Claude mit der eigenen
Stimme verbinden

Diese Seite ist die Anleitung und der Prototyp. Sobald es an eine produktive Backend-Integration geht, übergib die Umsetzung an Claude Code oder deine eigene Entwicklungsumgebung. Serverseitiger Code gehört nicht in eine Webseite.

Merk dir diese Kette. Jeder der folgenden Wege baut nur unterschiedlich viel davon zusammen. Der Connector-Weg deckt die letzten beiden Kästen ab, der Echtzeit-Weg alle.

Der Satz aus dem Video, Claude solle alle bisherigen Gespräche auswerten, führt zu erfundenen Ergebnissen. Claude sieht nur den aktuellen Chat und die Dateien im Projekt. Gib ihm Material, dann wird das Profil brauchbar.

Den API-Schlüssel legst du im Fish-Audio-Konto unter API Keys an. Für den Connector-Weg in Schritt 07 brauchst du ihn nicht, dort meldest du dich per OAuth an.

Fish Audio bereinigt Aufnahmen vor dem Training standardmäßig auf. Das rettet leichte Störgeräusche, ersetzt aber keine saubere Aufnahme. Wenn dein Material schon studioartig ist, kannst du die Aufbereitung abschalten.

Mit dem schnellen Trainingsmodus ist die Stimme meist sofort einsatzbereit. Wenn eine spätere Anfrage die ID ablehnt, prüfe zuerst den Status des Modells.

curl --request POST https://api.fish.audio/model \
  --header "Authorization: Bearer $FISH_API_KEY" \
  --form type=tts \
  --form title="Meine Stimme" \
  --form "description=Private persönliche Stimme" \
  --form visibility=private \
  --form train_mode=fast \
  --form voices=@stimme.wav

FISH_VOICE_ID=hier-die-erzeugte-modell-id

Mehrere Clips hängst du einfach mit weiteren --form voices=@datei Zeilen an. Wenn du die passenden Transkripte mitschickst, wird die Aussprache genauer.

curl --request POST https://api.fish.audio/v1/tts \
  --header "Authorization: Bearer $FISH_API_KEY" \
  --header "Content-Type: application/json" \
  --header "model: s2.1-pro-free" \
  --data '{
    "text": "Hallo, dies ist ein Test meiner geklonten Stimme.",
    "reference_id": "FISH_VOICE_ID",
    "format": "mp3",
    "prosody": {
      "speed": 1,
      "volume": 0,
      "normalize_loudness": true
    }
  }' \
  --output test.mp3

Hörst du dich selbst, ist die halbe Arbeit erledigt. Ab hier geht es nur noch darum, wer diesen Aufruf auslöst: du, Claude, n8n oder ein Agent.

Also gut. [kurze Pause] Ich fasse das noch mal zusammen.
Wir hatten zwei Termine offen [nachdenklich] und einen davon
hast du gestern abgesagt. [freundlich] Passt Donnerstag?

Lass Claude die Regieanweisungen gleich mitschreiben. Nimm den Systemprompt aus Variante A und ergänze eine Zeile: Setze sparsam Betonungshinweise in eckigen Klammern, höchstens einen pro Satz.

Du bist ein deutschsprachiger Voice-Agent für [ZWECK].

Aufgaben:
- Beantworte Fragen kurz und konkret.
- Verwende meistens ein bis drei gesprochene Sätze.
- Stelle genau eine Rückfrage, wenn wichtige Angaben fehlen.
- Behaupte nie, eine Aktion ausgeführt zu haben, wenn kein
  Tool-Ergebnis vorliegt.
- Lies keine API-Schlüssel, internen IDs oder technischen
  Fehlermeldungen laut vor.
- Formuliere Zahlen, Abkürzungen und Datumsangaben so, dass
  sie natürlich ausgesprochen werden.
- Weise zu Beginn eines Anrufs transparent darauf hin, dass
  du ein KI-Sprachassistent bist.
- Übergib das Gespräch an einen Menschen, wenn der Nutzer
  dies verlangt oder du die Aufgabe nicht zuverlässig
  lösen kannst.

Sprechstil:
[HIER DAS ZUVOR ERSTELLTE SPRACHPROFIL EINFÜGEN]

pip install "livekit-agents[fishaudio]"
pip install anthropic

export FISH_API_KEY="dein-fish-audio-api-key"
export ANTHROPIC_API_KEY="dein-anthropic-api-key"
export FISH_VOICE_ID="deine-private-voice-id"

import os
from livekit.plugins.fishaudio import TTS

fish_tts = TTS(
    reference_id=os.environ["FISH_VOICE_ID"],
    sample_rate=24000,
    latency_mode="balanced",
)

Fang mit dem Connector an. Du siehst in zehn Minuten, ob dir das Ergebnis gefällt, und weißt danach viel besser, ob sich der Aufwand für Variante C lohnt.

Die größte Wirkung hat der kürzeste Hebel: kurze Antworten. Ein Agent, der drei Sätze sagt statt zehn, wirkt schneller als jede technische Optimierung.

Eine geklonte Stimme ist ein biometrisches Merkmal. Behandle sie wie ein Passwort, das du nicht ändern kannst.

Wenn nichts davon passt, teste den nackten cURL-Aufruf aus Schritt 06. Funktioniert der, liegt der Fehler in deinem Workflow, nicht bei Fish Audio.