Um Vergleichsvideos zu erstellen habe ich eben noch mal rumprobiert.

Deaktiviere ich die wortweise Ansage, dann klingt es über die Testfunktion der PSW perfekt. Jedoch sind die Einsatztexte dann schrecklich.
Also die besten "echten" Ergebnisse erziele ich mit folgender Einstellung:

Stimme: Sarah
Geschwindigkeit: 85 bis 90%
Tonhöhe: 105%
Wortweise Aussprache: JA

...hoffentlich ist der Upload der Videos bald fertig, meine Internetverbindung ist leider nicht die Beste...