Stimmen für Spielfiguren generieren

Spieldialog ist ein Pipeline-Problem, kein Darstellungsproblem

Frag ein kleines Studio, was Sprachaufnahmen teuer macht, und die Antwort ist nicht zuerst die Gage. Es sind die Änderungen. In Woche neun ändert sich eine Zeile, die Sprecherin hat keine Zeit, die neue Aufnahme passt klanglich nicht zum alten Raum, und statt einer müssen drei Zeilen neu. Synthetische Stimmen sind für Indie-Teams vor allem deshalb attraktiv, weil diese Schleife auf Sekunden zusammenschnurrt.

Das gilt aber nur, wenn das Werkzeug die Pipeline respektiert. Audio, das als vierzig Dateien namens export-1.mp3 ankommt, hat die Arbeit verschoben statt beseitigt. CastDub exportiert überhaupt keine Datei pro Zeile – sondern einen Mix, in Pro Spuren pro Figur und ab Plus eine SRT –, also ist der Schritt, der zu deiner Projektstruktur passt, den Mix an den SRT-Zeitmarken zu zerschneiden: ein kurzes Skript, einmal geschrieben.

Gleichbleibend über eine lange Produktion

Der Ausfallmodus synthetischer Stimmen im Spiel ist nicht die Qualität, sondern das Abdriften. Eine leicht flache Lesung verzeiht man. Dass der Schmied im zweiten Akt wie eine andere Person klingt, fällt sofort auf, weil das menschliche Gehör genau darauf geeicht ist.

Innerhalb eines Projekts ist Abdriften strukturell unwahrscheinlich: Jede Figur behält ihren Bibliotheks-Charakter und ihre Grundemotion, und zwei Figuren teilen sich keine Stimme, bis die Sprache keine weiteren mehr hat. In andere Projekte wandern Figuren allerdings nicht mit; führ für eine lange Produktion also eine Besetzungsliste – Bibliotheks-Charakter, Kurzprofil und die Schreibweise für den Wortschatz dieser Figur. Kommt im sechsten Monat jemand Neues ins Team, baut er nach dieser Liste, statt eine Stimme zu wählen, und hört vor dem Export die erste Zeile – nichts am Klang bleibt dem Gedächtnis überlassen.

Wo du das Geld stattdessen ausgeben solltest

Sei ehrlich darüber, was synthetische Stimmen schlecht können, denn dort gehört dein Budget hin. Schwach sind sie bei körperlicher Anstrengung – Schmerz, Erschöpfung, Lachen, Weinen – und bei sehr langen emotionalen Monologen, in denen die Entscheidungen einer echten Darstellerin die Szene tragen. Stark sind sie in der riesigen Mitte eines Spielskripts: Händler, Tutorials, Questtexte, Hintergrundgespräche, Systemansagen.

Eine pragmatische Aufteilung, die mehrere kleine Teams fahren: alles erzeugen, das erzeugte Audio für Nebenfiguren ausliefern und für die zwei oder drei Rollen, von denen die Geschichte wirklich abhängt, Sprechende buchen. Die erzeugten Fassungen dienen dabei als Leitspur, damit im Studio das Timing schon feststeht.

Im deutschsprachigen Raum kommt ein praktischer Punkt dazu: Professionelle Sprecherinnen und Sprecher sind hier durch die Synchronbranche gut verfügbar und vergleichsweise bezahlbar. Die Frage ist selten „Mensch oder Maschine“, sondern „für welche drei Rollen lohnt der Mensch“.

Rechtliche Grundregeln

Zwei Regeln halten Projekte aus Schwierigkeiten heraus. Klon keine Stimme, für die du keine schriftliche Erlaubnis hast, auch nicht die von Sprechenden aus anderen Spielen. Und beschreib eine erzeugte Stimme im Marketing nicht als die Stimme einer namentlich genannten Person – das ist ein Persönlichkeitsrechtsproblem, unabhängig davon, wie das Audio entstanden ist.

Stimmklonen ist derzeit ohnehin nicht freigeschaltet. Wenn du mit echten Sprechenden arbeitest und später einen Klon als Werkzeug für Nachzieher willst, muss das im Vertrag stehen, den Umfang benennen und regeln, was mit dem Modell nach Projektende passiert. Unsere Seite zur Stimmklon-Richtlinie beschreibt den Einwilligungsablauf, auf den wir uns vorab festgelegt haben.