Murf.ai und ElevenLabs erzeugen beide synthetische Sprache, zielen aber nicht auf dieselben Käufer. Murf verkauft eine Produktionsumgebung: Text eingeben, Stimme wählen, Betonung und Tempo Wort für Wort nachziehen, die Tonspur über Folien oder Video legen, exportieren. Mehr ist es nicht. Gedacht ist das für Marketing-, Schulungs- und Servicebereiche, die fertige Audiodateien brauchen und keine Schnittstelle. Abgerechnet wird nach Stunden erzeugter Sprache und nach Bearbeiterplätzen, nicht nach Zeichen.
Vor- und Nachteile
Vorteile
- Betonung, Tempo und Pausen lassen sich für einzelne Wörter setzen
- Aussprachliste hält Fachbegriffe über alle späteren Aufnahmen hinweg gleich
- Tonspur entsteht direkt an Folien und Video, ohne zweites Programm
- Die Entwicklerschnittstelle verarbeitet auf Wunsch in Deutschland
Nachteile
- Kundendaten liegen nach Anbieterangabe ausschließlich in der AWS-Region Ohio
- Das Kontingent zählt Stunden im Jahr und gilt für das ganze Team
- Stimmklon nur im Enterprise-Tarif und nur über eine Studioaufnahme
- Die Stimmbibliothek führt Deutsch nur als bundesdeutsche Variante
- Oberfläche und Anleitungen ausschließlich auf Englisch
Funktionen
- Steuerung Wort für Wort: Setzt Tonhöhe, Tempo, Pausen und Betonung für einzelne Wörter statt für den ganzen Absatz. Das ist der Kern des Werkzeugs.
- Aussprachliste je Projekt: Hinterlegt Lautschrift für Fachbegriffe und Markennamen, damit dieselbe Schreibweise in allen späteren Aufnahmen gleich klingt.
- Stimmenwandler: Nimmt eine eigene Sprachaufnahme entgegen und gibt sie als KI-Stimme ohne Raumklang zurück; im Einstiegstarif nicht enthalten.
- Tonspur am Bild: Legt das erzeugte Audio im Browser über Folien, Bilder und Video und hält die Schnittmarken an den Textabschnitten.
- Übersetzen und neu vertonen: Überträgt ein Skript in weitere Sprachen und erzeugt dazu gleich die passende Sprachfassung.
- Stimmklon nach Studioaufnahme: Bildet eine echte Sprecherstimme nach. Der Anbieter verlangt dafür eine Studioaufnahme von ein bis zwei Stunden und richtet den Klon selbst ein.
- Anbindung an Präsentationssoftware: Verbindet sich mit Canva und Google Slides, sodass die Vertonung neben dem Foliensatz entsteht.
- Schnittstelle mit Regionswahl: Liefert Sprachausgabe an eigene Anwendungen und verarbeitet dabei wahlweise in Deutschland statt in den USA.
Setup
Sprache
Datenschutz
Unsere Bewertung
Produktivität
Für wiederkehrende Vertonungen nimmt Murf viel Arbeit ab: Skript hinein, Tonspur heraus, Korrekturen am einzelnen Wort statt im ganzen Absatz. Zwei belegte Grenzen drücken die Note. Das Kontingent zählt Stunden im Jahr und gilt für das ganze Team, ein zweiter Bearbeiter vergrößert es nicht. Und eine eigene Sprecherstimme richtet ausschließlich der Anbieter ein, im Enterprise-Tarif und nach einer Studioaufnahme von ein bis zwei Stunden. Wer beides braucht, verliert den Geschwindigkeitsvorteil an Abstimmung.
Benutzerfreundlichkeit
Die Oberfläche folgt dem Aufbau klassischer Schnittprogramme mit Zeitleiste und Blöcken, ein erstes brauchbares Ergebnis entsteht in wenigen Minuten. Die Feinsteuerung am einzelnen Wort ist ohne Anleitung auffindbar. Punktabzug kostet allein, dass Fachbegriffe vor der ersten sauberen Ausgabe in die Aussprachliste wandern müssen.
Kundensupport
Betreuung und Hilfeseiten laufen auf Englisch, verbindliche Reaktionszeiten nennt Murf öffentlich nicht. Ab dem Business-Tarif weist der Anbieter eine bevorzugte Bearbeitung aus, eine feste Betreuungsperson erst im Enterprise-Tarif. Deutschsprachige Anleitungen gibt es nicht.
Einsatzbereiche
Ansagen für Telefonanlagen: Warteschleife, Sprachmenü und Öffnungszeiten laufen über dieselbe Stimme. Der Servicebereich pflegt die Texte selbst und spielt die Dateien in die Anlage. Bei Änderungen bleibt der Klang gleich, und genau das hört der Anrufer.
Lernvideos vertonen: Die Schulungsabteilung tippt das Skript ein und bekommt eine Tonspur, die zum Foliensatz passt. Ändert sich ein Absatz, entsteht nur dieser Abschnitt neu. Ein Aufnahmetermin im Studio entfällt.
Werbevideos mit wechselnden Fassungen: Für eine Kampagne entstehen mehrere Textvarianten mit derselben Stimme. Das Marketing vergleicht Tonlagen, ohne einen Sprecher erneut zu buchen. Vor der Veröffentlichung hört eine verantwortliche Person die fertige Fassung ab.
Interne Berichte hörbar machen: Lange Papiere bekommen eine Tonspur für den Weg zur Arbeit. Verteilte Teams hören die Zusammenfassung, statt sie zu lesen. Bei Fachtexten mit vielen Eigennamen lohnt das erst nach gepflegter Aussprachliste.
Rohaufnahmen aufbereiten: Der Stimmenwandler nimmt eine eigene Aufnahme entgegen und gibt sie als saubere KI-Stimme zurück. Das hilft, wenn Raumklang oder Nebengeräusche das Original unbrauchbar machen.
Screenshots
Preis
Die Zähleinheit ist die Stunde erzeugter Sprache, und der Anbieter weist sie im Jahreskontingent aus: 24 Stunden bei Creator, 96 bei Business. Gewerblich verwertbar ist erst der bezahlte Tarif, der Gratiszugang räumt weder Download noch Nutzungsrechte ein. Alle Angaben in US-Dollar, netto, je Bearbeiterplatz.
- Free: 0. Zehn Minuten Sprache, zehn Minuten Transkription, über 200 Stimmen, kein Download.
- Creator: 29 US-Dollar (rund 25 Euro), bei Jahreszahlung 19 (rund 17 Euro). 24 Stunden im Jahr, ein Bearbeiter, gewerbliche Nutzungsrechte.
- Business: 99 US-Dollar (rund 86 Euro), bei Jahreszahlung 66 (rund 58 Euro). 96 Stunden im Jahr, drei Bearbeiter und fünf Mitleser, gemeinsame Ablage, Stimmenwandler.
- Enterprise: auf Anfrage. Sprache ohne Kontingent, ab fünf Plätzen, Anmeldung über SSO, Stimmklon nach Studioaufnahme.
Das Kontingent zieht das ganze Team aus einem Topf, zusätzliche Bearbeiter erhöhen es nicht. Die Entwicklerschnittstelle läuft getrennt vom Abonnement. Die Preisseite des Anbieters lädt ihre Tabelle per Skript nach und blieb am 19.09.2026 leer; die Zahlen stammen daher aus G2 und einer Marktübersicht (Zweitquellen, abgerufen am 19.09.2026, Euro-Werte zum EZB-Referenzkurs vom 18.09.2026).
Unser Fazit
Wer regelmäßig Telefonansagen, Lernvideos und Erklärstücke vertont und am Ende fertige Audiodateien braucht, findet bei Murf die passende Produktionsumgebung. Betonung, Tempo und Pausen setzt das Werkzeug Wort für Wort, eine Aussprachliste hält Fachbegriffe über alle späteren Aufnahmen gleich, und die Tonspur entsteht direkt an Folien und Video. Das ist mehr, als reine Sprachausgabe liefert. Die Grenze steckt im Kontingent: 24 Stunden erzeugter Sprache im Jahr bei Creator, 96 bei Business, gezogen aus einem gemeinsamen Topf für das ganze Team. Ein zweiter Bearbeiterplatz vergrößert ihn nicht. Eine eigene Sprecherstimme richtet ausschließlich der Anbieter ein, im Enterprise-Tarif und nach einer Studioaufnahme von ein bis zwei Stunden. Für selbst geklonte Stimmen und eine Abrechnung nach Zeichen führt der Weg zu ElevenLabs. Und Deutsch führt die Stimmbibliothek nur als bundesdeutsche Variante, ohne eigene Einträge für Österreich.
Häufige Fragen
Dazu äußert sich Murf öffentlich nicht. Weder die Datenschutzerklärung noch die Seite zur Datenschutz-Grundverordnung sagen, ob Kundeninhalte in das Training einfließen; die Sicherheitsseite spricht nur allgemein davon, dass für Modelle geprüftes Material verwendet werde. Wer eine verbindliche Zusage braucht, holt sie vor Vertragsschluss schriftlich ein (Sicherheitsangaben, abgerufen am 19.09.2026).
In Ohio; einen Vertrag nennt Murf öffentlich nicht. Der Anbieter gibt an, Kundendaten ausschließlich in der AWS-Region US-East-2 zu speichern und zu verarbeiten und sie nicht in andere Regionen zu spiegeln. Von Dienstleistern verlangt Murf vertragliche Schutzmaßnahmen, ohne Standardvertragsklauseln ausdrücklich zu benennen (Angaben zur Datenschutz-Grundverordnung, abgerufen am 19.09.2026).
Stunden erzeugter Sprache, im Jahr gerechnet. Creator bringt 24 Stunden, Business 96, Enterprise rechnet ohne Kontingent. Der Gratiszugang endet nach zehn Minuten und erlaubt weder Download noch gewerbliche Verwendung. Das Kontingent zieht das ganze Team aus einem Topf, zusätzliche Bearbeiterplätze erhöhen es nicht.
Ja, als Audiodatei, ab dem bezahlten Tarif. Fertige Tonspuren verlassen das Werkzeug als Download, der Gratiszugang erlaubt das nicht. Projekte, Aussprachlisten und ein eingerichteter Stimmklon bleiben im Konto: Für sie nennt Murf kein Ausgabeformat, und der Klon gehört zur Umgebung des Anbieters (Stand 19.09.2026).
In Zielgruppe und Zähleinheit, nicht in der Technik. Murf rechnet Stunden und Bearbeiterplätze ab und liefert eine Produktionsumgebung mit Folien, Video und Aussprachlisten. ElevenLabs rechnet Zeichen ab, klont Stimmen selbstbedient und wendet sich zuerst an Entwickler. Murf passt zu Abteilungen, die fertige Dateien brauchen.
Sieben, und nur die bundesdeutsche Variante. Die Stimmbibliothek der Schnittstelle führt Deutsch ausschließlich als de-DE mit sieben Sprechern, eigene Einträge für Österreich oder die Schweiz fehlen dort. Die Produktseite wirbt zwar mit österreichischem und schweizerischem Akzent, hinterlegt dafür aber keine eigene Stimmenliste (Stimmbibliothek, abgerufen am 19.09.2026).
Ab dem bezahlten Tarif ja. Murf räumt die gewerblichen Nutzungsrechte nach eigener Angabe in allen kostenpflichtigen Stufen ein, der Gratiszugang erlaubt weder Download noch Verwendung im Geschäftsbetrieb. Für Rundfunk- oder Kinoauswertung lohnt eine Rückfrage vor der Produktion, dazu macht der Anbieter öffentlich keine gesonderte Angabe.
Je nachdem, was am Ende herauskommen soll. Für Aufnahmen echter Menschen, die nur sauber werden sollen, reicht Adobe Podcast. Wer Ton und Bild gemeinsam schneidet und dabei über das Transkript arbeitet, ist mit Descript besser bedient. Rein synthetische Stimmen nach Zeichen abgerechnet liefert ElevenLabs.
