
Fish Audio oder ElevenLabs? Natürlichkeit und Kosten ziehen auseinander

Für Voiceovers gibt es zwischen Fish Audio S2.1-Pro und ElevenLabs v3 keinen klaren Sieger bei der Natürlichkeit. Der Cekura-Vergleich derselben englischen Sätze vergibt 4,40 von fünf Punkten an Fish und 4,41 an ElevenLabs. Schwierige Textstellen wurden bei Fish zu 92,0 Prozent richtig gelesen, bei ElevenLabs zu 87,2 Prozent.
Wer häufig Zahlen und Namen vertont, findet damit einen konkreten Vorteil für Fish im getesteten Material. Bei einem vorproduzierten Clip kann die bevorzugte Stimmwirkung dennoch den Ausschlag geben. Finanziell hängt die Wahl davon ab, ob Creator Minuten in einem Abo kaufen oder Text über eine API abrechnen; dafür gelten unterschiedliche Einheiten und Nutzungsrechte.
Natürlichkeit ist nicht dasselbe wie präzise Aussprache
Der Abstand von 0,01 Punkten bei der Natürlichkeit trägt keine allgemeine Rangfolge für Voiceovers. Eine angenehm wirkende Stimme kann trotzdem einen Code oder einen Eigennamen falsch lesen. Für Tutorials, Produktvideos und gesprochene Anleitungen mit vielen konkreten Angaben ist die separate Bewertung schwieriger Stellen deshalb aussagekräftiger als ein einzelner Gesamteindruck.
Auch dieser Vorteil ist nicht in jeder Textkategorie gleich groß. Bei Zahlen und Abkürzungen erreicht Fish in der Auswertung 90 Prozent gegenüber 81 Prozent für ElevenLabs. Bei Codes und Adressen liegt ElevenLabs dagegen mit 89 zu 86 Prozent vorn. Die Werte beruhen auf einer automatischen Transkription der erzeugten Sprache, nicht auf einer Beurteilung jeder Passage durch menschliche Sprecherinnen oder Sprecher. Die veröffentlichten Beispielsätze sind englisch; für deutsche Komposita und Namen lässt sich daraus keine gleich genaue Trefferquote ableiten.
Startlatenz und Streaming lösen verschiedene Probleme
Für einen fertigen Voiceover-Clip zählt vor allem, wie die ausgegebene Aufnahme klingt und ob ihr Text stimmt. Die Zeit bis zum ersten hörbaren Ton wird wichtiger, wenn eine Anwendung während eines Gesprächs antworten soll. In der getesteten Ausgabe ohne Text-Streaming beginnt ElevenLabs v3 im Median nach 320 Millisekunden, Fish S2.1-Pro nach 333 Millisekunden. Diese kleine Differenz beschreibt den Start der Ausgabe, nicht die Qualität des fertigen Clips.
Bei gestreamtem Text weist die Auswertung für Fish 321 Millisekunden aus. Die dort getestete ElevenLabs-v3-Konfiguration konnte Text nicht streamen. Das schließt Streaming mit anderen ElevenLabs-Modellen nicht aus: v3 Conversational ist ein eigenes, auf Gespräche ausgerichtetes Modell. Dessen Geschwindigkeit und Aussprache sollten nicht mit den Messwerten für v3 gleichgesetzt werden. Für eine Live-Anwendung ist diese Modellgrenze entscheidend; bei einer Aufnahme, die vor der Veröffentlichung bearbeitet wird, ist sie meist weniger wichtig.
Warum ein Minutenpreis kein Zeichenpreis ist
Die Tarifübersicht von Fish Audio nennt für Plus 15 US-Dollar bei monatlicher Zahlung und bis zu 200 Minuten Generierung; Pro kostet monatlich 100 US-Dollar und nennt bis zu 1.620 Minuten. Ungenutzte Minuten verfallen am Ende des Abrechnungszyklus. Das sind Kontingente für das Creator-Angebot, keine frei übertragbaren Guthaben für die API. Für kommerzielle Nutzung nennt Fish bei bezahlten Tarifen ausdrücklich verifizierte Stimmen, an denen die Nutzenden die Rechte besitzen; die FAQ beschränkt die kostenlose Stufe auf private, nicht kommerzielle Projekte.
Für S2.1-Pro nennt die Entwicklerseite von Fish Audio 15 US-Dollar je Million UTF-8-Bytes übertragenen Textes ohne feste monatliche Verpflichtung. Sie führt außerdem S2.1 Pro Free als separates, bis zum 30. November 2026 kostenloses Entwicklerangebot ohne Servicegarantie auf; Anfragen dafür können zur Verbesserung des Modells verwendet werden. Die folgende Rechnung verwendet den regulären Preis des bezahlten API-Modells.
Die API-Preisliste von ElevenLabs nennt für v3 0,08 US-Dollar und für v3 Conversational 0,04 US-Dollar je 1.000 Zeichen. Sie führt außerdem monatliche Abos auf: Starter für 6, Creator für 22 und Pro für 99 US-Dollar. Die darin ausgewiesenen v3-Kontingente betragen 75.000, 275.000 und 1.238.000 Zeichen; für v3 Conversational sind es bei Starter 150.000 und bei Creator 550.000 Zeichen. Die Vergleichstabelle des Benchmarks setzt ElevenLabs v3 mit 40 US-Dollar je Million Zeichen an. Aus dem offiziellen API-Listenpreis ergeben sich für dasselbe Volumen 80 US-Dollar. Ein anderer Abrechnungsweg wird für die Benchmark-Zahl dort nicht erklärt; für die Kaufrechnung gilt deshalb die offizielle API-Liste.
Rechnung für drei Voiceover-Volumen
Rechnung nach veröffentlichten Preisen, geprüft am 31. Oktober 2026: Angenommen wird jeweils ein Monat in US-Dollar, ohne Steuern und Wechselkurskosten. Für den Vergleich mit Minutenkontingenten entsprechen 1.000 Zeichen näherungsweise einer Audiominute; tatsächliches Sprechtempo und erneute Generierungen verändern die Laufzeit. Die API-Beispiele verwenden ausschließlich ASCII-Text, bei dem ein Zeichen einem UTF-8-Byte entspricht. Deutsche Umlaute benötigen mehr Bytes und erhöhen damit den Fish-API-Betrag gegenüber dieser Annahme.
- Kleines Volumen: Bei angenommenen 20.000 Zeichen, ungefähr 20 Minuten, kostet Fish S2.1-Pro rechnerisch 0,30 US-Dollar API-Verbrauch oder 15 US-Dollar für Plus. ElevenLabs kostet über die API 1,60 US-Dollar mit v3 oder 0,80 US-Dollar mit v3 Conversational. Wer stattdessen ein bezahltes Abo mit ausreichendem Kontingent möchte, zahlt bei ElevenLabs regulär 6 US-Dollar für Starter.
- Mittleres Volumen: Bei 100.000 Zeichen, ungefähr 100 Minuten, ergeben sich für Fish 1,50 US-Dollar API-Verbrauch oder 15 US-Dollar für Plus. ElevenLabs kommt auf 8 US-Dollar mit v3 oder 4 US-Dollar mit v3 Conversational. Im Abo reicht für v3 das Creator-Kontingent zu 22 US-Dollar; für v3 Conversational genügt das Starter-Kontingent zu 6 US-Dollar.
- Großes Volumen: Bei 500.000 Zeichen, ungefähr 500 Minuten, ergeben sich für Fish 7,50 US-Dollar API-Verbrauch. Plus deckt die angenommene Laufzeit nicht ab; Pro kostet 100 US-Dollar. Bei ElevenLabs betragen die rechnerischen API-Verbrauchskosten 40 US-Dollar für v3 oder 20 US-Dollar für v3 Conversational. Im Abo deckt Pro zu 99 US-Dollar das v3-Volumen ab, während für v3 Conversational Creator zu 22 US-Dollar genügt.
Diese API-Beträge zeigen den Verbrauch nach Listenpreis, nicht automatisch den gesamten Aufwand eines veröffentlichten Projekts. Schon 50 Umlaute in einem sonst aus ASCII-Zeichen bestehenden Text von 1.000 sichtbaren Zeichen machen daraus 1.050 UTF-8-Bytes für die Fish-Abrechnung. Auch Korrekturen verbrauchen erneut Text oder Kontingent. Die Abos können sich trotz höherem Preis lohnen, wenn ihre Stimmfunktionen und veröffentlichten Nutzungsrechte gebraucht werden.
Welche Wahl trägt ein veröffentlichtes Voiceover?
Bei Fish ist Plus für planbare Aufnahmemengen ein fester Monatsbetrag, allerdings mit verfallendem Kontingent. Die API ist im gerechneten ASCII-Szenario deutlich günstiger und skaliert nach übertragenen Bytes. ElevenLabs v3 kostet über die API mehr, während v3 Conversational einen niedrigeren Zeichenpreis und andere Abo-Kontingente hat. Die günstigere Conversational-Variante ist kein durch den Vergleichstest belegter Ersatz für die Stimmwirkung oder Aussprache von v3.
Für die Veröffentlichung zählt schließlich die Art des Zugangs. Die Abrechnungsdokumentation von ElevenLabs gewährt kommerzielle Rechte für Inhalte aus bezahlten Abos; für die kostenlose Stufe nennt sie nur nicht kommerzielle Nutzung mit Namensnennung. Eine reine Pay-as-you-go-Rechnung kann auch ohne bezahltes Abo entstehen, weshalb der Verbrauchspreis allein die Nutzungsrechte nicht klärt. Wer regelmäßig datenreiche Skripte vertont, hat mit Fish den stärkeren Aussprachebefund in diesem englischen Fremdvergleich. Wer eine bestimmte Stimmwirkung sucht, muss diese Entscheidung auf das eigene Skript und das tatsächlich gebuchte Modell beziehen.
Lesen Sie auch:
Ähnliche Artikel


Laut ifo schrumpfen KI-nahe Einstiegsjobs um 14 Prozent

Indeed oder Stepstone? Reichweite und Rollenprofil drehen die Wahl

HSLU zählt 32 Prozent mehr KI-Stellen, doch Juniorjobs bleiben selten

Nur 8,4 Prozent sehen KI als wichtigsten Produktivitätshebel

freelancermap oder Malt? Projektzugang trifft Zahlungsschutz
Newsletter abonnieren
Erhalten Sie die neuesten Nachrichten zu Web3, KI und Krypto direkt in Ihren Posteingang.