Resemble AI
Tool · die Analyse ist aus den offiziellen Seiten der Plattform selbst und der helfenden Tools.
Siehe auch: wie man die Steckbriefe liest и über die Quellen und über die Methode.
Überblick
Resemble AI ist eine Plattform für die Sicherheit generativer KI plus Sprachmodelle. Die Zusammensetzung der Produkte stammt aus dem maschinenlesbaren Index der Website — der Datei llms.txt, die in der robots.txt von Resemble selbst deklariert ist.
Drei Teile betreffen die Sicherheit. Detect — Erkennung von Deepfakes in Audio, Video und Bildern, auch in Anrufen und in Besprechungen. Verify — Provenienz-Wasserzeichen: PerTh für Audio, VideoSeal für Bilder und Video. Identity — Registrierung und Abgleich des Sprechers anhand einer Probe ab vier Sekunden.
Der Sprachteil ist in offene Modelle ausgelagert: Chatterbox — Sprachsynthese mit Stimmklonen ohne vorheriges Training (zero-shot), außerdem Chatterbox Turbo, Chatterbox Multilingual und DramaBox. In der Fußzeile der Website sind gesondert Resemble TTS, Resemble Voice Creation, Resemble Audio und Resemble STS aufgeführt.
Zur Eingabesprache äußert sich die Quelle unmittelbar. Chatterbox Multilingual ist als «20+ languages» angegeben, und die Liste ist namentlich genannt: Arabic, Chinese, Czech, Dutch, English, Finnish, French, German, Hebrew, Hindi, Italian, Japanese, Korean, Norwegian, Polish, Portuguese, Russian, Spanish, Swedish, Turkish, Vietnamese. Russisch, Arabisch, Hindi und Chinesisch stehen in der Liste. Das Modell ist unter der MIT-Lizenz veröffentlicht, und der Zugang dazu hängt nicht vom Tarif ab. Für die Erkennung von Deepfakes ist eine Validierung in 51 Sprachen angegeben.
Mit welchen Plattformen es arbeitet
Die Antwort ist zur Hälfte bekannt. Einen direkten Export fertigen Audios auf Veröffentlichungsplattformen enthält das Gelesene nicht: Ein Abschnitt über den Export des Ergebnisses in soziale Netzwerke oder an Streamingdienste fand sich auf der Website nicht.
Dokumentiert sind Integrationen für Arbeitsabläufe und Sicherheit. Für Resemble Meetings sind Zoom, Microsoft Teams, Google Meet und Webex genannt. Gesondert aufgeführt sind eine Erweiterung für Chrome, die Protokolle SIP und SIPREC für Telekommunikationsanbieter, SDK für Python, Node.js und JavaScript sowie eine eigene Seite Integrations and environments. Die Bereitstellung ist in drei Formen angegeben: in der Cloud, auf der eigenen Infrastruktur und in einem abgeschotteten Bereich. Das sind Orte, von denen das Tool Ton zur Prüfung bezieht, und nicht Orte, an denen es Fertiges veröffentlicht.
Was es kostet
Die Preise stammen von der Preisseite, die Währung sind US-Dollar.
TEAM — 350 Dollar im Monat bei monatlicher Zahlung und 280 Dollar im Monat bei jährlicher; die Ersparnis im Jahr ist mit 840 Dollar angegeben. Im Tarif enthalten sind 5 Plätze, gesenkte Verarbeitungstarife, Intelligence für Besprechungen sowie große Uploads und Stapel-Uploads.
BUSINESS — 1000 Dollar im Monat monatlich und 800 Dollar im Monat bei jährlicher Zahlung, Ersparnis 2400 Dollar im Jahr. Enthalten sind 20 Plätze, unternehmensweite Kalenderintegration, Sicherheitsbenachrichtigungen für Besprechungen und SSO.
ENTERPRISE — Preis nach Vereinbarung: Mengenrabatte, SLA, Nachtraining des Modells, Installation auf der eigenen Infrastruktur.
Die niedrigste kostenpflichtige Stufe sind 280 Dollar im Monat, das ist TEAM bei jährlicher Zahlung. Die kostenlose Stufe FLEX kostet 0 Dollar und wird stückweise abgerechnet.
Ein Vorbehalt ist wichtig: Die Tariftabelle deckt Detect, Intelligence, Meetings, Identity und Watermarker ab. Eine gesonderte Preisliste für Sprachsynthese und Stimmklonen gibt es auf der Preisseite nicht.
Was kostenlos ist
FLEX — 0 Dollar im Monat: ohne Grundgebühr und ohne Karte, Bezahlung nach Anfall aus im Voraus gekauften Credits.
In FLEX enthalten sind die Erkennung von Deepfakes in Audio, Bildern und Video, die Analytik Intelligence, die Registrierung der Identität, die Erkennung in Echtzeit für Besprechungen, die Prüfung von SynthID und die C2PA-Signatur von Aufnahmen, der Zugang zur Plattform und zur API. Plätze im Team: einer.
Zu den Credits antwortet die Seite wörtlich: «No, credits on the Flex Plan never expire» — sie verfallen niemals.
Die Null in der Zeile der Grundgebühr bedeutet keine kostenlose Arbeit: Zu zahlen ist für tatsächlich verarbeitete Sekunden und Aufrufe, nicht für den Monat.
Einschränkungen
Grenzen in Minuten hat das Tool nicht: Abgerechnet wird pro Sekunde und pro Aufruf, und der Satz hängt vom Tarif ab. Die Sätze stammen aus dem Block «Processing rates» auf der Preisseite.
Detect für Audio und Bilder — 0,03500 Dollar je Sekunde auf FLEX und 0,01500 Dollar auf TEAM und BUSINESS. Detect für Video — 0,07000 und 0,03000 Dollar je Sekunde entsprechend. Intelligence — 0,02500 und 0,01500 Dollar je Sekunde. Identity search — 0,00050 Dollar je Aufruf. Watermarker: encode — 0,00050 Dollar, decode — 0,00020 Dollar je Aufruf. Für ENTERPRISE ist eine Mengenpreisgestaltung angegeben.
Die Plätze richten sich nach den Tarifen: 1 auf FLEX, 5 auf TEAM, 20 auf BUSINESS. Die Credits von FLEX sind unbefristet, Mindestverpflichtungen gibt es nicht.
Die Einschränkung ist nicht als Obergrenze angelegt, sondern als Satz: Der Unterschied zwischen FLEX und den kostenpflichtigen Tarifen ist ein Unterschied im Preis der Sekunde.
Rechte am Ergebnis
Die Antwort ist teilweise bekannt. Die Nutzungsbedingungen enthalten keine unmittelbare Übertragung der Rechte am erzeugten Audio: Eine Formulierung über das Eigentum an der Ausgabe (Output) steht nicht im Text. Unterschiede nach Tarifen beschreiben die Bedingungen an dieser Stelle ebenfalls nicht.
Was in den Bedingungen steht: Resemble behält sich die Rechte an Aggregated Data vor — anonymisierten Ableitungen und Metadaten. Und es gibt ein unmittelbares Verbot, die Ausgabe zu verwenden, um «to train, improve, or otherwise further develop your own or any third party's product» — darauf zu trainieren, damit zu verbessern und das eigene Produkt oder das Produkt eines Dritten weiterzuentwickeln, ist nicht erlaubt.
Ein eigener Zweig sind die offenen Modelle. Für Chatterbox Multilingual ist «Full model weights on Hugging Face … No vendor lock-in, no commercial restrictions» unter der MIT-Lizenz angegeben: Die vollständigen Gewichte sind veröffentlicht, eine Bindung an den Anbieter und kommerzielle Beschränkungen bestehen nicht. Der Vorbehalt ist wichtig: Das betrifft das selbst gehostete offene Modell und nicht die Arbeit über die Plattform.
Was gefehlt hat: Wem das über die Plattform erstellte Audio gehört, folgt aus dem Gelesenen nicht.
Wird mit Ihren Daten trainiert
Die Antwort ist teilweise bekannt: Die Bedingungen unterscheiden zwei Begriffe.
Content — das, was Sie hochgeladen haben — wird verwendet «for the purposes of having Resemble AI synthesizing and generating an AI voice model»: damit Resemble ein Sprachmodell synthetisiert und erstellt.
Aggregated Data — anonymisierte Ableitungen und Metadaten — «may be used for … internal learning and training», das heißt, sie können in internes Lernen und Training gehen sowie in Fehlersuche, Fehlerbehebung und Produktentwicklung.
Was gefehlt hat: Eine unmittelbare Aussage, dass die ursprünglichen Nutzeraufnahmen in das Training der Produktmodelle eingehen, steht nicht im Text, und der Umfang des Trainings auf Rohaudio wird nicht offengelegt.
Ein Widerspruch ist überhaupt nicht beschrieben. Einen Mechanismus, der Verwendung von Inhalten und aggregierten Daten für internes Training zu widersprechen, geben die Bedingungen nicht her — weder über eine Einstellung noch über einen Tarif. Doch das ist keine Aussage darüber, dass ein Widerspruch möglich wäre.
Verdienst damit
Die kommerzielle Nutzung ist in einem Zweig unmittelbar erlaubt — im offenen: Für Chatterbox Multilingual ist «No vendor lock-in, no commercial restrictions» unter der MIT-Lizenz angegeben, und vom Tarif hängt das nicht ab.
Zum Ergebnis, das über die Plattform selbst erstellt wurde, gibt es keine Antwort: Eine Übertragung der Rechte an der Ausgabe beschreiben die Bedingungen nicht, Unterschiede nach Tarifen ziehen sie nicht. Das Fehlen einer Antwort ist weder Erlaubnis noch Verbot.
Ein Verbot gilt über allem: Die Ausgabe darf nicht verwendet werden, um das eigene Produkt oder das Produkt eines Dritten zu trainieren, zu verbessern oder weiterzuentwickeln.
Was es nicht leisten wird
Am schärfsten ist hier die Frage, wessen Stimme hochgeladen werden darf.
Die Einwilligung der Person, deren Stimme geklont wird, ist erforderlich. Die Nutzungsbedingungen sagen wörtlich, mit der Rechtschreibung der Quelle: «Resemble may require consent form the individual or third party whose voice is being cloned. Consent needs to be verbal, unless otherwise stated by Resemble». Die Einwilligung ist standardmäßig mündlich und nicht schriftlich; eine andere Form kann nur dann verlangt sein, wenn Resemble ausdrücklich etwas anderes angibt. Der Nutzer erklärt außerdem, dass er die Inhalte besitzt oder über «the necessary licenses, rights, consents and permissions» verfügt — die notwendigen Lizenzen, Rechte, Einwilligungen und Genehmigungen.
Die Ethikseite formuliert dasselbe strenger: «voice cloning only occurs with the explicit consent of the individual» — das Klonen einer Stimme erfolgt nur mit der ausdrücklichen Einwilligung der Person.
Die Einwilligung wird geprüft: Die Identität wird bei ihrer Einholung mit der Sprechererkennungstechnologie Resemblyzer abgeglichen.
Ein gesondertes unmittelbares Verbot, die Stimme einer Person des öffentlichen Lebens zu klonen, steht im Gelesenen dagegen nicht — eine solche Norm begegnet einem nicht. Am nächsten kommt ihr das allgemeine Verbot von «impersonation without authorization», des Auftretens als eine andere Person ohne Erlaubnis. Als Erlaubnis für Stimmen öffentlicher Personen darf man das nicht lesen: Die Anforderung der Einwilligung der Person, deren Stimme geklont wird, kennt in der Quelle keine Ausnahmen. Es fehlt lediglich eine gesondert erklärte Norm eigens zu Personen des öffentlichen Lebens.
Verbotene Themen sind als Liste genannt: Hassrede und Diskriminierung, Terrorismus und Gewalt, Ausbeutung von Kindern, Inhalte ohne Quellenangabe und Verfälschung der Quelle, unerwünschte Massenversendungen, irreführende Mitteilungen. In den Bedingungen kommen falsche Angaben zu einer Zugehörigkeit und Phishing zur Erlangung finanzieller Angaben hinzu.
Fertiges Audio für Sie veröffentlichen kann es nicht: Einen direkten Export auf Veröffentlichungsplattformen enthält das Gelesene nicht.
Den Preis für Sprachsynthese und Stimmklonen nennen kann es ebenfalls nicht: Eine gesonderte Preisliste für den Sprachteil gibt es auf der Preisseite nicht.
Einen Widerspruch gegen das interne Training zu ermöglichen, ist es nicht bereit: Einen Mechanismus des Widerspruchs beschreiben die Bedingungen nicht.
Bei der Kennzeichnung ist das Bild uneinheitlich. Für die offenen Modelle ist sie als verpflichtend und automatisch angegeben: «Every clip is watermarked with PerTh at generation, before it leaves the model» — das betrifft Chatterbox Multilingual, und «Every output watermarked with PerTh at generation» — das betrifft DramaBox. Das Zeichen ist als unhörbar und umkodierungsfest angegeben. In den Bedingungen wird Resemble Watermarker dagegen nur als Produkt erwähnt: Eine Verpflichtung zur Kennzeichnung aller Ausgaben der Plattform und Unterschiede nach Tarifen sind dort nicht beschrieben. Die Verpflichtung ist für konkrete Modelle bestätigt; eine plattformweite Regel steht im Gelesenen nicht.
Geprüfte Angaben aus der Datenbank
Kurze geprüfte Angaben, auf die sich die Analyse stützt.
Über die Plattform
Plattform für die Sicherheit generativer KI plus Sprachmodelle. Detect — Erkennung von Deepfakes in Audio, Video und Bildern, auch in Anrufen sowie in Zoom, Teams, Meet und Webex. Verify — Provenienz-Wasserzeichen: PerTh für Audio, VideoSeal für Bilder und Video. Identity — Registrierung und Abgleich eines Sprechers anhand einer Probe ab vier Sekunden. Der Sprachteil ist in offene Modelle ausgelagert: Chatterbox (TTS mit Zero-Shot-Stimmklonen), Chatterbox Turbo, Chatterbox Multilingual, DramaBox; im Footer der Website sind zusätzlich Resemble TTS, Resemble Voice Creation, Resemble Audio und Resemble STS aufgeführt
llms.txt ist der offizielle maschinenlesbare Index der Website, der in der robots.txt von Resemble selbst angekündigt wird; der Produktbestand wurde mit dem Footer von https://www.resemble.ai/pricing abgeglichen
Quelle, geprüft 2026-08-07
Chatterbox Multilingual: «20+ languages» (wörtlich) — Arabic, Chinese, Czech, Dutch, English, Finnish, French, German, Hebrew, Hindi, Italian, Japanese, Korean, Norwegian, Polish, Portuguese, Russian, Spanish, Swedish, Turkish, Vietnamese. Russisch, Arabisch, Hindi und Chinesisch stehen in der Liste. Das Modell steht unter der MIT-Lizenz und hängt nicht vom Tarif ab. Für die Deepfake-Erkennung ist eine Validierung in 51 Sprachen angegeben
Die Zahl von 51 Sprachen für Detect stammt aus https://www.resemble.ai/llms.txt
Quelle, geprüft 2026-08-07
Plattformen
Ein direkter Export des fertigen Audios auf Veröffentlichungsplattformen wird im Gelesenen nicht genannt. Dokumentiert sind Integrationen für Arbeitsabläufe und Sicherheit: Zoom, Microsoft Teams, Google Meet und Webex für Resemble Meetings, eine Erweiterung für Chrome, SIP und SIPREC für Telekommunikationsanbieter, SDKs für Python, Node.js und JavaScript sowie eine eigene Seite Integrations and environments. Als Betriebsarten sind Cloud, eigene Infrastruktur und abgeschottete Umgebung angegeben
Einen Bereich über den Export des Ergebnisses in soziale Netzwerke oder zu Streamingdiensten gibt es auf der Website nicht; aufgeführt sind nur Integrationen für Arbeitsabläufe
Quelle, geprüft 2026-08-07
Preise
FLEX — $0 im Monat, ohne Grundgebühr und ohne Karte, Abrechnung nach Verbrauch aus im Voraus gekauften Credits. Enthalten sind: Deepfake-Erkennung in Audio, Bildern und Video, Analytik Intelligence, Registrierung der Identität, Echtzeiterkennung für Meetings, SynthID-Prüfung und C2PA-Signatur von Aufnahmen, Zugang zu Plattform und API; 1 Teamplatz. «No, credits on the Flex Plan never expire» (wörtlich)
Der Umfang von FLEX und die Antwort zu den Credits stammen aus der Tariftabelle und dem FAQ-Block derselben Seite
Quelle, geprüft 2026-08-07
TEAM — $350 im Monat bei monatlicher Zahlung und $280 im Monat bei jährlicher Zahlung (Ersparnis $840 im Jahr), 5 Plätze, gesenkte Verarbeitungstarife, Intelligence für Meetings, große Uploads und Stapel-Uploads. BUSINESS — $1,000 im Monat bei monatlicher und $800 im Monat bei jährlicher Zahlung (Ersparnis $2,400 im Jahr), 20 Plätze, unternehmensweite Kalenderintegration, Sicherheitsbenachrichtigungen für Meetings, SSO. ENTERPRISE — Preis nach Vereinbarung (Mengenrabatte, SLA, Nachtraining des Modells, Installation auf eigener Infrastruktur). WICHTIG: Die Tariftabelle deckt Detect, Intelligence, Meetings, Identity und Watermarker ab; eine gesonderte Preisliste für Sprachsynthese und Stimmklonen gibt es auf der Preisseite nicht
Der Titel der Seite lautet «Deepfake Detection & AI Security Pricing | Resemble AI», was die aktuelle Positionierung der Preisliste bestätigt
Quelle, geprüft 2026-08-07
280 USD im Monat — Tarif TEAM bei jährlicher Zahlung; bei monatlicher Zahlung 350 USD im Monat. Die kostenlose Stufe FLEX kostet 0 USD und wird pro Vorgang abgerechnet
Die Beträge stammen aus der Tariftabelle und aus der Übersichtstabelle «Transparent flexible pricing» derselben Seite
Quelle, geprüft 2026-08-07
Grenzen und Beschränkungen
Limits in Minuten gibt es nicht, abgerechnet wird sekunden- und aufrufgenau. Detect für Audio und Bilder: $0.03500 je Sekunde bei FLEX und $0.01500 bei TEAM und BUSINESS. Detect für Video: $0.07000 und $0.03000 je Sekunde. Intelligence: $0.02500 und $0.01500 je Sekunde. Identity search: $0.00050 je Aufruf. Watermarker encode — $0.00050, decode — $0.00020 je Aufruf. Für ENTERPRISE ist volume pricing angegeben. Plätze: 1 bei FLEX, 5 bei TEAM, 20 bei BUSINESS. Die Credits von FLEX sind unbefristet, Mindestabnahmen gibt es nicht
Die Sätze stammen aus dem Block «Processing rates» der Übersichtstabelle
Quelle, geprüft 2026-08-07
Beschränkungen
WESSEN STIMME: Es ist die Einwilligung des Menschen erforderlich, dessen Stimme geklont wird. Terms of Service: «Resemble may require consent form the individual or third party whose voice is being cloned. Consent needs to be verbal, unless otherwise stated by Resemble» (wörtlich, Schreibweise der Quelle beibehalten) — die Einwilligung ist also standardmäßig MÜNDLICH und nicht schriftlich. Der Nutzer erklärt außerdem, dass er die Inhalte besitzt oder über «the necessary licenses, rights, consents and permissions» verfügt. Ethikseite: «voice cloning only occurs with the explicit consent of the individual» (wörtlich). PRÜFUNG: Die Identität wird bei der Einholung der Einwilligung mit der Sprechererkennungstechnologie Resemblyzer abgeglichen. Ein gesondertes ausdrückliches Verbot, die Stimme einer Person des öffentlichen Lebens zu klonen, gibt es NICHT — eine solche Norm kommt im Gelesenen nicht vor, am nächsten kommt das allgemeine Verbot von «impersonation without authorization». VERBOTENE THEMEN: Hassrede und Diskriminierung, Terrorismus und Gewalt, Ausbeutung von Kindern, Inhalte ohne Quellenangabe und Verfälschung der Quelle, unerwünschte Massenzusendungen, irreführende Mitteilungen; in den Bedingungen zusätzlich falsche Angaben zu einer Zugehörigkeit und Phishing zur Erlangung von Finanzdaten
Die Formulierungen zur ausdrücklichen Einwilligung und zur Prüfung über Resemblyzer sowie die Liste der verbotenen Anwendungen stammen von der Seite https://www.resemble.ai/company/ethics
Quelle, geprüft 2026-08-07
Rechtliches
Die Bedingungen enthalten KEINE ausdrückliche Übertragung der Rechte am erzeugten Audio an den Nutzer: eine Formulierung zum Eigentum am Output steht nicht im Text. Resemble behält sich die Rechte an Aggregated Data vor — anonymisierte Ableitungen und Metadaten. Dem Nutzer ist untersagt, die Ausgabe «to train, improve, or otherwise further develop your own or any third party's product» (wörtlich) zu verwenden. Unterschiede zwischen den Tarifen sind in den Bedingungen nicht beschrieben. Ein eigener Zweig sind die offenen Modelle: für Chatterbox Multilingual ist «Full model weights on Hugging Face ... No vendor lock-in, no commercial restrictions» unter der MIT-Lizenz angegeben
Die Klausel zur MIT-Lizenz und zum Fehlen kommerzieller Beschränkungen bezieht sich nur auf das selbst gehostete offene Modell, Quelle — https://www.resemble.ai/learn/models/chatterbox-multilingual
Quelle, geprüft 2026-08-07
Die Bedingungen erlauben internes Training mit abgeleiteten Daten: Content wird «for the purposes of having Resemble AI synthesizing and generating an AI voice model» (wörtlich) genutzt, und Aggregated Data «may be used for ... internal learning and training» (wörtlich) sowie zur Fehlersuche, Fehlerbehebung und Weiterentwicklung des Produkts. Eine ausdrückliche Aussage, dass die ursprünglichen Nutzeraufnahmen in das Training von Produktmodellen eingehen, steht nicht im Text
Die Unterscheidung zwischen Content und Aggregated Data steht in den Bedingungen, der Umfang des Trainings mit rohem Audio wird jedoch nicht offengelegt
Quelle, geprüft 2026-08-07
Das Wasserzeichen PerTh ist eine eigene Technologie von Resemble; für die offenen Modelle ist die Kennzeichnung als verpflichtend und automatisch angegeben: «Every clip is watermarked with PerTh at generation, before it leaves the model» (wörtlich, Chatterbox Multilingual); für DramaBox — «Every output watermarked with PerTh at generation». Das Zeichen wird als unhörbar und gegen Umkodierung beständig beschrieben. In den Terms of Service ist Resemble Watermarker nur als Produkt erwähnt: eine Pflicht zur Kennzeichnung aller Ausgaben der Plattform und Unterschiede zwischen den Tarifen sind dort nicht beschrieben. Die Aufrufe von Watermarker encode und decode werden kostenpflichtig abgerechnet
Die Aussage über die verpflichtende Kennzeichnung bezieht sich auf konkrete Modelle; eine plattformweite Regel wurde in den Bedingungen nicht gefunden
Quelle, geprüft 2026-08-07
Katalogbereich: alle ähnlichen Siehe auch: Katalogverzeichnis · Vergleich der Planungstools · Auswahl nach Situation · Einschränkungen der Plattformen