Die Hörspiele von Hoerbuecher.PRO entstehen mit KI. Stimmen, Musik und Bilder erzeugen wir lokal auf einem eigenen Rechner; Drehbücher und Texte schreibt ein KI-Sprachmodell nach Vorgaben eines Menschen. Diese Seite legt offen, was die KI macht, welche Werkzeuge wir einsetzen, was ein Mensch entscheidet und wie wir jede Folge prüfen.
Was KI bei uns macht
- Stimmen: Alle Stimmen der Figuren und des Erzählers sind mit KI erzeugt. Es sprechen keine menschlichen Sprecherinnen oder Sprecher. Die Stimmen sind keine Kopien echter Menschen: Jede wurde aus einer Textbeschreibung entworfen und spricht danach jede Zeile aus derselben Referenz – so klingt eine Figur in jeder Folge gleich.
- Musik: Die Musik ist mit KI erzeugt, auch das gesungene Wiegenlied in Folge 3.
- Bilder: Cover und die Bilder der YouTube-Fassung sind mit KI erzeugt. Die Schrift auf den Covern ist gesetzt, nicht generiert.
- Drehbuch und Texte: Drehbücher, Dialoge und Begleittexte werden mit KI geschrieben – nach Welt, Figuren und Vorgaben, die ein Mensch festlegt, und erst nach seiner Freigabe produziert.
- Produktion: Bilder, Stimmen, Schnitt und Mischung laufen über eine automatisierte Kette eigener Skripte, gesteuert von einem KI-Assistenten.
- Nicht mit KI: Die Geräusche – Konsolen, Türen, Funk, Triebwerk – werden per Programm aus einfachen Tönen erzeugt.
Werkzeuge
- Maestro 2.2.4 (Pinokio-App, basiert auf WanGP) – lokal betrieben; steuert alle KI-Modelle für Stimmen, Musik, Bilder und das Hochskalieren der Cover.
- Qwen3-TTS 12Hz 1.7B (Alibaba Qwen, Apache 2.0) – Stimmen: „Voice Design“ entwirft die Stimmen aus einer Beschreibung, „Base“ spricht jede Zeile aus der festen Referenzstimme; lokal betrieben.
- ACE-Step 1.5 XL SFT (4B, Apache 2.0) – Musik; das Wiegenlied mit dem 4B-Sprachmodell von ACE-Step 1.5; lokal betrieben.
- FLUX.1 [schnell] (Black Forest Labs, 12B, Apache 2.0) – Bilder und Cover; lokal betrieben. Die Cover sind mit FlashVSR v1.1 (Apache 2.0) hochskaliert.
- Schnitt und Mastering: FFmpeg 8.0.1 über eigene Python-Skripte – Kamerafahrten, Blenden, Mischung, Lautheit nach EBU R128, Untertitel.
- Prüfung: OpenAI Whisper (Version 20250625, MIT) – hört jede Sprechzeile zurück; lokal betrieben.
- Drehbuch, Texte und Steuerung: ein KI-Sprachmodell, als Cloud-Dienst.
- Alles Lokale läuft auf einem eigenen Rechner mit einer NVIDIA RTX 4090.
Produziert unter Verwendung von WanGP (github.com/deepbeepmeep/Wan2GP), Lizenz: WanGP Non-Commercial Evaluation License 1.1.
Was ein Mensch macht
Alexander Müller verantwortet die Reihe und trifft jede Entscheidung:
- Welt, Figuren und Richtung: Er legt die Regeln der Welt und den Ton fest und entscheidet, wohin die Staffel geht.
- Drehbücher: Er gibt jedes Drehbuch frei oder lässt es ändern – etwa mehr Erzähler, wo die Handlung schwer zu verfolgen war.
- Stimmen: Für jede Rolle entstehen mehrere Probestimmen; er hört sie an und wählt. Stimmen, die ihm zu müde klangen, wurden neu besetzt.
- Musik, Klang und Bild: Musik, Geräusche, Schiffe und Schauplätze wählt er aus Entwürfen.
- Endabnahme: Keine Folge erscheint ohne seine Freigabe.
Wie wir jede Folge prüfen
- Aussprache: Eine Spracherkennung hört jede Sprechzeile zurück und vergleicht sie mit dem Drehbuch. Wo ein deutsches Wort nicht deutsch klingt, wird die Zeile neu aufgenommen oder umformuliert.
- Gleiche Stimmen: Jede Zeile wird mit der Referenzstimme ihrer Figur verglichen; Abweichler werden neu erzeugt.
- Bilder: Jedes Bild wird vor dem Schnitt angesehen. Fehlerhafte Bilder – falsche Gesichter, Schrift, Logos, Personen, die nicht ins Bild gehören – werden neu erzeugt. In Folge 3 waren es 32 von 125.
- Ton: Lautheit nach EBU R128; Musik und Raumklang treten unter den Stimmen zurück; die Pegel von Gesang und Dialog werden gemessen.
- Anhören: Alexander Müller hört und sieht jede Folge vor der Veröffentlichung vollständig.
- Lizenzen: Alle eingesetzten Modelle stehen unter Apache 2.0 oder MIT und erlauben die kommerzielle Nutzung der Ergebnisse; Maestro/WanGP erlaubt sie mit Namensnennung (siehe oben). Offene Lizenzfragen klären wir vor einem Verkauf schriftlich.
Wie wir kennzeichnen
- Jede Serien- und Folgenseite trägt einen Hinweis auf die KI-Produktion.
- Auf YouTube ist jede Folge in YouTube Studio als verändert oder synthetisch gekennzeichnet, und die Beschreibung nennt die KI-Produktion.
- Diese Seite beschreibt den Ablauf und wird aktualisiert, wenn sich Werkzeuge ändern.
Warum wir das offenlegen
Wer ein Hörspiel hört, soll wissen, wie es entstanden ist. Seit dem 2. August 2026 verlangt die europäische KI-Verordnung (Art. 50) Transparenz bei KI-erzeugten Inhalten; bei künstlerischen und fiktionalen Werken reicht ein Hinweis, der das Werk nicht stört. Wir gehen mit dieser Seite darüber hinaus.
Häufige Fragen
Sprechen echte Menschen in den Hörspielen?
Nein. Alle Stimmen sind mit KI erzeugt. Sie sind keine Kopien echter Menschen, sondern aus Textbeschreibungen entworfen.
Schreibt eine KI die Geschichten?
Ja. Drehbücher, Dialoge und Begleittexte schreibt ein KI-Sprachmodell – nach Welt, Figuren und Vorgaben, die Alexander Müller festlegt. Produziert wird ein Drehbuch erst nach seiner Freigabe.
Werden die Hörspiele in der Cloud erzeugt?
Stimmen, Musik, Bilder, Schnitt und Prüfung laufen lokal auf einem eigenen Rechner. Drehbücher und Texte entstehen mit einem KI-Sprachmodell, das als Cloud-Dienst läuft.
Warum sind die Hörspiele kostenlos?
Die erste Staffel jeder Serie ist der Einstieg und bleibt kostenlos. Ob spätere Staffeln etwas kosten, steht auf der jeweiligen Serienseite.