ElevenLabs ist eine KI-Plattform für Sprache. Du gibst Text rein und bekommst gesprochenes Audio, in einer Stimme aus der Bibliothek oder in deiner eigenen. Wir haben damit die Stimme für unseren Comic-Generator gebaut. Hier steht, was es kann, was es kostet und wo es hakt.
ElevenLabs ist eine KI-Plattform für Sprache. Der Kern ist Text-to-Speech: Du schreibst einen Text, ElevenLabs liest ihn in einer natürlichen Stimme vor.
Dazu kommen weitere Werkzeuge, etwa Voice Cloning, Voice Design, Dubbing und Sprache-zu-Text. Sie laufen über denselben Account und dieselben Credits.
Mit Voice Cloning trainierst du eine eigene Stimme. Wir haben einen Text vorgelesen, den ElevenLabs angezeigt hat, und nach etwa drei Minuten reichte das Material. Diese Stimme spricht jetzt in unseren Comic-Videos.
Vier Anwendungsfälle, die ElevenLabs abdeckt.
Du schreibst das Skript, ElevenLabs spricht es. Für Erklärvideos, Demos und Social Clips ersetzt das die Aufnahme.
Das Ergebnis: Vertonung ohne Mikrofon und ohne Studio.
Mit Voice Cloning wird deine Stimme zum Baustein. Einmal einsprechen, danach vertont ElevenLabs beliebige Texte in deiner Stimme. Klon nur Stimmen, für die du die Rechte hast.
Das Ergebnis: Deine Stimme in jedem Video, auch wenn du nicht aufnimmst.
Mit Dubbing lässt sich ein Video in andere Sprachen übertragen, und die Stimme bleibt erkennbar. Das haben wir noch nicht getestet.
Das Ergebnis: Ein Video für mehrere Märkte.
ElevenLabs hat eine API für Text-to-Speech. Du schickst Text und bekommst Audio zurück, in jeder Stimme, die in deinem Account liegt.
Das Ergebnis: Vertonung aus Skripten und Workflows.
Free: 10.000 Credits pro Monat, ohne kommerzielle Lizenz und ohne Voice Cloning. Gut zum Testen, nicht zum Veröffentlichen.
Starter (ca. 6 Dollar pro Monat): 30.000 Credits, kommerzielle Lizenz und Instant Voice Cloning. Der Einstieg, wenn du Videos veröffentlichen willst.
Creator (ca. 22 Dollar pro Monat): Über 100.000 Credits und Professional Voice Cloning, für eine Stimme in höherer Qualität.
Pro, Scale und Business (ca. 99, 299 und 990 Dollar pro Monat): Deutlich mehr Credits, ab Scale mehrere Arbeitsplätze und mehr Voice Clones. Enterprise gibt es nach Absprache.
Bei uns: In Folge 1 haben wir rund 2.200 Credits verbraucht, inklusive aller Tests. Der Ton für ein 10-Sekunden-Video kostete etwa 0,10 EUR.
Stand Oktober 2026. Preise und Credit-Mengen ändern sich, prüf die aktuelle Preisseite. Was oft übersehen wird: Wer veröffentlicht, braucht mindestens einen bezahlten Plan, weil der Gratis-Plan keine kommerzielle Lizenz enthält.
Der Einstieg in die eigene Stimme ist kurz. Bei uns reichten rund drei Minuten Vorlesen, danach war die Stimme da.
Alles läuft unter einem Account: Text-to-Speech, Voice Cloning, Dubbing und Sprache-zu-Text, mit denselben Credits.
Die API passt in Workflows. Text rein, Audio raus, das lässt sich aus FastAPI oder n8n aufrufen.
Credits sind schwer einzuschätzen. Der Verbrauch hängt von Modell und Textlänge ab, und Tests kosten mit. Wir haben in Folge 1 rund 2.200 Credits verbraucht. Plan Reserve ein.
Veröffentlichen braucht einen bezahlten Plan. Der Gratis-Plan enthält keine kommerzielle Lizenz und kein Voice Cloning.
Das Mikrofon muss freigegeben sein. Beim Training unserer Stimme haben wir fleißig vorgelesen, ohne zu merken, dass der Browser keinen Zugriff auf das Mikrofon hatte. Prüf die Freigabe, bevor du aufnimmst.
Eine geklonte Stimme ist eine Verantwortung. Klon nur Stimmen, für die du die Rechte hast. Deine eigene ist der sichere Fall.
In unserem Comic-Generator liefert Notion den Text, FastAPI schickt ihn an ElevenLabs und bekommt den Ton zurück. Danach setzt FastAPI den Ton mit dem Video aus Higgsfield zusammen.
Du brauchst dafür kein FastAPI. Ein einfaches Skript oder ein Workflow in n8n reicht. Wir bauen gern wiederverwendbar, deshalb steckt bei uns eine eigene Zentrale dahinter.
Für unseren Comic-Generator brauchten wir eine Stimme. ElevenLabs hat uns einen Text angezeigt, den ich vorgelesen habe. Nach etwa drei Minuten reichte das Material für meine eigene Stimme.
Danach spricht die Stimme die Texte, die aus Notion kommen. FastAPI setzt den Ton mit dem Video aus Higgsfield zusammen. Die Folge dazu gibt es auf MacNorris TV.
Du willst so etwas für dich bauen? Wir zeigen dir, was sich lohnt und was nicht. Wie wir an solche Dinge rangehen steht im Playbook.
KI-Comic-Generator selbst gebaut: Notion als Input, FastAPI als Zentrale, Higgsfield fürs Video, ElevenLabs für die Stimme. Stack, Ablauf, Kosten und Pannen.
Higgsfield: KI-Video, Soul ID und was es kostet
ElevenLabs: KI-Stimmen und die eigene Stimme per API
Notion: Was es kann, was es kostet, wann es passt.19 Min. Video
