Voice Cloning
Beim Voice Cloning spricht ein Text-to-Speech-Modell mit der Stimme einer bestimmten Person, oft auf Basis von nur wenigen Sekunden Aufnahme.
Zero-Shot-Cloning braucht kein Training: Sie geben dem Modell einen kurzen Clip, etwa drei Sekunden, und es imitiert diese Stimme für neuen Text. Manche Modelle bieten auch Voice Design, bei dem Sie eine Stimme in Worten beschreiben. Die Qualität hängt vom Clip ab, am besten funktionieren saubere Aufnahmen einer einzelnen Person.
Die Stimme einer anderen Person ohne Erlaubnis zu klonen kann gegen das Gesetz verstoßen und Betrug ermöglichen – nutzen Sie also nur Stimmen, an denen Sie Rechte haben. Manche Projekte fügen ihrer Ausgabe ein unhörbares Wasserzeichen hinzu, und Lizenzen können Identitätsmissbrauch verbieten oder das Modell auf nicht-kommerzielle Nutzung beschränken. Lesen Sie beides, bevor Sie ein Produkt auf einem Cloning-Modell aufbauen.
Verwandte Begriffe
- Text-to-Speech (TTS) Text-to-Speech-Modelle verwandeln geschriebenen Text in gesprochenes Audio, und viele können eine Stimme aus einer kurzen Stichprobe kopieren.
- Nicht-kommerzielle Lizenz Eine nicht-kommerzielle Lizenz erlaubt die Nutzung eines Modells für Forschung, Studium und private Projekte, aber nicht, damit Geld zu verdienen.