Jede Stimme klonen. In jeder Sprache.

Laden Sie eine Audio- oder Videodatei hoch und wählen Sie Ihr Transkriptionsmodell. Whisper-1 (OpenAI) unterstützt 50+ Sprachen mit 99 % Genauigkeit und gibt Text, SRT, VTT oder zeitgestempeltes JSON aus. ElevenLabs Scribe v2 identifiziert zusätzlich einzelne Sprecher - ideal für Interviews und Aufnahmen mit mehreren Personen. Eine einstündige Datei wird in der Regel in unter 2 Minuten transkribiert.

Das hängt von Sprache und Stil ab. ElevenLabs v3 klingt am ausdrucksstärksten und eignet sich am besten für Storytelling und Charakter-Stimmen. Gemini TTS 2.5 deckt 24 Sprachen ab und eignet sich gut für mehrsprachige Inhalte. OpenAIs TTS liefert konsistente, natürlich klingende Sprache in hoher Geschwindigkeit. Für Voice Cloning - Audio in der Stimme einer bestimmten Person - nutzen Sie Qwen 3 TTS oder ElevenLabs Cloning.

Sprecher-Diarisierung identifiziert und kennzeichnet automatisch verschiedene Sprecher in einer Aufnahme. Bei der Transkription mit ElevenLabs Scribe v2 enthält die Ausgabe Sprecher-Labels (z.B. 'Sprecher 1', 'Sprecher 2') neben jedem Textsegment. Das erleichtert die Formatierung von Podcast-Transkripten, Interview-Zitaten und Besprechungsprotokollen erheblich.

Ja. MiniMax Music 3 erstellt vollständige Songs mit Gesang aus Ihren Liedtexten und einer strukturierten Beschreibung. Google Lyria 3.5 erzeugt strukturierte Tracks in voller Länge aus einem Prompt - Genre, Stimmung, Tempo und zeitgestempelte Abschnittsmarker. Alle KI-generierten Musik-Dateien in faktry sind für die kommerzielle Nutzung lizenzfrei - keine Lizenzgebühren, keine Quellenangabepflicht.

faktry akzeptiert und gibt MP3, WAV, OGG, FLAC, AAC und M4A aus. Sie können zwischen diesen Formaten konvertieren und dabei Bitrate, Abtastrate und Qualität steuern. Für Videodateien als Audioeingabe (z.B. zur Transkription) werden auch MP4 und MOV unterstützt.

Generieren Sie Ihren Voiceover mit einem TTS-Modell in der Audio-Suite und verwenden Sie dann die Operation 'Audio ersetzen' der Video-Suite, um die vorhandene Audiospur des Videos durch Ihren generierten Voiceover zu ersetzen. Beide Operationen arbeiten nahtlos zusammen - Audio in einem Schritt generieren, im nächsten auf das Video anwenden, alles ohne faktry zu verlassen.