Sprechvision Folge 29 - Mit KI Voice Cloning Experte Christian Plasa

[Musik] [Musik] Willkommen zu "Sprechvision", dem Podcast über Stimme, Sprechen, Synchron und alles dazwischen. Heute zu Gast Christian Plaza, eine Experte für Voice Cloning, eine Technologie, die die Branche komplett verändert. Schön, dass du da bist. Ja, schön unamt, grüßig, Chris. Ja, ich freue mich, heute dabei sein zu dürfen bei dem Podcast. Ich muss auch sagen, das ist für mich auch ein Stück weit aufregend, ist für mich auch das erste Mal umso schöner, dann heute mal mit dir dann dabei zu sein. Ja, sehr gut. Wir wurden ja vom lieben Glenn auch mehrfach darauf hingewiesen, dass wir uns noch mal vernetzen sollten und im Endeffekt stimmt das ja auch. Wir hatten schon einige gute, schöne Vorgespräche und heute geht's mal um deinen Steckenfernt, würde ich mal sagen. Genau, sehr schön. Dann fangen wir einfach damit an, dass du dich mal vorstellen willst, wer bist du, was machst du und dann mein Fragenkatalog auch schon los. Ja, also ich bin Christian Plaza, 35 Jahre alt, Lebe und Arbeiter in Hagen und kommen eigentlich ursprünglich aus Ostwestfalen. Bin dann Mitte der 90er, noch in der im Elternhaus nach Dortmund sind wir gezogen und bin jetzt seit 15 Jahren in Hagen. Also ich habe auch meine Frau kennengelernt, also haben eine Familie mit fünf Kindern. Ja, ich habe auch mal was gelernt. Bin MikroTechnologe, Fachrichtung, Halbleitertechnik, habe in diesem Bereich auch mal gearbeitet. Danach ging es 11 Jahre in den Bereich E-Commerce bei einer Firma in Hagen, ein Online-Versinnner für Beleuchtung. Und habe mich dann Mitte 2025 selbstständig gemacht im Bereich IT-Dienstleistung und seit Ende 2024 dann eben auch im Bereich Voice Acting, also speziell was das Voice Cloning betrifft. Okay, ja, das ist ja dann direkt schon der Einstieg dafür. Es geht heute ums Voice Cloning und ich möchte natürlich auch gleich am Anfang für alle, die das hören, das klarstände, dass ich jetzt nicht dafür werben will, dass ihr alle Voice Clones sollt, sondern ich möchte euch einfach hier mit die Möglichkeit geben, geballt zu erfahren, um was es geht, was für Möglichkeiten es gibt und am Ende muss es jeder selber entscheiden, ob er das macht, wie er das macht und das wollte ich nochmal klarstellen, bevor wir jetzt in die Materie erspringen. Ja, sehr gut, also wie bist du denn zum Thema Voice Cloning gekommen? Also ich meine du hast gesagt, Voice Acting, okay, das heißt du hast auch gesprochen? Ja, also selber? Ja, also Voice Acting, das war so der Bereich, also das ist ja die Frage Voice Acting, Voice Cloning, weil ich ja zum nächst oder aktuell eigentlich ausschließlich im Bereich Voice Cloning und habe ich's bin, aber da schickte auch deine Frage drin, Voice Acting, wie kommt man jetzt eigentlich dazu? Und da hat ja ja so jeder seine ganz eigene Geschichte, da gibt's ja auch so überhaupt nicht diesen Standardweg, da gibt's ja auch viele Quereinsteiger, aber auch ganz klassische Mitausbildung, das war ja bei mir nicht der Fall, da gab's so ein Schlüsselerlebnis, ich gehe da mal so zwei Jahrzehnte zurück aus meiner Kindheit. Und zwar war das so ein Erlebnis aus so einer Jugendfreizeitstätte, da gab's eine Veranstaltung, das war irgendwie so ein Jubileum und da hat einer der Mitarbeiter dort in Videoproduziert, das war so hobbymäßig, semi-professionell und hat dann seine eigene Offstimme darüber gelelegt. Und dann wurde uns das dann auch allen präsentiert, das war ja damals noch ganz klassisch mit der VIs, Kassette. Und dann sah es sich davor, habe mir das angört und dachte im Moment mal, diese Stimme, die klingt ja so, wie du es eigentlich aus dem Fernsehen oder aus dem Radio kennst. Und das war eine dieser Mitarbeiter, der das irgendwie scheinbar so gut beherrschte. Und das hat mich dann so ganz frühkindlich schon da, ich war da vielleicht 11, 12 Jahre alt, dazu gebracht, so ich da fahre ja zu erkennen, da sind echt Menschen hinter da, die können so sprechen, wie man das eigentlich kennt aus dem Medien und versuchst du das nicht mal nachzuarmen. Und dann habe ich das, wie man das so als Kind auch mal macht, wenn man da ein Vorbild hat, was zu imitieren versucht, so diese Sprechhaltung einzunehmen. Das ist so das, was ich heute so als Kielkopf-Kompression bezeichnet, wenn man so spricht, so "Ja, guten Abend, willkommen", drücken Sie jetzt die eins. Vielen Dank. So diese typischer Haltung und dann habe ich da auch das so verinnerlicht und damit experimentiert und dann war es das aber auch erst mal für eine ganz lange Zeit. Trotzdem habe ich es seitdem immer den Wunsch gehabt, weil ich glaube auch da dann ein Stück weit da die Möglichkeit zu haben, was zu bespielen, irgendwo was zu sprechen. So wollte ich immer gerne machen. Und das höchste der Gefühle war dann mal so was wie ein Tag der offenen Tür beim WDR. Da konnte man dann mal die Lokalzeit selber moderieren oder ein Tag der offenen Tür bei einem Lokal sind, da mal die Nachrichten sprechen. Das war es dann aber auch, aber dann kam im 2024 die Möglichkeit mit den Plattformen, die diese Technologie dann bereitgestellt haben des Voice-Clawnings zu sagen, ich probiere jetzt mal diesen Stil in einen Voice-Clawen zu gießen und guck mal, probiere mal, wie funktioniert der eigentlich? Ja, das waren so die ersten Berührungspunkte, wo ich dann erst mal so spielerisch, das fing schon Mitte 24 an, aber dann öffentlich in der Library Ende 24 dann so meine ersten Voice-Clawns erstellt ab. Okay, okay und dann hast du dich damit sehr, sehr stark beschäftigt, weil du hattest du da so einen Ah-Moment wo du sagst, okay, ich glaube da ist was, was ich beruflich irgendwie mich weiterbringt? Ja, also erst mal war ja auch dieser Wunsch immer da, was in diesem Bereich zu machen, auch wenn ich überhaupt nicht wusste wie. Also ich habe ja jetzt durch LinkedIn und die Netzwerke und das ganze Specher-Netzwerk auch jetzt in den anderthalb Jahren viel besser erfahren können, wie im Prinzip so der Markt im Bereich Voice-Ecting gestrickt ist, wie da funktioniert. Das wusste ich vorher aber gar nicht und hab mich dann auf das verlassen, was funktioniert, weil es im Prinzip kein, ich sag mal, Fördner gab, der jetzt darüber bestimmt, ob man jetzt mitmachen darf oder nicht, also die Plattform waren offen dafür und jeder kann mitmachen. Also das habe ich eben gemacht, dann den ersten Voice-Clawn erstellt und dieser Ah-Moment war natürlich zu sagen, also ich habe dann da meine Performance dann mehrfach dann angepasst, trainiert, bis ich dann zufrieden war mit dem ersten Voice-Clawn und der Ah-Moment so ein bisschen wie etwas, was es vorher nie gab, zum Beispiel wenn jetzt Fotografie erst mal ich so in die Welt kommt. Das gab es nun mal vorher nicht, also dass man Text-To-Speed schnutzten kann, also ich repliziere meine Stimme, schreib ein Text und sie wird mit meiner Stimme vorgelesen. Also das hat mich unheimlich fasziniert und das andere der andere Ah-Moment war natürlich dann der, dass ich gesehen hab, wenn es auch anfangs nicht viel war, man kann damit tatsächlich auch Geld verdienen und das fing dann an mit so 10 Dollar im in der Woche mit dem ersten Voice-Clawn und dann fängt man sich natürlich an Gedanken zu machen, warum ist das nur so wenig und wie kann man da aus mehr machen. Genau, also im Prinzip herauszufinden jetzt hat man sprechen Haltung a) Ingenommen, wie wär es denn vielleicht mit sprechen Haltung b) c)d) E) Also es gibt ja sehr viel mehr als diese Offstimme einer Werbung, es gibt. den erzählerischen Stil "Narytifin Story" für E-Books. Es gibt dann Konversationalstil. Das ist die Art und Weise, wie wir gerade miteinander sprechen, ein Support Agent für eine Telefon-Hotline. Und das sind alles verschiedene Stile, die ich dann ausprobiert habe. Also wirklich so differenzierten verschiedenen Modellen, die sich jetzt so nach den Anders der Appianen aufgebaut haben, auf eine Anzahl von über 30 verschiedenen Voice-Clones dann in der Library. Okay, da müssen wir auf jeden Fall noch mal gleich näher eingehen. Ich habe nur gerade bei deinem Erzheten irgendwie gehört. Ich lasse mich nochmal gucken, ob ich das noch mal hinkriege, was du gesagt hast. Du hast den Speichermarkt verstanden und wie was da gerade abgeht, vielleicht erleuchtest du uns mal, was hast du denn für Erkenntnisse gehabt? Ja, also ich habe natürlich Prima auch durch LinkedIn und die einzelnen Specher. Und die Art und Weise, wie halt auch das ganze Netzwerk aufgebaut ist und wie auch Akkise betrieben wird, Bilder von bekommen, wie der Spechermarkt funktioniert. Also tatsächlich habe ich vorher überhaupt auch den Unterschied noch gar nicht begriffen zwischen Synchronisationen und Offsprechen. Das ist ja auch schwarz-weibereiche. Und dann, das ist im Prinzip auch in diesem Off, ja in diesem Spechermarkt, auch wenn das ein Kollektiv ist, jeder schon auf sich alleine gestellt ist, was Akkise betrifft. Das heißt, du bekommst jetzt nicht hier den eingroßen Kunden. Und jemand sagt, du bist jetzt Specher und dann bist du Specher. Sondern du musst wirklich aktiv wirklich dran bleiben und dabei sein auch den Markt zu bedienen. Und das habe ich mir im Vorfeld ganz anders vorgestellt. Also das ist da irgendwie eine höhere Instanz gibt, die dann eben sagt, ab jetzt bist du Specher. Aber so, genau, meiner Erfahrung nach, oder wie ich es jetzt sehe, ist Specher, der spricht ganz einfach. Ja. Sie auch keine geschützter Berufsbezeichnung, keine geschützter. Theoretisch darf sich jeder, der ein Mikrofon hat, ja auch direkt professioneller Sprichernen. Absolut. Und das ist ein bisschen schade, ist und inflationär genutzt, wird tatsächlich. Und das ist ja auch so ein Punkt, den man auf den großen Plattformen sieht. Auf der einen Seite finde ich es gut, wenn es demokratisiert wird, dass man sagt, wir öffnen diese Möglichkeit jetzt jedem, bedeutet, bedeutet allerdings dann auch, dass auf solchen Plattformen jeder mitmachen kann, der meint, damit Geld verdient zu können, wenn ein Laptop Mikrofon spricht. Und das ist dann eine Aufgabe der Plattform selbst. Und das haben Sie mittlerweile auch besser im Griff, das war mal anders. Und da gab es zumindest zu dem Zeitpunkt 2024 noch sehr viel weniger professionelle oder gute Stimmen in der öffentlichen Library. Das hat sich ja jetzt mittlerweile geändert, aber das sieht das auch entsprechend sortieren und moderieren. Ja, das ist wichtig, tatsächlich ja. Ja, dann springen wir doch mal in dieses Voice-Clawing rein. Und schauen uns das mal genauer an, beziehungsweise lassen uns das von dir erklären. Wir fangen mal ganz simpel an mit, wie funktioniert das einfach erklärt jetzt ohne viel Snick-Schnack, wie funktioniert Voice-Clawing? Es ist gar nicht so kompliziert, also im Prinzip muss ich um meine Stimme zu klonen, ein Zempel bereitstellen. Und da geben die Plattform gewisse Standards an, was Sie also technisch haben wollen. Und da ist auch immer die große Frage, wie viele Minuten sollte ich denn hier eigentlich hochladen? Die Plattform geben an, dass je mehr Material ich hochlade, um so besser wird der Voice-Claw. Das geht bis zu drei Stunden und da würde ich aus der praktischen Erfahrung ein Stück weit widersprechen. Das kann ich aber auch nicht absolut jetzt in den Raum stellen zu sagen, das ist jetzt wirklich die Wahrheit. Das ist jetzt meine Erfahrung, wo ich sage, 10 bis 20 Minuten reichen meine Erfahrung nach absolut aus, um professionellen Voice-Clawen in die Library zu geben. Es gibt andere Kollegen, die da sehr viel mehr Zeit investieren. Man muss aber auch bedenken, dass diese Samples dann auch entsprechend technisch aufbereitet werden müssen. Also es muss einen Klienabstand stattfinden, das ist im Prinzip die Arbeit, die man in klassischen Produktionen genauso findet. Also wenn ich einen Hörbuch produziere, muss das natürlich einen Klienab und ein Maastring bekommen. Also ich darf keine Schmatzer haben, keine Klicks und keine lauten Atma. Das ist eigentlich die Voraussetzung, die man braucht für ein gutes Sample. Und ja, im Stitt würde ich einfach sagen, alles über 20 Minuten meiner persönlichen Erfahrung nach. Ist nicht unbedingt notwendig, aber da hat jeder seine eigene Strategie, ich bin aber da gelandet. Okay, das heißt, wenn jetzt jemand schon seine ersten Aufträge hatte und hat die dann noch theoretisch, könnte er die einfach hochladen, würde das funktionieren? Ja, also praktisch gesehen ist das so. Ich hab ja auch, ich sag mal auf meiner Reise viel falsch gemacht. Das war ein Stück weit, ich bezeichne das häufiger so, als das schießen mit der Schrotflinte oder der Steu-Kanone um zu gucken, wo landet die Kugel in Schwarze. Und wichtig ist sich im Vorfeld Gedanken darüber zu machen, wenn man mit Voice-Cloning wirklich Geld verdienen möchte, welche Kategorie ist eigentlich die, die aktuell wirklich gefragt ist, womit kann ich Geld verdienen. Es gibt aktuell oder generell so inzwischen dieser Voice-Cloning-Branche und der klassischen Branche für mich gefühltene Spannung, die so den kreativen und künstlerischen Ausdruck dem gegenüberstellt. Und da hat die klassische Branche nicht unrecht, das stimmt auch. Also selbst gesprochen klingt definitiv besser und gar keine Frage. Aber es gibt einfach neue Märkte, die durch das klassische Voice-Aktin überhaupt nicht abzubilden wären, die auch nicht in Konkurrenz stehen mit dem klassischen Voice-Aktin. Und das sind so die Bereiche, die ich würde ich mich jetzt würde ich da neu drauf gehen oder in diesem Bereich noch reingehen, würde ich versuchen, dieses Feld zu bespielen. Das ist zum Beispiel das Feld der Conversational Agents. Da ist es also so, dass jetzt die Telefonie immer weiter automatisiert wird. Also wenn wir jetzt sprechen von großen Telekomunikationsanbietern, Versicherung, Banken und so weiter, das ist da immer mehr den Trend gibt, diese Service-Anliegen zu automatisierenden Voice-Agence. Und dahinter muss ja auch eine Stimme stehen und stecken. Und das kann dann ein Voice-Clone sein, der in diesem Stil gesprochen wird. Ich kann ja in dem Sample, was ich bereitstelle, so sprechen wir ein Service-Agent, die hier das am Telefonentete. Also was reinkommt, kommt auch aus. Und da auch noch ein Aspekt dazu. Jetzt kann man sich fragen, das ist eigentlich eine Entwicklung, die gar nicht so gut ist, weil wir doch eigentlich gerne miteinander sprechen wollen und nicht mit einem Computer. Gleichzeitig habe ich die Erfahrung, dass wir im First-Level-Support oft nach 20 Minuten warte Schleife nicht mit einem Entschalter zu tun haben, sondern mit jemanden, der einen Anliegen aufnimmt und ein Ticket erstellt. Und dahinter Menschen stecken, die dieses Ticket dann tatsächlich lösen. Und das ist so ein typischer Anwendungsfall, in dem Agents zunehmend eingesetzt werden. Und genau, das ist so ein Feld, was eigentlich ein ganz neues Feld ist, im Bereich Bereich Voice-Aktin, meine Ansicht nach. Ja, was durch die Bereitsstellung eines Voice-Clones und die massenhafte "Verfielfältigung" oder in echtzeitanwendung, Äh, eben. auch massive, massive Nutzung erzeugen kann. Ja, und diese ganzen KI-Assistenten, die ja jetzt wirklich in überall, also fast jedem, jedem Amt oder wo man anruft, erst mal 20 Minuten KI stimme durch und ich höre von sehr vielen Leuten, gerade in meinem Job, dann auch die dann sich beschweren ältere vor allem, die sagen, 1 nach 15 Minuten hat er mir immer noch keinen Menschen gegeben, sondern hat einfach aufgelegt. Ja und die sind so genervt davon, aber das nimmt halt jetzt wirklich zu, also dass man dann praktisch wirklich 24 Stunden praktisch Termine machen kann, weil dieser agent dann auch freie Termine bucht für Friseur und Arzt und sonst war es ja, das wird noch irgendwie, ich weiß nicht, in was wo das am Ende stehen bleibt, aber ich find's eigentlich auch mal ganz schön, wenn eben Sachen nicht 24 Stunden verfügbar sind und dann irgendwie ist der Trend aber dahin, dass durch diese KI-Assistenten, die ja natürlich weder brot noch Wasser brauchen und auch kein Schlaf, dass die natürlich dann ja, das ist so ein Gesellschaftsdinger, ich mag das nicht, das ist, es war auch früher schön mal nicht erreichbar zu sein, heute was der schon schief angeguckt, wenn du irgendwie eine Stunde nicht erreichbar bist, was hast du gemacht, aber hast du einen Funkblock oder sonst was, ich habe dich dreimal versucht anzurufen, nee ich war spazieren und wollte auch einfach mal nicht, aber sieht man schon aus, wie der Maßmensch persönlich, wie geht denn sowas und wie du nutzt kein Social Media, privat und beruflich, wie kannst du nur, das wird alles irgendwie, ja, es ist eine verrückte Zeit in der wir uns befinden meiner Meinung nach und es geht steil immer mehr in dieses höher schneller weiter und es wird irgendwie immer steiler, die Kurve und weiß nicht genau, ob mir das gefällt, muss ich sagen, muss ja jeder selber für sich, die bestimmt doch viele, die sagen, hey, genauso und noch schneller und noch besser und noch höher, ich wünsche mir manchmal tatsächlich die Nokia zurück, wo man noch schnell spielen konnte, die unkrapputbaren, ja, ja, nee, es geht ja nicht mal darum, ich schaff sie wirklich seit Jahrzehnten, meine Handys nie kaputt zu machen, nach zwei Jahren, wenn der Vertrag wäre, ist verkaufigt, die noch fast im Topzustand, aber es geht mir darum, dieses, was jetzt alles ist, also dass die Leute eigentlich nur noch ihr Handy dabei haben und keine Brieftasche mehr, weil jetzt da auch die Karten drauf sind, so was mache ich zum Beispiel alles gar nicht mit und roll jedes mal die Augen, wenn ich dann irgendwie jemanden sehe, wie ja gerade auf seinem Handy seine Karte auf dem Bildschirm hat und die dann da an das Gerät hält, ne? Und denke mir so, ey, wenn du ein Handy findest, ist heute, du hast ganz erleben von jemanden in der Hand, ja, und ja, muss man halt wollen, aber ich finde es ist halt, es spiegelt eben, dass das auch die alten Menschen, weil ich ja viel mit alten und behinderten Menschen zu tun habe in meinem Job, dass die zunehmend davon schon überfordert sind, dass sie jetzt nicht mehr mehr in Arzt anrufen können, weil da keinen Mensch dran geht und die sind das natürlich befremmtig, weil die meisten haben sich mal einen Smartphone und wenn sie eins haben, dann benutzen sie es mehr schlecht als recht und ja, ich klar, die Generation stirbt irgendwann aus, logisch und die nächste ist dann schon bewanderte, aber Skyste limit, wo ist denn da das Ende, irgendwann gehst du auch nicht mehr zu einem Menschen, der dich behandelt, sondern es dann ein Roboter, der hat alles gelernt, medizinisch oder so, davor habe ich irgendwie Angst, muss ich sagen, das ist echt, ich sehe dem nicht so positiv entgegen, ja, also ich finde tatsächlich wichtig, dass es beides gibt, ich kann aus eigener Erfahrung, weil ich tatsächlich aktuell an einem Projekt arbeite, das genau das umsetzt, uns mal es geht um Folgendes, es geht aktuell um ein Projekt, indem ich ein Prototypen eines Agenten baue, der in der Gastronomie die Bestellung automatisiert, also wo normalerweise in der Gastronomie der Gastronomie an das Telefon geht, die Bestellung aufnimmt, dann in die Küche weiter gibt, und ich bin jetzt tatsächlich seit vier Monaten an diesem Projekt und bin noch nicht an dem Punkt gelangt, wo ich sage, ich kann diesen Agenten live, ich kann den, ich kann den, ja, in die freie Wildbahn entlassen, weil da so viele Probleme entstehen werden, die einfach zwischen menschlich besser gelöst werden können, als ein Agent, das tatsächlich könnte. Ich sehe tatsächlich gewisse Branchen da überhaupt noch nicht an dem Punkt, wo es funktioniert, wenn es aber funktioniert, glaube ich sollte man immer die Wahl haben, also in meinem Fall ist das zum Beispiel so, dass man jederzeit sagen können, kann ich will mit einem Mensch sprechen, und dann kommst du raus aus dem Agent und wir es durchgeleitet, dann tatsächlich an den Hörer, das war jetzt zum Beispiel mal so ein Kompromiss, wo man sagt, man bedient hier tatsächlich zwei Welten, da gibt es die neue Generation, die da nicht nur kein Problem mit hat, sondern das tatsächlich auch so an dem und erwartet und da gibt es die andere Generation, die möchte tatsächlich gerne den persönlichen Kontakt und ich glaube da sollte man beides optional auch nehmen und dann stehen lassen. Ja genau, das ist es ja, also das ist ja dann kann er dann jeder selber entscheiden, aber ich krieg ja jetzt, wie gesagt von den klienten, die ich habe und so die sagen ich habe keine Chance, ich sage dem tausende, ich will mit den Menschen reden, dann liegt dieses System irgendwann auf, weil er immer sagt, ich verstehe das nicht, was sie sagen und dann wird es halt kritisch und dann sagen so ja, dann ruft du doch mal an, ich habe auch keinen Bock, 15 Minuten mich durch eine KI zu beilehnen, bis ich vielleicht am Ende bei einem Menschen rauskomme. Das ist die ganz, die ganz anfangen, an Anfangsdinger, ich meine das gibt es ja schon weiß Gott ein wenig länger solche KI-Assistenten, die waren ja natürlich beschränkt in ihrer in ihrer Sache, ja da sage ich mal bei einer kranken Kasseranruf, sondern fragen die erst mal bitte geben sie ihre kranken Kassenkarte Nummer ein und dann wiederholte das und dann ja und da hat man ja dann einfach irgendwann gewusst, man sagt einfach 3, 4 mal was falsch ist und KI-Assistent sagt ich verbinde sie mit allen Mitarbeiter. Genau, also die waren seinerzeit gesämpelt mit Textbaustein. Ja, genau, ja, aber wir werden sehen, wo das alles landet und wenn das so wie du sagst und du das gerade da auch in der Entwicklung bist, dass man das sich entscheiden kann, ich glaube das ist halt die beste Möglichkeit, weil ich finde die Pestole auf die beurst und 70-jährige, der dann vielleicht auch verwaschen redet, ja das ist ja auch so ein Ding, wie gut versteht die KI denn das, was der er sagt oder er hat ein Dialekt oder so, das muss ja alles mit eingebunden werden, sonst wird es ja schon zu Komplikationen führen, ja und gerade in der Gastro wie oft hat man denn ich hätte gern die Nummer 23 aber ohne das und das. Genau, genau, das muss dann natürlich erstmal abgebildet werden von dem von der Standard-Speisekarte und versteht das System das dann überhaupt, ja das ist natürlich dann die Herausforderung. Ja, okay, also das heißt wo würdest du sagen stößt die Technologie des Voice Cloning und etc. gerade aktuell an die Grenzen, also was geht auf jeden Fall noch gar nicht. Ja das sind ja zwei Punkte, das eine ist natürlich in der Integration, so viel wir gerade darüber gesprochen haben, zum diesem Gastrobeispiel, versteht der Agent, jetzt tatsächlich mein Anliegen und wenn er es versteht ist es technisch überhaupt integriert, das er es umsetzen kann und das andere wenn wir über Stimme an sich sprechen, dann gibt es Bereiche in den meiner Meinung nach. Voice Clones schon sehr gut funktionieren in anderen Bereichen aber nicht, das wäre zum Beispiel der Hörbuchbereich. Auch wenn ich das dann natürlich selbst wahrnehme, dass da Hörbücher erstellt werden, auch mit meinen Voice Clones oder auch der anderer Kollegen, dann fällt es mir schon schwer gedanklich da am Ball zu bleiben. Also nach drei, vier Minuten ist im Prinzip der Voice Clone der reproduzite er nur das was ich in hineingegeben habe und das ist aktuell noch ein Problem, dass ich es dillistisch immer in einer Bahn bleibt und da können Hörbücher oder sind sie ja auch sehr dynamisch, wenn ich zum Beispiel in die wörtliche Rede gehe oder in fast Schlippf. Das ist so ein Bereich der der Kante. derzeit noch nicht so funktioniert. Es gibt Ansätze dazu, das wäre jetzt um damals jetzt ein Abend zu nennen, 11 laps mit einem Modell V3 nennt sich das, dass die Möglichkeit einräumt, innerhalb von skripten Tags zu setzen, um die Stimme in gewisse Emotionen zu lenken. Zum Beispiel an dieser Stelle sprichst du jetzt, sprichst du jetzt wütend an der Stelle, bist du traurig, an der Stelle bist du sentimental und das Modell kann das auch schon sehr gut reproduzieren, ist im V3 allerdings noch sehr artefaktbar haftet und hört sich von der Audioqualität also nicht nach einer professionellen Produktion an. Das heißt es gibt also diesen technischen Ansatz, ja, Marktreif ist am meiner Meinung nach derzeit aber noch nicht. Okay, das heißt man kann Emotionen klonen, also das geht schon, das kriegt die KI hin, also ich sag mal jetzt, wenn ich ChatGPT im Dings mache, hier im Modus, dass ich mich mit ihm unterhalte und und sagt dann schrei doch mal bitte einfach, das kriegt das ja gar nicht hin, also es kann nicht schrei. Genau, das liegt natürlich an dem Voice Modell von ChatGPT selbst, aber jetzt in diesem expliziten Modell, was ich jetzt genannt habe von Lepf Neps V3 kann man natürlich, wenn man damit Inhalte erstellt durch dieses setzen von Tags diese Emotionen vorgeben und die werden tatsächlich auch so produziert. Das Problem bei dem V3 ist zum einen, wie ich das schon genannt hat, erst mal dass dort noch hörbare Artifakte sind und dass die Identität des Sprechers derzeit noch untergeht. Also wenn ich einen Klon erstelle von meiner Stimme und sie in dem Modell V3 ausgebe, dann hört sie sich, ich sag mal so 30 Prozent nach mir an. Also wer mich kennt wird mich vielleicht noch erkennen, aber letztendlich ist die Technik dahinter um diese Bandbreite der Emotionen zu produzieren, ein Resultat aus einem Morphing, das aus einer Summe von Trainings Daten stammt, die tatsächlich aus vielen anderen Samples stammt um das dann zu produzieren. Also das ist tatsächlich noch nicht so reif. Okay, aber du sagst hier, es gibt auch Bereiche, wo sie schon wirklich gut ist. Würdest du sagen, dass man in den Bereichen, wo du sagst, die da sind sie eigentlich schon marktfähig oder wer noch schon benutzt, kann man erkennen, ob eine Stimme geklohnt ist? Also wo sie marktfähig sind, es gibt den Bereich des Dabings für Produktionen, in denen ja aus anderen Sprachen übersetzt wird. Das können zum Beispiel Dokumentationen sein und ich sag dir gerade der Stil der reinkommt in einem Klohn, der kommt auch wieder raus und das wäre jetzt so ein spezifischer Einsatzbereich, Dokumentation werden von der Aufstimme zum Beispiel sehr gleichbleibend besprochen. Also da findet nicht sehr viel nur anstatt bis vielleicht auf die wörtliche Rede, wenn ich jetzt mal in ein Zitat gehe. Aber da sind wir jetzt nicht im Bereich eines Hörbuchs. Das ist zum Beispiel so ein Bereich, der aktiv schon stattfindet, teilweise auch schon teilweise auch schon, was heißt gut funktioniert. Also er wird zumindest genutzt. Wenn ich sage gut funktioniert, dann müsste man natürlich immer die Hörer fragen. Selbstverständlich kenn ich auch das Feedback berechtigterweise, dass will ich werde ich ja auch nie in Abrede stellen. Das Selbstgesprochen natürlich immer besser klingt. Meinst du das bleibt auch so? Deine persönliche Meinung? Es gibt, nein, also es gibt zwei Bereiche. Es gibt Bereiche in denen selbst gesprochen besser klingt, aber es gibt Bereiche in denen selbst gesprochen nicht besser klingt, weil ich nicht immer die gleichen Voraussetzungen habe. Also immer da, wo ich ja zuverlässig, gleichmäßig reproduziert werden muss als Modell. Also immer identisch und exakt gleichbleiben muss. Da kann ein Voice Clown, also ein guter Voice Clown, meiner Meinung nach seine Arbeit leisten. Okay, ja ohne, du hast jetzt schon eins angesprochen, 11 Labs. Was gibt es denn noch für Toots oder Anbieter, die aktuell da führen sind oder gibt es nur dieser? Nee, es gibt natürlich andere. Also 11 Labs ist natürlich bekannt als Markthör. Es gibt aber auch andere Anbieter zum Beispiel ReSpeecher. Es ist ein Anbieter in GIF hat sich auf Speech to Speech spezialisiert, es bietet auch TTS an Text to Speech, aber ist da überwiegend im Bereich der Hollywood-Produktion unterwegs, also weniger im Endkunsoomer Markt mit einem Marktplatz den praktisch dann jeder nutzen kann. Da haben Sie tatsächlich auch Ansätze mal ausprobiert und den gibt es auch, aber das ist nicht gerne geschafft und Sie waren also historisch auch früher dran als 11 Labs. Da gibt es ja auch, ich weiß nicht, ob das bekannt ist, dass berühmte Beispiel mit Pumukul, der durch ReSpeecher in Deutschland praktisch wieder zum Leben erweckt worden ist. Also ich weiß, wer die lange Zeit gesprochen hat, die Stimme und auch die Stories dahinter von Synchronen, Sprechern, die gesagt haben, also teilweise war der alleine im Studio, weil sich das weder Aufnahmeleitung noch sonst irgendwie man so lange anhören konnte. Ja, also so eine nervige Stimme war. Ja, also die, ich finde die auch so tal unangenehm. Also die Originalstimme von Pumukul ist ja Hans Clarin, der verstorben ist und ReSpeecher hat ja mit der Zustimmung der Angrühe, die diese Stimme dann reproduziert und tiviert dann über Speech to Speech dann neu synchronisiert. Das macht ja aktuell Maxi Schafrohd in Deutschland. Vielleicht der Cluster kurz für manche, denke ich, sehe hier virtuell Fragezeichen, Text to Speech und speech to Speech einmal kurz für die Hörer. Ja, also Text to Speech bedeutet, dass ich im Prinzip ein Text, ganz schlicht gesagt, ein Texteingabe fällt habe und dieser Text, den ich dann eingebeviert von dem Voice Clone der künstlichen Stimme vorgelesen, so wie ich ihn dann im Wortlaut eingegeben habe. Und Speech to Speech ist im Prinzip eine Technologie mit der ich dann eine andere Stimme auf ein Sample lege, also adaptiere. Das für die heißen so wie ich jetzt gerade spreche. Also wir nehmen jetzt mal zehn Sekunden der letzten Aufnahme, die wir gerade haben und legen deinen anderes Modell drüber und schon spreche ich mit einer mit einer anderen Stimme. Also das impraktisch was die großen Big Player im Synchonbereich irgendwann machen wollen, das hat praktisch eine, wie soll ich sagen, dass der Original-Schauspieler dann eben seinen Text in seiner Sprache macht und dann einfach alle Sprachen nur noch drübergelegt werden, über das, wie er gesprochen hat. Ja, das ist eine Entwicklung, in der kann ich tatsächlich gar nicht mitreden, weil das wäre tatsächlich vielleicht ernehmagt für ReSpeecher oder für Netflix. Da gibt es ja auch aktuelle Diskussionen zwischen den Synchronsprechern und auch dem DAV, der sich dazu positioniert hat. Synchronen ist aber ein ganz anderes Feld. Also das Feld, dass ich Bespiele sind tatsächlich aufstimmen und ja, nicht der Bereich Synchronisation. Ja, ja, ja, klar. Aber ich meine, und das, das, das, das wo die alle hin wollen und alles ersetzen, und da bin ich auch kein Fern und ich bin froh, dass da die, die ganze Community da auch wirklich riegeros gegen vorgeht und hoffentlich auch mit Erfolg, obwohl ich schon gehört habe, dass Netflix sagt gut, wenn die deutschen Studios nicht mehr die Synchronensprecher dazu kriegen, das so unterschreiben und zu machen, dann gibt es für Deutschland eben keine Synchronen mehr, sondern noch Untertitel. Das finde ich, das ist ein hartes Statement, finde ich. Gerade für so ein Konzern, der einfach so groß und so viel Geld macht, das die nicht den Anstand haben zu sagen, hey, gerade Deutschland ist eine der besten Synchronenländer, wenn man da mal nach Polen geht oder so, wo einer in ganzen Film alleine sind, konnie sieht, dass er kein Scheiß ist. Ja, das ist so. Und wir haben so, also es ist ja wirklich, das sind ja alles Schauspieler, also die meisten. Und das ist eine unglaubliche Qualität. Ich konnte das früher schon nicht leiden, wenn die Leute immer gesagt haben, "Du guckst ein Anime auf Deutsch, den muss man auf Japanisch gucken." Ich denke, ja, ich habe mir auch schon auf Japanisch angeguckt. Und klar, die hören sich immer irgendwie ebisch an. Ja, also Japanisch, das sind muss an der Sprache schon allein liegen. Aber ich sag mal, auch die ganzen Männer vor allem, die sprechen ja, da gibt es ja kein der Mahalpwiks, normal spricht, die sprechen alle tief und ebisch. Und ich denke, ja klar, da kann man voll drauf abfahren. Aber Deutsch macht einen super Job. Absolut, muss sich vor nichts zu verstecken haben. Um so schlimmer finde ich, dass das jetzt mit Füßen getreten wird oder versucht wird. Um so besser finde ich, dass es sich wehren. Und dass jetzt auch seit mal ein, zwei Jahren diese ganze Sache sich auch ein bisschen in die Richtung, wer spricht da eigentlich? Das war vorher nie ein Thema, ne? Man hatte kein Gesicht. Man hatte mal mit Glück, wenn das Googlezen nahm, aber konnte nichts mit anfangen. Wer war das? Und jetzt über Social Media, mit zwei Platte, etc., die ja richtig den Leuten Gesicht und Plattform geben, finde ich super. Und das finde ich wichtig, weil die haben auch halt Kindheit geprägt. Das ist ja nicht nur einfach so. Ich meine, haben wir im Morgenstern der lief bei mir, ja zum Beispiel mit von Goku jeden Tag im Fernsehen bei mir. Und ich habe auch noch der Schule. Und das hat einfach Nostalgie. Ich brauche manchmal auch nur so eine Titelmelodie, nur als Intro hören, ohne ohne dass jemand sinkt, nur die Melodie und schon bin ich wieder 10. Und das macht ja was mit Menschen und das wollen ja die Menschen auch. Und ich bin froh, dass sie es noch wollen, weil ich hab auch Angst, dass dieses, wie nennt man das, dieses Hören, dass das Hören einfach irgendwann so abstumpft, weil wir immer mehr so schleichend diese KI Sachen haben, dass wir irgendwann sagen, ja, das gehört, hat sich dran gewöhnt und findet sich nicht mehr so schlimm, wie es aktuell noch ist. Ja, wenn du ein Film gab, gab es ja schon Projekte, wo sie gleich wieder runtergenommen haben, wo sie voll KI synchronisierte Filme haben. Das kannst du dir keine, keine 30 Sekunden geben. Ja. Und ja, das hoffe ich, das ist eine Kunst, und ich hoffe, die bleibt erhalten. Deswegen ich, ich finde es interessant und wichtig, dass wir darüber reden, oder dass du auch heute hier wirst und uns darüber auf jeden Fall mal mehr Einblick gibt, nicht desdur trotz finde ich, ich finde es gut, dass du damit dein Geld aufverdienen kannst. Nicht desdur trotz möchte ich doch, dass es noch lange, lange, lange nicht so gut ist, dass es irgendjemand komplett ersetzen kann, muss ich ehrlich zugeben. Ja, also ich habe ja auch meine Anwendungsbeispiele genannt. Ja. Und ich glaube, dass ich nicht mit einer Stimme in irgendeinem Synchronisations, ob wie sagt man, Projekt eingesetzt worden bin? Also ich sehe da tatsächlich zwei verschiedene Märkte. Und die würde ich auch ganz klar unterscheiden. Das eine ist, wie gesagt, der Markt, der Synchronisation. Und das andere ist der Markt der Werbung oder des Offsprechens. Und das der dritte Markt, das ist eben halt ein ganz neuer Markt. Das ist der Markt dynamisch generierter Inhalte. Und das ist ein Bereich, der im klassischen Voice acting halts so überhaupt nicht abzubilden ist. Also zum Beispiel im Bereich Gaming, da gibt es auch eine Character Voice, die ich deiner Library habe und die genutzt wird, wenn ein Spieler, zum Beispiel persönlich angesprochen wird mit Namen, weil das Modell jetzt sein Namen erkennt und er kann individuelle Dialoge führen, dann spricht dieses Modell mit ihm, mit Inhalten, die es zuvor noch nie gegeben hat. Also das wäre jetzt halt so ein komplett neuer Markt, ohne den alten ersetzen zu voll. Das ist so ein Punkt, den ich eigentlich für mich positiv sehe und der sich auch gar nicht streitet mit dem klassischen Voice acting. Ja, klar, da gibt es natürlich auch welche, wo es sich nicht kreuzt. Wie schnell kann man denn jetzt, sage ich mal, wenn jetzt jemand sagt, das wird es interessant an, wie schnell kann man eine Stimme erstellen? Also wie lange dauert das? Im Prinzip geht das innerhalb von, ja ich sag mal, zwei bis drei Tagen. Also was natürlich notwendig ist, dass man sich da in entsprechenden Count erstellt und dass man sich dann überlegt, in welcher Kategorie macht das Ganze Sinn, dann das Sempel einspricht, dann eben auch das Clean-up macht oder machen lässt, Mastert oder Mastern lässt. Und dann lebt man das Ganze hoch auf diesem Plattform, vergibt da eine Beschreibung, also ein Titel dieses Voice Clones, der wählt auch eine Kategorie aus, in der das dann sinnvoll ist, in der man das gesprochen hat und reicht das dann zur Überprüfung ein. An das Team und nach erfolgreicher Überprüfung landet das dann in der öffentlichen Library. Ja und ist dann ab diesem Zeitpunkt tatsächlich monetarisiert. Okay, wenn wir über Monetarisierung sprechen, was kostet mich das als jemand, der seine Stimme klonen will und was kostet es den Endkunden? Also als Voice Ector kostet mich das Ganze, wenn wir jetzt über die Plattform sprechen, also über Levenlabs kostet mich das 22 Dollar im Monat. Das ist der Greater Plan, indem habe ich dann eins lot-frei, indem ich einen professional Voice Clone erstellen kann für die öffentlichen Library. Und die Vergütung beträgt dann, die ist auch dynamisch, das wäre jetzt dann auch zu technisch da in die einzelnen Modelle einzusteigen. Aber der liegt dann zwischen 1 und 3 Dollar Cent pro 1000 Zeichen. Und was kostet das, wenn ich das Ganze buche, das liegt dann auch hier nachdem, welcher Kunde das ist, zwischen 10 und 30 Cent pro 1000 Zeichen. Das entspricht zu etwa 1000 Zeichen, um Gefühl dafür zu kriegen, wie viel ist das denn jetzt eigentlich? Das ist dann eine Minute Audio für ein Cent. Das hört sich tatsächlich in Anfangs ziemlich mage an. Aber wir sprechen hier von System, die 100 oder 1000fach multipliziert werden und simultan funktionieren. Und da sind wir dann in Bereichen, wo ich dann auch sagte, es gibt einen neuen Markt. Und der hat eigentlich in vielen Bereichen wenig Gemein mit dem klassischen Voice-Ektigen, wenn wir zum Beispiel über Agentenlösung sprechen. Und wo ich dann in meinem Fall in einem mittleren vierstelligen Bereich bin, also passive Einnahmen durch Bereitsstellung dieser Clones. Ja, und das ist natürlich sehr heftig. Da reden wir ja über massive Nutzung deiner Clones, wenn du so viel Geld bei eigentlich so wenig, was man kriegt, 1000 Zeichen. Das ist ja, das springt meinen Vorstellungsrahmen tatsächlich schon. Ja, also das geht mir nicht anders, wenn man mal versucht, umzurechnen. Wie viele Minuten Audio sind das denn dann eigentlich? Und dann weiß man an der Stelle, da ist also jetzt nie so das mal gemacht? Nein, also ich habe es jetzt nicht mit dem Taschen, ich habe zwischenzeitlich mal gemacht, aber das ändert sich dermaßen häufig und ist auch extrem volatil. Vor allem, weil ich ja so eine hohe Anzahl von Voice Clones habe und mir jedes Modell einzeln angucken muss und letztendlich hab ich den Taschenrechnal dann beiseite gelegt und hab gesagt, das ist ja, also es ist natürlich dann für meine Begriffe dann ganz angenehm. Was dann dabei rauskommt. Das ist klar, aber wo wir das dann dann eingesetzt, also das sind keine Systeme, also das sind Systeme. Und das ist niemand der da manuell das Text fällt befüllt, um 9 Trailer zuerstellen. Und dass wir zwar auch geben, es gibt natürlich die Nutzung über die Web-Oberfläche. Aber tatsächlich hängt die massive Nutzung zusammen mit der Integration in Call Agents. Okay, ja, das war ja jetzt schon alles ziemlich technisch. Ich würde mal mehr so in die Brobrig Angst, aber auch Chancen gehen. Was würdest du jetzt sagen, warum haben viele Speicher und inklusive mir Angst eher vor Voice-Clawing? Ja, das hat viele Gründe, denke ich. Also, wenn ich jetzt mal in Anfungszeichen Voice-Clawing sprechen, Karriere zurück, Blige, dann habe ich ja keine, die da vorstand, wo ich im Prinzip mir selbst Konkurrenz machen mit einem Voice-Claw. Das heißt, wenn ich also in diesem Bereich etabliert bin, dann kann ich den Gedanken natürlich gut nachvollziehen zu sagen, wenn, also, erstmal ist der Anspruch natürlich, den Clone gut zu machen. Und wenn er aber gut ist, mache ich mir dann selbst Konkurrenz und löse mich ab, dass der potentielle Kunde von morgen möglicherweise mein Clone benutzt, anstatt meine echte Stimme zu bochen. Das ist schon mal Punkt eins. Das Zweite ist natürlich der Punkt, keine Kontrolle zu haben über die Inhalte, die damit generiert werden. Das war gefühlt esmäßig für mich auch zum Punkt, am so ziemlich am Anfang, wo ich dachte, also Stimme hat ja auch, also ist ja nicht ganz losgelöst von einem Selbst, das ist ja Teil der Identität. Und kann man es dann verantworten oder tragen, dass da Inhalte erstellt werden, mit denen man mitunter vielleicht gar nicht so einverstanden ist. Ich selbst habe das so relativ schnell verloren, die sagen es davor. Gar nicht, weil man dann dickes Fell bekommt, sondern weil man ein anderes Verhältnis dazu bekommt. Also jemand, der mein Voice-Claw und verwendet für Inhalte, mit denen ich mich nicht identifizieren kann, mit denen identifiziere ich mich nicht automatisch selbst. Also er ist verantwortlich für diese Inhalte. Das kann man in etwa so verstehen, wie jemand der Musikinstrument baut und die Lieder, die darauf gespielt werden, das ist dann seine Angelegenheit. So ungefähr würde ich das so emotional beschreiben. Das war tatsächlich am Anfang so, noch die Sorge davor. Das hat sich dann aber tatsächlich gelegt. Und ich bin natürlich auch schon auf Inhalte gestoßen, wo ich sagen muss, das hätte ich nicht gesprochen und das ist definitiv nicht mein Fall. Aber es hat mich auch nicht wirklich so sehr gestört. In Bezug auf die Angst, die ich da ursprünglich mal vor hatte. Aber du kannst das nachvollziehen, dass die Leute das mit Vorsicht beugen, sage ich mal. Ja, selbstverständlich. Also gerade vor diesem Hinterguchen, dass man da die Kontrolle drüber behalten möchte. Und da gibt es ja auch einen Ansatz, der genau in diesem Bereich geht. Da gibt es eine noch richtig junge Plattform, Krispy Voice, ein Specherplattform aus der Schweiz, die genau diese Möglichkeiten einräumt. Also ich bin dort auch vertreten, habe dort jetzt auch ein Voice clone und die Plattform bietet also Specherinnen und Specher die Möglichkeit über das Backend tatsächlich auch Kontext einzugrenzen. Also beispielsweise, ich bin vegetarierend möchte, dass meine Stimme nicht verwendet wird für Fleischprodukte in einer Werbung. Dann kann ich das dem Modell sagen und dann wird meine Stimme dafür nicht verwendet werden können. Das andere ist die Vergütung, die kann ich dort als Specher auch selbst festlegen. Wie das im Markt tatsächlich dann ankommen wird, das muss ich zeigen, aber ich finde den Ansatz auf jeden Fall super. Das ist da hier auch Möglichkeiten oder Unternehmung gibt, die genau das bedienen, gerade was halt auch die Problematik von vielen Specherinnen und Spechern ist. Ja, das habe ich vorher jetzt auch noch nicht gehört, finde ich aber auf jeden Fall schon mal einen guten Ansatz, weil eben genau das auch ein Riesending ist, dann eben seine Stimme vielleicht mit, wenn man kriegt, dann auch auf dem Konton mit, wenn man dann auch scheiße, irgendwas hat mich gerade viel gebucht und dann hört man sich vielleicht irgendwo oft und dann denkt man sich super, damit wollte ich jetzt aber eigentlich das finde ich halt ist ein Riesen-Riesen-Thema und wenn das natürlich da zumindest mal von den Erzählungen her eingrenzbar ist, wo man sagt, dafür ist es okay, dafür nicht. Wir reden ja auch politisch und so, das ist ja auch so ein Ding. Hat man Bock irgendwie auf der nächsten AfD-Parteifersammlung da irgendwie eine Intro rein zu sprechen, obwohl man es ja gar nicht gemacht hat, aber deswegen, also das ist auf jeden Fall Crispy Voice hast du gesagt heißt es? Ja, genau. Okay, was kostet das da? Da gibt es auch verschiedene Modelle. Ja, also wir haben das ja jetzt mal beide hier in Absprache miteinander geöffnet, also den Punkt mit den Preisen da gibt es eine Übersicht, da Crispy Voice den Quarplan, den Manageplan und den Premiumplan. Unigaziert das Modell einzeln zu erklären, gibt es verschiedene für und wie das und auch zum Beispiel auf der, in dem einmodell mehr Umsatzbeteiligung, in dem anderen Modell weniger, dafür ist er teurer und so weiter, aber da ist der Plan Crispy Voice Managed, der in dem man im Prinzip auch ein Sample bereitstellt und die Plattform sich daum alles kümmert, also den Voice-Clone erstellt und dann in the library gibt, man bekommt dann ein eigenes Backend mit diesen Möglichkeiten halt inhalte zu filtern, aber auch Preise selbst zu bestimmen, eigene Samples bereit zu stellen mit einer eigenen LendingPage. Und wie gesagt, also auch wenn die Plattform Jung ist es natürlich, dass der Bereich, der eben das Bedürfnis der Sprecher abholt, also wie ich das aktuell so wahrnehme, in der, ich sag mal, in der Sprecherbappel, was da noch eigentlich der gewöße Hemmschu ist, warum man jetzt kein, kein Voice-Clone erstellen möchte. Ja, ich sehe, ich sehe die Sachen hier, die bieten ja sogar an, dass du einmalig was bezehlt, und dann das Mix und Mastern auch dabei ist. Das Crispy Voice ist bearbeitet. Ja, genau, also in dem in diesem Plan bietet Crispy Voice eben genau das an, das Clone ab und das Mastering dann zu übernehmen, das ist die Arbeit, die man dann eben sonst selbst machen müsste, wenn man es denn selbst beherrscht. Also nicht jeder, nicht jeder Sprecher macht ja auch, macht ja auch das Editing, oder gibt es mit unter ab. Und so habe ich es dann ja auch in der Vergangenheit häufig gemacht. Ich habe natürlich auch selber Spuren bearbeitet, habe sie aber auch abgegeben. Zum Beispiel, über Glentschiele haben wir auch schon gesprochen, dass es auch ein Feld, indem er dann solche Leistungen anbietet, aber hier ist es dann eben in dem Paket mit drin. Und ja, da kann man sich dann eben auswählen, was einem da am besten zusagt. Interessant auf jeden Fall, auf jeden Fall, einer Idee, die auf jeden Fall darauf sitzt, dass man auch irgendwie noch seine Kontrolle behält, zumindest in einem größeren Umfang, als es jetzt zum Hören jetzt bei Lebbendapsis für mich, jetzt als Leih im Voice Cloning. Ja, siehst du irgendwie beim Voice Cloning auch Chancen für Sprecher und also wird es mehr Sprecher Jobs zu stören oder einfach nur verändern. Also, nach all dem, was ich jetzt mitbekommen habe, in der letzten Zeit hat das Voice Cloning ja die Sprecher-Bongen schon bereits massiver verändert. Also ich höre aus vielen Ecken, dass es ja bereits massiven Rückgang gibt, was die Nachfrage angeht. Insofern ist die Frage, diese Frage ja eigentlich schon beantwortet und dann bleibt ja noch übrig, was macht man denn denn noch daraus? Das eine wäre wirklich ein Alleinstellungsmerkmal zu finden, wo man wirklich etwas ja so spezielles hat. Präziesprich ich da aber auch über AAA-Kunden oder Bereiche, in dem man dann festetabiliert ist und das trifft ja, ich sag mal, auf den eher marginalen Teil der ganzen Sprecher-Landschaft zu. Das andere wäre eigentlich, wenn ich mich dazu entscheiden, Voice Cloning zu machen, dann könnte ich durch einen machen, der meine Modell gar nicht konkurrenz macht. Das wäre zum Beispiel eine Charactersweis, wenn ich normalerweise keine Characterspreche, dann könnte ich zum Beispiel eine Charactersweis erstellen. Dann wäre das eine Erweiterung oder in diesem Bereich Conversational speak, zum Beispiel dieses agentische Telefonieren, also Conversational style, wo ich im Prinzip auch nicht mein bisherigen Markt doppelt bediene. Das wäre eigentlich so die Idee dahinter, die ich jedem Raden würde, der sowieso schon fest etabliert ist, sich aber fragt, wer das jetzt ein Zusatz für mich. Eine Frage, die mir noch irgendwie jetzt gekommen ist oder mich beschäftigt ist, deswegen gehören jetzt eigentlich so eine geklonte Stimme rechtlich. Ja, natürlich gehört mir meine Stimme selbst und in dem Fall gibt es ja auch ein Vertrag mit der Plattform, was die Monitarisierung anbelangt. Es ist aber so, dass die Inhalte, die jetzt einmal generiert worden sind, an der Stelle nicht noch unter einer besonderen Lizenz stehen, dass sie dann langfristig in einem bestimmten Modell vergültet werden müssen, das heißt, was einmal generiert worden ist, ist dann generiert und auch abgegeben. Das ist praktisch ein Beihaut, das ist dann gekauft. Allerdings gilt, das ist jetzt noch eine Besonderheit bei 11 Labs. Es gibt eine Laufzeit. Wenn ich mich dazu entscheide, meine Stimme in die Library zu geben, dann kann ich sagen, ich kann jederzeit aussteigen. Also wenn mir das nicht mehr passt, dann verlasse ich die Plattform und bin raus und stelle also meine Laufzeit auf null Tage. Ich kann aber auch sagen, ich erhöhe diese Laufzeit und garantiere nutzan meiner Stimme, diese für die eingestellte Laufzeit zu benutzen. Beispiel 2 stellt ich dann 2 Jahre ein. Das bedeutet, ich würde mich dann eines Tages dazu entschließen, ich möchte meine Stimme nicht mehr auf der Plattform haben, dann kann ich die auch aus der öffentlichen Library runternehmen, diejenigen, die sie aber mindestens einmal benutzt haben, haben diese Laufzeit-Gerantie von ab dann noch 2 Jahren, die ich einmal eingestellt habe. Das macht natürlich Sinn für langfristige Projekte, wenn ich also irgendeine Kampagne habe und arbeite jetzt mit einer festen Stimme und von heute auf morgen entscheide ich mich nicht, ich will nicht mehr. Müste er sich in und umständigen Gedanken machen, alles neu zu produzieren. Von daher ist diese höhere Laufzeit auch höher verkühltet. Da gibt es einen gewissen Faktor. Entsprechend habe ich sie auch so eingestellt. Ja, aber dessen muss man sich dann bewusst sein, wenn man auf diese Plattform geht, dass das generierte Material raus ist und die eingestellte Laufzeit eben für alle Kunden gilt, die einmal benutzt haben. Okay, ja, das war ja auch mal ein guter Einblick. Ich würde gerne mal noch in die Zukunft schauen wollen, auch wenn wir das natürlich ohne Glaskugel schwer können, aber ich meine einfach mal so einfach deine persönliche Meinung zu sehen, wo denkst du, ist die Technologie des Voice Clonings und der KI in 5 Jahren? Also ich habe schon bei ein Druckende Agents gesehen. Also wir haben ja über Voice Agents heute gesprochen und auch wie unpersönig das mit unter sein kann. Es gibt aber auch Anbieter wie zum Beispiel Sisami.com, die arbeiten aktuell an Agents, die dermaßen authentisch reagieren, dass man fast das Gefühl hat, mit einem Menschen zu sprechen. Also es fand ich schon sehr erstaunlich. Das heißt, dann geht die Frage gar nicht so sehr in die nächsten 5 Jahre oder die vielleicht dann impliziert, ja, wann wird das tatsächlich dann nicht mehr erkennbar. Ich glaube da sind wir je nach Anwendungspfall auch schon früher dran. Ich glaube auch, dass das Bereich Werbung, also automatisiert wird in vielen Fällen und trotzdem wird ein Markt übrig bleiben und das auch zurecht, dass ich sag mal so das letzte Quenchen so ein Qualität und Authenticität dann noch herausholen will. Da red ich jetzt über Premiummarken und nicht über den den lokal Spot von nebenan. Ich denke so, dass so Felder werden tatsächlich automatisiert werden und das andere große Feld, wo wir gesprochen hatten, also die Synchronisation. Da belast ich es mal weiter Glascougle, denn da gibt es Bestrebungen, aber das ist nicht mein Feld. Also da weiß ich nicht, wie es aussieht. Natürlich gibt es mit diesen Netflix-Fatregen, da die Bestrebungen massen Trainingsdaten zusammen, wobei es hier auch gar nicht um Voice-Cloning an sich geht, sondern erst mal um Trainingsdaten um ein großes Modell zu trainieren. Wie gut das dann letztendlich wird oder nicht, kann ich nicht abschätzen derzeit. Aber so die ersten beiden Bereiche, die ich genannt habe, so das ist so, das, was ich sehe, dass das ja in schon nahezukunft und auch vor fünf Jahren schon bereits Realität werden wird. Okay, ja, sehr schon mal auf jeden Fall ehrlich gesagt erschreckend auch da. Tatsächlich aber, also glaubst du, dass dann auch große Studios vielleicht irgendwann komplett auf echte Spracher verzichten? Nein, also ich glaube große Studios werden nicht auf echte Spracher verzichten, denn genau das bedeutet ja ein großes Studio zu sein. Denn wenn ich nicht mehr auf echte Spracher zurück greifen muss, sondern nur noch auf KI, dann sprechen wir letztendlich nicht mehr von Studios, sondern da geht es um die reine Umsetzung. Also ich bin schon der Meinung, dass dieses Feld das professionellen Voice-Ector, also immer weiter bestehen wird. Aber es gibt so viele Fälle in denen da der Endkunde im Prinzip auch Lösungen sucht nach "Ich will das jetzt sofort", also Automatisierung und in echt Zeit, dass tatsächlich ja einiges hinten rüberfallen wird. Aber hier geht es für mich auch nicht im Sinne von ersetzten, sondern ohne Werbung dafür machen zu wollen. Aber kann ich davon auch profitieren? Und da muss ich jeder meiner Meinung nach selbst die Frage stellen, ob er daran teilhaben will, ob er dazu bereit ist, das auszuprobieren, in diesen Markt hineinzugehen, um seine Stimme auch für solche Anwendung bereitzustellen. Okay, dann gehen wir noch mal kurz ins menschliche. Ich habe auch nicht mehr so viel auf dem Zettel hier, aber welches gilt es werden für die echten Spracher jetzt umso wichtiger, was meinst du? Ja, welches, welches Skills. Tatsächlich ist natürlich dann die Herausforderung, wenn man sich ja in diesem Feld durchsetzen will, also mit der KI, dann allein stillungsmerkmal zu finden und das können ja verschiedene Sachen sein. Grundsätzlich glaube ich, ist das tatsächlich auch die Kommunikation und die Zusammenarbeit mit dem Kunden und auch vielleicht auch Überzeugungsarbeit. Also auch nicht nur zu erklären und auch zu zeigen und sichtbar zu machen, warum wirklich echtes, sprechen, echtes Sprecherarbeit, besser geeignet ist als eine KI-Lösung. Das muss sie dafür sich selbst wissen in seinem Feld, wie er das anstellt, aber ich denke, da hat ja jeder so seine Qualität, ja, dem Kunden auch gegenüber darstellen und zeigen kann und das ist ja nichts anderes als Akvise, um einen Job überhaupt zu bekommen. Die Argumentation, wie kann ich ihn halten? Ja, das ist glaube ich so der Bereich. Ja, dann würde ich praktisch gerne noch mit einer letzten Frage dieses spannende Thema mehr oder weniger erst mal abschließen und zwar sollte man sich jetzt eher auf etwas spezialisieren, wenn man jetzt einen Voice-Clown macht oder sich eher breiter aufstellen, was ist deine Meinung nach effektiver oder sinnvoller. Also der Erfahrung nach würde ich jetzt jemanden raten eine Kategorie auszuwählen, wenn er sich denn dazu entschieden hat, ein Voice-Clown zu erstellen, dann wäre das sicherlich zwei. Das eine wäre narrative and story, also ein erzählerischer Stil, das ist eine Kategorie mit regelmäßig hoher Zeichenutzung und das andere wäre ein Conversational-Stil. Also eine Natur Unterhaltung, die Art und Weise, wie man als Supportagent, als Telefonist, als Mensch mit jemandem anderen auf natürliche Art und Weise spricht. Das wäre die Art von Voice Acting, von Sample, die sicherlich am vielversprechendsten wäre meiner Meinung nach derzeit, wenn man so eine Plattform mal ausprobieren möchte. Und ich möchte auch gerne mal noch verweisen auf die PVPA. Das ist ja, das ist im Prinzip eine Allianz professioneller Specher, die sich zusammen geschlossen haben. Das waren Initiative, die das haben wir gegründet und geht ursprünglich auch auf Bernatisch-Schert zurück, der ja auch seine Format hat, also Chill mit Cooper und Cooper Internationell, wo wir auch damals dann kontakte knüpft haben und uns gefragt haben, wie können wir als Specher, die zum A interessiert sind an Voice Cloning, also A oder B, aktiv schon Voice Clones betreiben, wie können wir da miteinander kommunizieren. Und da haben wir eben ja diese Allianz, das ist eine Plattform, da kann man sich auch online anbilden, überlinkt, ist es auch zu finden, die PVPA, wo wir uns regelmäßig austauschen in Zoom-Calls, wir haben ja auch unseren Chat-Kanal und kommunizieren auch über das Slack, wo wir jetzt ja nicht als ich sag mal gegen Proel, gegen über den Plattformen auftreten, im Sinne einer Gewerkschaft, im Gegenteil, wo wir im Prinzip ja eine Masse bilden, von Spechern, die zwar auch Interessen vertreten, aber natürlich auch ein Gewinn sind, weil wir, ja indem wir unsere Erfahrung untereinander austauschen, den Plattformen gegenüber auch was zu bieten haben, also unsere Qualität ganz klar steigern und auch in Absprachen untereinander, wie geht man jetzt zum Beispiel mit Fall X Y um, wenn es dann zu Portfall gibt, dann wissen wir im Prinzip alle schon miteinander bescheid, wie wir in Zukunft damit umzugehen haben, ohne dass das Ganze 80 mal nochmal erneut an die Plattform geht. So, das ist eben da eine Zusammenkunft, die sich da gebildet hat und da auch die Einladung an die Chiden, der sich dafür interessiert, da einmal über die PVPA sich anzumelden, kostet auch nichts ohne jegliche Verpflichtungen, aber da ein gemeinsame austausch miteinander. Ja, perfekt, das ist doch super, weil im Endeffekt hatte ich jetzt noch vor, dass du sagst, was möchtest du den Hörern mitgeben, dann macht auch einfach mal noch kurz Werbung in eigener Sache, wenn jetzt jemand noch explizite Fragen hat und würde gerne dich fragen, wie kann er auf dich zukommen? Ja, das kann natürlich natürlich über Link in tun, da bin ich ja zu finden und meinem Namen ansonsten auch einfach wie schon erwähnt, dann über die PVPA und dann wird eine Einladung geben zu einem WhatsApp-Schet, zu einem Slack-Kanal und den regelmäßigen Zoom-Meetings, wo wir uns über genau diese Fragen austauschen miteinander und ja, das wäre so das, was ich an der Stelle jedem mitgeben würde, der der Interesse hat im Bereich Voice-Cownie. Wunderbar, dann bedanke ich mich erstmal ganz herzlich im Namen aller, die das heute gehört haben, dass du dir die Zeit genommen hast, uns da mal in deine Welt mit eintauchen zu lassen. Ja, ist der Kauch für den Austausch heute, miteinander, fand ich sehr spannend. Ja, für dich, du hast ja praktisch für dich nichts Neues, er erzählt, aber für uns ganz neu ist. Ja, und es war auf jeden Fall mehr wert und dass du dir die Zeit genommen hast, da wie gesagt ist nicht selbstverständlich und deswegen noch mal ein Community-Dankeschön an dich. Sehr gerne. Das viel Dank. Das viel Zeit genommen hast und uns da bestmöglich gerade mal einen großen, schönen, runden Einblick gegeben hast. Vielen Dank. Ich danke auch. Super. Und ja, wenn ihr, wie gesagt, wenn ihr mit Christian irgendwie in Verbindung kommen wollt, weil ihr noch Fragen habt oder das es vielleicht auch angehen möchtet, dann kontaktiert ihn, hat euch jetzt genug Möglichkeiten gesagt und deshalb endet diese doch sehr interessante und wissenswerte Sendungen oder ich sag mal Folge. Genau hier mit den Worten Ciao bis zur nächsten Folge. Das ist klar. Vielen Dank und bis dann. Ciao. Ciao.