Stimme isolieren: Sprache von Lärm, Musik und Hall trennen
Kurzbefehl im Chat: /stimmefrei
Aufnahme hochladen, Sprachspur mit weniger Störgeräuschen bekommen: Die KI hebt die Stimme hervor und dämpft Verkehr, Wind, Musik und Hall. Wie viel übrig bleibt, hängt von der Aufnahme ab; ein kurzer Test lohnt sich bei Interviews im Freien, Meeting-Mitschnitten und Videoton mit Musik.
Mit Konto
Kosten: 26.700 Token je angefangene Minute · Die hochgeladene Datei wird nach 24 Stunden gelöscht, das Ergebnis bleibt in „Meine Medien“.
Dieses Werkzeug ist mit einem kostenlosen Konto nutzbar. Kostenlos registrieren
Wie die KI Stimme und Umgebung trennt
Ein klassischer Rauschfilter ist auf gleichmäßige Störungen wie Lüfter oder Bandrauschen ausgelegt. Verkehr, Wind, Stimmengewirr im Café, Musik im Hintergrund oder Hall im Raum ändern sich ständig und sind für ihn schwerer zu fassen. Das Modell hinter diesem Werkzeug geht anders vor: Es hat an vielen Aufnahmen gelernt, wie menschliche Sprache klingt, hebt die Stimme als eigene Spur heraus und baut die Aufnahme ohne den Rest wieder zusammen.
Das Ergebnis ist eine Sprachspur, in der die Stimme im Vordergrund steht. Was das Modell nicht als Stimme erkennt, wird gedämpft oder entfernt, auch wenn du es behalten wolltest, etwa eine gewollte Musikuntermalung. Eine Sprecherwahl gibt es nicht: Mehrere Sprecher in einem Gespräch bleiben in der Regel erhalten, Stimmen im Hintergrund können bleiben oder verändert klingen. Sehr leise Sprache oder stark übersteuerte Aufnahmen bleiben schwierig, hör das Ergebnis vor der Verwendung einmal durch.
Du brauchst das Werkzeug für Interviews im Freien, Meeting-Mitschnitte, Sprachnotizen vom Handy und Videoton, in dem Musik oder Straßenlärm die Sprache überdeckt. Danach lässt sich die Spur transkribieren, untertiteln oder in ein Video zurücklegen.
So geht’s
- 1
Aufnahme hochladen
Zieh die Audiodatei ins Feld oder wähle sie aus: MP3, M4A, WAV, OGG oder FLAC bis 50 MB, mindestens 5 Sekunden und höchstens 30 Minuten; Videoton wandelst du vorher mit „MP4 in MP3“ um.
- 2
Kosten prüfen und starten
Der Preis je angefangene Minute steht über dem Formular; mit „Los geht’s“ beginnt die Trennung, es gibt keine Einstellungen.
- 3
Anhören und herunterladen
Hör die bearbeitete Spur an und lade sie als MP3 herunter; danach kannst du sie transkribieren oder Untertitel daraus erstellen.
Typische Einsätze
Interviews und Reportagen
Straßenlärm, Wind und Publikum in Außenaufnahmen dämpfen, bevor der Beitrag geschnitten wird.
Meetings und Telefonate
Mitschnitte mit Tastaturgeklapper und Hintergrundgesprächen so säubern, dass Transkription und Untertitel sauberer werden.
Videoton
Sprache aus Clips mit Hintergrundmusik lösen, etwa um den Kommentar neu zu unterlegen; Musikreste können bleiben, und Rechte an der Musik klärt das Werkzeug nicht.
Gut zu wissen
- Eingabe: MP3, M4A, WAV, OGG, FLAC bis 50 MB, mindestens 5 Sekunden und höchstens 30 Minuten; Ausgabe: eine MP3-Datei mit der hervorgehobenen Stimme.
- Reduziert werden ungleichmäßige Störungen wie Verkehr, Wind, Stimmengewirr, Musik und Hall sowie gleichmäßiges Rauschen; es gibt keine Regler und keine Sprecherwahl, das Modell entscheidet selbst, was Stimme ist.
- Für Gesang aus Musik ist das Modell nicht gebaut; dafür gibt es „Gesang isolieren“. Für gleichmäßiges Rauschen allein reicht oft „Hintergrundgeräusche entfernen“.
- Konto erforderlich. Abgerechnet wird je angefangene Minute zum Preis über dem Formular; 10 Minuten und 5 Sekunden zählen als elf Minuten.
- Die Aufnahme wird zur Trennung an den KI-Anbieter übermittelt; was dieser speichert, regeln dessen Bedingungen. Die hochgeladene Datei wird bei uns 24 Stunden nach dem Hochladen gelöscht, das Audio-Ergebnis bleibt in deiner Mediathek.
- Im Chat erreichst du das Werkzeug mit dem Kurzbefehl /stimmefrei.
Häufige Fragen
Was ist der Unterschied zu „Hintergrundgeräusche entfernen“?
Das Entrauschen filtert gleichmäßiges Rauschen wie Lüfter oder Brummen. Die KI hier erkennt die Stimme selbst und dämpft auch ungleichmäßige Störungen wie Verkehr, Musik, Wind oder Stimmengewirr. Bei einer ruhigen Aufnahme mit leichtem Rauschen reicht das Entrauschen, das kostenlos ist.
Funktioniert es auch mit Gesang oder Musik?
Das Modell ist auf gesprochene Sprache ausgelegt. Um die Gesangsstimme aus einem Song zu lösen, nimm „Gesang isolieren“; für das Instrumental „Gesang entfernen“.
Was passiert mit Musik, die ich behalten will?
Sie wird so weit wie möglich mit entfernt, weil alles außer der Stimme als Störung gilt. Lege gewollte Musik danach im Schnitt neu unter die bearbeitete Sprachspur.
Werden Hall und Echo entfernt?
Hall und Raumecho gehören zu den Störungen, die das Modell reduziert. Bei sehr halligen Räumen können Reste bleiben; ein Ausschnitt zum Probieren spart Token.
Welche Formate und Längen?
MP3, M4A, WAV, OGG, FLAC bis 50 MB, mindestens 5 Sekunden und höchstens 30 Minuten; das Ergebnis ist ein MP3. Den Ton eines Videos wandelst du zuerst mit „MP4 in MP3“ um (bis 96 MB und 30 Minuten); die Audiodatei daraus muss unter 50 MB bleiben.
Was kostet es?
Je angefangene Minute ein fester Token-Betrag, der über dem Formular steht; angefangene Minuten zählen voll. Du brauchst ein Konto. Wenn du unsicher bist, schneide mit „MP3 schneiden“ erst eine Minute heraus und probiere sie.
Was passiert mit meiner Datei?
Sie wird zur Bearbeitung an den KI-Anbieter übergeben und 24 Stunden nach dem Hochladen bei uns gelöscht. Das Ergebnis bleibt in deiner Mediathek, bis du es löschst.