KI-Sprachsynthese macht Hörbücher grundsätzlich für jeden Indie-Autor zugänglich — die eigentliche Frage ist nicht mehr "geht das?", sondern "was kostet das wirklich, und was übersieht man dabei leicht?"
Die reinen Erzeugungskosten
Für einen durchschnittlichen Roman (rund 80'000 Wörter, ~480'000 Zeichen, was etwa 8 Stunden Hörbuch-Länge entspricht) mit einem qualitativ hochwertigen Sprachmodell liegen die reinen API-Kosten bei etwa $48. Wer stattdessen ein Monatsabo bei einem gängigen KI-Sprachanbieter löst, um an ausreichend "Zeichen-Guthaben" für ein ganzes Buch zu kommen, zahlt für einen passenden Plan eher um die $99 im Monat — deutlich mehr, weil man für ungenutzte Kapazität mitzahlt statt nur für das tatsächlich erzeugte Buch.
Was diese Zahl nicht enthält
Genau hier liegt der Punkt, den viele unterschätzen: die reine Sprachgenerierung ist nur ein Teil der Arbeit.
Chunking. Die meisten Dienste limitieren die Textmenge pro Anfrage auf wenige Tausend Zeichen. Ein Kapitel muss also in Stücke zerlegt werden — und die Einstellungen (Stimm-Stabilität, Ausdrucksstärke) müssen über alle Stücke identisch bleiben, sonst entstehen hörbare Klang-Brüche innerhalb eines Kapitels.
Zahlen und Daten. Ohne Vorbereitung liest so gut wie jedes günstigere Sprachmodell Jahreszahlen und grosse Zahlen unnatürlich vor — "2025" wird zu "zwei-null-zwei-fünf" statt "zweitausendfünfundzwanzig". Das lässt sich beheben, aber nicht automatisch, sondern nur mit einem zusätzlichen Textvorbereitungsschritt.
Charakterstimmen. Standardmässig liest eine einzige Stimme alle Dialogzeilen im gleichen Tonfall — Held, Bösewicht, Kind, alle gleich. Für unterschiedliche Charakterstimmen braucht es eine eigene Zuordnung, wer welche Zeile spricht.
Mastering. Konsistente Lautstärke über mehrere Stunden, kein störendes Grundrauschen — das liefert reine Sprachgenerierung nicht automatisch mit, das ist ein eigener Nachbearbeitungsschritt.
Vertrieb. Ein fertiges Hörbuch muss noch irgendwo verkauft werden. Die meisten Vertriebswege (Spotify, Apple, Google Play) sind kostenlos nutzbar (Umsatzbeteiligung statt Gebühr), akzeptieren KI-Stimmen mittlerweile explizit — mit einer wichtigen Ausnahme: Audible/ACX verbietet KI-Erzählstimmen im normalen Ablauf nach wie vor.
Fazit
Die reine Sprachgenerierung ist inzwischen günstig und zugänglich — die eigentliche Arbeit liegt in den Schritten drumherum, die selten mitgerechnet werden, wenn von "günstigen KI-Hörbüchern" die Rede ist. Wer das einmalig selbst durchspielt, merkt schnell, wie viele kleine Entscheidungen (Modellwahl, Stimm-Einstellungen, Zahlen-Handling, Kapitel-Zusammensetzung) zwischen "Text hochladen" und "fertiges, gut klingendes Hörbuch" liegen.