Klonen von Stimmen

Okay, ich habe mir das jetzt nicht ganz angehört, aber, ähm, Tonio, ja, das geht, aber, das ist immer noch, diese klonte Stimme hat erstmal eine sehr kompakte Redensweise und eine sehr TTS-like Redensweise. Und dieses Eleven Labs und alle anderen möglichen AIs, die man heutzutage hat und die nicht irgendwie 999 Euro kosten oder 99 oder was auch immer, die regenerieren das ja immer anders. Also, okay, man könnte sich jetzt überteuerte Akapelle-Dings holen, aber, wie gesagt, erstmal wäre es nur deine eigene Stimme, du müsstest 100.000 Sätze einsprechen. Also, gefühlt, und du brauchst auch, denke ich mal, ein einigermaßen vernünftiges Mikrofon, damit das was wird. Und, ähm, und, das sagt dann halt schon bestimmte Dinge so, wie es einprogrammiert ist, also du kannst nicht einfach regenerieren und dann, wupp, sagt dir ja was anderes. Also, sagt dir das auf eine andere Weise. Wie gesagt. Das klingt ja sehr robotisch, also, Clown-Stimme, ja, schön gut, aber, ist es auch nicht wert, wenn du denkst, irgendwie wie so eine Vocalizer-Stimme oder so zu klingen oder Akapella, das, weiß ich nicht.

Ja, ja, Marc, das ist schon richtig. Allerdings hat Eleven Labs mehrere Nachteile. Also mal abgesehen jetzt vom Geld, das sind 22 Euro im Monat, wenn man überhaupt die Stimmen in irgendeiner Weise nutzen will. Der erste Nachteil ist, du kannst diese Stimmen nicht als TTS generieren. Das heißt, du hast keine Möglichkeit, über überhaupt eine API die Stimme irgendwie auf den Rechner zu bringen. Zumindest soweit ich weiß. Und dann hast du leider Gottes das Problem, dass du bei Eleven Labs für jedes Mal, wo du eine Stimme beziehungsweise einen Satz generieren lässt, und sei es nur der gleiche Satz mehrere Male, um eine andere Betonung zu haben, dafür schon Zeichen abgezogen bekommst. Wenn du also mit dem, ich weiß gar nicht, welches das war, für 22 Euro im Monat, ich glaube, das war dieses Creator-Paket oder dieses, weiß ich nicht mehr genau, wie das hieß. Wenn du das tatsächlich genommen hast und jeden Monat hast du 22 Euro und hast 100.000 Zeichen. Wenn du jetzt einen Text mit 5.000 Zeichen hast, ich glaube, das war das Maximum, was du eingeben kannst, und den dann 5-10 Mal oder sagen wir mal 10 Mal generieren lässt, dann sind schon 50.000 Zeichen weg. Und dann willst du vielleicht noch was ändern an dem Text, weil es dir so nicht gefällt und musst es wieder generieren. Also sind nochmal Zeichen weg. Und irgendwann Mitte des Monats bist du, dann bei 0 Zeichen oder bei so wenig Zeichen, dass es einfach nicht mehr ausreicht, musst bis zum nächsten Monat warten, musst wieder 22 Euro zahlen. Das ist der Nachteil von Eleven Labs. Und eben, dass du es als SAPI nicht wirklich einsetzen kannst, sondern einfach nur als Text-to-Speech-Generator, der halt ein paar MP3s ausspuckt, die du dann halt verwenden kannst mit deiner Stimme, wenn du es wolltest. Aber es ist halt die Frage. Bei Eleven Labs, wenn sie sich mal ein anderes Modell einfallen ließen, wäre das schon günstiger. Und vor allen Dingen, wenn sie zumindest, naja, eine Generation, also in dem Fall Generat, wie heißt das Ding? Also, Entschuldigung. Aber wenn du es einmal generieren lässt, dass das wenigstens kostenlos ist. Oder eben erst, wenn du es herunterlädst, dass es dann eben gezahlt wird, oder so, wenn sie sich so irgendwie behelfen würden. Aber das machen sie ja nicht. Sie haben für jedes Mal generieren, ziehen sie dir Zeichen ab, und naja, du kannst halt machen, was du willst. Und dann irgendwann, wenn du Pech hast, bist du nach zwei Wochen Zeichenpleite, sozusagen. Das ist halt leider Gottes so ein Nachteil von Eleven Labs, was ich finde. Zumal, ich müsste mir jetzt tatsächlich nochmal anhören, aber ich habe jetzt, also wenn das gerade eben, dieses, äh, geklonte Aktenzeichen XY, wenn das jetzt mit Eleven Labs gemacht wurde, äh, dann muss ich sagen, hat sich das nicht unbedingt verbessert. Aber das klingt auch vielleicht eher nach RVC. Ich weiß es nicht.

5 Euro im Monat, dafür darfst du die Stimme personell, also sprich privat nutzen, nicht kommerziell nutzen. Wenn du wirklich etwas damit machen möchtest und sei es nur irgendwelche Texte aufsprechen, die du so vielleicht selber, wo du selber tatsächlich länger brauchen würdest, für irgendwelche Videos, Beiträge, Jingles, was auch immer. Wenn du also sowas kommerzielles machen willst, dann brauchst du mindestens das Creator-Paket. Ich glaube, das war das Creator-Paket, das sind 22 Euro. Und das ist eben das, wo ich mir dann halt sage, ist halt blöd. Aber auch generell, so oder so, ist eigentlich egal, ob nun mit dem 5 Euro oder 22 Euro. Du hast nur eine bestimmte Zeichenanzahl und wenn du da irgendwie mal sagst, die Aussprache gefällt mir nicht, ich generiere es nochmal. Dann sind halt die Zeichen weg. Das ist halt der Nachteil.

Oh, sie scheinen in ihrem Modell was geändert zu haben. Es gibt jetzt das für 5 Euro, das Abo, und das ist tatsächlich auch für kommerzielle Sachen. Allerdings hast du beim Premium-Abo von 22 Euro pro Monat, hast du dann tatsächlich Projekte mit drin. Also wenn du zum Beispiel längere Texte hast, die du da reinschmeißen möchtest, dass du die halt automatisch auch aufteilen lassen kannst und so weiter. Also ich habe es erstmal ausprobiert. Sie haben sich tatsächlich ein bisschen verbessert. Allerdings ein kleines Manko gibt es bei der Engine V2. Gibt es wohl noch irgendwie, habe ich den Eindruck. Die Stimme wechselt aus irgendeinem Grund manchmal dann ins Englische. Oder in andere Sprachen über. Ich weiß nicht genau, woran das liegt. Aber es ist manchmal sehr witzig. Auf einmal fängt meine Stimme an, auf Englisch zu quatschen. Also in englischem Deutsch. Auf einmal fängt meine Stimme an, auf Deutsch zu quatschen. Obwohl ich eigentlich nur deutsche Sachen eingegeben habe. Interessant. Ja, das nochmal kurz so zu Eleven Labs. Ich habe es gestern nochmal angeguckt. Und da wir momentan dieses 1-Euro-Ding haben, zumindest für einen Monat, ist das auch okay. Ja, das kann ich glaube ich gerade noch leisten. Ja, aber das ist jetzt der Unterschied. Das eine ist für kleine kommerzielle Projekte und das andere ist für kleine kommerzielle Projekte. Das andere ist für kleine kommerzielle Projekte. Das andere ist für kleine kommerzielle Projekte. Das andere ist für kleine kommerzielle Projekte. Das andere ist für kleine kommerzielle Projekte. Das andere ist dann tatsächlich mit Projekten, wo du dann größere Sachen mit einbinden kannst.

weil du das Kostenmodell, was ich gerade eben versucht habe zu erklären, nicht verstehst, Rudolf. Du hast einen Text mit 5000 Zeichen. Du fügst ihn ein, lässt ihn dir einmal generieren. Du hörst die Sprachausgabe, findest zum Beispiel, dass du was ändern musst, weil der Text vielleicht irgendwas enthält, was dir nicht gefällt. Keine Ahnung, das kann ja manchmal sein. Oder du willst zum Beispiel, dass die Stimme manches anders betont. Also generierst du es zum Beispiel nochmal. Das ist nämlich das Blöde an Eleven Labs, dass sich jedes generierte Beispiel anders anhört. Oder anhören kann zumindest. Und dann generierst du es wieder. Und dann sind wieder 5000 Zeichen weg. Also insgesamt 10.000 Zeichen. Und so summiert sich dann, beziehungsweise subtrahiert sich dann das alles. Das heißt, wenn du 100... Wenn du 100.000 Zeichen hast und du lässt es zehnmal generieren, sind 50.000 Zeichen weg. Und das war dann vielleicht nicht nochmal der ganze Text, weil der Text länger ist und du musst dann noch die anderen Zeichen generieren lassen. Beziehungsweise die anderen Passagen. Das ist das Problem, was ich meine. Und das geht relativ schnell. Ich habe das einen Monat lang mal getestet, wenn nicht sogar zwei. Und es war tatsächlich so, dass du dann immer deine 100.000 Zeichen hattest, aber dann, wenn du tatsächlich mal einen längeren, einen längeren Text hattest und dann mal ausprobieren wolltest, wie das klingt. Und dann gab es da Fehler. Die Sprachausgabe hat vielleicht oder die Stimme hat was in einer anderen Sprache, was leider momentan tatsächlich, wie ich das bemerkt habe, bei der neuen Version sehr oft passiert. Ich spreche was in der falschen Sprache aus. Warum auch immer sie damit getriggert wird. Dann musst du es nochmal umschreiben oder dementsprechend nochmal generieren lassen, ob es dann vielleicht besser wird. Und dann hast du wieder Zeichen weg. Es geht einfach darum, dass du, wenn du einen größeren Text hast, oder ihn dementsprechend öfter generieren lässt, dass du dann am Ende des Monats keine Zeichen mehr übrig hast. Weil du bei jedem Generieren eines Textes in Sprache eben Zeichen verlierst.