Das Briefing war eine Compliance-Bibliothek mit 14 Modulen: rund 40 fertige Minuten Narration, vier Sprachen, eine Korrekturrunde. Jede Preisseite beantwortete die Fragen nach Sitzen und Credits; keine beantwortete die Frage, was 40 Minuten kosten.
Diese Lücke ist der Grund, warum überhaupt nach einer „Murf-Alternative“ gesucht wird. Murf ist kein schlechtes Produkt; es ist ein sitzplatzbasiertes Studio in einem Markt, der zur Abrechnung pro Zeichen über die API übergegangen ist, und die Preisseite führt inzwischen API, Studio und Dub als drei Produkte. Für Enterprise-Narration im Jahr 2026 ist der Sitz meist die falsche Einheit.
Was folgt, ist die Reihenfolge, in der das Geld ausgegeben wird: Skript, Hörprobe, Batch, Lizenz.
Schritt 1 – Aus dem Skript ein Zeichenbudget machen
Narration läuft mit etwa 150 Wörtern pro Minute, also rund 900–1.000 Zeichen inklusive Leerzeichen. Das ist die brauchbare Zahl: Ein zwölfminütiges E-Learning-Modul hat etwa 11.000 Zeichen, eine 40-minütige Bibliothek vor den Korrekturen etwa 40.000. Vier Sprachen bedeuten, 160.000 Zeichen zu kaufen — nicht vier Abos.
Offizielles Bild von der ElevenLabs-Website. Die Credit-Stufen sind der Maßstab, an dem die meisten Teams kalkulieren.
Die Skriptvorbereitung ist der Punkt, an dem Angebote schiefgehen, weil Seitentexte laut gelesen 15–20 % länger sind. Vier Korrekturen decken das meiste ab. Schreibe Zahlen so aus, wie sie gesprochen werden, und entscheide einmal, ob „2026“ „zweitausendsechsundzwanzig“ oder „zwei null zwei sechs“ heißt. Löse Akronyme bei der ersten Verwendung auf. Zerlege lange Satzglieder; jedes Komma schenkt der Engine eine Pause, die sie womöglich schlecht setzt. Markiere Betonungen ausdrücklich, statt dem Modell zu vertrauen.
Murfs Studio hat seinen Ruf hier verdient: Die Aussprachebibliothek und der Wortersatz auf Wortebene erlauben es einer Redakteurin, „ISO 27001“ oder einen Anlagennamen zu korrigieren, ohne den ganzen Block neu zu erzeugen, und genau diese Korrekturschleife braucht ein Compliance-Team. Diese Bearbeitungsschicht ist das Produkt. Der Stimmkatalog ist ordentlich, aber kein Grund zu bleiben.
Schritt 2 – Hörprobe an dem Absatz, vor dem du Angst hast
Teste nicht mit der Einleitung. Jede Engine meistert „Willkommen zu Modul eins“, weil der Text darauf angelegt ist, einfach zu sein. Schreibe einen 45-Sekunden-Absatz mit einer Dezimalzahl, einem Akronym, einer vorgelesenen URL, einem Produktnamen in einer zweiten Sprache und einer Frage. Höre ihn bei angeglichener Lautstärke über Laptop-Lautsprecher — dort läuft Compliance-Schulung in der Praxis.
Drei Engines verhalten sich darauf unterschiedlich. Murfs Gen 2 ist gleichmäßig und corporate, zurückhaltend genug für Richtlinientexte und etwas flach für alles Motivierende. ElevenLabs v3 ist am schauspielerischsten — ein Vorteil für Charakterarbeit und ein Risiko in einem Sicherheitsmodul, in dem eine dramatische Pause wie Sarkasmus klingt. WellSaid liegt dazwischen, mit gleichbleibender amerikanischer Corporate-Narration, also genau dem, was die Beschaffung hören will.
Das Urteil: Die Stimmqualität hat etwa 2025 aufgehört, der entscheidende Faktor zu sein. Was diese Tools trennt, ist die Frage, wie schnell jemand ohne Redaktionserfahrung ein einzelnes falsches Wort korrigiert — und ob die Lizenz deine Veröffentlichung abdeckt.
Drei Fragen, die an dieser Stelle aufkommen
Reicht der kostenlose Tarif für einen Pilot? Für die Evaluierung ja. Bevor ein Kunde etwas sieht, hole dir schriftlich die Bestätigung, dass dein Tarif kommerzielle Rechte umfasst; Evaluierungslizenzen sind keine Lieferlizenzen.
Kann ich einen Monat abonnieren und alles exportieren? Ja, die Exporte gehören dir. Was du nicht behältst, ist die Aussprachebibliothek, die geteilten Kommentare oder die Möglichkeit, eine Zeile im nächsten Quartal mit denselben Einstellungen neu zu erzeugen — archiviere also Skript, Einstellungen und Modellversion zusammen mit dem Audio.
Ersetzt Murfs Übersetzung das Dubbing? Nein. Übersetzung wird als Text pro Zeichen abgerechnet, und Murf Dub ist ein eigenes Produkt mit eigener Timing-Arbeit. Ein übersetztes Skript, das eine neue Stimme liest, ist kein Dub, und beim Lip-Sync hört man das.
Schritt 3 – Die langweiligen 90 % als Batch, die letzten 10 % bleiben beim Menschen
Ist die Stimme gewählt, wird die Rechnung einfach. Murf veröffentlicht mit Stand 3. November 2026 API-Sätze pro Zeichen: $0.01 pro 1.000 Zeichen für Falcon 2.1, $0.03 für Gen 2, $0.02 für Übersetzung, $0.10 pro Minute für Voice Changer, $0.24 pro Stunde für Speech-to-Text. Eine Bibliothek mit 2,4 Millionen Zeichen — 300 Module à acht Minuten — sieht unter diesen Sätzen ganz anders aus als unter einem Sitzplatzangebot.
| Route | Veröffentlichter Satz | Kosten für 2,4 Mio. Zeichen | Was du aufgibst |
|---|---|---|---|
| Murf Falcon 2.1 API | $0.01 / 1.000 Zeichen | etwa $24 | flachere Vortragsweise, auf Dialog getrimmt |
| Murf Gen 2 API | $0.03 / 1.000 Zeichen | etwa $72 | kaum etwas; das ist die Studio-Stimme |
| ElevenLabs Creator | $11 für 121.000 Credits | etwa $216, plus ein höherer Tarif für Concurrency | Credits verbrennen auf Premium-Modellen schneller |
| Selbst gehostetes Kokoro oder Piper | keine Gebühr pro Zeichen | nur GPU-Zeit | kein SLA, kein Cloning, kein Support |
Die ElevenLabs-Zahl braucht eine methodische Anmerkung: 121.000 Credits sind grob zwei Stunden Audio, wenn ein Credit ein Zeichen kauft, also landet $11 bei knapp 9 Cent pro fertiger Minute. Murfs Gen 2 API liegt bei 3 Cent, Falcon 2.1 bei etwa 1 Cent — damit kostet eine API-first-Route ein Drittel eines Credit-Abos auf derselben nominalen Stufe. Sätze ändern sich; prüfe beide offiziellen Seiten, bevor du dich festlegst.
Die Preisseite zeigt, wohin das Unternehmen geht. Murf führt Conversational AI an, Falcon 2.1 wirbt mit unter 100 ms bis zum ersten Audio und 10.000 gleichzeitigen Calls, und die Startseite nennt über 10 Millionen Nutzer und mehr als 300 Kunden aus den Forbes 2000. Das ist ein Infrastrukturunternehmen. Studio-Sitze sind die ältere Linie — noch gut für von Hand polierte Arbeit, aber nicht mehr der Ort, an den die Roadmap zeigt.
Batch-QA ist nicht optional. Normalisiere jede Datei auf ein Loudness-Ziel (−16 LUFS ist eine gängige Wahl im E-Learning), benenne Dateien nach Modul, Sprache und Version und prüfe 5 % der Exporte in voller Länge stichprobenartig. Ein falsch ausgesprochener Arzneimittelname in Modul 11 überlebt sonst drei Korrekturrunden.
Schritt 4 – Die Lizenz schriftlich, bevor der erste Export läuft
Kommerzielle Rechte kommen bei Murf mit den bezahlten Tarifen und, wie üblich, nicht mit den Evaluierungsstufen. Enterprise-Käufer sollten zusätzlich MSA, SLA, Datenresidenz und On-Premise-Deployment verlangen — alles in der Enterprise-Stufe, und der eigentliche Grund, warum eine Bank bei Murf bleibt statt bei einem API-Reseller, der ein Drittel verlangt.
Beim Voice Cloning wird die Lizenz teuer. Bestehe auf vier Klauseln: Einwilligung der sprechenden Person, ein definierter Umfang (Sprachen, Kampagnen), ein Ablaufdatum und Löschung beim Ausstieg. Die hausinterne Expertin zu klonen, die im März in Rente geht, ist eine Haftung über zwei Jahre, getarnt als Ersparnis. Bei einer engagierten Sprecherin braucht der Vertrag einen AI-Buyout, keine Sitzungsgebühr.
Die Kennzeichnung ist inzwischen ein Produktionsschritt. Die Transparenzregeln des EU AI Act für synthetische Medien gelten seit dem 2. August 2026; das heißt, Audio zu kennzeichnen, das ein Zuhörer für eine echte Person halten könnte — ein gesprochenes Intro, ein Beschreibungsfeld, eine Credit-Zeile.
Halte auch Live-Übersetzung und aufgezeichnete Narration getrennt. Unser Test der Monoise P-G2 vergab 4,2/5 für Kundenanrufe, doch die Ohrhörer hängen an einer Handy-App, und das Open-Ear-Design lässt in lauten Räumen Geräusche durch. Live-Übersetzung deckt ein Gespräch ab; sie erzeugt keine gemischte Spur, die du an 4.000 Lernende ausliefern kannst.
Drei Fehler, die mehr kosten als die Stimme
Sitze für einen Batch-Job kaufen. Fünf Jahreslizenzen sind Fixkosten, die das Quartal überleben, in dem deine Bibliothek ausgeliefert wird. Unregelmäßiges Volumen spricht für Zeichen, stetige gemeinsame Arbeit für Sitze. Rechne beides durch.
Mit Marketingtexten testen. Demo-Skripte sind darauf gebaut, jeder Engine zu schmeicheln. Der Absatz mit der Seriennummer und dem deutschen Produktnamen ist die einzige Hörprobe, die deine Korrekturrunden vorhersagt.
Den ersten Export für das Ergebnis halten. Kalkuliere eine Korrekturrunde pro Modul, in Zeichen gerechnet. Teams, die sie überspringen, zahlen mit Neuaufnahmen, und Neuaufnahmen verdoppeln die Minutenkosten.
Was ich als Nächstes tun würde
Nimm ein echtes Modul — kein Sample — und schicke 1.000 Zeichen bei angeglichener Lautstärke durch drei Routen: Murfs Gen 2 API, das günstigere Falcon 2.1 und was auch immer dein Team ohnehin schon bezahlt. Zähle die Korrekturen, die jede braucht, nicht die, nach denen sie klingt. Dann kalkuliere zwölf Monate mit zwei Korrekturrunden. Das beste Angebot ist selten der niedrigste Zeichenpreis; es ist das mit den wenigsten Überraschungen in Monat sieben. Für den größeren Zusammenhang decken unser Text-to-Speech-Überblick und der Leitfaden zu ElevenLabs-Alternativen die Modelllandschaft ab; wenn du die Plattform selbst bewertest, beginn mit der ElevenLabs-Toolseite.
Sätze geprüft gegen die öffentlichen Preisseiten von Murf und ElevenLabs am 3. November 2026. Die Umrechnung pro Minute setzt 1.000 Zeichen pro Minute bei 150 Wörtern pro Minute voraus.