Auf einen Blick
Künstliche Intelligenz verändert fundamental die Art und Weise, wie wir arbeiten. Auch im Bereich Marketing werden dadurch neue Optionen eröffnet und viele Prozesse einfacher. Beispielsweise ist es mit künstlicher Intelligenz möglich, einen schriftlichen Text in auditive Sprache umzuwandeln. Diese Text-to-Speech (TTS)-Funktion kann unter anderem zur kostengünstigen Erstellung von Audiodateien für Radiowerbung oder Telefonansagen genutzt werden. Die sprachliche Wiedergabe von Website-Texten hilft zudem Menschen mit einer Leseschwäche oder einer Sehbeeinträchtigung und trägt damit zur Inklusion dieser Personen bei.
Nicht zuletzt wird auch das Hinzufügen einer Tonspur zu einem Video erleichtert. In diesem Fall kann zusätzlich eine sprechende Person, ein sogenannter „Avatar“, von der KI generiert werden. Dieser spricht den Text augenscheinlich wie ein realer Mensch, indem er angemessen gestikuliert und seine Lippen passend bewegt.
Online-generierte TTS-Avatare
Für die praktische Umsetzung müssen Sie kein Softwareexperte sein. Es gibt zahlreiche Anbieter von Online-KI-Anwendungen, die ohne Vorkenntnisse und sehr intuitiv genutzt werden können. Aber es gibt Unterschiede bezüglich der Qualität der generierten Audio- oder Videodateien. Um das best möglichste und realistischste Ergebnis zu erzielen, bei dem kaum noch zwischen einem realen Menschen und einer KI unterschieden werden kann, ist die richtige Auswahl des KI-Tools entscheidend. Um Ihnen bei dieser Entscheidung zu helfen, haben wir einen Vergleich zwischen den folgenden fünf Online-Anbietern durchgeführt:
In unserem Vergleichsvideo spricht die KI den von uns vordefinierten Text und generiert außerdem einen menschlichen Avatar, der seinen Mund möglichst lippensynchron bewegt. Bei vielen Anbietern werden zusätzlich die Augen, der Kopf oder sogar der Oberkörper bewegt und passende Gesten mit den Armen und Händen vollführt, um einen natürlichen Eindruck zu vermitteln. Achten Sie in dem Video darauf, ob die Gesten an den passenden Textstellen vollführt werden, ob die Bewegungen natürlich wirken und ob die Lippenbewegungen synchron zum Text sind.
Benutzerdefinierte Avatare
In allen Fällen kann zwischen verschiedenen weiblichen und männlichen Avataren ausgewählt werden. Auch bei der Sprechstimme stehen mehrere Optionen zu Auswahl, die sich zum Beispiel hinsichtlich Tonlage, Betonung und Alter der sprechenden Person unterschieden. Auch die Sprache sollte für den jeweiligen Text passend ausgewählt werden. Englische Texte liefern meist bessere Ergebnisse, aber in diesem Fall wollen wir uns explizit auf den Vergleich auf Deutsch konzentrieren. Bei quasi jedem Anbieter ist es aber auch möglich, den Text direkt in eine andere Sprache übersetzen und vertonen zu lassen. So kann innerhalb kürzester Zeit das gleiche Werbevideo für verschiedene Zielgruppen in verschiedenen Sprachen produziert werden.
Lebensechte KI-Stimmen
Bezüglich der Sprache sollten Sie sich in dem Vergleichsvideo auf die Betonung, Sprechpausen, Sprechtempo und die korrekte Aussprache der Wörter konzentrieren. Insbesondere bei eingedeutschten Begriffen, die ursprünglich aus dem Englischen stammen, werden diese manchmal fälschlicherweise englisch ausgesprochen, obwohl sie sich in einem deutschen Text befinden. Auch bei Abkürzungen oder Akronymen entstehenden gelegentlich Fehler.
Preisgestaltung der KI-Tools
Die meisten Anbieter dieser Online KI-Tools bieten ihre Dienste nicht vollständig kostenfrei an. In der Regel ist es notwendig, ein monatliches Bezahlabonnement abzuschließen. Jedoch kann meist ein kostenloser Test der Grundfunktionen durchgeführt werden. Dabei ist allerdings die Auswahl an Avataren, der Sprechstimmen und die Videoqualität eingeschränkt. Außerdem wird das Video meistens mit einem Wasserzeichen versehen und es sind nur relativ kurze Animationen mit wenigen Wörtern oder wenigen Sekunden Dauer möglich.
In unserem Vergleich konnten uns besonders die Anbieter Heygen und Vidnoz überzeugen. Welcher ist Ihr Favorit?
