Android TTS, Piper und Kokoro: Vorlesestimmen im Vergleich

Kurz gesagt: Die Systemstimme bleibt der schnellste und leichteste Weg für eine Benachrichtigung oder einen kurzen Abschnitt. Für ein ganzes Buch ist Piper das praktische Upgrade und Kokoro das natürlichere. Die Aufnahmen unten zeigen den Unterschied besser als jede Liste von Adjektiven.

Im direkten Vergleich ist der Unterschied am deutlichsten. Piper und Kokoro verarbeiten den Buchtext immer auf dem Smartphone. Ob eine Android-Systemstimme offline arbeitet, hängt von der installierten Stimme ab.

Android TTS: praktisch, nicht literarisch

Systemstimmen eignen sich gut für kurze, funktionale Texte. Sie sind schon installiert, starten schnell und funktionieren in vielen Apps. Bei Büchern zeigt sich die Kehrseite. Eine Frage und ihre Antwort können denselben Rhythmus bekommen, ein Figurenname wird bei jedem Auftauchen falsch ausgesprochen, und ein langer Satz mit zwei Nebensätzen macht Pausen genau an den falschen Stellen.

Das macht einen Absatz nicht unverständlich. Kapitel für Kapitel zwingt dich eine flache Betonung jedoch zu kleinen Reparaturen im Kopf: Wer spricht, welche Satzteile gehören zusammen, baut sich der Satz noch auf oder endet er? Daher kommt Hörmüdigkeit. Eine Stimme muss nicht schrecklich klingen, um anstrengend zu werden; sie muss die Form der Prosa nur immer ein wenig verfehlen.

Piper: das verlässliche Upgrade

Piper behält die praktischen Vorteile lokaler Sprachausgabe und klingt weniger künstlich. Die Stimmpakete sind relativ kompakt, decken viele Sprachen ab und passen deshalb gut zu mehrsprachigen Bibliotheken oder weniger leistungsfähigen Smartphones.

Kokoro: für mehr Atmosphäre

Kokoro braucht mehr Leistung, spricht dafür flüssiger und ausdrucksstärker. Bei Romanen und längeren Essays klingt es weniger nach einem Werkzeug und mehr nach einer Erzählung.

Was sich mit dem Upgrade ändert

Hier geht es um den Schritt von der Standardstimme zur neuronalen Stimme: Was ändert sich gegenüber der Stimme, die schon auf deinem Smartphone ist? Wenn du bereits überzeugt bist und zwischen den beiden Engines wählst, behandelt der eigene Ratgeber Piper oder Kokoro diese Frage, ohne sie hier zu wiederholen.

Die ehrlichen Nachteile

• Stimmenmodelle brauchen Speicher. Piper-Stimmen belegen jeweils etwa 13 bis 115 MB. Kokoro lädt ein Modell mit 132 oder 349 MB für alle 53 Stimmen. Auf einem Smartphone mit 64 GB zählt das.
• Kokoro fordert ältere Smartphones stärker. Auf aktuellen Geräten hält es gut mit, auf älteren oder günstigen Geräten ist Piper jedoch die sicherere und bei langen Sitzungen leichtere Wahl.
• System-TTS bleibt für kurze, funktionale Texte völlig ausreichend. Es startet schnell, kostet nichts extra und unterstützt womöglich schon die benötigte Sprache. Für einen Absatz, den du einmal hörst, lohnt sich kein neuronales Modell.

Den Speicher ist das Upgrade dann wert, wenn Hören kein Hilfsmittel mehr ist, sondern eine Art zu lesen.

Was Lectern zusätzlich ausmacht

Die Stimme ist nur die halbe Erfahrung. Lectern merkt sich deine Stelle, markiert den gesprochenen Satz, spielt bei ausgeschaltetem Bildschirm weiter, unterstützt Bluetooth-Steuerung und setzt Lesen und Hören an derselben Stelle fort.

Häufig gefragt