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: 1520

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: 1537

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: 3545

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]
 
» Alien: Romulus - Teaser Trailer online - produziert von Ridley Scott, gedreht auf Alexa 35
von iasi - Sa 0:28
» Was hörst Du gerade?
von Funless - Sa 0:12
» Gimbal Panasonic s5 ii
von roki100 - Fr 23:28
» Neue Lexar NM990 PCIe 5.0 SSD liest Daten mit bis zu 14.000 MB/s
von MIIIK - Fr 22:56
» Illusionen
von Jott - Fr 21:16
» Sony RX1R III mit Vollformat und 35mm Fixoptik vorgestellt, filmt in 4K
von Darth Schneider - Fr 19:14
» Was hast Du zuletzt gekauft?
von Darth Schneider - Fr 18:11
» Werbung - es geht auch gut ;) Sammelthread
von Bluboy - Fr 17:59
» Suche XLR-Kamera-Mikrofon
von Darth Schneider - Fr 17:39
» BMD Production Camera 4k in 2025?
von Darth Schneider - Fr 12:51
» RØDE verschenkt neuen Wireless Micro Kameraempfänger als Upgrade
von slashCAM - Fr 12:27
» DJI Mini 5 Pro kommt in 5 Wochen - mit 50 Min Flugzeit und LiDAR
von blueplanet - Fr 12:10
» Seagates 30 TB HAMR-Festplatten ab sofort im Handel frei erhätlich
von slashCAM - Fr 9:30
» Was schaust Du gerade?
von roki100 - Do 22:32
» AV1 Codec in Premiere
von Bluboy - Do 19:19
» Sigma 17-40mm F1.8 DC ART an Sony FX30 und DJI RS4 Mini im Praxistest / Teil 1
von rush - Do 17:46
» Nanlite pico - neues, kompaktes Vollfarben-LED-Panel für die mobile Videoproduktion
von Alex - Do 17:02
» Neu in Adobe Firefly - Sound Effects, Kompositionsvorlagen und mehr
von slashCAM - Do 15:36
» ACHTUNG WETRANSFER!
von rush - Do 14:02
» DaVinci Resolve 20 Workshop - AI Depth Map unkompliziert für Titel-Effekte nutzen
von speedy gonzales - Do 13:58
» Sony soll eine FX8 mit 12K-Sensor für den Herbst planen
von dienstag_01 - Do 13:57
» Portkeys LS7P - 7"-On-Camera-Monitor mit integrierter Kamerasteuerung
von tom - Do 11:29
» DJI Mavic 4 Pro in der Praxis: 10Bit 6K 50p Log, 360° Gimbal – für wen lohnt sich die C2 Drohne?
von wind1414 - Do 10:28
» DJIs Mic 3 Funkmikro kommt bald zusammen mit der Osmo 360 Kamera
von tom - Do 10:10
» Panasonic LUMIX S1II im Praxistest: Beste Video-DSLM ihrer Klasse Dank 5.1K Open Gate u. hohem DR?
von radneuerfinder - Mi 23:20
» Panasonic S5 - Allgemeine Fragen, Tipps und Tricks, Zeig deine Bilder/Videos usw.
von roki100 - Mi 22:25
» Licht how to:
von Darth Schneider - Mi 22:23
» Sony ECM-778 - neues XLR-Richtmikrofon mit Hi-Res Audio für Profis
von TomStg - Mi 19:39
» Biete: Tascam DR-10C Mini Rekorder
von pillepalle - Mi 18:17
» Biete: Fuji X-E1 Body - 16,3MP APS-C
von pillepalle - Mi 18:10
» Nikon Z f Vollformat DSLM im Retro-Look (FM2) für 2.499,- Euro vorgestellt: 24MP Sensor, 4K 10 Bit 60p …
von Funless - Mi 16:36
» Neue Nikon Z8 Firmware 3.01 soll Objektiv-Kompatibilität verbessern
von slashCAM - Mi 15:21
» Konkurrenz für IMAX - Neues HDR-Premiumkinoformat Vue Epic für Europa
von dienstag_01 - Mi 14:13
» Panasonic LUMIX S1II und S1IIE für Videofilmer - bis zu 15 Blendenstufen und ARRI Log
von roki100 - Mi 12:44
» Zwei leichte Samyang Prima-Objektive (16mm / 85mm) für Sony E vorgestellt
von slashCAM - Mi 10:12