Splendid Synchron: Entwicklung einer wettbewerbsfähigen Voice-Over-Fassung
Mit dem Media Innovation Programm unterstützen wir Medienunternehmen finanziell und fachlich bei der Umsetzung ihres innovativen Projektvorhabens. Eines der Projekte in der aktuellen Programmrunde ist das Projekt „Samantha“ von Splendid Synchron. Ziel ist zu untersuchen, ob eine wettbewerbsfähige Voice-Over-Fassung unter Nutzung von KI und synthetischen Stimmen bereits realistisch erstellbar ist. Stefan Sporn, Projektleiter und COO der Splendid Medien AG, hat mit uns genauer über ihre bisherigen Erkenntnisse gesprochen.
Worum geht es in eurem Projekt? Was genau ist euer Ziel?
Ziel war es herauszufinden, ob wir mit Künstlicher Intelligenz (KI) und synthetischen Stimmen beim Voice-Over von Dokumentationen so arbeiten können, dass das Ergebnis „sendefähig“ ist und Zuschauer echte und synthetische Stimme nicht mehr voneinander unterscheiden können.
Welche aktuellen Herausforderungen gibt es im Synchronisationsprozess und inwiefern könnte eurer Projekt Unterstützung bieten?
Welche Rolle können KI und könnten synthetische Stimmen zukünftig für die Synchronisationsbranche haben? – Dafür ein Gefühl zu entwickeln, darum ging es beim Ausprobieren der verschiedenen Systeme. Dafür haben wir getestet und sehr kritisch hingehört. Die Ergebnisse und die möglichen Konsequenzen gilt es mit allen Beteiligten der Branche zu besprechen. Hier ist aber vieles noch sehr „Glaskugelguckerei“.
Welche Herausforderungen gab es bei der Umsetzung eures Projekts?
Es gab viele kleine und große Herausforderungen. Eine größere Hürde war es, aus der Vielzahl der KI-Anbieter eine Handvoll für den Test auszusuchen und hoffentlich auf die „richtigen“ zu setzen. In der praktischen Arbeit war es spannend und teilweise lustig herauszufinden, wie man den Systemen die richtige Aussprache von Namen oder Begriffen beibringt.
Gab es besondere Aha-Momente?
Beeindruckend, wie qualitativ gut die Ergebnisse mit den Systemen der verschiedenen Anbieter sind. Und ganz besonders: Es ist der Mensch, der die KI bedient, der Schlüssel zum qualitativ besten Ergebnis. Der Mensch bleibt im Prozess unverzichtbar.
Konntet ihr bereits erste Erkenntnisse gewinnen?
Die Qualität der synthetischen Stimmen ist beeindruckend; leider ist derzeit nicht unbedingt ein Zeitgewinn zu erzielen und ein deutliches kommerzielles Potential auszuschöpfen.
Welche Schritte plant ihr als nächstes?
Ergebnisse sacken lassen, mit ein wenig zeitlichem Abstand erneut anschauen und wieder bewerten. Die Entwicklung der KI-Systeme weiter genau beobachten und immer wieder ausprobieren.
