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: 1535

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: 1539

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]
 
» Davinci Resolve ipad Musik einfügen
von Axel - Di 23:34
» Alien: Romulus - Teaser Trailer online - produziert von Ridley Scott, gedreht auf Alexa 35
von markusG - Di 20:46
» Nikon Zr - Nikons erste eigene Cine-Kamera - am 10.Sept.
von Darth Schneider - Di 19:09
» Kamera für bevorstehende Familienhochzeit
von Contentcreator - Di 16:31
» Panasonic S5 - Allgemeine Fragen, Tipps und Tricks, Zeig deine Bilder/Videos usw.
von acrossthewire - Di 14:27
» Google Pixel 10 Pro (XL) kommt mit Generativer KI direkt in der Kamera
von rob - Di 12:39
» Vorsicht, Crew United Abo Falle!!
von Bluboy - Di 12:31
» Licht how to:
von iasi - Di 12:04
» >Der LED Licht Thread<
von iasi - Di 11:39
» Ein Spaziergang durch das Blühende Barock
von Racun77 - Di 11:26
» Doku: Meister der Apokalypse – Roland Emmerich
von ruessel - Di 10:42
» Leitz HUGO 40mm T1.5 - Cine-Objektivserie erweitert
von slashCAM - Di 9:27
» Ein paar FCP / MacOS - Tricks
von roki100 - Di 0:03
» NIKKOR Z 24-70mm f/2.8 S II - leichter, schnellerer Autofokus, Innenzoom
von editor0range - Mo 18:31
» BIWIN Mini SSD - Winziges Speichermodul in MicroSD-Größe mit NVMe-Tempo
von MrMeeseeks - Mo 16:59
» Nikon Z6 III - Sensor-Bildqualität, Rolling Shutter, Dynamik - Günstige Z8 für Filmer?
von pillepalle - Mo 16:13
» Was hörst Du gerade?
von roki100 - So 20:33
» !!BIETE!! 3x Godox SL-60W in Silent Version mit Noctua Lüfter!
von Darth Schneider - So 20:14
» HoverAir Aqua - schwimmfähige Drohne für Wassersportaufnahmen
von Da_Michl - So 19:58
» Blackmagic PYXIS 12K - ARRI-Konkurrenz unter 6.000 Euro im Anflug
von Darth Schneider - So 18:52
» Sigma 17-40mm F1.8 DC | Art für APS-C vorgestellt u.a. mit RF-Mount
von fth - So 16:29
» Sony FX2: S-Log3 für Foto und Video nutzen - wann macht Log für Fotos Sinn?
von Axel - So 11:48
» Layer- vs. Node-basiertes Compositing - Welcher Workflow wann passt
von muellerbild - Sa 15:53
» Video-Kamera für Auslandsaufenthalt
von Bildlauf - Sa 15:20
» Reparaturservice für JVC HR-S9600
von MLJ - Sa 10:51
» ElevenLabs Video-to-Music - automatisch Soundtracks zu Videos per KI generieren
von slashCAM - Sa 9:51
» Apple: Gefahr durch manipulierte Bilddateien
von Jott - Fr 20:48
» Teltec und BPM fusionieren
von rush - Fr 20:32
» SIGMA 12mm F1.4 DC | Contemporary - neues Ultraweitwinkelobjektiv für APS-C
von Jörg - Fr 12:05
» Killer-Features: Einzigartige herstellerspezifische Kamerafunktionen
von cantsin - Fr 10:57
» Nikon MH-25 Ladegerät reparieren
von pillepalle - Fr 9:06
» Adobe Audition 5.1. Produktion Hilfe
von freezer - Fr 0:33
» Insta360 GO Ultra - verbesserte Mini-Actioncam mit 4K/60p
von slashCAM - Do 15:12
» Neuer MRMC Cinebot Nano bietet reproduzierbare Kamerabewegungen für unterwegs
von Jott - Do 6:30
» Zoom H6studio Handy Recorder - Großmembran-Mobilrecorder mit 32-Bit-Float
von Darth Schneider - Mi 20:29