TXT-zu-MP3-Konverter — KI-Stimme, 192 kbps

Text wird zu einer MP3, die überall mitkommt

MP3 ist im Audiobereich das Nächste an einer universellen Währung. Jedes Telefon, jedes Auto, jeder Laptop, jeder Smart Speaker und Hobby-Media-Player der letzten zwei Jahrzehnte spielt es ohne Murren, jedes Messaging- und E-Mail-System nimmt es als Anhang an, und es bleibt klein genug, um beiläufig herumzureisen. Kein proprietärer Player, keine Codec-Suche, keine Kompatibilitäts-E-Mail von einem ratlosen Kollegen. Wenn Ihre Worte als Klang reisen sollen, ist MP3 das Format, das nie Fragen stellt.

Genau das erzeugt diese Seite: Text-zu-Sprache ohne Installation und ohne Zeitleiste zum Zusammenbauen. Laden Sie eine einfache TXT-Datei hoch — Besprechungsnotizen, einen entworfenen Aufruf, einen Artikeldraft, ein Lernblatt — und erhalten Sie eine MP3, die Sie in eine Wiedergabeliste, einen Chat oder eine Podcast-App legen können. Autoren hören ihre Entwürfe im Pendelzug; Lehrer geben ihren Schülern Lernaudio; Beschäftigte verwandeln tote Lesezeit in Hörzeit. Weil die Ausgabe gewöhnliches MP3 ist, muss sich an Ihrem bestehenden Setup nichts ändern — die Datei benimmt sich wie jedes andere Audio, das Sie bereits besitzen. Das Format verschwindet im Hintergrund, und genau das will man von einem Hilfswerkzeug.

Vom Text zur WAV zur 192-kbps-MP3

Die Pipeline ist ehrlich, was ihre zwei Stufen angeht. Zuerst liest die Qwen3-TTS-Synthese-Engine Ihren Text und rendert ihn als Sprache in eine WAV-Datei — das verlustfreie Arbeitsformat der Synthese. Dann transkodiert FFmpeg diese WAV in die fertige 192-kbps-MP3, die Sie herunterladen.

Die 192-kbps-Bitrate ist eine bewusste Wahl für Sprache. Sie hält Stimmen knackig und frei von den wässrigen Artefakten, die aggressive Kompression hinzufügt, während sie die Datei gegenüber der WAV-Version drastisch schrumpft — die MP3 ist die kleinere, teelfreundliche Form desselben Audios, die man ohne Zögern an eine Nachricht hängt. Sprache verträgt diese Bitrate auch anmutig: Es gibt keine schimmernden Becken oder dichten Mischungen zu verschmieren, also kostet die Größenersparnis den Hörer fast nichts.

Die Zeit wird in Minuten gemessen, nicht in Sekunden: Die meisten Konvertierungen sind in wenigen Minuten fertig, und ein langer Text nahe der Eingabegrenze kann im schlimmsten Fall bis zu etwa 25 Minuten dauern, der zusätzliche Transkodierungsschritt eingerechnet. Der Fortschritt wird durchgehend angezeigt; die MP3 steht zum Herunterladen bereit, sobald sie fertig ist. Der zweistufige Entwurf ist der Grund, warum die Obergrenze mit etwa 25 Minuten statt weniger angegeben wird — erst Synthese, dann Transkodierung, eine Uhr über beide.

Die Stimme, ehrlich beschrieben

Die Sprache wird von der Qwen3-TTS-Engine per KI erzeugt — keine Aufnahme eines menschlichen Sprechers, und die Seite gibt nichts anderes vor. Für Material, das von einem neutralen, ruhigen Vortrag profitiert, ist das Ergebnis wirklich angenehm; für Projekte, die eine Darbietung brauchen, wollen Sie echtes Talent statt einer Engine.

Die Standardstimme ist Vivian, in festem Nachrichtensprech-Stil — gemessen, klar, professionell. Es gibt zurzeit keine Stimmenauswahl oder Geschwindigkeitsregler: Jede Konvertierung kommt im selben gefassten Register heraus, was die Ergebnisse von Datei zu Datei vorhersehbar hält. Falls ein künftiges Update mehr Stimmen hinzufügt, wird die Seite es sagen; bis dahin ist Vivian die Stimme.

Grenzen und Privatsphäre

Die Eingabe ist auf 2000 Zeichen begrenzt — grob neun Minuten fertigen Audios. Texte jenseits der Grenze werden mit klarer Meldung abgelehnt, statt still gekürzt zu werden. Die praktische Gewohnheit ist, langes Material an Kapitel- oder Abschnittsgrenzen zu teilen und die Teile einzeln der Reihe nach zu konvertieren, die Dateien fortlaufend nummeriert. Drei Teile zu 2000 Zeichen konvertieren ohne Drama; ein 6000-Zeichen-Klumpen konvertiert gar nicht.

Privatsphäre folgt dem Plattformstandard. Der Dienst ist während der Beta kostenlos und ohne Konto; Uploads laufen über HTTPS, und sowohl Ihre TXT als auch die erzeugten Audiodateien werden innerhalb von 24 Stunden gelöscht. Ihre Worte bekommen eine Stimme; sie bekommen keinen Aktenschrank.