Darf ich vorstellen: KI André!

[Prodex]

Hallo zusammen,

ich bin ein IT-Nerd und experimentiere gerade (wie so viele) mit AI / KI. Da in einigen Podcasts schon von ChatGPT und Co. die Rede war und wie es wäre, wenn KI bei The Pod mitmischen würde, habe ich kurzerhand André gefragt, ob ich mal eine KI mit seiner Stimme füttern und trainieren darf.

Da er nichts dagegen hatte, teile ich hier das Ergebnis, das meiner Meinung nach wirklich gut und gleichzeitig erschreckend ist. Was der KI natürlich nicht so leicht beizubringen ist, ist der einzigartige Humor der Podcasts. Es klingt immer ein bisschen so, als würde man Nachrichten vorlesen (Sebs Magazin wäre wohl das erste, das durch KI ersetzt werden könnte ).
Davon abgesehen ist die Stimme aber sehr gut getroffen und man könnte wirklich meinen, Andre hätte das aufgenommen.

Um es gleich vorweg zu nehmen: Ich bin mir sehr wohl bewusst, was man damit alles Schlimmes anstellen könnte und werde daher nicht weiter darauf eingehen, wie man das genau macht. André hat mir ausdrücklich erlaubt, ein Beispiel mit euch zu teilen. Mehr werde ich aber damit nicht machen.

In dem Sample liest die KI den Text des Sendeplans vom 20.9.2023 vor. Da André den Text selbst geschrieben hat, passt dieser natürlich sehr gut.

Lasst uns in diesem Thread gerne etwas austauschen oder diskutieren, wie nützlich aber auch gefährlich das Ganze ist.

Hier das Sample:
https://flanger.dev/media/audio/ki_andre.mp3

Viele Grüße
Flo

[Dicker]

Krass, klingt wirklich gut. Klar, die Intonation ist etwas holprig, aber weit weg von scheiße. Wie lange saßt du dran?

Da kommt echt was auf uns zu.

[Prodex]

Krass, klingt wirklich gut. Klar, die Intonation ist etwas holprig, aber weit weg von scheiße. Wie lange saßt du dran?

Da kommt echt was auf uns zu.

Tatsächlich nur wenige Stunden. Mit noch mehr Trainingsdaten geht es sicher nochmal ein bisschen besser, aber da ich außer diesem Beispiel nichts weiter damit machen möchte, habe ich jetzt nicht ewig viel Zeit reingesteckt.

[Desotho]

Damit könnte man Facebook Videos vertonen

[Voigt]

Schlecht isses nicht, dass zwischendurch auch mal Luft eingezogen wurde wirkt auch gut.
Insgesamt finde ich die Stimme aber etwas zu hell und blechern.
Dazu noch ziemlich monoton. Eignet sich daher wirklich nur zum Texte vorlesen.

[Prodex]

Schlecht isses nicht, dass zwischendurch auch mal Luft eingezogen wurde wirkt auch gut.
Insgesamt finde ich die Stimme aber etwas zu hell und blechern.
Dazu noch ziemlich monoton. Eignet sich daher wirklich nur zum Texte vorlesen.

Ich finde die Stimme jetzt zwar besser getroffen als du, aber sie ist definitiv auf Dauer monoton. Hier handelt es sich jetzt noch um klassisches "Text to Speech". Es gibt aber mittlerweile schon erste Tests, in dem man nicht mehr einen Text vorlesen lässt, sondern sich selbst oder eine andere Stimme aufnimmt, welche mit all den richtigen Betonungen spricht, die man gerne hätte, und lässt dann die KI daraus das gewünschte Audio mit trainierter Stimme sprechen. Somit muss die KI nicht mehr raten, wie es wohl ausgesprochen werden sollte.

[Rigolax]

Es gibt aber mittlerweile schon erste Tests, in dem man nicht mehr einen Text vorlesen lässt, sondern sich selbst oder eine andere Stimme aufnimmt, welche mit all den richtigen Betonungen spricht, die man gerne hätte, und lässt dann die KI daraus das gewünschte Audio mit trainierter Stimme sprechen. Somit muss die KI nicht mehr raten, wie es wohl ausgesprochen werden sollte.

Yeah, das meinte ich in einem anderen Thread auch mal. Das wird voraussichtlich der verbleibende Job von "Synchronsprechern" noch sein, zumindest die, die nicht fame sind und damit (mutmaßlich) PR-mäßig pushend wirken. Es wird dann also nur die Schablone geliefert, aber die Stimme des Originals drübergebaut.

[Sanity Assassin]

Dass KI-André nicht weiß, wie man Jacques Cousteau ausspricht, finde ich gerade sehr lustig.

[CybernetikFrozone]

Achso der Text wurde selbst geschrieben und ich dachte,das Programm bastelt Sätze zusammen.

[Heretic]

Dass KI-André nicht weiß, wie man Jacques Cousteau ausspricht, finde ich gerade sehr lustig.

Das war auch mein erster Gedanke.

Ansonsten klingt das aber schon erstaunlich echt.

[S3mj0n]

Ja krass. Das klingt tatsächlich recht akkurat. Verstärkt nur meine Meinung, dass KI reguliert gehört.

[Guthwulf]

Dass KI-André nicht weiß, wie man Jacques Cousteau ausspricht, finde ich gerade sehr lustig.

Da sagst das so, als wüßte der RL-André, wie man Jacques Cousteau ausspricht. Sind wir uns denn da sicher?

[Dee'N'bee]

Boah...also für jemanden wie mich, mit leichten paranoiden Tendenzen, ist das beängstigend. Gehört untersagt sowas

[Lurtz]

Die Menschheit ist definitiv nicht bereit dafür.

[Symm]

Das klingt echt super.

Das einzige was ich mich als Hörer der ersten Stunde etwas irritiert, ist die etwas monotone Art der Stimme. Also es ist eigentlich zu gut gesprochen, Andre zieht so manchen Vokal in Monologen gerne mal.
Aber erschreckend und faszinierend zugleich.

Bitte gern als Extra für künftige Wochenpläne

[BummsGeordy]

hm. naja... also klar ist das technisch alles interessant und auch ne tolle Spielerei: aber weder klingt das natürlich, noch wäre ich auf die Idee gekommen, dass das André sein soll, wenn du es nicht geschrieben hättest.
Vielleicht ist in 1-2-Updates dann der "wow"-Effekt drin

[exx]

Puh dass hört sich an als hätte man jegliche Emotionen aus ihm gelöscht. Ist schon erstaunlich wie unnatürlich es wirkt wenn jemand der durchaus häufig mit seiner Stimme spielt so eintönig spricht und nach ein paar Sekunden hört es sich gar nicht mehr an wie Andre.

[XfrogX]

Könnte man nun daran noch weiter schrauben? Also sowas wie ließ den ersten absatz etwas schneller? Oder erhebe die stimmt zum Ende von Satz 3 oder sowas?

Weil wenn man das noch kann bekommt man doch sicher so schnell Sachen damit raus womit man schnell sowas wie Werbung oder so machen kann und dann einfach immer wieder von anderen Stimmen vorträgt oder so.

[akill0816]

Noch kann man definitviv hören, dass es nicht das Original ist. Aber es schon absehbar, dass das in ein paar Jahren nicht so sein wird. Dann wird es für die Demokratie sicher schwierig mit Deep Fakes der Stimme umzugehen. Andererseits sind die Möglichkeiten, was Spiele, Filme und Hörbücher angeht, enorm. Vollvertonung wird deutlich günstiger werden und auch für Indie Entwickler möglich. Noch reicht dir Technologie offensichtlich selbst dort noch nicht, um menschliche Stimmen so zu imitieren, dass es die Immersion nicht stört.
Synchronsprecher könnte jedenfalls ein Beruf sein, den es in 1-2 Jahrzehnten nicht mehr geben wird.

[Lurtz]

Noch kann man definitviv hören, dass es nicht das Original ist. Aber es schon absehbar, dass das in ein paar Jahren nicht so sein wird. Dann wird es für die Demokratie sicher schwierig mit Deep Fakes der Stimme umzugehen.

Das ist es heute schon. Die meisten schauen bei plakativen KI-Bildern nicht, ob die Personen fünf Finger haben, sondern auf ganz andere Dinge.

Synchronsprecher könnte jedenfalls ein Beruf sein, den es in 1-2 Jahrzehnten nicht mehr geben wird.

Wenn eine KI es schafft, ein "Es" wie David Nathan zu lesen, bin ich dabei