Der KI-Gesangs-Stimmenwandler, der die Stimme wirklich austauscht

Ein KI-Gesangs-Stimmenwandler nimmt einen Gesang, den du bereits eingesungen hast, und singt ihn als völlig andere Person neu. Lade einen Take hoch oder nimm ihn direkt im Browser auf, wähle eine Stimme aus einer Bibliothek mit 212 lizenzierten Modellen, und dreissig bis sechzig Sekunden später kommt eine WAV-Datei zurück. Jede Note sitzt noch dort, wo du sie gesungen hast, mit denselben Wörtern und denselben Atemzügen. Ersetzt wurde allein die stimmliche Identität.

Der Mechanismus dahinter entscheidet alles. Ein klassischer Stimmenverzerrer für Gesang misst dein Signal und verschiebt es: Tonhöhe rauf oder runter, Formanten breiter oder schmaler. Deine Wellenform liegt weiterhin darunter, nur gedehnt. Ein trainiertes Modell arbeitet in die andere Richtung. Es liest Tonhöhen- und Timing-Verlauf aus deiner Performance heraus, wirft deine Wellenform weg und synthetisiert das Audio neu aus einem Modell, das auf genau einer Stimme trainiert wurde. Von deiner ursprünglichen Klangfarbe überlebt nichts, weil nichts davon verwendet wurde.

In der Praxis bekommst du die Performance zurück, die du hineingibst. Sing mit voller Überzeugung, denn ein zaghaftes Guide-Vocal wird zu einem zaghaften Ergebnis. Nimm trocken auf, mit abgeschaltetem Hall, Delay und Tonhöhenkorrektur, denn alles, was ins Signal eingebrannt ist, wird als Teil der Stimme gelesen und kommt verschmiert zurück. Uploads akzeptieren WAV, MP3, OGG, WebM und FLAC bis 50 MB.

Die Modellwahl ist die andere Hälfte der Arbeit. Die Bibliothek hält 114 männliche und 94 weibliche Stimmen bereit, und ein Gesangs-Stimmenwandler klingt am saubersten, wenn der natürliche Umfang des Modells nah an deinem liegt. Einen tiefen Bariton-Take durch ein helles Sopran-Modell zu schicken verlangt eine grössere Verschiebung, als die Trainingsdaten hergeben, und die Artefakte zeigen sich zuerst auf gehaltenen Tönen.

Jede Stimme hier ist lizenziert und lizenzfrei nutzbar, trainiert auf einwilligenden Session-Sängerinnen und -Sängern statt aus veröffentlichten Aufnahmen zusammengesammelt. Nichts, was du damit baust, schleppt also ein Persönlichkeitsrechtsproblem mit sich. Eine Umwandlung kostet 5 Credits und landet in Meine Kreationen, wo sie auch nach dem Schliessen des Tabs zum Download bereitliegt.

Vier völlig verschiedene Technologien werden unter fast denselben Wörtern verkauft, und die falsche Wahl kostet dich einen Nachmittag. Die erste ist der klassische Voice-Changer-Effekt: Pitch-Shifting plus Formantverschiebung, beides günstig genug, um in Echtzeit auf einem Handy zu laufen. Er treibt Stream-Overlays, Gaming-Chat-Filter und die Spassregler der meisten Mobil-Apps an. Er ist schnell, fast kostenlos, und er klingt immer nach deiner Stimme, mit der man etwas gemacht hat, denn genau das ist er.

Die zweite ist das trainierte Stimmmodell, das diese Seite nutzt. Es verwirft deine Wellenform und erzeugt den Gesang aus dem Modell einer anderen Person neu, die Klangfarbe gehört also dieser Person und nicht einer gefilterten Version von dir. Der Preis dafür sind Wartezeit und Rechenaufwand: eine halbe Minute GPU-Zeit pro Take statt fünf Millisekunden Signalbearbeitung.

Die dritte ist Autotune, also Tonhöhenkorrektur. Sie zieht zu tiefe und zu hohe Töne aufs Raster und fügt bei harten Einstellungen den quantisierten Klang hinzu, den Hörerinnen und Hörer als Effekt erkennen. An der Identität ändert sie nichts, ein getunter Gesang bist unverkennbar weiterhin du. Halte sie trotzdem vom Input fern: Ein KI-Stimmenwandler auf Basis eines trainierten Modells liest deinen Tonhöhenverlauf, und eine vorher angewendete Korrektur nimmt Ausdruck weg, den das Modell sonst nachgebaut hätte.

Die vierte ist Text-to-Speech mit Stimmklonen. Du tippst Wörter und ein Modell spricht sie, manche Werkzeuge nähern aus einer notierten Melodie sogar Gesang an. In dieser Kette existiert keine Darbietung von dir, also müssen Phrasierung, Timing, Dynamik und die kleinen Unsauberkeiten, die einen Gesang glaubwürdig machen, alle erfunden werden. Für Sprecheraufnahmen nützlich, für Musik ungeeignet.

Nichts davon macht die günstige Variante falsch. Wenn du die Veränderung live hören willst, während du singst, wenn du offline auf dem Handy bist, wenn du eine leichte Charakterfärbung statt einer neuen Stimme willst oder wenn dich die Leute unter dem Effekt wirklich noch heraushören sollen, dann ist ein DSP-Stimmenverzerrer für Gesang das richtige Werkzeug und ein trainiertes Modell überdimensioniert. Nutze diese Seite, wenn die stimmliche Identität selbst wechseln muss.