Stimmenproduktion
Eine überzeugende Übereinstimmung mit einer Stimme beginnt mit der Einwilligung und einer geeigneten Aufnahme, nicht allein mit einem Prompt. Nutzen Sie diese Checkliste, um einen Test zum Stimmenklonen vorzubereiten, das Ergebnis zu beurteilen und zu entscheiden, was neu aufgenommen werden muss.
Das Ergebnis soll eine überprüfbare Sprachaufnahme sein, nicht nur eine Stimme, die vertraut klingt. Diese verwandten Themen helfen dabei, Generierung, Vorbereitung der Ausgangsaufnahme und Vertrauensprüfungen voneinander zu trennen.
Prüfen Sie, was Sie vor dem Test einer geklonten Stimme vorbereiten müssen, ohne davon auszugehen, dass jede Funktion verfügbar ist.
Vergleichen Sie das Generieren eines gesprochenen Satzes mit der gesonderten Aufgabe, die Stimme einer bestimmten Person nachzubilden.
Prüfen Sie Einwilligung, Offenlegung und den Umgang mit Aufnahmen, bevor Sie eine synthetische Stimme weitergeben.
Gehen Sie in dieser Reihenfolge vor: Ausgangsaufnahme, Skript, Hörprobe. Wenn Sie alle drei gleichzeitig ändern, lässt sich die Ursache für ein schwaches Ergebnis nur schwer erkennen.
Nehmen Sie Ihre eigene Stimme auf oder holen Sie für diesen Zweck die ausdrückliche Einwilligung der sprechenden Person ein. Wählen Sie deutlich gesprochene Sprache mit wenig Hintergrundgeräuschen, vermeiden Sie überlappende Stimmen und dokumentieren Sie, wofür die Einwilligung gilt. Die Ähnlichkeit mit einer anderen Person ersetzt keine Einwilligung.
Nehmen Sie die Namen, Zahlen, Fragen und den emotionalen Ton auf, die in der endgültigen Aufnahme tatsächlich vorkommen sollen. Beginnen Sie mit einem kurzen Abschnitt, damit Sie Aussprache und Sprechtempo beurteilen können, ohne eine lange Datei anhören zu müssen. Lassen Sie den Wortlaut beim Vergleich der Versuche unverändert.
Hören Sie sich das gesamte Ergebnis an, auch leise gesprochene Wörter und Satzenden. Vergleichen Sie Rhythmus und Verständlichkeit mit der Aufnahme, für die eine Erlaubnis vorliegt. Ändern Sie dann jeweils nur eine Variable: die Ausgangsaufnahme, das Skript oder die Anweisungen zur Sprechweise. Speichern Sie die freigegebene Version und den zugehörigen Wortlaut.
Ein visueller Vergleich kann die Prüfung strukturieren, aber nicht beweisen, dass die Audioaufnahmen übereinstimmen. Hören Sie sich das Ergebnis an, bevor Sie es in einem Video, einer Nachricht oder einer öffentlichen Veröffentlichung verwenden.
Diese Bilder veranschaulichen Phasen des Arbeitsablaufs. Sie sind weder Spektrogramme noch Belege dafür, dass eine generierte Aufnahme einer sprechenden Person ähnelt. Ein brauchbares Ergebnis beim Klonen einer Stimme muss außerdem die erforderlichen Wörter richtig aussprechen, einen natürlichen Rhythmus beibehalten und frei von hörbaren Artefakten sein.
Betrachten Sie eine nicht bestandene Hörprüfung als nützliche Information. Die folgenden Maßnahmen gehen häufige Ursachen an, ohne zu versprechen, dass sich jede Stimme oder Aufnahme originalgetreu reproduzieren lässt.
Eine glaubwürdig klingende Stimme belegt nicht, dass die sprechende Person dem Klonen oder der beabsichtigten Veröffentlichung zugestimmt hat.
AbhilfeDokumentieren Sie die Einwilligung, bevor Sie Ausgangsaudio bereitstellen, und kennzeichnen Sie synthetische Sprache, wenn Zuhörende sie für eine echte Aufnahme halten könnten.
Rauschen, Übersteuerung, aus der Ferne aufgenommene Sprache und mehrere sprechende Personen können die Merkmale überdecken, die sich im Ergebnis widerspiegeln sollen.
AbhilfeErstellen Sie in einer ruhigen Umgebung eine neue, saubere Aufnahme und testen Sie sie mit demselben Skript, bevor Sie die Vorgaben überarbeiten.
Namen, Abkürzungen und unbekannte Begriffe können falsch klingen, selbst wenn die Stimme insgesamt wiedererkennbar ist.
AbhilfeNehmen Sie schwierige Begriffe in das Testskript auf, hören Sie sie einzeln an und passen Sie, soweit unterstützt, die Formulierung oder phonetische Hinweise an.
Bei einer kurzen Vorschau können unnatürliche Übergänge, uneinheitliche Betonung oder Fehler gegen Ende einer längeren Passage unbemerkt bleiben.
AbhilfePrüfen Sie den vollständigen Export in der vorgesehenen Umgebung und bitten Sie eine dazu berechtigte Person, sensible Formulierungen zu kontrollieren.
Nutzen Sie die Tabelle, um einen kurzen Test, ob die Stimme dem Original ähnelt, von einer Aufnahme zu unterscheiden, die zur Weitergabe bereit ist. Sie dient als Rahmen für die Prüfung und trifft keine Aussage über die Grenzen oder unterstützten Formate eines bestimmten Tools.
Erster Test
Die Erlaubnis wird vor dem Test geprüft.
Zum Teilen geeignete Lesung
Die Erlaubnis deckt auch das Publikum und die beabsichtigte Nutzung ab.
Erster Test
Eine klare Aufnahme mit nur einer sprechenden Person wird ausgewählt.
Zum Teilen geeignete Lesung
Die gewählte Quelle ist dokumentiert und frei von offensichtlichem Rauschen oder Übersteuerungen.
Erster Test
Eine kurze Passage macht den gewünschten Tonfall erkennbar.
Zum Teilen geeignete Lesung
Der endgültige Wortlaut sowie Namen und Zahlen werden geprüft.
Erster Test
Das Ergebnis ähnelt der Stimme der autorisierten Person weitgehend.
Zum Teilen geeignete Lesung
Rhythmus, Betonung und Stimmkonsistenz bleiben über die gesamte Passage erhalten.
Erster Test
Schwierige Wörter werden notiert.
Zum Teilen geeignete Lesung
Jeder erforderliche Begriff wird im Kontext angehört und freigegeben.
Erster Test
Das Team weiß, dass die Lesung synthetisch erzeugt wurde.
Zur Weitergabe bereite Lesung
Das Publikum erhält den nötigen Kontext, wenn Verwechslungen möglich sind.
Erster Test
Eine Vorschau wird von Anfang bis Ende angehört.
Zur Weitergabe bereite Lesung
Die tatsächliche Datei wird in dem Kanal geprüft, in dem sie erscheinen wird.
Verwenden Sie eine autorisierte Stimmaufnahme und ein kurzes Skript mit den Wörtern, die am ehesten Probleme bereiten. Erzeugen Sie einen Test, hören Sie ihn vollständig an und überarbeiten Sie die schwächste Stelle, bevor Sie eine Ähnlichkeit als fertiges Ergebnis betrachten.
Bereiten Sie eine saubere Aufnahme einer Person vor, die die beabsichtigte Nutzung ihrer Stimme genehmigt hat, sowie ein kurzes Skript, das die benötigten Wörter und den gewünschten Tonfall testet. Verwenden Sie bei allen Versuchen dieselbe Aufnahme und dasselbe Skript, damit Sie erkennen können, ob eine Überarbeitung geholfen hat.
Ja. Eine Stimme kann wiedererkennbar sein und dennoch einen Namen falsch aussprechen, einen Satz zu schnell vortragen oder am Ende einer längeren Passage unnatürlich klingen. Beurteilen Sie die vollständige Lesung anhand des Skripts und des vorgesehenen Einsatzkontexts, nicht nur anhand einer kurzen Vorschau.
Ein Prompt für die Sprechweise kann Tonfall und Tempo beschreiben, belegt aber weder die Identität der sprechenden Person noch die Erlaubnis, ihre Stimme zu reproduzieren. Wenn für einen Ablauf eine Quellaufnahme erforderlich ist, verwenden Sie nur eine autorisierte Aufnahme und beachten Sie die angegebenen Anforderungen des Tools.
Prüfen Sie, ob die Ursache in der Qualität der Quellaufnahme, der Aussprache oder der Sprechweise liegt. Ersetzen Sie verrauschtes Quellaudio, wenn die Stimme uneinheitlich klingt; passen Sie bei einem falsch ausgesprochenen Wort den Text an oder nutzen Sie die unterstützten Aussprachehilfen; überarbeiten Sie bei Problemen mit dem Sprechtempo die Anweisungen zur Sprechweise.
Legen Sie es offen, wenn Zuhörer sonst glauben könnten, eine echte Aufnahme der sprechenden Person zu hören – insbesondere in einem öffentlichen oder sensiblen Kontext. Die Einwilligung zur Erstellung eines Stimmklons und Transparenz über seine Verwendung müssen getrennt geprüft werden.