten Erzeugung sind von Versuchen aufgebraucht; unser Guthaben wird erst angefasst, wenn du etwas herunterlädst, das du behalten willst, und bis zur Tagesgrenze kannst du eine Szene so oft hören, wie du magst.

Kommen Stems und Untertitel heraus?

In Pro exportiert CastDub ein ZIP mit dem Mix und pro Figur ein MP3 in voller Länge, deckungsgleich zum Mix – eine Komponistin kann Musik unter eine Szene legen, ohne die ganze Dialogspur wegzudrücken. Plus und Pro exportieren zusätzlich eine SRT, und das kostet kein Guthaben. Die Formatliste ist kurz, und das sagen wir dazu: nur MP3, kein WAV.

Auf der Murf-Seite führt der Export-Abschnitt des Hilfebereichs „Voice Export“, „Video Export“, „Script Export“, „Voice + Music Export“ und einen Download-Manager auf. Stems je Sprecher und Untertiteldateien sind auf den Seiten, die wir öffnen konnten, nicht angegeben, deshalb haben wir diese Felder leer gelassen statt zu raten. Ihr Video-Export ist echt, und dem haben wir nichts entgegenzusetzen.

Geht dein Projekt in einen Videoschnitt, in dem Bilder und ein Musikbett schon liegen, ist ihre Exportliste näher an deinem Bedarf. Geht es in eine DAW und eine Mischung, ist es unsere.

Welche Sprachen, und kann ich meine Stimme klonen?

Die Text-to-Speech-Seite von Murf nennt „35 languages and 10+ accents“ sowie „200+ lifelike voices“, und ihr Hilfebereich hat einen Abschnitt zum Stimmklonen – es gibt dort also Klonen in irgendeiner Form; die Einzelheiten zu nennen ist ihre Sache, nicht unsere.

CastDub hat 9 Sprachen und klont nur deine eigene Stimme, aus einer kurzen Einwilligungserklärung, die du vorliest; ein Klon liest in allen 9, spielt aber keine Emotionen. Jede Grundstimme spricht alle 9, es gibt hier also keine Sprache mit dünner Besetzung; regionale Akzente lassen sich außerhalb des Englischen aber nicht wählen, und wir versprechen sie nicht. Außerdem hat nicht jede Sprache eine muttersprachliche Abnahme hinter sich – deshalb steht auf jeder Sprachseite hier, dass du eigene Zeilen einfügen und zuerst hören sollst.

Damit ist die Klon-Frage eine saubere Entscheidungsregel: Brauchst du die Stimme einer Kundin oder deine eigene Stimme mit gespielter Emotion, kommen wir nicht in Frage. Soll deine eigene Stimme einen Erzähler oder eine Rolle neben einer Besetzung lesen, schon.

Wann du besser Murf nimmst

Wenn am Ende ein vertontes Video steht. Zeitleiste, Bild- und Video-Import, Musik und Video-Export sind eine Art von Arbeit, die wir gar nicht erst versuchen – und unser MP3 in einen getrennten Videoschnitt zu tragen ist strikt mehr Handgriffe, als es an einem Ort zu erledigen.

Wenn du Pausen und Tonhöhe bis aufs Wort steuern musst – ihre Seite sagt das ausdrücklich, und für eine geschliffene Unternehmensaufnahme sind genau diese beiden Regler oft das, was einer sonst guten Aufnahme fehlt.

Wenn du eine Sprache oder einen Akzent aus deren 35 plus 10 brauchst, die es bei unseren 9 nicht gibt, oder wenn du vom Klonen mehr brauchst als deine eigene Stimme, die Zeilen liest. Und wenn deine Arbeit im Kern einstimmig ist: Ein Besetzungswerkzeug für eine einzige Stimme ist Maschinerie, die du trägst und nie benutzt. Nimm uns, wenn auf der Seite vor dir mehrere Leute reden.

Wie diese Seite entstanden ist

Wir bauen ein konkurrierendes Produkt, dieser Seite ist ihr Eigeninteresse also anzusehen. Unsere Verteidigung: Jeder Murf-Fakt oben ist von murf.ai oder help.murf.ai zitiert, am 2026-09-21 gelesen, mit dem Link daneben.

Das Nützlichste auf dieser Seite ist vielleicht eine Leerstelle. Die Preisseite von Murf wollte für unseren Abruf nicht laden, und statt Preise von einer Testseite abzuschreiben, haben wir das Preisfeld leer gelassen und gesagt, warum. Ein Vergleich, der Lücken still mit plausiblen Zahlen füllt, ist schlechter als einer mit Löchern.

Wir haben ihre Stimmen nicht gegen unsere bewertet, weil dieses Urteil nicht unseres ist, um es zu veröffentlichen. Nimm dieselben drei Zeilen deines Skripts, lass sie in beiden laufen und vertrau deinen Ohren mehr als dem Marketing beider Firmen.

Unsere Spalte kommt aus dem Tarif-Code des Produkts und wird beim Bauen der Seite eingesetzt – sie bleibt also ehrlich, ohne dass jemand daran denken muss.

Woher jede Angabe stammt

Alle Zeilen oben, die ein anderes Produkt beschreiben, stammen von diesen Seiten. Sieh selbst nach — Anbieter ändern ihre Tarife, ohne jemandem Bescheid zu sagen, uns eingeschlossen.

  • Murf — Text to speech — „200+ lifelike voices“; „35 languages and 10+ accents“; „Pitch, speed, and pause length, all adjustable per sentence or per word“; „Free plan: $0 (no credit card required)“ mit „10 minutes of voice generation“; „We provide full commercial usage rights for audio created with our text-to-speech converter“.
  • Murf — Help centre, Working with the Studio — Artikelliste zu Blöcken, Zeitleiste, Bild-/Video-/Musik-Import und Exporten (Voice, Video, Script, Voice + Music, Download Manager). Besetzung mehrerer Sprecher, Stems und Untertitel sind nicht angegeben.
  • Murf — Help centre, API plans and limits — Kostenloser Testumfang von „100,000 characters“; Abrechnung nach Verbrauch „1000 characters at $0.03 (minimum purchase amount is $2)“; darüber ein individueller Tarif.
  • Murf — Pricing — Lieferte unserem Abruf am 2026-09-21 keinen lesbaren Inhalt; es wurden keine Studio-Preise davon übernommen.
  • ElevenLabs — Pricing — Tarifpreise und Credits; kommerzielle Lizenz ab Starter; 74 Sprachen (ElevenLabs).
  • ElevenLabs — Text to Dialogue documentation — Keine Obergrenze für Sprecher in einem Dialog; Klammer-Anweisungen steuern die Darbietung.
  • ElevenLabs — Studio product guide — Download als MP3 or WAV je nach Tarif; automatische Untertitel; Stems je Sprecher nicht angegeben.

Häufige Fragen

Warum stehen hier keine Murf-Preise?

Weil wir sie am 2026-09-21 nicht von der Preisseite von Murf lesen konnten – sie lieferte uns zweimal keinen lesbaren Inhalt. Ihr Hilfebereich nennt immerhin Preise für die Schnittstelle: ein kostenloser Testumfang von 100,000 characters und Abrechnung nach Verbrauch ab 1,000 characters at $0.03, mindestens $2. Für die Studio-Preise sieh selbst auf ihrer Preisseite nach.

Hat CastDub eine Zeitleiste mit Bildern und Musik wie Murf?

Nein. Es gibt keine Zeitleiste, keinen Bild- oder Video-Import und keine Musikspur. Du bekommst Dialog: ein gemischtes MP3, eine SRT in Plus und Pro und MP3s pro Figur in Pro, die du in eine DAW oder einen Videoschnitt tragen kannst.

Kann ich Pausen und Tonhöhe pro Wort einstellen?

Nein. Ihre Seite nennt Steuerung von Tonhöhe, Tempo und Pausenlänge je Satz und je Wort; wir haben ein fünfstufiges Tempo in den Tarifen Plus und Pro und Emotion je Zeile in Pro, aber keine Regelung der Tonhöhe. Wenn eine Aufnahme auf Wortebene geformt werden muss, haben sie das Werkzeug dafür und wir nicht.

Wie viele Sprechende passen in ein CastDub-Projekt?

So viele Figuren, wie dein Skript hat – aber es gibt nur 10 verschiedene Grundstimmen. Danach teilen sich Figuren eine Stimme und werden allein durch die Spielanweisung getrennt. Plan eine Ensembleszene um diese Zahl herum.

Ist kommerzielle Nutzung enthalten?

In Basic, Plus und Pro. Free ist privat und nicht-kommerziell, und die offene Beta – alles mit Pro-Funktionen, nichts berechnet – ändert an dieser Bedingung nichts. Die Text-to-Speech-Seite von Murf nennt volle kommerzielle Nutzungsrechte für Audio aus ihrem Konverter, ohne die Tarife zu benennen, für die das gilt.

Was ist besser für ein Erklärvideo in der Firma?

Meistens ihres. Eine Erzählstimme, Bilder auf einer Zeitleiste, ein Musikbett und am Ende eine Videodatei – genau dafür ist ihr Studio gebaut, und jeder Teil unseres Besetzungsablaufs wäre Aufwand, den du nie benutzt.

Besetze heute Abend deine erste Szene

Füge ein Skript ein, lass CastDub jeder Figur eine Stimme geben und exportier ein fertiges Hörspiel.

Kostenlos starten

Keine Kreditkarte. Free gibt dir ein einmaliges Guthaben.