Motivation
In der heutigen Medienproduktion werden viele Ressourcen dafür aufgewendet, dass Beiträge zunächst produziert und anschließend in diversen Fassungen für unterschiedliche Plattformen weiterverarbeitet werden, etwa als Kurzvideos auf TikTok und Instagram oder als Postings auf LinkedIn. Dieser Prozess unterscheidet sich für jeden digitalen Kanal und erfordert oft eine weitgehend manuelle Anpassung von Inhalt und Optik sowie eine vollständige Neuvertonung.
Ziele und Vorgehen
GEISST hat das Ziel, einen Generator für „emotional individualisierbare Synthetik-Stimmen“ zu entwickeln. Dieser soll Medienunternehmen in die Lage versetzen, die für die Umgestaltung eines Beitrags erforderlichen Sprachaufnahmen mittels individueller Stimmprofile und frei wählbarer Tonalität sowie Emotionalität automatisiert zu erstellen. Die dafür benötigten wissenschaftlichen und technischen Arbeiten konzentrieren sich insbesondere auf KI-basierte Signalanalyse und Sprachsynthese. Die entwickelten Technologien werden in einem Demonstrator zusammengeführt, der anschließend mit dem assoziierten Projektpartner AUTO BILD evaluiert wird. Darüber hinaus werden ethische und rechtliche Aspekte sowie gesellschaftliche Auswirkungen und Risiken der Technologie beleuchtet, darunter die Gefahr durch Missbrauch von synthetisierten Stimmdaten und die Rolle des Vertrauens in die Medien.
Innovationen und Perspektiven
Die Ergebnisse des Vorhabens sollen einen wesentlichen Beitrag zur effizienteren Gestaltung von Medieninhalten leisten. Neben den Anwendungen im Medienbereich können die entwickelten Technologien auch in anderen Branchen eingesetzt werden. Denkbar ist ein Einsatz in der Medizin, etwa als Stimmprothese bei krankheitsbedingtem Stimmenverlust, oder in Form intelligenter Assistenzsysteme in verschiedenen Konsumentenbereichen. Zudem kann die ethische und rechtliche Bewertung des Vorhabens als Referenz für weiterführende Projekte dienen.