Gewöhnliche Text-zu-Sprache-Tools lesen alles mit einer Stimme vor. Ein Podcast, Interview oder Sketch braucht mehr: zwei oder drei Personen, die einander antworten, sich unterbrechen und lachen. Einzelne Zeilen von Hand zusammenzuschneiden dauert ewig, und die Pausen klingen trotzdem unnatürlich. Das Dialog-Tool vertont das gesamte Skript auf einmal, als eine einzige Aufnahme.
Schreibe jede Zeile in eine eigene Reihe: "Anna: Hallo! Worüber sprechen wir heute?". Der Name vor dem Doppelpunkt ist die sprechende Person, und du weist jedem Sprecher eine Stimme zu. Zeilen, die mit einem Gedankenstrich beginnen, wechseln zwischen zwei Stimmen ab. Noch kein Skript? Beschreibe ein Thema – "zwei Freunde streiten darüber, ob sie in eine andere Stadt ziehen sollen" –, wähle eine Länge zwischen 1 und 5 Minuten, und die KI schreibt kostenlos einen Dialog für zwei Personen, den du bearbeiten kannst.
Gemini 3.1 Flash TTS von Google vertont zwei Sprecher günstig und mit natürlichen Pausen, und du kannst die Stimmung des Gesprächs in Worten festlegen. Eleven v3 Dialogue von ElevenLabs nimmt bis zu drei Stimmen mit der ausdrucksstärksten Vortragsweise: Tags wie [laughs], [whispers], [interrupting] direkt in den Zeilen. Du zahlst nur für den gesprochenen Text – Sprechernamen werden nicht mitgezählt.