Eingehende Sprache erfassen
Ein Mikrofon erfasst kurze Sprachabschnitte. Hintergrundgeräusche, abgeschnittene Wörter und schwankende Eingangspegel erschweren es, das beabsichtigte Sprechtempo der Person zu erhalten.
Live-Workflows für Stimmen
Beim Stimmenklonen in Echtzeit soll eingehende Sprache in eine ausgewählte Stimme umgewandelt werden, während das Gespräch noch läuft. Anders als bei einer Aufnahme, die später geprüft wird, müssen Erfassung, Verarbeitung und Wiedergabe in einem Live-Workflow kontinuierlich ablaufen.
Eine Live-Stimme ist nützlich, wenn das Warten auf eine fertige Aufnahme den Austausch unterbrechen würde. Welcher Workflow der richtige ist, hängt dennoch davon ab, welches Audiomaterial du bereitstellen kannst und wie du es nutzen möchtest.
Erfahre, warum ein ausdrucksstarker Vortrag eine andere Herausforderung ist als die kontinuierliche Ausgabe eines Stimm-Streams.
Erfahre, was zu beachten ist, wenn die Quellaufnahme neben Sprache auch Bilder enthält.
Kläre Fragen zur Einwilligung und zu den Rechten, bevor du die Stimme einer anderen Person verwendest.
Die Live-Ausgabe besteht aus einer Verarbeitungskette, nicht aus einer einzelnen Umwandlung. Jede Stufe kann beeinflussen, ob das Ergebnis in einem Gespräch natürlich wirkt.
Ein Mikrofon erfasst kurze Sprachabschnitte. Hintergrundgeräusche, abgeschnittene Wörter und schwankende Eingangspegel erschweren es, das beabsichtigte Sprechtempo der Person zu erhalten.
Ein System nutzt eine Stimmreferenz, für deren Verwendung eine Berechtigung vorliegt, um den Stimmcharakter der Ausgabe zu steuern. Menge und Qualität des nutzbaren Referenzmaterials beeinflussen, wie gleichbleibend dieser Charakter erhalten bleibt.
Das verarbeitete Audio muss die zuhörende Person erreichen, solange der Gesprächsbeitrag noch relevant ist. Zusätzliche Verarbeitung kann einen Abschnitt verbessern, aber auch dazu führen, dass Antworten verzögert wirken.
Dieser Vergleich zeigt, worin sich ein Live-Workflow von der Erstellung eines Clips unterscheidet, der geprüft werden kann, bevor ihn jemand hört.
Live-Stimmen-Workflow
Während der Sitzung wird Sprache über ein Mikrofon erfasst.
Workflow für aufgezeichnete Stimmen
Ein Skript oder eine Aufnahme wird vor der Generierung vorbereitet.
Live-Stimmen-Workflow
Zu Beginn der Sitzung muss eine autorisierte Referenz bereitstehen.
Workflow für aufgezeichnete Stimmen
Eine Referenz kann im Rahmen der Produktion ausgewählt werden.
Live-Stimmen-Workflow
Das Audio wird in aufeinanderfolgenden Segmenten verarbeitet.
Workflow für aufgezeichnete Stimmen
Eine vollständige Passage kann als ein Auftrag verarbeitet werden.
Live-Stimmen-Workflow
Zuhörer hören die Ausgabe, während der Austausch weiterläuft.
Workflow für aufgezeichnete Stimmen
Zuhörer hören nach der Produktion eine fertige Datei.
Live-Stimmen-Workflow
Einmal gehörte Fehler lassen sich nur schwer rückgängig machen.
Workflow mit aufgezeichneter Stimme
Eine misslungene Aufnahme kann überarbeitet werden.
Live-Stimmen-Workflow
Neben der Stimmqualität ist auch Kontinuität wichtig.
Workflow mit aufgezeichneter Stimme
Prüfung und Bearbeitung können Vorrang vor Geschwindigkeit haben.
Bevor Sie sich für ein Live-Setup entscheiden, legen Sie fest, welche Unterbrechungen oder Fehler Ihr Publikum tolerieren könnte. Diese Situationen stellen unterschiedliche Anforderungen an dieselbe Audiokette.
Ein Moderator braucht eine gleichbleibende Stimme für die Sendung, auch wenn er ohne festes Skript spricht.
Testen Sie vor einer Sendung Mikrofonrauschen, Pausen und Sprecherwechsel; die ausdrucksstarke Wiedergabe muss möglicherweise gesondert bewertet werden.
Stimmenklonen mit EmotionenEin Moderator erwägt, Sprache aus einem älteren Video als Stimmreferenz zu verwenden.
Prüfen Sie, ob die Aufnahme klare, isolierte Sprache enthält und ob die sprechende Person diese Verwendung genehmigt hat.
Stimme aus einem Video klonenEin Team prüft, ob sich eine vertraute Stimme für die interaktive Kommunikation eignet.
Räumen Sie der informierten Einwilligung der sprechenden Person Priorität ein und testen Sie, ob Verzögerungen den Sprecherwechsel beeinträchtigen.
Ist es legal, eine Stimme zu klonen?Ein Redakteur benötigt einen korrigierten Satz statt eines durchgehenden Live-Streams.
Ein Workflow mit aufgezeichneter Stimme lässt sich vor der Veröffentlichung möglicherweise leichter prüfen, überarbeiten und freigeben.
Was ist die beste Software zum Stimmenklonen?Wenn Ihr Publikum während des Austauschs eine Antwort hören muss, prüfen Sie die Echtzeitfunktionen und testen Sie sie unter den zu erwartenden Audiobedingungen. Wenn Sie einen Clip zunächst prüfen können, bietet Ihnen ein Arbeitsablauf mit Aufzeichnungen möglicherweise mehr Spielraum, um Fehler zu korrigieren. Verwenden Sie nur Stimmen, für deren Nachbildung Sie eine Erlaubnis haben.
Es bedeutet, eine Stimme auszugeben, während die eingehende Sprache noch Teil eines laufenden Austauschs ist, statt erst danach einen vollständigen Clip zu erstellen. Die Ausgabe muss rechtzeitig eintreffen, um in diesem Austausch noch nützlich zu sein. Welche Verzögerung akzeptabel ist, hängt von der Situation ab.
Nicht unbedingt. Text-zu-Sprache beginnt mit geschriebenen Wörtern, während ein Arbeitsablauf mit Live-Stimme mit Mikrofon-Audio beginnen und Aspekte des Sprechrhythmus erhalten kann. Manche Systeme kombinieren Spracherkennung, Textgenerierung und Sprachsynthese. Es lohnt sich daher zu prüfen, was das jeweilige Tool tatsächlich tut.
Audioaufnahme, Netzwerkübertragung, Verarbeitung und Wiedergabe können jeweils Verzögerungen verursachen. Auch die Verarbeitung von Hintergrundgeräuschen und die Menge an Sprache, die ein System zunächst abwartet, können beeinflussen, wann die zuhörende Person eine Antwort hört.
Sie kann einen gewissen Ausdruck vermitteln. Dass die Identität einer Stimme getroffen wird, garantiert aber nicht, dass Betonung oder Emotionen richtig klingen. Testen Sie ausdrucksstarke Passagen getrennt von gewöhnlicher Sprache, besonders wenn Zuhörende Dringlichkeit oder Nuancen erkennen müssen.
Holen Sie die ausdrückliche Einwilligung der Person ein, deren Stimme Sie nachbilden möchten, einschließlich der Einwilligung für die geplante Live-Nutzung. Vorschriften können je nach Ort und Kontext unterschiedlich sein. Eine Einwilligung entbindet Sie nicht davon, zu vermeiden, dass Zuhörende darüber getäuscht werden, wer spricht.