
Noor
Newsreader clarity for exposition-heavy scenes
Synthese
Text einfügen, Stimme wählen, abspielen. Das Text-to-Speech von CastDub läuft im Browser: vierzig KI-Stimmen in neun Sprachen, ein MP3 zum Mitnehmen und ein Gratis-Tarif, der keine Kreditkarte verlangt. Gebaut ist es für Skripte, in denen mehrere Leute reden – für eine einzelne Erzählstimme funktioniert es genauso gut.

Noor
Newsreader clarity for exposition-heavy scenes

Hale
Documentary narrator with a hand on the listener's shoulder

Wren
Bedtime-story narrator, slow and warm, never wakes anyone up

Quill
YouTube explainer voice that never sounds bored

Dorian
Audiobook baritone for literary fiction and slow reveals

Solène
Continental accent, unhurried, very expensive sounding

Halcyon
Meditation-adjacent narrator for slow, quiet scenes

Juno
Podcast host who thinks out loud and never reads a script
Nichts herunterladen, nichts installieren. Studio in einem aktuellen Browser öffnen, Text einfügen, zuhören. Projekte hängen am Konto, also liegt ein Skript, das du am Bürorechner angefangen hast, abends auch zu Hause da.
Jede Stimme spricht Deutsch, Englisch, Französisch, Russisch, Spanisch, Portugiesisch, Chinesisch, Japanisch und Koreanisch, und jede steht in jedem Tarif zur Verfügung, im Gratis-Tarif eingeschlossen. Du wählst nach Rolle statt nach Sprachkürzel: die Nachrichtenstimme, die Gutenachtgeschichte, der Hörbuch-Bariton.
In jedem Tarif ein fertig gemischtes MP3, wahlweise ein ZIP mit einer MP3-Datei pro Zeile und einer CSV-Tabelle der Längen. Untertitel kommen ab Plus als SRT heraus. Einen WAV-Export gibt es nicht – MP3 ist das Format.
Schreib einen Namen und einen Doppelpunkt an den Zeilenanfang, und diese Zeile geht an eine zweite Stimme; alles andere bleibt bei der Erzählstimme. Gewöhnliches Text-to-Speech im Browser gibt dir eine Stimme pro Datei. Hier bekommst du eine Besetzung, sobald aus dem Text ein Gespräch wird.
Eine Klammer am Zeilenanfang – (flüsternd), (schnell) – wird gespielt statt vorgelesen. In Plus und Pro hat jede Zeile ihr eigenes Tempo, in Pro ihre eigene Emotion. Satzzeichen sind in jedem Tarif deine Taktsteuerung: Ein Punkt hält an, ein Zeilenumbruch hält länger an.
Ein einmaliges Startguthaben, das für rund fünf Minuten fertiges deutsches Audio reicht – und Erzeugen und Anhören zehren nicht daran, nur das Herunterladen tut das. Dazu 30 erzeugte Zeilen pro Tag. Die Demo auf der Startseite läuft sogar ganz ohne Konto.
Ein Absatz oder ein ganzes Skript, als reiner Text. Einen Datei-Upload gibt es nicht, also kopier den Text aus dem Dokument heraus. Ein Name mit Doppelpunkt davor markiert eine zweite sprechende Figur; lass ihn weg, wenn nur eine Stimme lesen soll.
Filtere die vierzig Charaktere nach Geschlecht, Alter und Stil und hör sie an deinem eigenen ersten Satz ab, nicht am Beispieltext. Eine Stimme, die zum Beispieltext passt und zu deinem nicht, ist die häufigste Art, zehn Minuten zu verlieren.
Jede Zeile wird einzeln erzeugt und braucht ein paar Sekunden; beim Erzeugen des ganzen Skripts laufen mehrere Zeilen nebeneinander. Hör die ersten paar an, bevor du den Rest anstößt.
Einen falsch betonten Namen schreibst du so, wie er klingt; einen Satz, der zu schnell durchläuft, trennst du; eine Zahl, die auf eine bestimmte Art gelesen werden muss, schreibst du aus. Eine Aussprache-Einstellung gibt es nicht, und du wirst sie nicht vermissen.
Ein gemischtes MP3, oder eine Datei pro Zeile samt CSV-Tabelle der Längen. Das Herunterladen zehrt am Guthaben, das Zuhören nicht.
Werkzeuge, die auf diese Wortgruppe hin gefunden werden, sind meist auf eine von drei Arten gratis: gratis für ein paar hundert Zeichen, gratis mit genau den Stimmen hinter einer Bezahlschranke, die du haben wolltest, oder gratis bis zu dem Moment, in dem du herunterladen willst. Deshalb hier genau, welche Art das hier ist. Alle vierzig Charaktere stehen im Gratis-Tarif zur Verfügung. Anhören und neu Erzeugen kosten nichts. Das Guthaben – rund fünf Minuten fertiges deutsches Audio, auf Chinesisch, Japanisch und Koreanisch deutlich mehr, weil eine Minute dort weniger Zeichen braucht – wird nur beim Herunterladen abgezogen, und es ist ein einmaliges Startguthaben. Dazu kommen 30 erzeugte Zeilen pro Tag und eine Lizenz für den privaten, nicht kommerziellen Gebrauch.
Bezahltarife ändern die Zahlen, nicht die Stimmen: ein Guthaben, das monatlich nachläuft, statt des einmaligen, mehr Zeilen pro Tag, kommerzielle Nutzung und ab Plus das Tempo pro Zeile und Untertitel. Am Klang der Stimmen ändert Bezahlen nichts.
Text fürs Auge enthält Dinge, die das Vorlesen nicht überstehen: eingeschobene Nebensätze, drei Schachtelungen übereinander, ein Absatz, der darauf baut, dass man kurz zurückspringt. Zehn Minuten Anpassung – Sätze trennen, einen Einschub streichen, eine Aufzählung auf je eine Zeile legen – bringen mehr als jede Einstellung im Werkzeug. Das ist kein Trick gegen eine Beschränkung, sondern genau der Eingriff, um den eine Sprecherin vor der Aufnahme bitten würde.
Zwei Gewohnheiten zählen am meisten. Setz Satzzeichen bewusst, denn sie sind im Gratis-Tarif deine einzige und in jedem Tarif deine wichtigste Taktsteuerung. Und halte eine Absicht pro Zeile: Ein Satz, der von guter zu schlechter Nachricht kippt, wird als Mittelwert von beidem gesprochen – trenn ihn, und beide Hälften stimmen.
Zahlen, Datumsangaben und Abkürzungen folgen den Konventionen der Projektsprache und kommen meist richtig heraus; schief geht es bei Text, der Konventionen mischt. Ein deutsches Projekt liest 15.09.2026 als Datum – englische Vorlagen mit 09/15/2026 darin bringen es durcheinander. Hör zuerst die Zeilen mit Zahlen an und schreib alles aus, bei dem die Lesart wichtig ist.
Wenn du dir eine Webseite oder ein PDF vorlesen lassen willst, während du etwas anderes tust, passt eine Vorlese-Erweiterung im Browser besser: Sie folgt dem Text und verlangt kein Einfügen. Wenn du eine einzelne Stimme brauchst, die eine Stunde Prosa ohne Regie durchliest, schafft das fast jedes Text-to-Speech im Netz, manches günstiger pro Stunde.
CastDub verdient sich seinen Platz in dem Moment, in dem im Text mehr als eine Person redet oder eine Zeile auf eine bestimmte Art gesagt werden muss. Ein Erklärvideo, in dem eine Kundin die Frage stellt, die das Video beantwortet; ein E-Learning-Modul mit einer Szene zwischen Führungskraft und Mitarbeiter; ein Hörspiel mit Erzählstimme und Figuren; ein Podcast-Intro, dessen letzter Satz anders landen soll als der davor. Genau da hört eine flache Stimme pro Datei auf zu reichen, und genau darum herum ist dieses Text-to-Speech gebaut.
Nein. Es läuft im Browser; es gibt kein Desktop-Programm und keine Erweiterung. Mit Google oder einer E-Mail-Adresse anmelden, Text einfügen, zuhören. Die Demo auf der Startseite braucht nicht einmal ein Konto.
Der Gratis-Tarif ist gratis, mit den Grenzen, die auf der Preisseite stehen: ein einmaliges Startguthaben für rund fünf Minuten fertiges deutsches Audio, 30 erzeugte Zeilen pro Tag, alle vierzig Charaktere und eine Lizenz für den privaten, nicht kommerziellen Gebrauch. Bei der Anmeldung wird keine Kreditkarte verlangt.
Deutsch, Englisch, Französisch, Russisch, Spanisch, Portugiesisch, Chinesisch, Japanisch und Koreanisch – jede Stimme spricht jede davon. Außerhalb des Englischen spricht jede Stimme die überregionale Standardform der Sprache; regionale Färbungen wie Österreichisch oder Schweizer Hochdeutsch lassen sich nicht wählen.
Ja, als MP3: eine fertig gemischte Datei in jedem Tarif, oder eine Datei pro Zeile samt CSV-Tabelle der Längen. Untertitel kommen ab Plus als SRT heraus. Einen WAV-Export gibt es nicht.
In Basic, Plus und Pro ja. Der Gratis-Tarif gilt für den privaten, nicht kommerziellen Gebrauch – das ist eine Lizenzbedingung und keine technische Grenze, das Audio ist dasselbe.
Nein, nur eingefügter Text. Kopier ihn aus der Datei heraus und füg ihn ein; übliches Drehbuchlayout und Paare aus „Name: Zeile“ werden als Sprechende erkannt, alles andere liest die Erzählstimme.
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.