Individuelle TTS-Stimmen: 5 Dinge, die Markenmanager wissen sollten

Ihre Marke besitzt ein Logo. Sie hat eine Farbpalette. Sie hat sogar angedeutete, sorgfältig ausgewählte menschliche Eigenschaften, um eine sinnvolle Verbindung mit der Öffentlichkeit herzustellen.

Warum nicht auch eine Stimme?

Ein Schauspieler kann Ihrer Marke im wahrsten Sinne des Wortes eine Stimme verleihen, aber kein Mensch kann überall gleichzeitig sein. Ein Sprecher kann unmöglich alle Aussagen aufnehmen, die Sie für automatisierte Callcenter, KI-Assistenten, Online-Content, Zeitungsleser und vieles mehr benötigen. Sprachkommunikation in großem Maßstab erfordert digitale Sprache.

Deshalb setzen viele Markenmanager auf individuelle Text-to-Speech (TTS)-Stimmen: einzigartige Markenwerte, die für Konsistenz über alle Audiokanäle hinweg sorgen.

Vor einem Jahrzehnt wäre die TTS-Technologie möglicherweise nicht in der Lage gewesen, dies erfolgreich zu leisten. Synthetische Stimmen hatten damals eine deutlich geringere Qualität. Heute jedoch hat die KI ein neues Niveau an naturgetreuer Sprachqualität erreicht. Neuronale Netze und maschinelles Lernen erzeugen eine viel realistischere Sprache, weshalb wir diese KI-Stimmen auch als neuronale TTS bezeichnen.

Mit dieser Technologie erhalten Sie eine individuelle, synthetische Stimme, die Ihre Markenpersönlichkeit so warm und natürlich ausdrückt wie Ihr Lieblingsschauspieler.

Die Möglichkeiten einer KI-gesteuerten, individuellen Stimme sind jedoch begrenzt. Es gibt gute und weniger gute Wege, um eine KI-Stimme zu erstellen. Es gibt eine Menge Ungewissheiten rund um diese neue Technologie. Lassen Sie uns ein paar Dinge verdeutlichen.

Hier fünf wichtige Fakten über individuelle KI-Stimmen, die jeder Markenmanager kennen sollte.

5 Überlegungen zur Erstellung einer individuellen TTS-Stimme

Der Hype um KI ist groß. Mit der neuronalen TTS ist es nicht anders. Viele Anbieter von KI-Stimmen versprechen das Blaue vom Himmel, aber wenn etwas zu schön klingt, um wahr zu sein, ist es wahrscheinlich auch so.

Hier ist die Wahrheit über individuelle KI-Stimmen.

1. Die Audioqualität einer KI-Stimme hängt von den Computerressourcen ab.

Neuronale Stimmen klingen erstaunlich realistisch. Hochauflösende, informationsreiche Versionen dieser Stimmen erfordern auch eine hohe Computerleistung. Das bedeutet, dass sie nicht für jede Anwendung geeignet sind.

Eine statische Sprachdatei erstellen, wie ein Hörbuch? Eine hochwertige KI-Stimme ist ideal. Sie funktioniert einwandfrei und klingt fantastisch.

Live-Streaming dynamisch generierter Sprache, wie bei einem KI-Sprachassistenten? Sie benötigen wahrscheinlich eine schnellere, leichtere TTS-Stimme. Das Gleiche gilt für die Einbettung von TTS in ein Gerät.

Bei ReadSpeaker setzen wir mehrere Technologien ein, um die bestmögliche TTS-Qualität zu liefern – nicht nur allgemein, sondern auch für das spezielle System, das Sie verwenden. Dazu gehören auch volle, hochauflösende KI-Stimmen. Sie enthalten auch neuronale Stimmen mit geringem Platzbedarf für die Sprache auf einem Gerät. Und sie beinhalten die Unit-Selection-Synthese (USS), eine Technik, die zu ultra leichten TTS-Stimmen führt.

Der Punkt ist, dass der Vergleich von TTS mit geringem Platzbedarf mit der schwersten, ressourcenintensivsten KI-Stimme Äpfel mit Birnen vergleicht.

Unser Ratschlag? Fragen Sie immer Ihren TTS-Anbieter, welche Computerressourcen Sie benötigen, um eine Stimme, die Ihnen gefällt, einzusetzen. Gehen Sie nicht davon aus, dass die hochauflösendste KI-Stimme für Ihre Anwendung geeignet ist.

Die technische Realität ist, dass die derzeit bestklingenden Stimmen nicht in jeder Situation funktionieren. Sie können jedoch mit ReadSpeaker zusammenarbeiten, um eine individuelle TTS-Stimme für jeden Anwendungsfall zu entwickeln, die ein ideales Verhältnis zwischen Qualität und Platzbedarf für jeden Einsatz aufweist.

2. Zusammenarbeit ist der Schlüssel zu einer tollen synthetischen Markenstimme.

Einige KI-Sprachgeneratoren versprechen die Einfachheit: Laden Sie einfach einige Aufnahmen hoch und erhalten Sie eine TTS-Stimme! Diese KI-Stimmengenerator-Plattformen halten in der Regel, was sie versprechen, aber das bedeutet nicht, dass Sie mit den Ergebnissen zufrieden sein werden.

Ein KI-Sprachgenerator zur Selbstbedienung ist ein Tool, genau wie eine Filmkamera. Sie können die beste Kamera der Welt besitzen, aber wenn Sie keine Ahnung haben, wie man einen Film dreht, werden Sie keine Oscars gewinnen.

Das Erstellen einer individuellen TTS-Stimme verhält sich gleich. Um diese Aufgabe zu bewältigen, ist eine Menge Fachwissen in vielen Disziplinen erforderlich – Computerlinguisten, KI-Ingenieure, Sprachtrainer, Aufnahmetechniker, Schauspieler und viele mehr.

Am wichtigsten ist, dass Sie sich selbst mit dem Projekt befassen. Sie kennen Ihre Marke am besten. Ist sie aufrichtig und fröhlich, stark und naturverbunden, sanft und beruhigend? Die Stimme muss diese Züge zum Ausdruck bringen.

Anders gesagt, ist KI-Technologie nicht ausreichend. Sie brauchen auch praktische Erfahrung. Und so kommen wir zum nächsten Punkt.

3. Eine TTS-Stimme hat möglicherweise nicht sofort eine perfekte Aussprache.

Realtalk: Es ist praktisch unmöglich für eine TTS-Stimme, alles beim ersten Mal perfekt auszusprechen.

Stellen Sie sich einen Musik-Streaming- Service vor. Kein Trainingsdatensatz wird den Namen jedes Künstlers und jedes Liedes im Angebot enthalten. Wenn sie nicht in den Trainingsdaten enthalten ist, versucht die KI-Stimme, die richtige Aussprache vorherzusagen. Die Vorhersagealgorithmen und -modelle sind gut, aber sie sind nicht 100%ig.

Bedenken Sie nun den Jargon in Ihrer Branche. Denken Sie an die Akronyme, die Eigennamen, die Lehnwörter. Die einzige Möglichkeit, dass Ihre individuelle Stimme all diese Randfälle richtig ausspricht, besteht darin, das Aussprachewörterbuch des Systems zu überwachen und kontinuierlich zu verbessern.

Bei ReadSpeaker investieren wir viel in die korrekte Aussprache. Wir bieten Aussprachetuning als Teil eines jeden Support- und Wartungsvertrags an. Wir überprüfen sogar Ihren Content und testen Ihre Stimme für proaktive Korrekturen.

Diese Art der kontinuierlichen Qualitätssicherung erhalten Sie nicht von einem KI-Sprachgenerator, der sich selbst bedient – und auch nicht von den Tech-Giganten.

4. Jede TTS-Stimme beginnt mit einem menschlichen Sprecher und diese haben Rechte, die geschützt werden müssen.

Die neuronalen Netzwerke, die KI-Stimmen erzeugen, benötigen Trainingsdaten und diese Daten können nur von Aufnahmen menschlicher Stimmen stammen. Wir haben es schon einmal erwähnt und wir wiederholen es hiermit: Fragen Sie Ihren KI-Sprachdienstanbieter, woher er seine Daten bezieht.

Hinter jeder individuellen TTS-Stimme ist ein Sprecher. Unredliche KI-Sprachdienstleister können ohne Erlaubnis Aufnahmen verwenden, wodurch die Rechte des Sprechers verletzt werden und Sie möglicherweise später rechtlich haftbar gemacht werden können.

Achten Sie darauf, dass Ihre Markenstimme sicher und verantwortungsvoll ist. Bei ReadSpeaker stellen wir ethische KI sicher, indem wir unsere eigenen Trainingsdaten mit entsprechenden Verträgen generieren. Das bedeutet, wir nehmen die Sprecher selbst auf, wir bezahlen die Mitwirkenden fair und alle Parteien einigen sich auf die zulässigen Verwendungszwecke für die resultierende Stimme.

Sprecher vertrauen Readspeaker. Das gibt uns viele Möglichkeiten für Ihre individuelle KI-Stimme, da wir Zugang zu mehr Schauspielern haben als ein nicht vertrauenswürdiger Anbieter. Unser Ruf für ethische KI hat uns auch interessante Möglichkeiten eröffnet, wie z. B. unsere Zusammenarbeit mit Giancarlo Esposito bei der Erstellung der individuellen KI-Stimme für Sonos Voice Control.

5. Auch nach der Einführung werden Sie TTS-Unterstützung benötigen.

Die Erstellung Ihrer individuellen KI-Stimmen ist eine Sache. Dafür zu sorgen, dass sie über alle Ihre Kanäle und auf einer Vielzahl von technischen Plattformen korrekt funktioniert, ist eine ganz andere Sache.

Tatsächlich kann die KI-Technologie zu unerwarteten Ergebnissen führen. Sie brauchen einen TTS-Partner, der für Sie da ist, um auftretende Probleme zu beheben. Sie brauchen kontinuierliche Unterstützung bei der Aussprache. Und Sie brauchen technische Unterstützung, wenn Sie Ihre Markenstimme in neue Kanäle einbringen.

ReadSpeaker verschwindet nicht, nachdem Ihre individuelle Stimme geliefert wurde. Wir sorgen dafür, dass Ihre Stimme genau so funktioniert, wie Sie es benötigen und wir halten Ihr TTS auf dem neuesten Stand, unabhängig davon, wie sich die Technologie entwickelt.

Sie werden einfach keine solche Unterstützung von einem der vielen Startup-Unternehmen für KI-Sprachgeneratoren erhalten oder von großen Tech-Unternehmen, die neben vielen anderen Angeboten auch TTS anbieten. Tatsächlich entwickelt ReadSpeaker nicht nur individuelle KI-Stimmen, sondern bietet auch Beratungsdienste für KI-Stimmen an.

Individuelle Sprachberatung mit ReadSpeaker

Wie sieht eine individuelle Sprachberatung aus? Sie beginnt mit der Auswahl des idealen Sprechers, der die Grundlage für die sprachliche Identität Ihrer Marke bildet.

Diese Auswahl ist komplizierter als Sie vielleicht denken. Wir bewerten die Eignung für TTS, indem wir uns jeden möglichen Sprecher anhören – egal, ob es einer unserer Sprecher oder Ihr CEO ist – und nach Faktoren suchen, die einen potenziellen Sprecher disqualifizieren könnten.

Unabhängig davon, wie gut ein Sprecher persönlich klingt, kann es sein, dass sich eine der folgenden Eigenschaften nicht gut auf eine KI-Stimme übertragen lässt:

• Rauheit und Behauchtkeit
• Inkonsistentes Tempo, Intonation oder andere Sprachqualität
• Zu schnelle (oder zu langsame!) Sprache
• Nasalität
• Undeutliche Aussprache

Wir bewerten Dutzende von Interessenten, um die idealen stimmlichen Qualitäten zu finden. Am wichtigsten ist, dass wir einen Sprecher finden, der Ihre Markenpersönlichkeit ausdrückt und wir können Ihre endgültige TTS-Stimme als männlich, weiblich oder geschlechtsneutral, in jedem Alter und mit jeder Kombination von Stimmmerkmalen präsentieren.

Jedoch können wir den Prozess nicht auf eine technische Checkliste reduzieren. Das Casting für TTS ist ebenso eine Kunst wie eine Wissenschaft.

Sobald wir einige Sprecher gefunden haben, wählen wir gemeinsam mit Ihnen den richtigen aus. Dann nehmen wir stundenlang spezielle TTS-Skripte auf, die so gestaltet sind, dass sie den für Ihre Marke passenden Sprachstil erzeugen. Nachdem Sie diese Aufnahmen genehmigt haben, werden diese zu Trainingsdaten.

Wir speisen die Daten in unsere proprietären Deep Neural Networks (DNNs) ein, um einen Stimmentwurf zu erstellen. Auch hier überprüfen Sie den Fortschritt, bevor wir zur Feinabstimmung übergehen. Wenn wir schließlich einstimmig mit Ihrer KI-Markenstimme zufrieden sind, helfen wir Ihnen, sie in all Ihren Audiokanälen einzusetzen.

Es handelt sich um eine Full-Service-Partnerschaft für individuelle Stimmen, die wunderbare Ergebnisse liefert.