Dokumentation: Voice-Cloning-Aufnahme mit arecord

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

README.md

@@ -108,6 +108,56 @@ python chatterbox_cli_v4.py --lang de --no-strip-markdown --input text.txt
 
 ---
 
+## Voice Cloning — Stimme aufnehmen
+
+Für Voice Cloning braucht Chatterbox eine WAV-Aufnahme von 10–60 Sekunden in ruhiger Umgebung.
+
+### Aufnahme-Workflow
+
+```bash
+# 1. Verfügbare Mikrofon-Eingänge anzeigen
+pactl list sources short | grep -v monitor
+
+# 2. Trainingstext in der Datei anzeigen / lesen
+cat ~/chatterbox-tts-cli/Trainings_Text.txt
+
+# 3. Aufnahme starten — 60 Sekunden, stoppt automatisch
+#    (nutzt das Standard-Eingabegerät von PipeWire/PulseAudio)
+arecord -D pulse -f S16_LE -r 44100 -c 1 --duration=60 \
+  ~/chatterbox-tts-cli/my_voice_deutsch_60s.wav
+
+# 4. Aufnahme abhören und prüfen
+aplay ~/chatterbox-tts-cli/my_voice_deutsch_60s.wav
+
+# 5. Als Voice-Profil nutzen
+conda activate chatterbox
+python chatterbox_cli_v4.py --lang de \
+  --voice my_voice_deutsch_60s.wav \
+  --text "Testtext mit meiner Stimme."
+```
+
+### Bestimmtes Mikrofon auswählen (z. B. MOTU M2)
+
+```bash
+# Quellname des M2 herausfinden
+pactl list sources short | grep -v monitor
+
+# Aufnahme explizit vom MOTU M2:
+arecord -D pulse \
+  --default-device=alsa_input.usb-MOTU_M2_M20000046918-00.analog-stereo \
+  -f S16_LE -r 44100 -c 1 --duration=60 \
+  ~/chatterbox-tts-cli/my_voice_deutsch_60s.wav
+```
+
+### Tipps für gute Aufnahmen
+
+- Ruhige Umgebung, kein Hintergrundlärm
+- Normaler Gesprächsabstand zum Mikrofon (20–40 cm)
+- Gleichmäßiges, natürliches Sprechtempo
+- 30–60 Sekunden sind ideal; 10 Sekunden sind das Minimum
+
+---
+
 ## Gemischtsprachige Texte
 
 Deutsche Texte enthalten oft englische Fachbegriffe, Markennamen oder Zitate.