slashCAM
Administrator
Administrator
Beiträge: 11279

Text-zu-Sprache per KI: Ersetzen synthetische Stimmen bald professionelle Sprecher?

Beitrag von slashCAM »


Nach Bild- und Text-generierenden KIs gibt es noch weiteres Feld, in welchem gerade per künstlicher Intelligenz enorme Fortschritte gemacht werden und zwar bei der Synthese von menschlichen Stimmen per DeepLearning. Die Qualität von per KI generierten Stimmen wird immer besser - sie sind kaum mehr zu unterscheiden von echten Stimmen. Sogar existierende Stimmen können anhand von nur wenig Trainingsmaterial inzwischen nahezu realistisch nachgeahmt werden.



Hier geht es zu Artikel auf den slashCAM Magazin-Seiten:
Essays: Text-zu-Sprache per KI: Ersetzen synthetische Stimmen bald professionelle Sprecher?



Frank Glencairn
Beiträge: 26509

Re: Text-zu-Sprache per KI: Ersetzen synthetische Stimmen bald professionelle Sprecher?

Beitrag von Frank Glencairn »

Leider sind die deutschen STS Stimmen bisher katastrophal schlecht - kein Vergleich zu den englischen.
Auch beim Cloning - was ja eigentlich viel interessanter ist - auf Deutsch leider nix.
Sapere aude - de omnibus dubitandum



tom
Administrator
Administrator
Beiträge: 1542

Re: Text-zu-Sprache per KI: Ersetzen synthetische Stimmen bald professionelle Sprecher?

Beitrag von tom »

Frank Glencairn hat geschrieben: Mo 06 Feb, 2023 19:58 Leider sind die deutschen STS Stimmen bisher katastrophal schlecht - kein Vergleich zu den englischen.
Auch beim Cloning - was ja eigentlich viel interessanter ist - auf Deutsch leider nix.
Welche Dienste hast Du ausprobiert?
slashCAM



Jalue
Beiträge: 1558

Re: Text-zu-Sprache per KI: Ersetzen synthetische Stimmen bald professionelle Sprecher?

Beitrag von Jalue »

"Ersetzen synthetische Stimmen bald professionelle Sprecher?"

Ich denke, davon ist auszugehen, zumindest in der Online-Massenproduktion von News und (billigen) Corporate Videos. Eingesetzt werden die Tools ja schon jetzt, z.b. um erste Schnittfassungen für die Abnahme quick and dirty zu vertonen.

Im nächsten Schritt wird es, auch da bin ich mir ziemlich sicher, automatisierten Schnitt auf Basis von Text- oder Spracheingaben geben. So folgen z.B. kurze Newsbeiträge Schema F und das dürfte relativ leicht in Codezeilen zu gießen sein.

Ist das "traurig"? Wenn wir ehrlich sind, reden wir hier ein stückweit auch von Bullshit-Jobs und Betroffene haben noch (!) genug Zeit, sich umzuorientieren. Dorthin, wo individuelle Gestaltung und Qualität gefragt sind.



Frank Glencairn
Beiträge: 26509

Re: Text-zu-Sprache per KI: Ersetzen synthetische Stimmen bald professionelle Sprecher?

Beitrag von Frank Glencairn »

tom hat geschrieben: Mo 06 Feb, 2023 20:59
Frank Glencairn hat geschrieben: Mo 06 Feb, 2023 19:58 Leider sind die deutschen STS Stimmen bisher katastrophal schlecht - kein Vergleich zu den englischen.
Auch beim Cloning - was ja eigentlich viel interessanter ist - auf Deutsch leider nix.
Welche Dienste hast Du ausprobiert?
play.ht, murph, Speechelo und Google.

Speechelo geht so halbwegs, aber komischerweise nur die weibliche Stimme, Google scheint mir aktuell das beste zu sein, was deutsche TTS betrifft.
Für deutsches Cloning gibt's - soweit ich weiß - aktuell nur open source - selbst bastel Lösungen.
Sapere aude - de omnibus dubitandum



r.p.television
Beiträge: 3546

Re: Text-zu-Sprache per KI: Ersetzen synthetische Stimmen bald professionelle Sprecher?

Beitrag von r.p.television »

Frank Glencairn hat geschrieben: Mo 06 Feb, 2023 19:58 Leider sind die deutschen STS Stimmen bisher katastrophal schlecht - kein Vergleich zu den englischen.
Auch beim Cloning - was ja eigentlich viel interessanter ist - auf Deutsch leider nix.
Ich finde auch die englischen Stimmen nur bedingt zu gebrauchen. Selbst in der Speechelo-Werbung hört sich das sehr plätschernd und einschläfernd an. Sobald man auch nur ansatzweise Emotionen rüberbringen muss, ist das ganze aktuell eigentlich nicht zu gebrauchen.



Brave
Beiträge: 12

Re: Text-zu-Sprache per KI: Ersetzen synthetische Stimmen bald professionelle Sprecher?

Beitrag von Brave »

Ich kann die deutschen Stimmen von Amazon Polly (Neuralversionen) und - mit noch größerer Auswahl und deutlich mehr Funktionen - von MS Azure direkt empfehlen. Es ist teilweise erstaunlich, wie gut Texte gesprochen werden. Wir haben es mit medizinischen Texten getestet und auch die Fachbegriffe werden meist gut erkannt.
Bei Azure kann man noch mit einem "Phonembaukasten" einzelne falsche Wörter fixen. Klar reicht die Qualität noch nicht für gescheite Kundenprojekte, aber in Einzelfällen für schnelle Sachen ist das schon ganz gut.
Was noch feht ist, dass die Systeme den Text verstehen und Zusammenhänge zwischen den Sätzen erkennen um die Betonung dementsprechend anzupassen. Das Beispiel aus dem Artikel in dem Video geht schon etwas in die Richtung.



 Aktuelle Beiträge [alle Foren]
 
» Nikon ZR in der Praxis: 6K 50p RED RAW Monster für 2.349,- Euro mit klassenbester Colorscience?
von cantsin - Fr 0:29
» Neue Firmware für Panasonic LUMIX S5 II, S5 IIX, S9, GH7 und G9 II
von roki100 - Do 22:31
» Konkurrenz für IMAX - Neues HDR-Premiumkinoformat Vue Epic für Europa
von iasi - Do 22:15
» Was schaust Du gerade?
von roki100 - Do 22:03
» OpenAI Sora 2 - Nutzungsrichtlinie entfacht internationalen Urheberrechtsstreit
von Jalue - Do 21:26
» Canons restriktive Mount-Politik: Clever oder der Impuls für eine chinesische DSLM?
von cantsin - Do 21:21
» Neue FUJIFILM X-T30 III filmt in 6K
von Funless - Do 18:32
» iPhone 17 Pro Max im Praxistest: ProRes RAW, Apple Log 2 - inkl. DJI Osmo Pocket Vergleich
von Bruno Peter - Do 10:43
» Panasonic LUMIX Lab und Flow Apps bekommen neue Funktionen
von arcon30 - Do 9:09
» >Der LED Licht Thread<
von Alex - Do 9:03
» Linsen (Vintage, Anamorphic & Co.)
von iasi - Do 8:25
» HASSLIEBE deutscher Film? Mit Wolfgang M. Schmitt
von Nigma1313 - Do 0:36
» !!BIETE!! Sony FX6
von klusterdegenerierung - Mi 21:42
» Was hörst Du gerade?
von rush - Mi 20:50
» Predator: Killer of Killers
von 7River - Mi 20:10
» Unser Kinofilm "The Trail" nun auf Amazon Prime
von freezer - Mi 18:46
» Abhörmonitore
von Pianist - Mi 18:17
» Zoom stellt kompakten PodTrak P4next vor
von slashCAM - Mi 12:51
» Panasonic S5 - Allgemeine Fragen, Tipps und Tricks, Zeig deine Bilder/Videos usw.
von roki100 - Mi 11:14
» Nikon ZR Sensor-Bildqualität - Debayering, Rolling Shutter und Dynamik
von dienstag_01 - Mi 9:47
» Neues Musikvideo Team Drama „Baby“
von Magnetic - Di 19:37
» NIKKOR Z DX 16-50mm Standardzoom sowie 35mm f/1.7 Makro vorgestellt
von slashCAM - Di 15:33
» Blackmagic liefert PYXIS 12K aus - Kompakte Cine-Kamera mit 12K Vollformatsensor
von iasi - Mo 20:32
» Möglichkeiten, Geld zu sparen beim Filmdreh.
von Dreizehn - Mo 16:14
» Nikon ZR: Basisfunktionen und Empfehlungen zur Bedienung
von slashCAM - Mo 12:05
» Blackmagic Cinema Camera 6K in »Die Chroniken von Kyoto«
von ruessel - Mo 10:42
» Oscars 2026 - Camera Chart
von Jott - Mo 7:47
» Frühjahrsputz im Herbst :)
von Jörg - So 23:12
» Was kann 32bit-Audio wirklich?
von berlin123 - So 17:00
» Vivo X300 Pro - 8K-Smartphone optional mit 200-fachem Zoom
von Jott - So 13:49
» TRAILER zu Tenniskurzfilm
von dienstag_01 - So 11:22
» DJI Osmo Action 4: Schärfe und Rauschunterdrückung
von Jott - So 11:16
» Wohin will die Filmbranche?
von Nigma1313 - Sa 22:38
» Was hast Du zuletzt gekauft?
von Drushba - Sa 21:06
» Unbemerktes Umschalten der HDMI Eingänge während live Aufnahme mit Atem Mini pro ISO
von Onfire - Sa 19:28