Zurück zum Blog
ModellvergleichNovember 16, 202611 Min. Lesezeit

Songs, Beats, Stimmen, Transkripte. Ein Account.

6 Musikmodelle, 15 Stimmen, 5 Transkriptionsmodelle auf einem unbottled.ai-Guthaben. Der echte Preis pro Clip, pro Minute, pro Stunde. Und welches Modell zu welchem Job passt.

Eine Musik-App. Eine Stimmen-App. Eine Transkriptions-App. Drei Abos, drei Logins, drei Credit-Töpfe, die verfallen. Dabei wolltest du nur einen Jingle, einen Sprechertext und ein Transkript.

unbottled.ai betreibt 26 Audiomodelle von 10 Labs auf einem Credit-Guthaben. Jede Zahl unten kommt live aus unserer Modellregistry: Längen, Stimmen, Stufen, echte Preise. Vier Jobs, vier Antworten:

  • Songs mit Gesang: Sonauto, ElevenLabs Music, Lyria 3 Pro. Clips bis 30 Sekunden.
  • Beats und Instrumentals: MusicGen Stereo, ModelsLab Music Gen, Lyria 3.
  • Sprechertexte und Vorlesen: 15 Stimmen, €0.002 bis €0.035 pro Minute Sprache.
  • Transkription: 5 Modelle, €0.039 bis €1.06 pro Stunde Audio.

KI-Musikgenerator: alle 6 Modelle

Günstigster Clip zuerst. Preise inklusive unserer Marge von 30 %. 1 Credit = 0,01 €.

ModellCliplängeStufeCredits / ClipPreis / Clip
Lyria 3 Clip PreviewGoogle8 / 20 sMainstream5.2€0.05
Lyria 3Google30 sMainstream6.5€0.07
Sonauto SongSonauto8 / 20 / 30 sOffen10.4€0.10
Lyria 3 Pro PreviewGoogle30 sMainstream10.4€0.10
ModelsLab Music GenModelsLab30 sOffen27.3€0.27
ElevenLabs MusicElevenLabs8 / 20 / 30 sMainstream27.3€0.27

Ein Preis pro Clip, egal welche Länge du wählst. Fragst du eine Länge an, die das Modell nicht anbietet, rastet die Anfrage auf die nächstgelegene ein.

Songs mit Gesang

Eine Stimme, ein Refrain, der hängen bleibt. Beschreib Genre, Stimmung, Sängerin oder Sänger und worum es im Song geht. Diese Modelle sind für Songs gebaut, die singen.

Beats und Instrumentals

Hintergrundmusik, Loops fürs Video, ein Beat zum Rappen. Ohne Gesang. Nenn Genre, Tempo und Instrumente: "Lo-Fi-Hip-Hop, 85 bpm, staubiges Klavier, Vinyl-Knistern".

Kurze Clips, Stings, Jingles

Intros, Benachrichtigungstöne, ein Podcast-Sting. Kurz und günstig. Zehn erzeugen, einen behalten.

Du suchst eine Suno-Alternative? Suno und Udio gibt es auf unbottled.ai nicht. Stattdessen bekommst du 6 Musikmodelle auf einem Guthaben, ab €0.05 pro Clip, ohne Zusatzabo. Der ehrliche Haken: Bei 30 Sekunden ist Schluss. Komplette Drei-Minuten-Tracks bleiben vorerst Sache der spezialisierten Song-Apps.
Musikgenerator öffnen

Text zu Sprache: 15 KI-Stimmen im Vergleich

Günstigste zuerst. Abgerechnet wird pro Textzeichen. Die letzte Spalte schätzt eine Minute Sprache auf etwa 900 Zeichen.

StimmeKlangStufeCredits / 1.000 ZeichenCa. 1 Min. Sprache
Bella (Kokoro)HexgradWeiblich, warmUnzensiert0.22€0.002
Sarah (Kokoro)HexgradWeiblich, klarUnzensiert0.22€0.002
Nicole (Kokoro)HexgradWeiblich, sanftUnzensiert0.22€0.002
Adam (Kokoro)HexgradMännlich, gleichmäßigUnzensiert0.22€0.002
Michael (Kokoro)HexgradMännlich, selbstbewusstUnzensiert0.22€0.002
Emma (Kokoro)HexgradWeiblich, britischUnzensiert0.22€0.002
George (Kokoro)HexgradMännlich, britischUnzensiert0.22€0.002
Ashley (Inworld)InworldWeiblich, lebendigMainstream1.3€0.012
Craig (Inworld)InworldMännlich, britischMainstream1.3€0.012
AlloyOpenAINeutral, im GesprächstonMainstream2€0.018
NovaOpenAIWeiblich, warmMainstream2€0.018
OnyxOpenAIMännlich, tiefMainstream2€0.018
Eve (xAI)xAIWeiblich, ausdrucksstarkMainstream2.1€0.019
Zephyr (Gemini)GoogleWeiblich, hellMainstream3.9€0.035
Puck (Gemini)GoogleMännlich, beschwingtMainstream3.9€0.035

Sätze inklusive unserer Marge von 30 %. Die Minute ist eine Schätzung: Schnellsprecher und lange Wörter verschieben sie. Du zahlst für die Zeichen, die du schickst, nicht für die Sekunden, die zurückkommen.

Vorlesen im Alltag

Sauber, klar und so günstig, dass du sie einfach laufen lassen kannst. Nova ist die Standardstimme fürs Vorlesen von Antworten.

  • Nova2 Credits / 1.000 Zeichen · ca. €0.018 pro Minute · Weiblich, warm
  • Alloy2 Credits / 1.000 Zeichen · ca. €0.018 pro Minute · Neutral, im Gesprächston
  • Onyx2 Credits / 1.000 Zeichen · ca. €0.018 pro Minute · Männlich, tief

Viele Sprachen, eine Stimme

Gemini-Stimmen sprechen über 100 Sprachen und folgen Vortragsanweisungen: langsamer, geflüstert, aufgeregt.

  • Zephyr (Gemini)3.9 Credits / 1.000 Zeichen · ca. €0.035 pro Minute · Weiblich, hell
  • Puck (Gemini)3.9 Credits / 1.000 Zeichen · ca. €0.035 pro Minute · Männlich, beschwingt

Figuren und Erzählungen

Mehr Drama, mehr Bandbreite. Gebaut für Fiktion, Spielfiguren, Rollenspielszenen.

  • Eve (xAI)2.1 Credits / 1.000 Zeichen · ca. €0.019 pro Minute · Weiblich, ausdrucksstark
  • Ashley (Inworld)1.3 Credits / 1.000 Zeichen · ca. €0.012 pro Minute · Weiblich, lebendig

Am günstigsten, ohne Inhaltsfilter

Kokoro ist ein Open-Weight-Modell mit 82M Parametern. 7 Kokoro-Stimmen liegen in unserer unzensierten Stufe: kein Inhaltsfilter auf dem, was sie vorlesen. Gleichzeitig die günstigsten Stimmen der Plattform.

  • Bella (Kokoro)0.22 Credits / 1.000 Zeichen · ca. €0.002 pro Minute · Weiblich, warm
  • Michael (Kokoro)0.22 Credits / 1.000 Zeichen · ca. €0.002 pro Minute · Männlich, selbstbewusst
  • Emma (Kokoro)0.22 Credits / 1.000 Zeichen · ca. €0.002 pro Minute · Weiblich, britisch
  • George (Kokoro)0.22 Credits / 1.000 Zeichen · ca. €0.002 pro Minute · Männlich, britisch

Jede Stimme hier ist auf Englisch abgestimmt. Gemini-Stimmen beherrschen über 100 Sprachen. Die übrigen lesen andere Sprachen auch, oft mit Akzent. Teste einen Satz, bevor du ein ganzes Skript renderst.

Text zu Sprache öffnen

KI-Transkription: 5 Modelle für Sprache zu Text

Günstigste pro Minute zuerst. Abgerechnet wird pro Sekunde Audio. Preise inklusive unserer Marge von 30 %.

ModellStufeCredits / MinutePreis / Stunde
Whisper Large V3OpenAIOffen0.064€0.039
Voxtral Mini TranscribeMistral AIOffen0.5€0.30
GPT-4o Mini TranscribeOpenAIMainstream0.66€0.40
WhisperOpenAIMainstream0.78€0.47
Nemotron ASRNVIDIAOffen1.8€1.06

Meldet ein Anbieter seine tatsächlichen Kosten für einen Job, rechnen wir genau diese plus Marge ab. Die finale Abbuchung kann deshalb leicht von der Tabelle abweichen.

Am günstigsten: Stunden an Audio für Centbeträge

Open-Weight-Whisper, 99 Sprachen. Ein Abo reicht bei diesem Satz für etwa 207 Stunden Audio.

Genauigkeit zuerst

Weniger falsche Wörter, bessere Spracherkennung. Für Interviews, Zitate, alles, was du veröffentlichst. Whisper ist der Standard für die Spracheingabe.

Viele Sprachen

Whisper deckt 99 Sprachen ab, Nemotron 40 Sprachvarianten. Voxtral ist das Transkriptionsmodell von Mistral, gebaut für Aufnahmen bis 10 Minuten.

Schnell und robust gegen Störgeräusche

Geringe Latenz, hält auch in lauten Räumen durch. Gemacht für schnelle Sprachnotizen und Diktate.

Sprache zu Text öffnen

So funktioniert es im Chat

Keine extra App. Musik, Stimmen und Transkription stecken in jedem Chat auf unbottled.ai.

1

Song anfragen

Schreib "mach mir ein 30-Sekunden-Synthwave-Intro für meinen Podcast". Die KI ruft den Musikgenerator mit dem Musikmodell deines Skills auf, Lyria 3, solange du nichts änderst. Nenn ein anderes Modell im Prompt, und es wird genommen.

2

Jede Antwort anhören

Tipp auf das Lautsprecher-Symbol einer Antwort, und sie wird in der Stimme deines Skills vorgelesen, standardmäßig Nova. Die Stimme legst du pro Skill fest.

3

Sprechen statt tippen

Tipp aufs Mikrofon und sprich. Whisper schreibt deine Worte ins Eingabefeld, oder die Aufnahme geht direkt an Modelle, die Audio verstehen.

4

Ganze Dateien transkribieren

Meetings, Interviews, Sprachmemos: Zieh bis zu 20 Dateien auf die Tool-Seite für Sprache zu Text und wähl das Modell.

5

Anrufmodus

Freihändig. Du sprichst, die KI antwortet laut, du antwortest zurück. Stimme rein, Stimme raus, dasselbe Guthaben.

Volle Kontrolle? Jeder Job hat seine eigene Tool-Seite: Modell oder Stimme wählen, Cliplänge einstellen, ein langes Skript einfügen.

Was KI-Musik und KI-Stimmen hier kosten

Drei Formeln, ein Guthaben. Anbieterpreis plus unsere Marge von 30 %. 1 Credit = 0,01 €.

  • Musik: ein fester Preis pro Clip. Von 5.2 Credits (€0.05) bei Lyria 3 Clip Preview bis 27.3 Credits (€0.27) bei ElevenLabs Music.
  • Stimme: pro Zeichen. Von 0.22 Credits pro 1.000 Zeichen bei Bella (Kokoro) bis 3.9 bei Puck (Gemini).
  • Transkription: pro Sekunde Audio. Von 0.064 Credits pro Minute bei Whisper Large V3 bis 1.8 bei Nemotron ASR.
  • Credits werden erst abgebucht, wenn das Ergebnis da ist. Fehlgeschlagener Job, Timeout, abgelehnter Prompt: Du zahlst nichts.
  • Gratis: 20 Credits im Monat ohne Konto, 40 mit kostenlosem Konto, 90 mit Newsletter. 40 Credits reichen für 7 Clips mit Lyria 3 Clip Preview oder etwa 201 Minuten Bella (Kokoro).
  • Monatstarife: vier Größen, ab 800 Credits für €8.00.
  • Credit-Pakete: Aufstockung für Abonnenten, 500 Credits für €5.00. Sie verfallen nie. Karte, PayPal oder Krypto.
Tarife und Credit-Pakete ansehen

Die Grenzen, ungeschönt

Kenn die Grenzen, bevor du einen Credit ausgibst.

  • Musikclips laufen höchstens 30 Sekunden. Keine Drei-Minuten-Tracks, kein Verlängern eines Clips.
  • Ein Clip kostet bei jeder Länge gleich viel. Kurze Clips sind der günstige Weg, einen Prompt zu testen, kein Rabatt.
  • Kein Suno, kein Udio. Ihre APIs gibt es auf unbottled.ai nicht.
  • Text zu Sprache nimmt bis zu 5,000 Zeichen pro Anfrage. Längere Skripte: aufteilen.
  • Transkription nimmt bis zu 20 Dateien pro Anfrage, je 25 MB.
  • Kein Stimmenklonen. Du wählst aus den Stimmen in der Tabelle. Eigene Stimmen hochladen geht nicht.
  • Die meisten Musik- und Stimmenmodelle laufen hinter der Moderation ihres Anbieters. Ein Prompt kann schon beim Anbieter abgelehnt werden. Diese Ablehnung kostet nichts.
Vor dem Veröffentlichen: Prüf die Bedingungen des Anbieters zur kommerziellen Nutzung generierter Musik und Stimmen. Die Regeln unterscheiden sich je Lab, und sie ändern sich.

FAQ

Welcher KI-Musikgenerator ist der beste?

Kommt auf den Track an. Songs mit Gesang: Sonauto oder ElevenLabs Music. Ausgefeilte kurze Tracks: Lyria 3 Pro. Beats und Loops: MusicGen Stereo. Am günstigsten: Lyria 3 Clip Preview mit €0.05 pro Clip. Alle 6 laufen auf einem unbottled.ai-Guthaben, du wechselst also pro Clip.

Gibt es eine gute Suno-Alternative?

Für kurze Songs und Beats ja: Sonauto, ElevenLabs Music und Googles Lyria 3 laufen hier auf einem Guthaben, ab €0.05 pro Clip, ohne Zusatzabo. Für komplette Drei-Minuten-Songs noch nicht: Clips enden hier nach 30 Sekunden.

Kann KI Songs mit Gesang erstellen?

Ja. Frag Sonauto, ElevenLabs Music oder Lyria 3 Pro nach einem Song und beschreib Thema, Stimmung und Stimme. Instrumentalmodelle wie MusicGen Stereo machen Musik ohne Gesang.

Welcher KI-Stimmengenerator klingt am natürlichsten?

Fürs Vorlesen im Alltag klingen OpenAI-Stimmen wie Nova sauber und kosten wenig. Am ausdrucksstärksten: xAI Eve und Inworld. Für viele Sprachen: Gemini. Für den niedrigsten Preis ohne Filter: Kokoro.

Gibt es einen KI-Stimmengenerator mit Gratis-Credits?

Ja. 20 Gratis-Credits im Monat ohne Konto, 40 mit kostenlosem Konto, 90 mit Newsletter. Mit Bella (Kokoro) sind das etwa 201 Minuten Sprache. Dieselben Credits bezahlen auch Musik und Transkription.

Was kostet KI-Transkription?

Von €0.039 pro Stunde Audio bei Whisper Large V3 bis €1.06 bei Nemotron ASR. Abgerechnet pro Sekunde. Fehlgeschlagene Jobs kosten nichts.

Kann ich meine eigene Stimme klonen?

Nein. unbottled.ai bietet 15 fertige Stimmen. Kein Klonen, kein Hochladen der eigenen Stimme.

Gibt es unzensiertes Text zu Sprache?

Ja. 7 Kokoro-Stimmen liegen in unserer unzensierten Stufe: ein Open-Weight-Modell ohne Inhaltsfilter auf dem, was es vorliest. Die meisten Musikmodelle und die übrigen Stimmen laufen hinter den Filtern ihrer Anbieter.

Du machst Musik, Podcasts oder Sprecher-Content? Das unbottled.ai-Partnerprogramm zahlt dir einen wiederkehrenden Anteil an jeder Zahlung, die du vermittelst. Partner werden

Modell wählen. Play drücken.

Songs, Beats, Stimmen und Transkripte von einem Guthaben. Starte mit 20 Gratis-Credits, ganz ohne Konto.

Zurück zum Blog