Bei Stimmen wird die KI zwar irgendwann Betonungen können, aber nie
Selbstverständlich wird sie (leider) alles das können, von dem wir heute denken, das wird aber
nie nie niemals passieren.
Der Unterschied, weswegen wir das so ein bissken anders sehen ist, das wir älteren Säcke (wie auch Bernie als noch älterer Sack) die Entwicklung der Sprachsynthese ja nun nicht erst mit Aufkommen der KI erlebt haben.
Ganz besonders, wenn man dann auch anwenderspezifisch mit drin steckt- und es nicht nur tangiert von Außen betrachtet.
Als z.B. ich 1986 mit u.a. einem Emax-I HD/SE Sampler mit der Musik anfing (und natürlich auch Kraftwerkfan war) interessierte mich vor allem auch die resampelnde Synthesefähigkeit (SE) des Emax, mit welcher man allerlei Vocoder-ähnliche Effekte auf gesampelte Stimmen erzeugen konnte, die sich homogener als auch futuristischer anhörten, als S.A.M.
Natürlich hatten alle geglaubt, das TTS-Sprachcomputer wie SAM&Co eines Tages in der Lage wären, mit einer wirklich menschlich klingenden Stimme zu sprechen.
Explizit in der Musik hellhörig werdend, als aufkommende Software auch noch zu singen anfing und Yamaha mit ihren Vocaloids dann auch die Spitze der Entwicklung war.
Aber nie nie niemals hätten wir auch nur annähernd im entferntesten Traum daran gedacht- wozu eine Entwicklung names KI mal in der Lage wäre... sei es in der Musik, Grafik, Video, Animation. Das war bestenfalls spinnerter SciFi einer Star Trek Episode.
Natürlich haben wir nicht über die Konsequenzen bzgl. Arbeitsplätze in diesem Ausmaß nachgedacht, bzw. dürften das nur die Allerwenigsten getan haben, die ein bisserl weiter über den Horizont geschaut haben, als das nur (physische) Industrieroboter Arbeitsplätze abschaffen.
Die Diskussion, die heute mit KI und Stimmenklau und arbeitslosen Synchronsprechern etc. geführt wird, ist für uns wiederum gewissermaßen ein alter Hut.
Damals war es die nahezu ähnliche Diskussion mit großem Geschrei, das mit dem Aufkommen von Sampler & Computer, Musiker arbeitslos werden würden- explizit Orchestermusiker (Damals war man noch weit weit von der Qualität entfernt, die erst KONTAKT-VSTi`s mitbrachten, aber diese Prophezeiung zwei Dekaden später eintraf).
Als mein kommerzieller Vetrieb mir vor ein paar Jahren die Pistole auf die Brust setzte, hat sie uns Composer vor die Wahl gestellt:
"Hört mal, da ist KI-Technologie auf dem Vorsprung und ob es uns gefällt oder nicht- sie wird den Markt zunehmend dominieren und die fetten Zeiten von Exklusivaufträgen werden vorbei sein. Den Vorschlag den ich euch machen möchte wird bedeuten, dass ihr an eurem eigenen Ast sägen werdet, aber andererseits wird durch die Entwicklung gerade am ganzen Baum gesägt !"
Fazit der Geschichte war, dass unser Backkatalog zum KI-Training lizenziert wurde (u.a. um auch SUNO zu trainieren), um damit noch `ne Zeit lang gutes Geld zu verdienen, denn KI-Training war (und ist) die aktuelle Goldgrube.
Klar waren wir nicht begeistert, aber wenn man auf seinen Kontoauszug schielend ersah, dass du mit deinem eigenem Package von 800 Titeln nur noch durch Tantiemen verdienst... dann siehst du mehr als nur die Grundlage deines Einkommens flöten tröten, sondern du stellst den Sinn deiner Ausbildung und Lebenswerk in Frage.
Und wenn ich nun auch sehe, dass mir das gleiche Schicksal im Hobbybereich blüht...
Und nun bezüglich deines Einwands:
Bei "Emotion", bzw. Dynamisierung von Sprache- und Sprachmodellen der KI, sprechen wir nur noch von Modifikationen.
Die Technologie dafür ist längst vorhanden.
Die Samples mit der die Modelle gefüttert wurden, sind ja nun nicht brüllend, weinend, wütend, ängstlich etc. vorgenommen worden, sondern im Sinne einer Moderationssprache.
Die nächste Stufe wird sein, die Modelle mit neuen "Emotion-Samples" zu füttern, um auch Postedit die Stimmen "spielen" zu lassen.
Das ist ja nun kein Ding.
Ich denke, wenn Menschen es nicht anfangen groß zu konsumieren, wird das Zeug genauso schnell wieder gehen, wie's gekommen ist.
Dieser Tsunami technologischer Entwicklung, der rollt doch nicht erst seit gestern auf uns zu, sondern seit Jahrzehnten schon.
Es ist dabei völlig unerheblich, ob das nun explizit "KI" heißt (ist auch nur Software) oder "Hexenwerk" explizit durch jedwedes verfügbares Endgerät in die Kinderzimmer, Klassenräume, Wohnzimmer, Büros kolportiert werden... sei es Internet, Handy, Tablet, PC, TV & Co.
Die Generation heute- und somit die Anwender als auch Verbraucher von heute und ganz besonders von morgen, wachsen mit der
Selbstverständlichkeit der
Verfügbarkeit dieser Technologien und Technologiebezugs auf.
Die Begehrlichkeiten sind schon lange erweckt worden und sie werden zu Abermillionen konsumiert und Abermillionen generiert- alleine nur in dieser Minute.
