Sind KI-Stimmen eine Gefahr für den Sprecherberuf?

[Lauschecke]

Hallo Leute,

in den letzten Jahren haben KI & Co. ja gewaltig zugenommen, was ihre Präsenz und auch ihre Fähigkeiten betrifft. Betrachtet man beispielsweise von KI erstellte Bilder, die vor 10 Jahren erstellt wurden und vergleicht sie dann mit denselben Vorgaben von heute, kann man dort gewaltige Unterschiede feststellen.

Viele KI-Bilder sind mittlerweile nur noch schwer von "echten" Bildern zu unterscheiden. Aber auch in der Hörspiel- und Synchronbranche hat sich bereits einiges getan. Auf YouTube (und wahrscheinlich auch auf anderen Plattformen) tauchen immer mehr KI-generierte Videos auf, auf denen unter anderem auch sämtliche OFF-Sprecher nur von einer KI gesprochen werden.

Zu Beginn merkt man so etwas kaum, aber wenn man länger zuhört fallen einem dann doch einige Passage auf, die seltsam betont werden und das nicht unbedingt zum Stil des Sprechers passt.

Auch in der Synchronisierung von Filmen konnte man schon gewaltige Forschritte verzeichnen. Es ist beispielsweise schon gelungen, Filme mithilfe von KI anhand der Original-Sprache des Films in beliebige Sprachen zu verändern - und dies geschieht, ohne dass jemand dafür einen Text einsprechen muss. Sogar die Lippenbewegungen werden bei so einer KI-Überarbeitung exakt "nachbearbeitet". Das könnte also bedeuten, dass wir im Laufe der nächsten Jahre unsere (Kino-)Filme mit den Originalstimmen betrachten können, aber gleichzeitig auch in unserer Sprache.

Wie seht ihr das Ganze - ist damit gleich der gesamte Bereich des Sprechens bedroht? Trifft es nur Teilbereiche? Oder hat KI möglicherweise gar keine nennenswerte Zukunft? Läuft es möglicherweise darauf hinaus, dass man einen Qualitätsunterschied macht, dass es z.B. heißt: Dieses Hörbuch wurde von einem ECHTEN SPRECHER eingesprochen (es hat sozusagen BIO-Qualität )

Bin gespannt eure Meinungen zu diesem Thema zu hören!

 

[Telliminator]

Böses Thema und ganz dünnes Eis.

Ich sag nur so viel, es geht viel mehr als wir uns im Klaren sind.

Willst Du ein mieses Beispiel?

Oder sowas hier?

 

[Lauschecke]

Eben deswegen finde ich es wichtig, es auch zur Sprache zu bringen. Interessanterweise habe ich "Breaking Bad"-Video sogar gestern erst gesehen
Würdest du sagen, dass sozusagen unsere "künsterlische Existenz" auf dem Spiel steht?

 

[Telliminator]

Würdest du sagen, dass sozusagen unsere "künsterlische Existenz" auf dem Spiel steht?

In gewisser Weise schon, denn sind wir mal ehrlich - mit Hilfe der K.I. ist es möglich aus jeder Stimme ein Sprachmodell zu erstellen. Mit dieser synthetischen K.I. Stimme kann man alles sagen lassen, was man ihr vorgibt oder sich die K.I sogar selbst zurecht rechnet.

Wir sind bald nicht mehr weit davon entfernt zwischen echt und K.I. zu unterscheiden. Und das Beispiel "Breaking Bad", ist wirklich sehr schlecht gemachtes Deep Fake und noch nicht optimierter Eiinsatz von K.I. als Stimme. Dennoch, wenn Du Dich auf dem Kanal umsiehst, haben die noch viel mehr Unfug getrieben und das ist schon wieder sehr erschreckend, wenn man das weiter spinnt und die Qualität der Videos und K.I. Technik noch mehr zunimmt. Dann weißt du nicht mehr, ob diese Videos noch echt oder gestellt sind. Und darin liegt die Gefahr.

Eine Art Bio-Zertiflikat, "Nur mit echten Stimmen", klingt nach einer guten Marketing Idee.

 

[pio]

Ich habe letztens einen Kanal auf YT gefunden auf dem SciFi Geschichten von einer KI vorgelesen werden. Ich war ernsthaft beeindruckt.....

 

[Delay]

Es ist letztlich eine Kostenentscheidung, noch ist es vermutlich günstiger das Synchronsprecher machen zu lassen, langfristig wird das Preisgefüge sich zugunsten der KI kippen, am Ende entscheidet der Endverbraucher was er sehen und hören will. Den meisten wird es aber vermutlich schlichtweg egal sein.

 

[Telliminator]

@pio Ich hab den Kanal links gemacht, aber leider keinen Hinweis darauf gefunden, mit welcher K.I. das gemacht wurde. Das ist schon echt gut, vor allem der Erziähstil und die Sprachausgabe bei den gesprochen Sätzen, wenn die Figuren was sagen. Die Betonung ist kaum als K.I. erkennbar.

 

[Lauschecke]

Ich habe letztens einen Kanal auf YT gefunden auf dem SciFi Geschichten von einer KI vorgelesen werden. Ich war ernsthaft beeindruckt.....

Ja, da gibt es tatsächlich einige. Wobei ich auch hier bei deinem Beispiel sagen muss, dass mir die Lesart nicht zusagt - eben wie ich schon Anfangs beschrieben hatte: Manchmal kommt einem die Betonung seltsam vor...und das reißt einen aus dem Hörerfluss.

Klar, die Stimme ist sehr gut und liest auch das meiste richtig, aber mir persönlich fehlt hier tatsächlich irgendwie die menschliche Komponente. Kann auch sein, dass es mir nur deswegen auffällt, weil ich allgemein darauf bei sämtlichen Hörspielen/Hörbüchern explizit achte...

 

[soundjob]

Gegenwärtig ist KI (KI Training) eine wahre Goldgrube und etliche Firmen auf diesen Zug noch aufspringen und das Eisen schmieden, solange es noch schön heiß ist.
Über kurz oder noch kürzer, wird KI in allen künstlerisch gestalteten Bereichen eine "Wachablösung" vollziehen, aber (zunächst) vermutlich nicht gänzlich und vollständig.

Neue Technologien bieten neue Möglichkeiten und andere Berufsfelder und völlig verschwinden, wird der Faktor Mensch (zunächst) dennoch nicht... das war vor ü40 Jahren schon so, als z.B. Orchestermusiker auf die Barrikaden gingen, als es immer besser klingende Samples gab und in der Filmmusik mehr und mehr Synths&Co zu hören gab... verschwunden ist der Orchestermusiker und echte Orchestermusiken in z.B. Filmen dennoch nicht.
Die Zukunft der KI und etwaige Branchen sehe ich für die nächsten Dekaden sich dahin entwickelnd ähnlich... eigentlich, genau genommen, gibt es diese Themen der Wachablösung "MenschMaschine" ja ohnehin schon seit Auftauchen des Computers in der modernen Arbeitswelt.

Unterm Strich wird vieles nicht so heiß gegessen, wie es immer gekocht wird... aber ohne Zweifel gehört KI die Zukunft.... ob das nun so intelligent ist, lass´ ich aber mal dahingestellt.

 

[pio]

@pio Ich hab den Kanal links gemacht, aber leider keinen Hinweis darauf gefunden, mit welcher K.I. das gemacht wurde. Das ist schon echt gut, vor allem der Erziähstil und die Sprachausgabe bei den gesprochen Sätzen, wenn die Figuren was sagen. Die Betonung ist kaum als K.I. erkennbar.

Ich hatte Kontakt mit dem Kollegen der den Kanal betreibt. Der lässt dass von der freien (!) Version dieser KI einsprechen: ElevenLabs: Free Text to Speech & AI Voice Generator | ElevenLabs

 

[Spirit328]

Die KI-Stimmen werden immer besser und klingen immer "natürlicher". Es ist schon beeindrückend, was sie können und wie weit die Technologie da schon ist.
Es ist aber zeitgleich sehr beängstigend, was damit schon alles, sofern frei verfügbar, machbar ist.
Vielleicht erinnert Ihr Euch noch an Terminator I? Als Arnie als Terminator die Stimme von Sam nachahmt. Damals war der Trick mehr als durchschaubar ( _zwinker_), aber heute geht so etwas in (annähernd) Echtzeit, auf jeden Fall lippensynchron.

Woran aber bisher jede KI gescheitert ist, ist ein wirklich simples und zugleich kompliziertes Beispiel:
"Liebe Judith" - Wenn man das mit unterschiedlichsten Betonungen, Tonfällen und Pausen ausspricht, kann man damit 10-20 Bedeutungen realisieren. - eat this, AI!

 

[Telliminator]

@pio Danke für den Link. Ich hatte mir das jetzt etwas komplizierter vorgestellt, als so eine "einfache" Text2Speech Anwendung auf einer Webseite. Es ist auf jedenfalls schon nicht schlecht und die unterschiedlichen Stimmen bieten zumindest mal eine Vorauswahl, wenngleich mir nicht alle Stimmen dort zusagen.

Das nexte Level ist ja schon gegeben, das man einem kurzem Sample einer realen Stimme, das Stimmenmodell erstellt und sämtliche Texte in der Stimme eines jeden nachahmen kann, das @Spirit328 hier in seinem Beispiel von Terminator andeutete.

Auch hierzu habe ich ein kleines Beispiel, bei dem ich einem Stimmenmodell einer prominenten Stimme einen Text in den Mund gelegt habe, den die Dame in ihrem realen Leben wohl bestimmt niemals gesagt hat.

Das Stimmenmodell ist noch etwas starksig und man hört natürlich heraus, dass es nicht echt ist.

 

[WolfsOhr]

Ein Thema, das in der Sprecherbranche natürlich sehr heiß ist.
Der Sprecherberuf ist sicherlich in Gefahr, aber ich denke es wird langfristig (so wie jetzt ja eigentlich auch schon) beides parallel laufen. Nicht jeder will den monotonen KI-Schrott (hart ausgedrückt) verwenden und hören, denn egal wie gut die technische Umsetzung ist, und es sei mal dahingestellt, ob es wirklich Intelligenz ist oder nicht, es wird ihr IMMER die Seele und der Geist fehlen. Und das ist etwas, das wir Menschen brauchen, ob wir das gerade bewusst wissen oder nicht.
Des Weiteren glaube ich, dass sich hier natürlich bei den Sprechern die Spreu vom Weizen trennen wird, denn nur die besseren, vielleicht auch die mit dem besseren Service, werden überleben.
Und genauso ist das auch bei den Produkten/Herstellern. Wer jetzt auf ein schlechtes KI-Pferd setzt, sprich sein Marketing schlecht mit KI umsetzt, wird unter umständen von seinen Konkurrenten angehängt.
Und dann ist da noch die lange noch nicht ausgefochtene Problematik der rechtlichen Seite, der Lizensierung. Denn meines Wissens nach hat noch kein KI-Stimmen "Harausgeber" offen gelegt, wie sie ihr System angelernt haben. Hier werden eventuell irgendwann Zahlungen fällig. Das ist alles noch sehr offen und die rechtliche Seite lange nicht geklärt. Da könnte theoretisch auch was nach hinten losgehen.
Und die Sprecherseite ist natürlich auch fett am kämpfen.
Aber man wird sehen. Die KI ist auf jeden Fall nicht mehr wegzudenken, aber es wird vermutlich beides parallel bestehen. So wie in anderen Bereichen ja auch, wie bereits gesagt wurde.

 

[knilch]

Was ich bei meinen Projekten immer sehr geschätzt habe (auch wenn das jetzt noch nicht so viele waren), den menschlichen unberechenbaren Einfluss von Erfahrung oder Zufall. Immer wieder habe ich aufgenommene Textstellen, die ich mir anders vorgestellt habe und dann kommt ein Sprecher daher und meint 'schau mal' und ich denke, 'ja hallo, das ist ja viel besser' allein aus diesem Grund würde ich so schnell keine Stimmgeneratoren einsetzen. Aber ich muss davon halt auch nicht Leben können und das macht es für mich einfach, das so sagen zu können.

 

[MonacoSteve]

,,,würde ich so schnell keine Stimmgeneratoren einsetzen. Aber ich muss davon halt auch nicht Leben können und das macht es für mich einfach, das so sagen zu können.

Ja, ist für mich genau das Gleiche, und deshalb tu' ich mir auch leicht, mein kleines YT-Archiv, wo ich meine sämtlichen Hörspiele auch nochmal parke, zur "KI-freien Zone" zu erklären. Ich werde weiterhin weder Kunststimmen für meine Skripte einsetzen noch eine KI an die Texte selbst oder auch meine Musik auch nur ansatzweise ran lassen. Ich habe einfach viel zu viel Spaß dran, es alles von A-Z selber machen zu können, und das eben auch zu tun. Konkurrieren muss ich mit nichts und keinem, und wenn meine Werke irgendwann niemand anderen mehr interessieren als mich selber, dann bleibt mir trotzdem stets meine eigene Freude daran. Bei 66 Jahren Lebens-(und 3 Jahren Überlebens)zeit ist die Zukunft ja außerdem durchaus überschaubar .

Wie viele andere glaube auch ich: Insgesamt werden menschengemachte Audioprodukte voraussichtlich langfristig zu einem "Luxusgut", so wie handgeschneiderte Kleider oder handgemachter Schmuck, womit dann eine kleine Gruppe von Produzenten eine kleine Schar von entsprechend interessierten Konsumenten bedient, und die dann auch mit entsprechenden Schlagworten beworben werden muss. Für die "große Masse" wird KI die Unterhaltung übernehmen, und entsprechend exklusiv wird die Schar derer sein, die dann vom Handgemachten noch leben kann.

 

[Alefa]

Da Deep-Fake (biologisch: Bakterium oder Virus) nun in unseren Alltag eingezogen ist, muss man sich eben auch mit dem Gegenspieler (Immunsystem) befassen.
Hier sind ganz frisch die 5 besten Werkzeuge, Deep-Fake zu erkennen:

Die 5 besten Tools und Techniken zur Erkennung von Deepfake (Oktober 2024)

Im digitalen Zeitalter haben sich Deepfakes zu einer erheblichen Bedrohung für die Authentizität von Online-Inhalten entwickelt. Diese hochentwickelten KI-generierten Videos können reale Menschen überzeugend nachahmen, wodurch es immer schwieriger wird, Fakten von Fiktionen zu unterscheiden...

www.unite.ai

Handwerkskunst wird immer einen Platz behalten, ist meine Meinung
Herzliche Grüße in die Runde.

 

[WolfsOhr]

Ich glaube nicht mal, dass KI komplett für die große Masse übernehmen wird. Denn es wird immer die geben, die mit Menschen zusammenarbeiten wollen. Die andere Seite wird irgenwann feststellen, dass etwas fehlt.
Es wird sicherlich Anpassungen geben, auch bei den Preismodellen für z.B Sprecher, aber ich bin mir sicher, dass es auch einen Wandel in der Gesellschaft geben wird.

Der Unterschied zwischen Stimme und Bild ist ja, dass die Stimme dem Menschen entspringt, Bilder wurden schon immer mit technischen Hilfsmitteln eingefangen und enstehen sozusagen nicht aus uns herauw, sondern nur die Idee. Und auch wenn manche KI-Bilder echt krass sind, so gibt es doch viele, bei denen man sofort merkt, dass die Natürlichkeit, das Rauhe fehlt. Die sind einfach zu glatt, und emotionslos. Und wir werden weiterhin das kreative Denken und eben die zwischenmenschliche Zusammenarbeit schätzen. Auch wenn die Ergebnisse vielleicht ähnlich sind.
Nach wie vor finde ich: Nur der Mensch mit seiner Seele kann echte Emotion transportieren. Und darum geht's, um nichts anderes.

 

[soundjob]

Das könnte also bedeuten, dass wir im Laufe der nächsten Jahre unsere (Kino-)Filme mit den Originalstimmen betrachten können, aber gleichzeitig auch in unserer Sprache.

So weit runter hatte ich gar nicht gelesen, aber es gibt hierzu auch ein Statement vom Gros deutscher namhafter Synchronsprecher: "Wenn ich gehe, geht auch meine Stimme mit mir".

Anfragen zur Einwilligung Archivierung/Synthesizing hatte es natürlich schon längst gegeben, aber man möchte sich nach seinem Abgang und lange darüber hinaus, nicht ausschlachten lassen und die Individualität (der Stimme) ist nun mal ganz besonders mit der Sterblichkeit verbunden, ansonsten wäre alles nur eine Frage von Beliebigkeit.

 

[Lauschecke]

Ein sehr guter Gedanke! Ich glaube in so einem Fall könnte man vom "Urheberrecht" sprechen...Unberührbarkeit der eigenen Stimme...wie auch immer.

In meinem Beispiel ging es aber auch darum, dass die orginale Filmsprache sozusagen "direkt" übersetzt wird. Ich höre also dann bei Indiana Jones nicht mehr die übersetzte Stimme von Wolfgang Pampel, sondern die deutsche KI-Stimme von Harrison Ford. Sofern das rechtlich keine Probleme aufwirft, würden die Synchronsprecher an sich dann gar nicht mehr für Filme benötigt werden - eher für Hörbücher/Hörspiele.

Was für ein Riesenthema - in ein paar Jahren haben wir vielleicht sogar schon die ein oder andere Antwort darauf

 

[soundjob]

Ah, verstehe, du meinst somit den von einer KI übersetzten Originalton.
Es wird jedenfalls `n Riesenthema bleiben.

Bei Star Wars gab es ja jetzt auch z.B. Riesenärger um die Bildrechte von Peter Cushing... das wird sich mit Vocalrechte sehr wahrscheinlich ähnlich verhalten, wenn z.B. ein passender Satz aus Schnipsel von Originalaufnahmen gefüllt und von der KI generiert wird.

Ich denke dennoch, dass in wenigen Jahren aber auch kein Hahn mehr danach krähen wird und KI zur akzeptierten Normalität im Alltagsleben gehören wird. In der Synchro, in der Bildgestaltung, der Musik usw.