Stimmen-zu-Instrumenten-Konverter

Was ist Stimmen-zu-Instrumenten-Konverter?

Der Dienst läuft im Browser und baut eine gesungene, gesummte oder hochgeladene Stimmaufnahme in eine Instrumentaldarbietung um. Laut der veröffentlichten Beschreibung entnimmt das Modell der Stimme Melodie, Tonhöhe, Rhythmus und Dynamik und erzeugt daraus eine völlig neue Spur mit Klangfarbe und Textur des gewählten Instruments, sodass das Ergebnis der gesungenen Linie Note für Note folgt. Installiert wird nichts, und eine erste Umwandlung lässt sich nach Angaben des Anbieters ohne Konto ausprobieren.

Der Konverter gehört zu einer größeren KI-Audiosammlung auf derselben Domain, die auch Musikerzeugung, Song- und Textschreiben, Cover, Spurentrennung, Gesangsentfernung, Karaoke, Soundeffekte, Mastering und Analysewerkzeuge umfasst. Diese Breite ist für die Tarifbewertung entscheidend: Ein einziges Guthaben wird von all diesen Werkzeugen verbraucht, nicht für die Instrumentenumwandlung reserviert.

Ein Vorbehalt gehört an den Anfang: Die öffentlichen Seiten widersprechen sich bei zwei Zahlen, die eine Kaufentscheidung prägen — wie viele Instrumente es gibt und wie groß ein Upload sein darf. Beide Widersprüche sind unten dokumentiert und der Grund dafür, dass mehrere Angaben hier als Spanne zwischen Seiten erscheinen.

Kernfunktionen

Umwandlungsmodul und Melodieverarbeitung

Beschrieben wird ein Austausch der Klangfarbe, nicht die Erzeugung einer Begleitung: Jede Note, jeder Rhythmus und jede Dynamik bleiben erhalten, allein die stimmliche Klangfarbe weicht einem Instrumentenklang. Der Anbieter stellt die Modelle als neuronale Netze vor, die mit Tausenden Stunden echter Instrumentalaufnahmen trainiert wurden und Resonanz, Anschlag und Ausklang jedes Instruments erfassen sollen.

Die Instrumentenseiten gehen bei der Abbildung des Ausdrucks weiter ins Detail. Die Gitarrenseite beschreibt die Tonhöhenerkennung als Trennung des Stimmsignals vom Hintergrundgeräusch und Identifikation jeder gesungenen Note samt Bendings, Vibrato und Slides: Ein stimmlicher Slide wird zum Gitarrenslide oder Hammer-on, das Vibrato der Stimme zum Saitenvibrato. Dieses Modell soll mit professionellen Gitarrenaufnahmen aus Rock, Blues, Jazz und Klassik trainiert worden sein.

Instrumentenbibliothek

Startseite, Konverter und FAQ werben allesamt mit mehr als hundert Instrumentenmodellen und nennen Akustik- und E-Gitarre, Flügel, Violine, Cello, Flöte, Saxofon, Trompete, Klarinette, Schlagzeug, Bass, Ukulele, Harfe sowie Synthesizerklänge; die Bibliothek wachse monatlich. Die Preisseite beschreibt dasselbe Produkt hingegen als Zugang zu mehr als dreizehn KI-Instrumentenmodellen. Die Fußzeile veröffentlicht genau dreizehn Instrumentenseiten — Klavier, Gitarre, Violine, Saxofon, Schlagzeug, Flöte, Cello, Trompete, Bass, Klarinette, E-Piano, Vibrafon und Oboe — und die zugehörige Browsererweiterung führt dieselben dreizehn auf.

Eingabe, Ausgabe und Durchsatz

Aufgenommen wird über das Browsermikrofon, alternativ zieht man eine Datei in den Konverter. Die Umwandlung soll bei den meisten Aufträgen in dreißig bis sechzig Sekunden abgeschlossen sein, abhängig von Länge und Serverauslastung, wobei Ausschnitte unter dreißig Sekunden am schnellsten fertig werden; an anderer Stelle wird Stapelverarbeitung ohne Wartezeit dazwischen beworben. Das fertige Audio lässt sich als verlustfreies WAV oder komprimiertes MP3 herunterladen, auch OGG und FLAC sind als Exportformate gelistet.

Verzahnung mit der Sammlung

Fertige Spuren öffnen sich automatisch im vollständigen Studio, in dem die Mehrspurarbeit stattfindet. Der Studiozugang gehört zu jedem kostenpflichtigen Tarif, der Mehrspur-Mixdown-Export fehlt jedoch im Einstiegstarif und beginnt erst in der mittleren Stufe. Der Einstiegstarif bündelt zusätzlich KI-Musik- und Covererzeugung, HD-Download sowie einen Assistenten namens Lumi.

Anleitung

Eine Umwandlung ausführen

1. Den Konverter öffnen und das Zielinstrument wählen, oder auf einer der dreizehn Instrumentenseiten starten, die denselben Konverter einbetten.
2. Über das Browsermikrofon aufnehmen oder eine Datei in den Uploadbereich ziehen.
3. Die Umwandlung starten. Vor der Ausführung zeigt die Oberfläche den Preis des Auftrags — fünf Credits — sowie das verbleibende Guthaben an.
4. Auf das Ergebnisfeld warten, dann die Spur herunterladen oder im Studio weiterarbeiten, das sich bei Fertigstellung automatisch öffnet.

Beim ersten Versuch ein brauchbares Ergebnis erzielen

Die Aufnahmehinweise des Anbieters sind ungewöhnlich konkret und kommen einer Qualitätszusage auf dieser Seite am nächsten. Eine klare Einzelstimmaufnahme ohne Hintergrundgeräusche liefert das beste Resultat; gesummt werden soll in gleichmäßiger, angenehmer Lautstärke. Flüstern und Schreien sind zu vermeiden, da extreme Dynamik die Genauigkeit verringert, und gearbeitet werden soll in einem ruhigen Raum in etwa fünfzehn Zentimetern Abstand zum Mikrofon. Handyaufnahmen und Sprachnotizen gelten für die meisten Instrumente als ausreichend, und hochgeladen werden sollen trockene Vocals ohne Begleitmusik oder Hall.

Aus einem Take ein Arrangement aufbauen

Eine Aufnahme wird einmal hochgeladen und danach beliebig oft gegen verschiedene Instrumente umgewandelt. Der dokumentierte Ablauf besteht darin, jede Stimme einzeln zu summen, diese Takes in Gitarren-, Klavier-, Bass- und Schlagzeugspuren zu wandeln und sie zu einem vollständigen Arrangement zu schichten. Da jede Umwandlung fünf Credits kostet, wächst der Aufwand mit der Zahl der Stimmen und Klangversuche, nicht mit der Länge der Sitzung.

Anwendungsfälle und Beispiele

Am konkretesten dokumentiert ist das Abhören in der Vorproduktion: Eine Gesangsskizze wird nebeneinander in Klavier-, Streicher-, Blech- und Synthesizerfassungen umgewandelt, sodass sich vor dem Festlegen des Arrangements eine Richtung wählen lässt. Für die Videoveröffentlichung lautet das Argument, dass aus der eigenen Stimme gebaute Instrumentalspuren Urheberrechtswarnungen, Content-ID-Ansprüche und Lizenzkosten vermeiden.

Die Podcastproduktion dreht sich um Erkennungsmelodien, Übergänge und Klangteppiche: Ein paar gesummte Melodien werden zu warmem Klavier oder weicher Gitarre. Im Unterricht singt eine Schülerin ins Mikrofon und hört dieselbe Melodie sofort als Violine, Flöte oder Klavier, womit der Klangvergleich zur Live-Übung wird. Spiele- und App-Entwicklern wird nahegelegt, ein Thema zu summen und es in Orchester- oder Synthesizerklänge zu wandeln, statt eine Komponistin zu beauftragen.

Für wen ist es

Das Produkt richtet sich an Menschen, die eine Melodie stimmlich tragen können, ohne zwingend ein Instrument zu spielen. Vorausgesetzt wird allein die Fähigkeit zu summen oder zu singen; Musiktheorie oder Produktionskenntnisse seien nicht nötig, und zu den Nutzenden zählten Songschreibende, Content-Schaffende und Hobbyisten ohne formale musikalische Ausbildung. Namentlich genannt werden Songschreibende und Komponierende, YouTube- und TikTok-Schaffende, Musikproduzierende, Podcastschaffende, Musiklehrkräfte sowie Spieleentwickelnde.

In drei Situationen passt es schlechter, und zwar aufgrund des dokumentierten Verhaltens statt einer Meinung. Wer bearbeitbare Noten statt fertigem Audio braucht, ist hier falsch, denn ausgegeben wird gerendertes Audio und ein MIDI-Export aus dem Konverter ist nicht veröffentlicht. Wer als Ausgangsmaterial eine vollständige polyfone Mischung statt einer einzelnen Stimme hat, arbeitet gegen die Eingabevorgabe, die eine trockene Einzelstimme verlangt. Und jeder Arbeitsablauf, in dem Eigentumsfragen schriftlich geklärt sein müssen, trifft auf die unter Einschränkungen beschriebene Lizenzlücke — ein Verzeichniseintrag eines Dritten kommt zum selben Schluss und benennt rechtssensible Abläufe als den Fall, in dem Urheberrecht, Eigentum und Datenverarbeitung vorab eindeutig geklärt sein müssen; es handelt sich um einen werblichen Eintrag, nicht um eine unabhängige Prüfung.

Plattformen

Der Dienst läuft ausschließlich im Browser. Nach Angaben des Anbieters funktioniert er vollständig im Webbrowser auf jedem Gerät, ohne zu installierende Software und ohne benötigtes Plug-in; Konverter, Studio und Erstellungsverlauf sind sämtlich Webseiten. Eine Desktopanwendung, eine mobile App, ein Plug-in für Audioarbeitsplätze oder eine öffentliche Programmierschnittstelle sind auf der Seite nicht veröffentlicht.

Eine begleitende Chrome-Erweiterung wird im Chrome Web Store unter dem Herausgebernamen voicetoinstrument.com angeboten. Sie ist ein Starter und kein Verarbeitungswerkzeug: ein Kontextmenüeintrag auf beliebigen Audio- oder Videoinhalten, ein Symbolleistenfenster mit allen Instrumentenseiten sowie das Tastenkürzel Alt+Shift+V (unter macOS Option+Shift+V), während die Umwandlung weiterhin auf der Website erfolgt. Der Eintrag gibt an, dass sie ausschließlich die Berechtigung contextMenus anfordert und weder Seiteninhalte liest noch Skripte einfügt, das Surfverhalten verfolgt, Netzwerkanfragen im Hintergrund stellt oder Daten sammelt; der Quellcode steht unter MIT-Lizenz. Die Verbreitung ist gering — neunundfünfzig Nutzende und zwei Bewertungen — sodass die Fünf-Sterne-Wertung auf einer Stichprobe beruht, die weit unterhalb dessen liegt, was ein belastbares Qualitätssignal ergäbe.

Derselbe Eintrag legt auch die zugrunde liegende Technik offen: Die Webanwendung unterstütze auf MiniMax gestützte Musikerzeugung sowie die Stimme-zu-Instrument-Umwandlung von Kits AI. Das ist für die Erwartungshaltung wichtig, denn die Grenzen eines lizenzierten Modells decken sich nicht zwangsläufig mit den Werbetexten der Seite, die es einbindet.

Preise

Der Zugang erfolgt über Credits. Veröffentlicht sind drei Abostufen, jeweils mit einem Monatspreis und einem niedrigeren effektiven Monatsbetrag bei jährlicher Abrechnung; der Jahresschalter ist mit fünfzehn Prozent Ersparnis ausgezeichnet. Neben monatlicher und jährlicher Abrechnung steht eine nutzungsbasierte Option zur Wahl.

Zwei Details entscheiden, ob diese Zahlen zu einem bestimmten Arbeitsaufkommen passen. Credits erneuern sich monatlich und das Abo lässt sich jederzeit kündigen, doch nennt die Preisseite nirgends die Kosten einer Umwandlung — diese Zahl erscheint allein im Konverter, wo ein Auftrag mit fünf Credits ausgewiesen ist. Auf dieser Grundlage deckt der Einstiegstarif rund zwanzig Umwandlungen im Monat ab, und da dieselben Credits auch die übrigen Werkzeuge der Sammlung speisen, sinkt die tatsächliche Zahl, sobald mehrere davon genutzt werden. Ein Verzeichniseintrag eines Dritten hat dieselbe Lücke benannt und festgehalten, dass die Seite den genauen Creditverbrauch je Umwandlung nicht öffentlich erklärt; wegen der werblichen Beziehung ist das ein Hinweis, keine unabhängige Bestätigung.

Erwägenswerte Alternativen

Kits AI nimmt eine besondere Stellung ein, da der Eintrag der Erweiterung es als Umwandlungsmodul hinter diesem Produkt benennt, es zugleich aber direkt erhältlich ist. Die eigene Instrumentenseite dokumentiert denselben Ablauf — Modell wählen, Audio hochladen oder per Mikrofon aufnehmen, Instrumentalspuren erhalten — und verlangt ausdrücklich eine klare, monofone Stimmdatei. Die Lizenzformulierung fällt deutlicher aus als die hier veröffentlichte: Solange das umgewandelte Audio einem selbst gehört, sind die Ergebnisse lizenzfrei. Kostenpflichtige Tarife beginnen dort bei 14,99 $ im Monat.

Basic Pitch von Spotify beantwortet eine andere Frage. Es ist ein kostenloser, quelloffener Audio-zu-MIDI-Konverter mit Erkennung von Tonhöhenverläufen, mit dem sich eine gesummte Phrase aufnehmen oder die Aufnahme eines einzelnen Instruments einwerfen lässt, um anschließend MIDI für die Korrektur in einer Audioumgebung herunterzuladen. Wo dieses Produkt fertiges Audio zurückgibt, liefert Basic Pitch bearbeitbare Noten ohne Klangfarbe — der passendere Kompromiss, wenn die Melodie selbst noch Korrekturen braucht.

Einschränkungen

Öffentliche Seiten widersprechen sich bei zwei kaufrelevanten Zahlen

Die Instrumentenzahl steht auf Startseite, im Konverter und in der FAQ bei über hundert, auf der Preisseite bei über dreizehn; die dreizehn Instrumentenseiten und die dreizehn im Erweiterungseintrag genannten Instrumente decken sich mit der kleineren Angabe. Beim Uploadlimit ist die Lage ebenso geteilt: Der Konverter nimmt WAV, MP3, OGG, WebM und FLAC bis fünfzig Megabyte an, die FAQ nennt MP3, WAV, FLAC, OGG und M4A bis zwanzig Megabyte, und einzelne Werkzeuge derselben Seite geben zehn Megabyte als Obergrenze an. Ein Verzeichniseintrag eines Dritten kommt bei der Instrumentenzahl zum selben Ergebnis. Er berichtet zusätzlich, es fehlten öffentliche Angaben zu unterstützten Formaten, maximaler Eingabelänge und Audioqualität, was nicht mehr zu dem passt, was die oben genannten Seiten veröffentlichen; das ist eine ältere Beobachtung, und das Verzeichnis weist selbst darauf hin, dass sein Inhalt aus öffentlichen Webseiten stammt und veraltet sein kann. Solange die Seiten nicht übereinstimmen, ist die jeweils kleinere Zahl die sicherere Planungsgrundlage.

Kommerzielle Rechte: Marketingaussagen und Nutzungsbedingungen

Die FAQ beantwortet die Frage zur kommerziellen Nutzung bejahend: Aus eigenen Stimmaufnahmen erzeugte Instrumentalspuren seien lizenzfrei und ohne zusätzliche Lizenz in Songs, Videos, Podcasts, Werbung und Filmmusik verwendbar; die Startseite trägt ein entsprechendes Abzeichen. Die auf den 24. Oktober 2025 datierten Nutzungsbedingungen enthalten keine passende Einräumung: Der Abschnitt zum geistigen Eigentum deckt Vorlagen, Code, Infrastruktur und Dokumentation der Plattform ab und hält fest, dass Nutzende das Eigentum an eigenen Anpassungen behalten, doch weist keine Klausel Rechte am erzeugten Audio zu. Für vertraglich heikle Zwecke sagen Marketingantwort und verbindliches Dokument derzeit nicht dasselbe.

Die Geschäftsbedingungen sind streng und als nicht verhandelbar formuliert

Die Bedingungen halten fest, dass alle Käufe endgültig und nicht erstattungsfähig sind, sofern das Gesetz nichts anderes verlangt, dass Preise nach Ankündigung geändert werden können und dass der Zugang nach alleinigem Ermessen des Anbieters ohne Vorankündigung beendet oder ausgesetzt werden kann. Der Dienst wird „wie besehen" und „wie verfügbar" bereitgestellt, ohne Zusicherung von Richtigkeit, Zuverlässigkeit oder Verfügbarkeit, und Streitigkeiten gehen in ein bindendes Schiedsverfahren. Zusammen mit der monatlichen Erneuerung der Credits bedeutet das: Für ein nicht verbrauchtes Guthaben besteht kein Erstattungsweg.

Der Umgang mit Daten ist uneinheitlich dokumentiert

Die FAQ erklärt, Stimmaufnahmen würden auf den Servern des Anbieters verarbeitet und nach Abschluss der Umwandlung endgültig gelöscht, hochgeladenes Audio werde weder gespeichert noch geteilt oder weiterverwendet, und erzeugte Spuren blieben vierundzwanzig Stunden lang herunterladbar. Die ebenfalls auf den 24. Oktober 2025 datierte Datenschutzerklärung greift nichts davon auf. Sie listet fünf erhobene Datengruppen — Kontoangaben, Nutzungsdetails, Geräteinformationen, Cookies sowie Zahlungs- und Abrechnungsdaten — und beschreibt Verschlüsselung und Zugriffskontrollen, räumt aber ein, dass keine Speichermethode vollständig sicher ist. Eine Aufbewahrungsfrist, ein Löschverfahren oder ein Abschnitt zu Nutzerrechten an hochgeladenem Audio fehlen, sodass das Löschversprechen in einer FAQ-Antwort statt in der verbindlichen Erklärung steht. Die Weitergabe ist an vertrauenswürdige Partner unter Vertraulichkeitsvereinbarungen sowie aus rechtlichen oder sicherheitsbezogenen Gründen erlaubt.

Eingabequalität ist eine echte Bedingung, kein Ratschlag

Die Aufnahmehinweise wirken in der Praxis als Einschränkung: Extreme stimmliche Dynamik verringere die Genauigkeit, und verlangt wird eine trockene Einzelstimme ohne Begleitmusik, Hall oder Raumgeräusch. Eine fertige Mischung, eine Aufnahme in lauter Umgebung oder ein geflüsterter Take liegen außerhalb dessen, worauf der dokumentierte Ablauf abgestimmt ist. Da kein MIDI-Export veröffentlicht ist, bedeutet Korrigieren erneutes Aufnehmen und erneutes Umwandeln, und jeder Versuch verbraucht Credits.

FAQ

Q1. Wie viele Instrumente stehen tatsächlich bereit?

Die Seiten widersprechen sich. Werbeflächen nennen mehr als hundert Modelle, die Preisseite mehr als dreizehn, und sowohl die dreizehn Instrumentenseiten als auch die dreizehn in der Browsererweiterung aufgeführten Instrumente decken sich mit der kleineren Zahl. Planen Sie mit den Instrumenten, die tatsächlich aufgeführt sind.

Q2. Was lässt sich hochladen, und wie groß darf es sein?

Der Konverter nimmt WAV, MP3, OGG, WebM und FLAC bis fünfzig Megabyte an, die FAQ nennt MP3, WAV, FLAC, OGG und M4A bis zwanzig Megabyte. Wer unter zwanzig Megabyte bleibt und ein in beiden Listen enthaltenes Format wählt, umgeht die Abweichung vollständig.

Q3. Was kostet eine Umwandlung?

Der Konverter weist fünf Credits je Stimme-zu-Instrument-Auftrag aus und zeigt vor der Ausführung das verbleibende Guthaben. Die Preisseite veröffentlicht diese Zahl nicht; kalkulieren Sie deshalb anhand des Konverterfensters statt anhand der Tarifkarten.

Q4. Darf ich das Ergebnis kommerziell nutzen?

Die FAQ bejaht das und beschreibt die Ergebnisse als lizenzfrei für Songs, Videos, Podcasts, Werbung und Filmmusik ohne zusätzliche Lizenz. Die Nutzungsbedingungen enthalten jedoch keine Klausel, die Rechte am erzeugten Audio einräumt; Abläufe mit schriftlichem Lizenzbedarf sollten das zuvor mit dem Anbieter klären.

Q5. Wird mein hochgeladenes Audio aufbewahrt?

Die FAQ erklärt, Aufnahmen würden nach Abschluss der Umwandlung endgültig gelöscht und erzeugte Spuren blieben vierundzwanzig Stunden verfügbar. Die Datenschutzerklärung veröffentlicht weder Aufbewahrungsfrist noch Löschverfahren noch einen Abschnitt zum Lebenszyklus des Audios, sodass diese Zusage im verbindlichen Dokument nicht abgebildet ist.

Q6. Welche Aufnahmebedingungen liefern das beste Ergebnis?

Ein ruhiger Raum, eine einzelne Stimme, etwa fünfzehn Zentimeter Abstand zum Mikrofon und eine gleichmäßige, angenehme Lautstärke. Flüstern wie Schreien werden ausdrücklich als genauigkeitsmindernd genannt, und der Upload sollte trocken sein — ohne Begleitmusik, Hall oder Raumgeräusch.