Behind The Boom with Boom Operator Ken Strain | URSA Exclusive

[stip]

damit die Stimme besser synthetisiert werden kann, sollte machbar sein, bei Bildern gehts ja auch schon ne ganze Weile.

Ja auf jeden Fall, kann mir aber vorstellen dass es schon noch dauert bis es dann wirklich allen Ansprüchen genügt. Für alles außer Interviews zumindest, in der Regel wird ja nicht nur die Stimme sondern auch die Raumakustik und/oder Geräusche der Szene aufgenommen.

[Blackbox]

Die Raumakustik ist m.E. nicht das Problem bei der Ki-Substitution von Stimmen, sondern die Emotion.
In der Stimme spiegelt sich die ganze Vielfältigkeit der menschlichen Emotionen incl. der nicht seltenen Gleichzeitigkeit unterschiedlicher bzw. widerstreitender Emotionen.
Das ist ein bisweilen sehr subtiler Klangunterschied, der vermutlich u.a. aus den - je nach Emotion - unterschiedlichen Spannungen und Entspannungen jeweiliger Körperregionen resultiert, was dann ja über spezifische Resonanzräume quasi 'von Mensch zu Mensch' die Emotion(en) überträgt und nachfühlbar bzw. mitfühlbar macht.
Nicht umsonst wird in der Gesangs- und Stimmausbildung sehr viel mit ganzkörperlichen Übungen gearbeitet.
Gute Filmschauspieler:innen schaffen Ähnliches ja auch visuell (o.k. oft unterstützt von der Filmmusik) mit scheinbar unbewegtem Gesicht über inneres Empfinden usw. (Stanislawski, 'Method acting').
Da dürfte es auf mittlere oder auch längere Distanz noch recht schwierig werden für Ki substituierte Stimmperformances, aber:
wer weiss!