Was Vorleserei macht
Vorleserei nimmt den Text, den Sie einfügen, und gibt Ihnen eine MP3-Datei, in der er vorgelesen wird. Derzeit gibt es 24 deutsche Stimmen, verteilt auf 3 Länder, dazu muttersprachliche Stimmen für 64 weitere Sprachen und die Möglichkeit, aus einer Aufnahme von drei bis acht Sekunden Ihre eigene Stimme zu erzeugen.
Was diese Seite von den anderen deutschsprachigen Möglichkeiten unterscheidet, sind die drei Länder. Anderswo bekommen Sie für Österreich und die Schweiz je zwei Stimmen, wenn überhaupt — meist dieselben zwei, die Microsoft anbietet. Hier kommt ein Drittel der Stimmen aus jedem Land, weil die Menschen, von denen die Aufnahmen stammen, das selbst so angegeben haben.
Eine Anfrage darf bis zu 500 Wörter lang sein, und zwischen zwei Anfragen liegen 5 Sekunden. Es gibt keine bezahlte Version, nichts, worauf man aufrüsten könnte, und die Datei trägt kein Wasserzeichen.
Woher die Stimmen kommen
Aus Common Voice, der offenen Sprachsammlung von Mozilla. Menschen lesen dort freiwillig Sätze vor und geben selbst an, welches Geschlecht sie haben und aus welchem Land ihr Deutsch kommt. Das gesamte Material steht unter CC0 1.0 — der Lizenz, die einer Freigabe in die Gemeinfreiheit am nächsten kommt. Sie müssen weder fragen noch jemanden nennen.
Aus dem Korpus wurden nur Menschen genommen, die BEIDES angegeben haben, Land und Geschlecht. Wir raten nichts: Wo jemand keine Angabe gemacht hat, taucht er hier nicht auf, auch wenn die Aufnahme gut ist. Von jedem ausgewählten Menschen wurde dann die sauberste seiner Aufnahmen genommen, gemessen als Abstand zwischen Sprache und Störgeräusch.
Es sind keine Studioaufnahmen. Die Menschen haben zu Hause aufgenommen, mit dem Mikrofon, das da war. Wir haben alles unter einem gemessenen Störabstand aussortiert, aber ein Tonstudio ersetzt das nicht — und genau deshalb ist dieses Material überhaupt frei verfügbar.
Hochdeutsch mit Landesaussprache — nicht Mundart
Das ist der wichtigste Satz auf dieser Seite, und er steht auch auf jeder Länderseite. Die Menschen in Common Voice haben hochdeutsche Sätze vorgelesen. Sie hören also die Standardsprache mit der Aussprache des jeweiligen Landes.
Für die Schweiz ist der Unterschied riesig. Common Voice nennt sein Feld „Schweizerdeutsch", aber Schwyzerdütsch ist eine alemannische Mundart, die im Alltag von der Bäckerei bis zum Bundesrat gesprochen wird und die deutsche Sender untertiteln. Was Sie hier hören, ist Schweizer Hochdeutsch. Wer Ihnen „Schweizer Dialekte" verspricht und eine de-CH-Stimme von Microsoft liefert, verkauft dasselbe wie wir und nennt es anders.
Dasselbe gilt für Österreich: kein Wienerisch, kein Tirolerisch. Und für Deutschland: kein Bairisch, kein Sächsisch, kein Plattdeutsch. In Common Voice haben zwar über dreitausend Menschen „Deutschland Deutsch" angegeben, aber nur eine Handvoll hat zusätzlich eine Region genannt — vier Personen schrieben „Schwäbisch", drei „Fränkisch". Aus vier Menschen lässt sich keine Auswahl bauen, also behaupten wir nichts über Regionen.
Warum aus jedem Land gleich viele Stimmen kommen
Weil eine ehrliche Auswahl wichtiger ist als eine große. Es sind 8 Stimmen pro Land und Geschlecht, und diese Zahl ist keine Design-Entscheidung, sondern eine Folge der Daten.
In Common Voice haben für die Schweiz nur dreizehn Frauen sowohl Land als auch Geschlecht angegeben — im gesamten Korpus, nicht in einem Ausschnitt. Für Österreich sind es dreißig. Für Deutschland fast vierhundert. Ohne feste Quote wären neun von zehn Stimmen deutsch, und die Seite würde „drei Länder" in die Titelzeile schreiben und Deutschland liefern.
Die Schweiz ist damit die engste Stelle des ganzen Projekts, und sie bestimmt, wie viele Stimmen es insgesamt gibt. Das ist der Preis dafür, dass die Überschrift stimmt.
Warum es kostenlos ist
Weil der teuerste Teil bereits bezahlt ist. Die Sprachausgabe läuft auf einem einzelnen Rechner, der ohnehin für andere Arbeit angeschafft wurde und die meiste Zeit Luft hat. Diese Seite füllt die Lücken. Es gibt keine Investoren, keine Werbung, keine Datenweitergabe und keinen Plan, daraus ein Abonnement zu machen.
Die Grenzen — 500 Wörter am Stück, 60 Vorgänge am Tag pro IP-Adresse, 5 Sekunden Pause — bestehen deshalb nicht, weil dahinter eine Bezahlversion wartet, sondern weil eine einzige Grafikkarte den Ton für alle erzeugt. Sie gelten pro IP-Adresse, nicht insgesamt: Wer viel nutzt, bremst damit nur sich selbst und nicht die anderen.
Was es nicht kann
Zahlen sind die häufigste Fehlerquelle, und Deutsch macht es besonders schwer: Die Einer stehen vor den Zehnern („einundzwanzig"), und Österreich sagt „Jänner", wo Deutschland „Januar" sagt. Wenn eine Zahl unbedingt stimmen muss, schreiben Sie sie in Buchstaben. Dasselbe gilt für Abkürzungen wie „z. B." und „u. a.".
Sehr lange Komposita können falsch betont werden. Das ist kein Fehler der Stimme, sondern eine Frage, wo die Maschine die Fuge vermutet — bei einem Wort wie „Donaudampfschifffahrtsgesellschaft" gibt es mehrere plausible Antworten.
Die eigene Stimme aus einer kurzen Aufnahme kommt der Vorlage nahe, ist aber keine perfekte Kopie, und sie behält ihren Akzent auch in anderen Sprachen. Die Seite hat keine Warteschlange mit Rückmeldung: Wenn gerade viel los ist, dauert es länger, und bei sehr viel Andrang bekommen Sie eine Absage statt einer langen Wartezeit — das ist Absicht.