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]
 
» Setup and forget Kamera für Livestream
von Darth Schneider - Fr 7:40
» Mein L-Mount Problem
von Axel - Fr 7:34
» Meike EF-L-Mount drop in filter adapter
von rush - Fr 6:56
» Camcorder / Kamera für Konzertaufnahmen innen
von Jott - Fr 6:03
» Linsen (Vintage, Anamorphic & Co.)
von roki100 - Fr 3:07
» Was schaust Du gerade?
von Funless - Fr 0:18
» Sony TRV730E | VHS Passthrough?
von Jott - Do 23:23
» Canon teasert neue, kompakte Kamera - Cine-Modell zur IBC?
von Jott - Do 22:50
» BMD Production Camera 4k in 2025?
von roki100 - Do 21:35
» Erfahrungen mit vibrationsgedämpften Kamerabefestigungen an Motorrädern
von Bildlauf - Do 21:16
» SDI to Network
von prime - Do 18:54
» Alien: Romulus - Teaser Trailer online - produziert von Ridley Scott, gedreht auf Alexa 35
von Darth Schneider - Do 18:29
» DJI Mini 5 Pro kostet so viel wie Mini 4 Pro
von patfish - Do 18:15
» Philips Brilliance 27E3U7903: 5K-Monitor mit Thunderbolt 4 und Calman-Ready
von CameraRick - Do 15:48
» Neu und kostenlos - Adobe Premiere für iPhone
von slashCAM - Do 15:03
» Kostenlose IFA-Masterclass - Leo Keller über visuelles Storytelling mit der FX2
von Jominator - Do 13:13
» Sammlerstück möchte den Besitzer wechseln
von Jott - Do 11:14
» Nikon Zr - Nikons erste eigene Cine-Kamera - am 10.Sept.
von iasi - Do 10:07
» DR ipad externe SSD einbinden
von Jott - Do 8:56
» BPCC6Kpro mit ipad 10 verbinden
von Phil999 - Do 6:06
» Viltrox bringt neues AF 56mm F1.2 Pro - und tritt L-Mount-Allianz bei
von GaToR-BN - Do 4:43
» Revolutionärer AF für Cine-Objektive: Tilta Autofokus-Adapter zapft interne Kamera-AF-Daten an
von iasi - Mi 20:54
» Konkurrenz für IMAX - Neues HDR-Premiumkinoformat Vue Epic für Europa
von iasi - Mi 20:41
» Regisseur Tarek Ehlail stirbt bei Auto-Unfall
von vaio - Mi 18:34
» Camcorder
von Jott - Mi 16:45
» DJI Osmo Nano - neue modulare Mini-Actioncam kommt am 10. September
von slashCAM - Mi 10:09
» Neue Canon C Line? 9.9.2025
von iasi - Di 23:39
» Was hast Du zuletzt gekauft?
von cantsin - Di 22:39
» DRT statt CST in Resolve?
von stip - Di 22:32
» DaVinci Resolve 20 Workshop - Mit der Magic Mask v2 Objekte automatisch freistellen
von scrooge - Di 22:19
» After Effects CS6 und plugin Knoll Light Factory
von Bluboy - Di 18:23
» Davinci Resolve ipad Musik einfügen
von SteveHH1965 - Di 14:23
» EIZO ColorEdge CG2400SV - Neuer 24" Produktionsmonitor mit SDI und Farbkalibrierung
von slashCAM - Di 13:30
» A-Dokukamera als Ersatz für Sony DSLM gesucht
von rob - Di 12:06
» Was hörst Du gerade?
von Funless - Mo 23:05