Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

Stimme und Persönlichkeit wählen

Lektion 3 von 14 Aktualisiert am 3. November 2026 Mittelstufe
Auf dieser Seite
  1. Achtundzwanzig Stimmen, achtundzwanzig erste Eindrücke
  2. Die Stimme festlegen
  3. Klangfarbe auf das Verhalten abstimmen
  4. Wie man entscheidet
  5. Was sich in Ihren Prompts durch die Sprache ändert
  6. Kernaussagen

Aktualisiert am 3. November 2026, basierend auf den xAI-Seiten Text to Speech und Speech to Speech sowie dem Sprachförderleitfaden. xAI bietet 28 integrierte Stimmen an, die sowohl vom Voice Agent als auch von der Text-zu-Speech-Funktion genutzt werden; die untenstehenden Beschreibungen und Anwendungsfälle stammen von xAI selbst. Quellen: Text to Speech · Speech to Speech · Prompting Guide.

Achtundzwanzig Stimmen, achtundzwanzig erste Eindrücke

Der Grok Voice Agent bietet Ihnen 28 Stimmen (Stand 3. November 2026), jede mit eigenem Klang und Temperament, und alle sprechen jede unterstützte Sprache. Diese Auswahl ist mehr als kosmetischer Natur. Bevor der erste Satz zu Ende ist, haben Nutzer bereits eine Vorstellung davon gebildet, mit wem sie sprechen. Eine aufgeweckte Stimme, die eine Bestellstornierung verkündet, wirkt falsch; eine tiefe, gemessene Stimme bei einem Produktdemo-Call lässt die Zuhörer einschlafen.

StimmeTonlaut, laut xAIVon xAI vorgeschlagene Anwendungsfälle
carinaSanft, einfühlsam, beruhigendWellness, Support
zaganStark, dramatisch, unverwechselbarFiguren, Erzählungen
helixKühn, dynamisch, hochenergetischKommentare, Podcasts
orionReich, kinoreif, resonantErzählungen, Hörbücher
lunaSanft, geduldig, tief besorgtBildung, Assistent
irisFreundlich, fröhlich, natürlich charmantVertrieb, Support
altairElegant, verfeinert, gehobenWerbung, Erzählungen
zenithScharf, fokussiert, bestimmtVertrieb, Werbung
perseusStark, selbstbewusst, vertrauenswürdigWerbung, Erzählungen
heliosFröhlich, energiegeladen, hochgradig vielseitigAssistent, Wellness
luxGelassen, ruhig, leise weiseWellness, Erzählungen
keplerErfinderisch, zukunftsorientiert, charismatischWerbung, Podcasts
rigelPräzise, professionell, ruhig selbstbewusst; australischer AkzentAssistent, Support
cosmoHell, neugierig, leicht verständlichBildung, Podcasts
celesteMitfühlend, selbstbewusst, beruhigendSupport, Assistent
ursaFreundlich, warm, beständigAssistent, Podcasts
siriusSchnell witzig, klug, verspieltKommentare, Figuren
lumenWarm, klar, ansprechendBildung, Werbung
castorCharismatisch, bodenständig, entspanntVertrieb, Support
nakshWarm, nachdenklich, weise; indischer AkzentAssistent, Support
atlasSelbstbewusst, autoritär, beruhigendVertrieb, Assistent
auroraSeren, beständig, strahlendSupport, Assistent
lioraRuhig, gelassen, hellWellness, Assistent
araWarm und freundlich—
eveEnergisch und aufgeweckt; britischer Akzent—
leoAutoritär und stark; britischer Akzent—
rexSelbstbewusst und klar—
salGlatt und ausgewogen—

Die Liste ändert sich im Laufe der Zeit. Der Aufruf GET /v1/tts/voices liefert die aktuelle Liste, und die Custom Voices API ermöglicht es Ihnen, eine Stimme aus einem kurzen Referenzclip zu erstellen; Sie verwenden dann deren ID exakt wie eine integrierte Stimme.

Die Stimme festlegen

Sie wählen die Stimme im Feld voice der Nachricht session.update aus. Sie benötigt drei Zeilen:

{
  "type": "session.update",
  "session": {
    "voice": "rex"
  }
}

Der Name ist nicht fallensensitiv: "Eve", "eve" und "EVE" beziehen sich alle auf dieselbe Stimme. Die Text-zu-Speech-Dokumentation listet eve als Standardstimme auf; für den Agenten sollten Sie die Stimme jedoch immer explizit festlegen. Wie bei der restlichen Konfiguration bewirkt das Senden eines neuen session.update mitten im Gespräch einen Wechsel der Stimme. Ein Telefonannahme-Flow könnte beispielsweise mit einer aufgeweckten Begrüßungsstimme beginnen und dann sofort zu einer ruhigeren Stimme wechseln, sobald das Gespräch ein sensibles Thema berührt.

Klangfarbe auf das Verhalten abstimmen

Die Stimme erledigt nur die Hälfte der Arbeit: Sie setzt die Textur, während die instructions das Verhalten vorgeben. Eine warme Stimme, die knappe Antworten abfeuert, erzeugt eine Dissonanz, die Nutzer spüren, ohne sie benennen zu können. Die folgenden drei Konfigurationen zeigen drei konsistente Paarungen von Klangfarbe und Rolle.

Für den Kundenservice passt celeste, das xAI für Support auflistet, zu einer geduldigen Haltung und einem Ausweg zu einem Menschen:

{
  "type": "session.update",
  "session": {
    "voice": "celeste",
    "instructions": "Sie sind eine Kundendienst-Assistentin für den Laden Maison Verte. Sie sind geduldig, einfühlsam und immer bereit, eine Lösung zu finden. Nutzen Sie einfache, beruhigende Sprache. Wenn Sie ein Problem nicht lösen können, bieten Sie an, den Kunden an einen menschlichen Agenten weiterzuleiten."
  }
}

Für einen technischen Tutorial-Call passt cosmo, das für Bildung gelistet ist, zu Anweisungen bezüglich Struktur und Präzision:

{
  "type": "session.update",
  "session": {
    "voice": "cosmo",
    "instructions": "Sie sind eine technische Trainerin, die sich auf Webentwicklung spezialisiert hat. Erklären Sie Konzepte strukturiert mit konkreten Beispielen. Seien Sie präzise und direkt. schlagen Sie praktische Übungen vor, wenn es relevant ist."
  }
}

Für ein Firmen-Onboarding-Programm bringt leo eine Autorität, die die Anweisungen mit Wärme und regelmäßigen Check-ins abmildern:

{
  "type": "session.update",
  "session": {
    "voice": "leo",
    "instructions": "Sie sind die offizielle Trainerin für das Onboarding-Programm für neue Mitarbeiter. Präsentieren Sie Informationen mit Autorität, aber mit Wärme. Folgen Sie dem Programm in der Reihenfolge und überprüfen Sie das Verständnis nach jedem Punkt."
  }
}

Wie man entscheidet

Vier Überlegungen kommen in jedem Projekt auf. Die erste ist die Markenpassung: Eine Premium-Marke wird sich in altair wiedererkennen, eine entspannte Startup-Firma in castor oder iris, und das Gegenteil zu tun, erzeugt einen sofortigen Missklang. Die zweite ist der Nutzungskontext, der manchmal die Marke überwiegt: Ein Wellness-Assistent ruft nach einer Stimme, die xAI für Wellness auflistet, wie carina, lux oder liora, während eine Telefonzentrale gut damit zurechtkommt, Anrufer mit celeste oder aurora zu beruhigen. Die dritte ist, wie lange die Menschen interagieren: In langen Sitzungen ist eine ruhige Stimme weniger ermüdend als eine sehr markante. Die vierte und wichtigste ist, dass die Wahrnehmung einer Stimme subjektiv ist. Bevor Sie sich entscheiden, lassen Sie drei Kandidaten bei einer Handvoll echter Nutzer in Ihrer Zielsprache testen. Das dauert eine Stunde und spart Ihnen die Entdeckung nach dem Launch, dass die gewählte Stimme die Hälfte Ihrer Kunden ärgert.

Was sich in Ihren Prompts durch die Sprache ändert

Der Wechsel zur Sprache bricht einige Gewohnheiten beim Prompt-Schreiben und fordert neue auf. Der xAI Sprachförderleitfaden schlägt eine fünfteilige Struktur vor: Rolle und Persona, Ziel, Gesprächsfluss, Sicherheitsvorkehrungen und Eskalation sowie Sprachstil. Für den Sprachstil gibt er spezifische Ratschläge. Halten Sie sich pro Antwort auf ein oder zwei kurze Sätze, es sei denn, der Anrufer bittet um mehr Details, und machen Sie nach jeder Frage eine kurze Pause. Wenn der Anrufer schweigt, folgen Sie mit einer kurzen Frage nach. Und wenn das, was er gesagt hat, unhörbar oder unvollständig war, stellen Sie eine kurze Nachfragesfrage, statt zu raten.

Offene Fragen funktionieren gut in der Schriftsprache, werfen aber in Gesprächen oft die Leute aus der Fassung. „Soll ich Ihre Bestellung prüfen?” funktioniert besser als „Was kann ich für Sie tun?” Und ein Agent, der fragt „Könnten Sie das noch einmal sagen?”, schlägt einen vor, der ratet, denn in einem gesprochenen Austausch dauert es zwei Runden, um ein Missverständnis zu beheben.

Kernaussagen

  • Es stehen 28 integrierte Stimmen zur Verfügung, die vom Voice Agent und der Text-zu-Speech-Funktion geteilt werden, sowie benutzerdefinierte Stimmen
  • xAI beschreibt den Ton und die Anwendungsfälle jeder Stimme: Beginnen Sie mit diesen Anwendungsfällen und testen Sie dann mit echten Hörern
  • Sie können die Stimme mitten in der Sitzung wechseln, ohne die Verbindung zu unterbrechen
  • Strukturieren Sie die Anweisungen so, wie der xAI-Leitfaden es vorschlägt: ein oder zwei kurze Sätze pro Antwort, kurze Nachfragen, Nachfragesfragen zur Klärung
  • Passen Sie die Stimme Ihrer Marke, dem Nutzungskontext und der Länge der Interaktionen an