Der FreeLipSync-Editor: Text eintippen, Stimme wählen, fertig ist die Ansage. Genau die Maschine hinter meinen mehrsprachigen Fahrgast-Infos.
Ich arbeite bei einem regionalen Verkehrsbetrieb, und dieses Jahr ist das Thema Fahrgastinformation bei uns endgültig vom „Nice-to-have" zur Pflicht geworden. Nicht nur wegen der Barrierefreiheits-Ziele — sondern weil an unseren Haltestellen morgens fünf Sprachen unterwegs sind und die Standard-Aushänge längst nicht mehr reichen.
Was mich monatelang blockiert hat: Ich dachte, mehrsprachige Ansagen bedeuten Sprecher buchen, Studio mieten, pro Sprache neu aufnehmen. Falsch gedacht. Hier ist der Weg, der bei uns tatsächlich funktioniert.
Kurzfazit
Für Durchsagen, Störungs-Infos und Haltestellen-Erklärvideos brauchst du keine Sprecher und kein Studio. Ein sauberer Text, die richtige Stimme, und du hast in jeder Sprache eine verständliche Ansage. Das Werkzeug, mit dem ich starte, ist FreeLipSync Text-to-Speech — Text rein, Sprache wählen, Audio raus. Der kostenlose Tarif reicht zum Ausprobieren völlig: kein Konto, kein Wasserzeichen, sofort loslegen. Hier kostenlos testen — und dann entscheiden, ob du mehr brauchst.
Warum 2026 der Druck real ist
Das ist kein abstraktes Compliance-Thema mehr. Der Bund strebt an, dass der ÖPNV grundsätzlich barrierefrei gestaltet ist, und Fahrgastinformationen sollen nach dem Zwei-Sinne-Prinzip auch akustisch zur Verfügung stehen — nicht nur als Text auf einem Bildschirm. Für die Sprache selbst gilt: so klar und einfach wie möglich, notfalls Leichte Sprache.
Und es bewegt sich etwas: Die Berliner Verkehrsbetriebe haben im Sommer 2026 den Probebetrieb sogenannter „sprechender Busse" gestartet, die Liniennummer und Fahrziel automatisch über Außenlautsprecher ansagen. Wenn selbst die großen Häuser die akustische Ebene ausbauen, kann ich als kleiner Betrieb nicht bei einem einsprachigen Papieraushang stehen bleiben.
Was ich tatsächlich produziere
Ich halte das Format bewusst schlank, sonst mache ich es nie:
- Kurze Willkommens- und Orientierungs-Ansagen („So kaufen Sie ein Ticket am Automaten") — als Audio und als kurzes Video mit einem freundlichen Gesicht.
- Störungs- und Umleitungs-Hinweise in den drei, vier häufigsten Sprachen unserer Fahrgäste.
- Haltestellen-Erklärungen für neue Linien oder Umbauten.
Der Clou: Ich schreibe den Text einmal, lasse ihn übersetzen (von einem Menschen geprüft, dazu gleich mehr) und erzeuge daraus die Ansage in jeder Sprache. Ein Gesicht, viele Sprachen — ohne dass jemand mehrfach vor der Kamera oder im Studio steht.
Text oder Audio rein, Sprache wählen, generieren. Jede lokalisierte Ansage dauert etwa eine halbe Minute.
Warum FreeLipSync bei uns hängen geblieben ist
Ehrlich: Ich habe mit reinem Text-to-Speech angefangen, weil Durchsagen kein Gesicht brauchen. Aber für die Erklärvideos an Haltestellen und im Netz ist die Kombination aus Stimme und einem sprechenden Gesicht deutlich freundlicher als eine anonyme Computerstimme.
Was mich überzeugt hat, ist der ehrlich nutzbare Gratis-Einstieg. Konkret, weil mich schwammige „kostenlos"-Versprechen nerven: 0 € dauerhaft, kein Konto, keine Kreditkarte, bis zu 20 Sekunden pro Video, 133 Zeichen für Text-to-Speech, kein Wasserzeichen, ein Video gleichzeitig. Für eine kurze Durchsage passt das exakt. Wer regelmäßig längere Clips braucht: Starter kostet 9,90 $/Monat (20 Videos bis 3 Minuten, 800 Zeichen, drei gleichzeitig), Pro 69,90 $/Monat (unbegrenzt, bis 60 Minuten, 16.000 Zeichen), jährlich mit 17 % Rabatt. Für den Einstieg musste ich den Gratis-Tarif nie verlassen.
Kostenlos ist wirklich kostenlos: 20 Sekunden, kein Wasserzeichen, keine Karte.
Dazu die 500+ unterstützten Sprachen und Akzente — für einen Betrieb mit international gemischter Fahrgastschaft ist genau das der Punkt.
Ein Gesicht, 500+ Sprachen und Akzente — genau der Punkt für eine gemischte Fahrgastschaft.
Die ehrliche Grenze — bitte lesen
Ein KI-Tool ersetzt nicht die offizielle Kommunikation. Tarife, rechtsverbindliche Hinweise, Beförderungsbedingungen und sicherheitskritische Notfall-Anweisungen gehören nicht in ein schnell erzeugtes Video, sondern in offiziell geprüfte, professionell übersetzte Aushänge und auf die amtlichen Kanäle. Ich nutze die Videos für Orientierung und Willkommen — nicht als Ersatz für die verbindliche Fahrgastinformation. Übersetzungen lasse ich von Menschen gegenlesen, bevor etwas raus geht.
Womit ich sonst noch verglichen habe
HeyGen kann das auch, sieht schick aus — aber die kostenlose Ebene ist dünn und mit Wasserzeichen, und der Preis zieht schnell an, sobald man regelmäßig produziert.
Synthesia ist stark für Unternehmens-Trainings mit Avataren, aber für kurze Durchsagen eines kleinen Betriebs überdimensioniert und teuer.
Klassische Sprecher-Buchung liefert die beste Stimmqualität — und ist für „mal eben eine Umleitung in vier Sprachen" schlicht zu langsam und zu teuer.
Wer sollte was nehmen
Bist du ein großer Verbund mit Budget und festen Sprechern? Dann bleib bei deinem eingespielten Prozess und nutz KI nur für Eiliges. Bist du ein kleiner oder mittlerer Betrieb, der schnell, günstig und mehrsprachig informieren muss? Dann ist ein Browser-Tool mit ehrlichem Gratis-Tarif der pragmatische Weg. Für reine Audio-Durchsagen reicht Text-to-Speech; für Erklärvideos nimm die Variante mit sprechendem Gesicht.
Schlussgedanke
Barrierefreiheit und Mehrsprachigkeit klingen nach großem Projekt — aber der erste Schritt war bei uns eine 20-Sekunden-Ansage, in einer halben Minute erzeugt, ohne Studio. Fang klein an, prüf die Übersetzungen mit einem Menschen, und halt Tarife und Rechtliches bei den offiziellen Kanälen.
Wenn du deine erste mehrsprachige Ansage bauen willst: FreeLipSync Text-to-Speech kostenlos testen.