Zum Inhalt

Hinweis: Diese Inhalte wurden mit Unterstützung von Künstlicher Intelligenz erstellt und redaktionell überprüft (Transparenzhinweis gemäß Art. 50 EU AI Act).

Praxis-Guide: AI Voice Cloning & Text-to-Speech mit XTTS v2

Mit Coqui XTTS v2 lassen sich qualitativ hochwertige Sprachausgaben (Text-to-Speech) generieren und eigene Stimmen anhand von 6-sekündigen Audio-Proben klonen.

graph LR
    AudioSample["🎙️ 6-Sekunden Audio-Sample (.wav)"] --> XTTS["🤖 Coqui XTTS v2 Engine"]
    TextPrompt["📝 Deutscher Text-Prompt"] --> XTTS
    XTTS --> OutputAudio["🔊 Geklonte Sprachdatei (.wav)"]

🛠️ 1. Installation

pip install TTS torch torchaudio

🐍 2. Python Skript (voice_clone.py)

import torch
from TTS.api import TTS

# 1. Device wählen (GPU oder CPU)
device = "cuda" if torch.cuda.is_available() else "cpu"

# 2. XTTS v2 Modell laden
tts = TTS("tts_models/multilingual/multi-dataset/xtts_v2").to(device)

# 3. Stimmen-Klonen & Text-to-Speech ausführen
tts.tts_to_file(
    text="Willkommen in der automatisierten Sprachverarbeitung mit Coqui XTTS.",
    speaker_wav="referenz_stimme.wav",  # Pfad zur 6s Sprachaufnahme
    language="de",                      # Sprache: Deutsch
    file_path="output_gekloent.wav"
)

print("✅ Geklonte Audiodatei erfolgreich in 'output_gekloent.wav' gespeichert!")

🔗 Verwandte Themen

Hinweis: Diese Inhalte wurden mit Unterstützung von Künstlicher Intelligenz erstellt und redaktionell überprüft (Transparenzhinweis gemäß Art. 50 EU AI Act).