Coqui-XTTS-Alternative für kommerzielle Spielstimmen
Coqui wurde 2024 eingestellt, und seine XTTS-Gewichte sind nur für nicht-kommerzielle Nutzung lizenziert. Eine kommerziell nutzbare Alternative für Stimmklonen in Spielen.
Neocortex TeamThe team behind Neocortex
· Aktualisiert 20. Okt. 2026 · 5 Min. Lesezeit

Das Problem bei Coqui XTTS sind nicht die Stimmen. Es ist die Lizenz.
Coqui TTS und sein Modell XTTS sind Open-Source-Werkzeuge zum Klonen von Stimmen, und viele Spieleentwickler haben damit Figurenstimmen prototypisiert: ein paar Sekunden Referenzaudio, ein Python-Skript, und eine Figur spricht. Dann wird aus dem Prototyp ein Spiel, das Sie verkaufen wollen, und die Fragen beginnen. Wer lizenziert das Modell? Wer hält es am Laufen? Wie kommt es in Unity?
Können Sie XTTS-Stimmen in einem kommerziellen Spiel ausliefern?
Nicht unter der veröffentlichten Lizenz. XTTS-v2 steht unter der Coqui Public Model License (CPML), die nur nicht-kommerzielle Nutzung des Modells und seiner Ausgaben erlaubt. Der Code des Toolkits steht unter einer separaten, freizügigen Lizenz, aber das erstreckt sich nicht auf die XTTS-Gewichte.
Bevor Coqui schloss, verkaufte es kommerzielle Lizenzen für XTTS. Seit das Unternehmen weg ist, gibt es keinen offensichtlichen Ort, um eine zu kaufen, und die Lizenz der veröffentlichten Gewichte hat sich nicht geändert. Die Lizenz umfasst die Ausgaben ebenso wie das Modell, daher hilft es nicht, Zeilen offline zu rendern und nur die Audiodateien auszuliefern. Eine geklonte Stimme, die im Prototyp richtig klingt, kann also trotzdem eine sein, die Sie in einem bezahlten Spiel nicht verwenden dürfen. (Wir sind keine Anwälte, und das ist keine Rechtsberatung. Lesen Sie die CPML selbst.)
Wo Coqui heute steht
- Das Unternehmen ist weg. Coqui wurde Anfang 2024 eingestellt, und sein gehosteter Dienst ging offline.
- Das ursprüngliche Repository ruht. Neue Arbeit entsteht woanders.
- Der Code lebt in einem Fork weiter. Das Idiap Research Institute pflegt einen Community-Fork und veröffentlicht das Paket
coqui-tts. - Niemand bietet kommerziellen Support. Es gibt keinen Anbieter, den Sie anrufen können, kein Service Level und kein Engine-SDK.
Was Self-Hosting von XTTS für ein Spieleteam bedeutet
Selbst wenn die Lizenz geklärt ist, ist XTTS in einem ausgelieferten Spiel ein eigenes Projekt. Das müssen Sie als Team bauen und pflegen:
- Einen Inferenzserver mit GPU, dimensioniert auf die maximale Zahl der Spieler, die gleichzeitig sprechen.
- Streaming, damit die Sprache beginnt, bevor eine ganze Zeile synthetisiert ist.
- Einen Engine-Client für Unity oder Unreal: Text senden, Audio empfangen und lückenlos abspielen.
- Spracherkennung, separat, wenn Spieler antworten.
- Ein Sprachmodell und eine Charakterlogik, separat, wenn NPCs antworten statt Zeilen vorzulesen.
- Stimmenverwaltung: Referenzclips speichern, Stimmen versionieren und über Updates hinweg konsistent halten.
- Wartung: Python-Abhängigkeiten, CUDA-Treiber und Fork-Updates, solange das Spiel live ist.
Jeder Punkt ist machbar. Zusammen sind sie aber eine Stimmen-Plattform, ein anderes Produkt als Ihr Spiel.
Die Kosten verhalten sich außerdem anders als die Einnahmen eines Spiels. Ein GPU-Server rechnet pro Stunde ab, ob jemand spricht oder nicht, und er muss für die Spitzenzeit am Abend ausgelegt sein, nicht für den Durchschnitt. Wenn ein Streamer eine Welle von Spielern in Ihr Spiel schickt, fällt als Erstes der Stimmenserver um.
Selbst gehostete Modelle oder eine verwaltete Plattform
Die Wahl dreht sich weniger um Coqui als um zwei Ansätze:
| Selbst gehostetes offenes Modell | Verwaltete Charakter-Plattform | |
|---|---|---|
| Vorab-Kosten | Entwicklungszeit und GPUs | Ein monatlicher Tarif |
| Laufende Kosten | Hosting und Wartung | Monatlicher Tarif |
| Lizenz | Hängt vom Modell ab; XTTS-v2 ist nicht-kommerziell | Durch den Tarif festgelegt; Neocortex erlaubt kommerzielle Nutzung in Pro und Team |
| Kontrolle | Volle Kontrolle über Gewichte und Server | Wird für Sie verwaltet; Self-Hosting auf Neocortex ist eine individuelle Enterprise-Lösung |
| Engine-Unterstützung | Sie schreiben sie | SDKs inklusive |
| Spielen offline | Möglich, wenn Sie das Modell ausliefern | Braucht eine Verbindung, außer bei lokalen Text-Chat-Prototypen |
Selbst gehostete Lösungen passen zu Forschung, Werkzeugen und nicht-kommerziellen Projekten. Bei einem kommerziellen Spiel entscheiden meist die Lizenz und die Wartungsliste oben.
Coqui XTTS vs Neocortex
| Coqui XTTS | Neocortex | |
|---|---|---|
| Unternehmen | Eingestellt; Community-Fork | Aktiv, mit regelmäßigen SDK-Veröffentlichungen |
| Kommerzielle Nutzung | Modelllizenz ist nicht-kommerziell | Inklusive in Pro und Team |
| Stimmklonen | Ja | Aus einer kurzen Probe, für die Sie die Rechte haben |
| Stimmgestaltung | Nein | Stimmen aus einer Textbeschreibung erzeugen |
| Hosting | Selbst gehostet auf Ihrer eigenen GPU | Verwaltet; Self-Hosting als individuelle Lösung |
| Engines | Keine, ein Python-Paket | Unity, Unreal Engine 5, Godot, Web API |
| Spracherkennung | Nein | Streaming-Speech-to-Text |
| Sprechende Figuren | Nein | Vollständige KI-Figuren mit Stimme rein und raus |
| Lokale KI | Läuft lokal | Lokale Modelle über Ollama in Unity für Text-Chat-Prototypen |
Wenn Ihnen lokale KI in Ihrem Projekt wichtig ist, behandelt unsere Anleitung LLMs lokal mit Unity betreiben den Ollama-Weg im Detail.
Eine Stimme ausliefern, die Sie verkaufen können
Eine XTTS-Figur umzuziehen dauert vier kurze Schritte. Nehmen Sie den Referenzclip, von dem Sie geklont haben, solange Sie die Rechte an dieser Aufnahme haben. Klonen Sie ihn in Neocortex oder beschreiben Sie die Stimme, wenn Sie lieber neu anfangen. Bauen Sie die Figur im Editor darum herum, und ersetzen Sie Ihren Python-Inferenzaufruf durch das Unity SDK, die Unreal-Engine-5-Integration, Godot oder die Web API.
Neocortex ersetzt den ganzen XTTS-Stack durch ein einziges Konto. Klonen Sie eine Stimme aus einer kurzen Aufnahme, für die Sie die Rechte haben, oder entwerfen Sie eine aus einer Textbeschreibung: Pro umfasst 5 eigene Stimmen und Team 20, und beide Tarife decken kommerzielle Nutzung ab. Sie müssen keine GPU betreiben, weil die Sprache für Sie erzeugt und gestreamt wird. Verbinden Sie die Stimme mit einer Figur mit Persönlichkeit, Wissen und Aktionen, testen Sie sie im Browser-Editor und setzen Sie sie in Unity, Unreal Engine 5 oder Godot ein.
Die Angaben zu Coqui wurden zuletzt im Oktober 2026 geprüft. Dieser Beitrag ist keine Rechtsberatung; lesen Sie die CPML selbst, bevor Sie XTTS nutzen.
Häufig gestellte Fragen
Kann Coqui XTTS in einem kommerziellen Spiel genutzt werden?
Die XTTS-v2-Gewichte stehen unter der Coqui Public Model License, die nur nicht-kommerzielle Nutzung erlaubt. Da Coqui geschlossen ist, gibt es niemanden, der eine kommerzielle Lizenz verkauft. Stimmen, die Sie in Neocortex klonen oder entwerfen, können in den Tarifen Pro und Team kommerziell genutzt werden.
Wird Coqui TTS noch gepflegt?
Das ursprüngliche Repository ruht, während ein Community-Fork des Idiap Research Institute das Paket coqui-tts veröffentlicht. Neocortex ist ein gepflegter, verwalteter Dienst mit SDKs für Unity, Unreal Engine 5 und Godot.
Hat Coqui XTTS ein Unity-Plugin?
Nein, XTTS ist ein Python-Paket, das Sie selbst hosten. Neocortex hat ein Unity SDK für Unity 6 mit sechs Beispielszenen, Streaming von Sprache rein und raus und Mikrofonunterstützung in WebGL-Builds.
Kann Stimmklonen mit KI in einem Spiel offline laufen?
XTTS offline zu betreiben heißt, es auf Ihrer eigenen GPU unter seiner nicht-kommerziellen Lizenz zu hosten. Die Stimme von Neocortex läuft als Cloud-Dienst. Text-Chat-Prototypen können Sie mit lokalen Modellen über Ollama in Unity testen, und Self-Hosting der Plattform ist eine individuelle Enterprise-Lösung.






