Wenn ihr das noch nicht gehört habt, diese Epsiode von „Alles gesagt“ mit Bryan Ferry ist mit KI aus dem Englischen übersetzt und mit den nachgeahmten Originalstimmen übersetzt deutsch gesprochen worden. Alles schön deklariert am Anfang. Unfassbar gut.
Wer jetzt noch seine hochwertigen Folgen auf den deutschsprachigen Raum beschränkt, und es nicht mal auch in anderen Sprachen probiert …
Machen wir im Auftrag seit einigen Monaten ins englische und teilweise ins Spanische. Funktioniert.
Aber einfach mal so eben ist das nicht.
Habe das auch gehört, teilweise parallel. Wahnsinn.
Darf ich fragen, welche Tools und welchen Workflow ihr da verwendet?
Ich stelle mir vor, dass die KI mit einem perfekt redigierten Transcript arbeiten muss. Oder braucht es das gar nicht?
das würde mich auch interesieren
„Die Zeit“ hat da wohl mit ElevenLabs zusammengearbeitet, hieß es zumindest auf dem Subscribe-Panel von Tim Pritlove und Maria Lorenz-Bokelberg:
Hier ist noch die neue Episode von Lex Fridman Podcast mit Javier Milei übersetzt und mit KI gesprochen von Spanisch auf Englisch, vermutlich noch eine Stufe mehr Personaleinsatz, mit Akzent im Englischen - ein bisschen zu flüssig alles - aber boah.
Ich habe jetzt die Sendungen ganz gehört. Creepy wie Sau. Sprechen ist mehr als nur den Inhalt zu übermitteln. Ein Mensch besteht aus Ecken und Kanten, zögern, lächeln, neutral sprechen, aufgeregt sein. Wer in einer perfekten Form spricht, wie der Präsident, ist noch mehr gruselig, als es der Inhalt ohnehin ist. Beim Schlagersänger mag das egal sein. Aber hier nicht.
Würde nun die KI das ganze Menschliche am Sprechen auch machen/übersetzen/übertragen, dann wäre es noch schlimmer. Wenn wir beim Radio eine Stimme overvoicen, passt man sehr auf, dass man Gefühle, die man im Original durchhört, nicht dupliziert, sonst wirkt das unglaubwürdig.
Da sehe ich also jetzt nach der Lektüre eine Sackgasse, würde die KI wirklich „perfekt“ arbeiten. Eingebaute Flaws sind unglaubwürdig, also wäre eigentlich nur der Weg, in einem eher sachlichen Ton die Person zu interpretieren, aber dann kann ich gleich eine ande Stimme nehmen.
Ich reagierte übrigens recht emotionell auf dieses Präsidentengespräch. Da schlagen irgendwelche Warnsensoren an, ein gutes Zeichen, und da meine ich noch gar nicht den Inhalt. Die Evolution hat uns schon auf Stimme hin im Zusammenleben trainiert.