Warum eine Stimme allein nicht reicht

Auf dem Papier weiß die Leserin immer, wer spricht: der Redebegleitsatz sagt es. Im Audio sind diese Zusätze nur Ballast. „sagte Pip“ nach jeder Zeile ist anstrengend zu hören — lässt man es weg, klingen drei Figuren in einer Stimme wie eine Person im Selbstgespräch. Unterscheidbare Stimmen lösen das: Zuhörende erkennen die Sprecherin in der ersten halben Sekunde, die Zusätze können weg, und die Szene läuft im Tempo eines echten Gesprächs.

Es verändert auch das Schreiben. Sobald du weißt, dass jede Figur gehört wird, gibst du ihnen unterschiedliche Rhythmen, unterschiedlichen Wortschatz und unterschiedliche Satzlängen — dieselbe Disziplin wie in Überzeugende Figuren entwickeln, nur mit einem hörbaren Ergebnis.

Schritt 1: Eine Besetzungsliste für die Stimmen anlegen

Bevor du irgendetwas generierst, halte fest, wer spricht und wie. Eine Besetzungsliste ist eine Zeile pro Figur: Rolle, eine Stimmanweisung aus zwei oder drei Wörtern, dazu Tonhöhe und Tempo. So entscheidest du nicht in jedem Kapitel neu, wie der Schurke klingt — und genau das hält eine Figur über ein ganzes Buch hinweg konstant.

• Besetze über Kontraste. Ist die Heldin hoch und schnell, mach den Mentor tief und langsam. Zwei ähnliche Stimmen in einer Szene sind der häufigste Fehler.
• Gib der Erzählstimme die neutralste Stimme der Besetzung. Alle anderen sollen als Abweichung davon hörbar sein.
• Beschränke dich auf vier oder fünf Stimmen pro Geschichte. Darüber hinaus verlieren Zuhörende den Überblick — und du auch.
• Schreibe die Anweisung als Verhalten, nicht als Adjektiv: „geht am Satzende hoch“ hilft mehr als „fröhlich“.

Schritt 2: Das Skript nach Sprechern aufteilen

Mach aus der Prosa ein Skript: vor jede Dialogzeile kommt der Name der Figur, alles Übrige gehört der Erzählstimme. Streiche dabei gleich die Redebegleitsätze — die Stimme ist jetzt der Hinweis. Ein kurzer Abschnitt sieht dann so aus:

ERZÄHLSTIMME:   Pip schlich zwischen den Regalen hindurch, die Schnurrhaare zuckten.
PIP:            Wer ist da?
BIBLIOTHEKARIN: Nur eine Leserin, Kind.
RATTENKÖNIG:    Und eine Diebin, denke ich.
ERZÄHLSTIMME:   Die Bibliothekarin seufzte.
PIP:            Vor dir habe ich keine Angst.

Schritt 3: Jede Stimme einzeln generieren

Arbeite Figur für Figur, nicht Zeile für Zeile. Sammle alle Zeilen von Pip für das Kapitel, generiere sie mit Pips Stimme und den Einstellungen aus der Besetzungsliste, exportiere und gehe zur nächsten Figur. Für die Stimmen selbst nutzen wir AnyVoice, einen KI-Stimmengenerator mit genug unterscheidbaren Stimmen für eine ganze Szene und mit den Reglern für Tonhöhe und Tempo, auf die die Besetzungsliste aufbaut. Jeder Generator mit Einstellungen pro Stimme funktioniert; die Vorgehensweise bleibt gleich.

Schritt 4: Die Szene zusammenbauen

Öffne einen kostenlosen Audio-Editor (Audacity oder eine beliebige DAW) und gib jeder Stimme eine eigene Spur. Setze die Clips in Skriptreihenfolge, lass rund eine halbe Sekunde Stille zwischen zwei Sprechern und eine ganze Sekunde an Absatzgrenzen. Überlappe Zeilen nur, wenn das Skript wirklich eine Unterbrechung verlangt.

Zwei Handgriffe zum Schluss machen einen hörbaren Unterschied. Erstens: normalisiere alle Spuren auf dieselbe Lautheit — Generatoren schwanken, und ein leiser Schurke wirkt nicht bedrohlich. Zweitens: leg einen leichten Raumhall über alle Spuren gemeinsam, damit die Stimmen wie in einem Raum klingen und nicht wie vier getrennte Aufnahmen.

Wann eine einzige Stimme besser ist

Mehrstimmige Erzählung ist Mehrarbeit und nicht immer die richtige Wahl. Literarische Prosa mit langen inneren Passagen, Ich-Erzählungen und alles unter etwa fünfhundert Wörtern klingt meist besser mit einer einzigen guten Erzählstimme — für diesen Ablauf siehe unsere Anleitung vom KI-Text zum Hörbuch. Zur vollen Besetzung greifst du, wenn der Dialog die Szene trägt: Kindergeschichten, Komödien, Krimis mit Verhören und alles, was eher ein „Hörspiel“ ist als eine „Lesung“.