Vergleich
CastDub als Typecast-Alternative für geschriebene Dialoge
Zwei Werkzeuge, die um Figuren herum gebaut sind statt um eine Stimmenauswahl, zu fast demselben Preis. Auf dieser Seite geht es um die Teile, die sich wirklich unterscheiden: was mit einem ganzen eingefügten Skript passiert, was am Ende herauskommt und wer die Funktion hat, die dem anderen fehlt.
Geprüft:
Wir stehen mit Typecast im Wettbewerb, lies das also entsprechend und folge den Links. Alles, was ihnen hier zugeschrieben wird, stammt am 2026-09-21 von deren eigener Preis- und Startseite.
Fangen wir mit dem unangenehmen Teil an. Ihre Bezahlstufen sind $5, $19, $29 und $69 im Monat; unsere sind $5, $19 und $29. Auf beiden Seiten wird Guthaben erst beim Herunterladen verbraucht, und das Erzeugen zählt nicht auf dieselbe Weise mit. Das ist kein Zufall in einem Markt, in dem alle die Preisseiten aller lesen – und wir zeigen lieber selbst darauf, als zu hoffen, dass es dir entgeht.
Was wir überprüfen konnten
| CastDub | Typecast | ElevenLabs | |
|---|---|---|---|
| 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 gelesenen Preis- und Startseiten nicht angegeben. (Quelle) | „There is no limit to the number of speakers in a dialogue“ (Text to Dialogue, Eleven v3). (Quelle) |
| Kostenloser Tarif | Ja: 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. | „Voice generation & playback Unlimited“ und „Lifetime download credits 3,000 credits (~5 mins)“, dazu „HD (720p) video exports“ und „1GB media storage“. (Quelle) | $0 mit „10k credits per month“ und „3 Projects in Studio“. (Quelle) |
| Quellenhinweis bei kostenlosen Downloads nötig? | Nein. Ein Quellenhinweis wird nicht verlangt; kostenlose Nutzung ist laut Lizenzbedingung privat und nicht-kommerziell. | „Attribution is required for all content downloaded on the Free plan“. (Quelle) | Auf ihrer Preisseite nicht angegeben. (Quelle) |
| Bezahlstufen | $5, $19 und $29 im Monat; Guthaben wird nur beim Herunterladen verbraucht. | Basic $5, Plus $19, Pro $29, Business $69 im Monat; „Credits are used when you download audio.“ (Quelle) | Starter $6, Creator $11, Pro $99, Scale $299, Business $990 im Monat (ElevenLabs). (Quelle) |
| Emotion Zeile für Zeile führen? | Zeile 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. | Pro: „Fine-tune voices with emotion controls“, „Smart Emotion's one-click AI voice adjustment“, „Advanced voice controls including intonation“; Plus: „Control voice speed“. (Quelle) | Anweisungen in eckigen Klammern wie [sad] mitten im Text. (Quelle) |
| Eigene Stimme klonen? | Nur die eigene Stimme: Du liest eine kurze Einwilligungserklärung vor, und diese Aufnahme wird zur Stimme, bis zu 3 pro Konto. Sie liest Zeilen in allen 9 Sprachen und folgt dem Tempo der Zeile; Emotionen und Regieanweisungen wirken bei ihr nicht. | Basic: „Instant Cloning (1 slot)“; Plus: „Professional Cloning (1 slot in total)“; Pro: 2 slots; Business: 10 slots. (Quelle) | Sofortiges Klonen ab Starter; professionelles Klonen ab Creator (ElevenLabs). (Quelle) |
| Eine Audiodatei pro Figur (Stems)? | Nur in Pro: ein ZIP mit dem Mix und dazu pro Figur ein MP3 in voller Länge. | Auf ihrer Seite nicht angegeben. (Quelle) | Nicht angegeben; Downloads im Studio sind „MP3 or WAV“. (Quelle) |
| Untertitel? | Plus und Pro: eine SRT-Datei, und ihr Export kostet kein Guthaben. | Nicht angegeben; die Preisseite führt Video-Exporte bis HD (720p) kostenlos und höher in den Bezahlstufen. (Quelle) | Automatische Untertitel im Studio; eine SRT-Datei ist nicht angegeben. (Quelle) |
| Stimmen und Sprachen | 40 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. | „700+ AI voices“ und „35+ languages“ (dieselbe Seite zeigt auch eine Zahl von „600+ AI voices“). (Quelle) | „74“ Sprachen, in den Bezahlstufen aufgeführt. (Quelle) |
Stand 2026-09-21, geprüft auf den jeweils eigenen Seiten der Anbieter, unten verlinkt.
Wo eine Zeile „nicht angegeben“ sagt, haben wir die aufgeführten Seiten geöffnet und den Fakt nicht gefunden. Nimm es als Frage, die du dort stellen solltest, nicht als fehlende Funktion.
Die CastDub-Spalte wird beim Bauen der Seite aus den Tarifdefinitionen des Produkts eingesetzt.
Was unterscheidet sich eigentlich, wenn die Preise gleich sind?
Die Eingabe. Die Preisseite von Typecast sagt nicht, dass ein Projekt ein ganzes mehrstimmiges Skript aufnimmt und besetzt; dokumentiert sind dort je Tarif Stimm- und Emotionsregler, Stimmklonen und Video-Exporte. Bei CastDub ist der allererste Schritt das Skript: Du fügst eine Szene ein, das Werkzeug trennt die Sprechenden, legt für jede eine Figur an und besetzt sie aus einer Bibliothek von 40 Charakteren. Wenn dein Rohmaterial ohnehin ein Skript mit Namen vor den Zeilen ist, steckt in diesem Unterschied der größte Teil deiner Zeit.
Die Ausgabe. Wir exportieren in jedem Tarif ein gemischtes MP3, in Plus und Pro eine SRT und in Pro ein ZIP mit je einem MP3 pro Figur in voller Länge. Ihre Preisseite führt „HD (720p) video exports“ und höher aufgelöstes Video in den Bezahlstufen – also eine Kette, die auf Video zuläuft, während unsere auf Audio zuläuft. Ist dein Ergebnis ein Video mit sprechendem Avatar, ist das ein Punkt für sie und etwas, das wir schlicht nicht machen.
Der Punkt, an dem sie klar vorn liegen: das Klonen. Ihre Seite führt „Instant Cloning (1 slot)“ ab Basic, „Professional Cloning (1 slot in total)“ in Plus, zwei Plätze in Pro und zehn in Business. Bei uns gibt es nur eine Art: deine eigene Stimme, aus einer kurzen Einwilligungserklärung, die du vorliest, bis zu 3 pro Konto, und sie liest Zeilen, ohne Emotionen zu spielen.
Kann das Werkzeug mehrere Figuren aus einem Skript besetzen?
Auf unserer Seite ja, mit einer Regel, die du vor der Besetzungsplanung kennen solltest: Es gibt 10 Grundstimmen (4 weiblich, 5 männlich, 1 neutral), und innerhalb eines Projekts teilen sich zwei Figuren keine davon, solange der Pool dieses Geschlechts noch etwas hergibt. Vier Frauen in einer Szene bekommen also vier verschiedene Stimmen; elf Sprechende bekommen keine elf. Die 40 Bibliotheks-Charaktere sind Rollenprofile – Alter, Art, Energie und für englische Rollen eine Akzentanweisung –, die über diesen Grundstimmen liegen.
Auf ihrer Seite konnten wir es nicht belegen. Ihre Startseite wirbt mit „700+ AI voices“ (dieselbe Seite zeigt auch eine Zeile mit „600+ AI voices and 35+ languages“) und „adjustable emotion, speed, and dynamics“, aber weder die Startseite noch die Preisseite, die wir gelesen haben, sagt, dass ein Projekt mehrere Figuren aus einem eingefügten Skript übernimmt. Das ist eine Lücke in unserer Prüfung und keine Aussage über ihr Produkt – wenn es dir wichtig ist, frag dort direkt nach.
Was wir nicht tun werden, ist ein Kreuz in dieses Feld zu setzen. Eine Vergleichstabelle, in der die Unbekannten des Mitbewerbers stillschweigend zu Mängeln werden, ist eine Tabelle, der niemand trauen sollte, auch unserer nicht.
Gibt es einen kostenlosen Tarif ohne Quellenhinweis?
Bei ihnen: „Voice generation & playback Unlimited“, „Lifetime download credits 3,000 credits (~5 mins)“, „Download trial voices“, „HD (720p) video exports“, „1GB media storage“ – und, in ihren eigenen Worten, „Attribution is required for all content downloaded on the Free plan“. Die kommerzielle Lizenz beginnt bei Basic.
Bei uns: 4,500 Guthaben einmalig für Downloads, etwa 5 Minuten fertiges englisches Audio, 2 Figuren pro Projekt und statt eines Zählers beim Vorhören eine Obergrenze von 30 synthetisierten Zeilen pro 24 Stunden. Einen Quellenhinweis verlangt die Datei nicht. Kostenlose Nutzung bleibt trotzdem privat und nicht-kommerziell – das ist eine Lizenzbedingung, und die offene Beta, in der alles mit Pro-Funktionen läuft und nichts berechnet wird, hebt sie nicht auf.
Die beiden kostenlosen Stufen unterscheiden sich also vor allem in der Form: fünf Minuten angerechnetes Audio mit Quellenhinweis gegen etwa 5 Minuten ohne, und unbegrenztes Abspielen auf ihrer Seite gegen 30 synthetisierte Zeilen am Tag auf unserer.
Kann ich die Emotion pro Zeile führen?
Beide, in den oberen Tarifen, mit unterschiedlichem Vokabular. Ihre Preisseite setzt „Fine-tune voices with emotion controls“, „Emotion controls including Smart Emotion's one-click AI voice adjustment“ und „Advanced voice controls including intonation“ in Pro an, und „Control voice speed“ in Plus.
Bei uns: eine Grundemotion je Figur in jedem Tarif, dann das Überschreiben Zeile für Zeile in Pro über 7 Emotionen und ein fünfstufiges Tempo in den Tarifen Plus und Pro. Die Emotion wird für die Zeile wirklich gespielt statt nachträglich hineingefiltert, was eine Folge hat, mit der du planen solltest: Drückst du bei derselben Zeile noch einmal auf Erzeugen, bekommst du eine neue Aufnahme. Dieselbe Stimme, leicht andere Lesart. Wenn eine Zeile fast sitzt, ist das ein Geschenk; wenn du eine exakte Wiederholung eines früheren Renders brauchst, ist es keines – und der frühere Render bleibt unangetastet auf der Platte, bis du die Zeile änderst.
Beide legen wir die gute Emotionsführung in die teuerste Stufe, und das sagen wir lieber laut, als es zu verkleiden.
Welche Sprachen, und was ist mit Akzenten?
Ihre Startseite sagt „35+ languages“. Wir haben 9 – Englisch, Chinesisch, Japanisch, Koreanisch, Spanisch, Portugiesisch, Französisch, Deutsch, Russisch – und alle 10 Grundstimmen sprechen jede davon. Das Problem der dünnen Sprache, die auf dem Papier existiert und zwei brauchbare Stimmen hat, gibt es hier also nicht.
Wo wir vorsichtig sind: bei Akzenten. Außerhalb des Englischen bekommst du die überregionale Aussprache der Sprache und kannst keine Region wählen, und wir versprechen auch keine. Außerdem hat nicht jede Sprache eine muttersprachliche Abnahme hinter sich, deshalb geben wir allen dieselbe Anweisung: vier eigene Zeilen einfügen, hören und danach entscheiden – nicht nach einer Demo, die wir ausgesucht haben.
Arbeitest du in einer Sprache, die in ihren 35 steckt und nicht in unseren 9, ist dieser Vergleich vorbei und sie gewinnen ihn.
Wann du besser Typecast nimmst
Wenn deine eigene Stimme im Stück eine Darbietung tragen soll, haben sie Klonen auf vier Tarifstufen; unser Klon liest deine Zeilen, spielt sie aber nicht. Wenn dein Ergebnis Video statt Audio ist, verkauft ihre Preisseite Video-Exporte, und bei uns gibt es so etwas nicht. Und wenn du einstimmig arbeitest – Erklärvideo, Werbespot, Kursmodul –, ist unser Besetzungsschritt ein Aufwand, den du bezahlst und nie benutzt.
Und wenn du in ihrem Editor schon zu Hause bist, ist das echtes Geld wert. Ein Werkzeugwechsel kostet eine Woche kleiner Reibungen, die keine Vergleichsseite einpreisen kann.
Nimm uns, wenn das Skript das eigentliche Werkstück ist: mehrere Sprechende, Zeilen, die du noch einmal schneiden wirst, und am Ende ein Mix, der Stems pro Figur und Untertitel braucht. Das ist unser ganzer Fall, und er ist schmaler, als die Preisähnlichkeit vermuten lässt.
Wie diese Seite entstanden ist
Wir verkaufen ein konkurrierendes Werkzeug. Lesenswert wird eine solche Seite nur dadurch, dass du sie nachprüfen kannst – deshalb wurde jeder Typecast-Fakt hier am 2026-09-21 auf typecast.ai gelesen, und der Link steht neben der Aussage und noch einmal unten.
Wir haben nichts bewertet, nichts in eine Rangfolge gebracht und kein Kreuz gesetzt, wo wir es einfach nicht wussten. Drei Zeilen sagen „auf ihrer Seite nicht angegeben“, und so bleiben sie stehen, statt daraus ein Fehlen abzuleiten: Eine Tabelle, deren Unbekannte sich alle zugunsten des Herausgebers auflösen, ist ein Verkaufsblatt im Laborkittel.
Die Preisähnlichkeit haben wir außerdem in den ersten Absatz geschrieben, statt sie dich entdecken zu lassen. Ihre Stufen und unsere liegen fast gleichauf, und auf beiden Seiten wird Guthaben beim Herunterladen verbraucht, nicht beim Erzeugen. Diese Annäherung als Zufall auszugeben, würde für alles Weitere den falschen Ton setzen.
Die CastDub-Spalte entsteht aus den Tarifdefinitionen, die das Produkt durchsetzt, sie kann uns also nicht still schmeicheln. Ist hier etwas veraltet, sag uns Bescheid: Wir ändern es und setzen das Prüfdatum neu.
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.
- Typecast — Pricing — Free $0, Basic $5, Plus $19, Pro $29, Business $69; kostenlose Stufe mit unbegrenztem Erzeugen und Abspielen, 3,000 lifetime download credits (~5 mins), HD-720p-Video-Export, 1GB Speicher, Quellenhinweis Pflicht; Guthaben wird beim Herunterladen verbraucht; kommerzielle Lizenz ab Basic; Emotionsregler in Pro, Tempo in Plus; Klon-Kapazität 1/1/2/10 je Tarif.
- Typecast — Home — „700+ AI voices“, „35+ languages“, „adjustable emotion, speed, and dynamics“, Stimmklonen; dieselbe Seite zeigt außerdem eine Zahl von „600+ AI voices and 35+ languages“.
- ElevenLabs — Pricing — Tarifpreise und Credits, kommerzielle Lizenz ab Starter, Klon-Stufen, 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
Typecast und CastDub kosten fast dasselbe. Wozwischen wähle ich eigentlich?
Zwischen Eingabe und Ausgabe. Wir nehmen ein ganzes eingefügtes Skript, trennen es nach Sprechenden, besetzen es und geben Stems und Untertitel zurück; ihre Preisseite verkauft Regler je Stimme, Klon-Plätze und Video-Export. Ist dein Material ein Skript und dein Ergebnis Audio, ist das der Unterschied. Ist es eine Textzeile und ein Video, ist es keiner.
Verlangt CastDub einen Quellenhinweis bei kostenlosen Exporten?
Nein. Auf dem Audio muss keine Nennung stehen. Kostenlose Nutzung ist laut Lizenz privat und nicht-kommerziell, und die offene Beta – in der jeder Account mit Pro-Funktionen läuft und nichts berechnet wird – ändert an dieser Bedingung nichts.
Kann ich ein Typecast-Projekt importieren?
Nein. Es gibt überhaupt keinen Import: keine .txt-, .docx- oder .srt-Datei und keine Projektdatei. Du fügst den Skripttext ein und besetzt neu, was für eine Szene ein paar Minuten dauert und für eine ganze Serienbibel länger.
Macht CastDub auch Video?
Nein. Nur Audio – ein gemischtes MP3 in jedem Tarif, eine SRT in Plus und Pro, MP3s pro Figur in Pro. Ihre Preisseite bewirbt Video-Exporte; brauchst du ein Video als Ergebnis, ist das ein Grund, sie zu nehmen.
Wie viele Emotionen gibt es, und in welchem Tarif?
7, wählbar Zeile für Zeile in Pro; eine Grundemotion je Figur kann jeder Tarif setzen. In den Tarifen Plus und Pro kommt ein fünfstufiges Tempo von 0,75× bis 1,25× dazu.
Wer hat mehr Stimmen?
Sie, nach ihren eigenen Zahlen: Ihre Startseite sagt „700+ AI voices“ gegen unsere 40 Bibliotheks-Charaktere auf 10 Grundstimmen. Ob das zählt, hängt daran, ob du viele unterscheidbare Stimmen in einer Szene brauchst – da liegt unsere Decke bei 10 – oder die eine Stimme, die genau passt, wofür ein größerer Katalog hilft.
Wenn du gerade daran arbeitest
Stimmen zum Besetzen
Weitere Vergleiche
Besetze heute Abend deine erste Szene
Füge ein Skript ein, lass CastDub jeder Figur eine Stimme geben und exportier ein fertiges Hörspiel.
Kostenlos startenKeine Kreditkarte. Free gibt dir ein einmaliges Guthaben.