00:00:00: Ich habe nicht gesagt, dass du lügst.

00:00:19: Fünfmal derselbe Satz, fünf Bedeutungen – ich habe kein Wort geändert!

00:00:25: Keine Silbe, keine Reihenfolge nur die Betonung.

00:00:31: Beim ersten Mal war es jemand anderer Beim zweiten Mal bestreite ich es.

00:00:36: Beim dritten mal habe ich es gedacht und für mich behalten.

00:00:40: Beim vierten Mal lügt jemand, aber nicht du.

00:00:44: Beim fünften Mal isst Du Dich nur.

00:00:48: Sechs Wörter, fünf Wahrheiten – wer entscheidet das?

00:00:52: Und was passiert wenn das niemand mehr entscheidet?

00:00:58: Herzlich willkommen im Denkraum!

00:01:00: Mein Name ist Georg Redelhammer.

00:01:03: Heute beginnt eine Reihe in Vier Teilen KI in Film, Fernsehen, Radio und Text.

00:01:11: Sie handelt nicht von Technik, sie handelt von einer einzigen Frage die ich viermal aus vier Richtungen angehe ob synthetische Sprache etwas fehlt?

00:01:23: Und wenn ja was genau?

00:01:28: Heute geht es um die Stimme!

00:01:30: Um das was eine Stimme tut lange bevor irgendjemand über KI redet Und ich sage dir gleich am Anfang worauf diese Folge hinausläuft.

00:01:42: Ich habe in diesem Podcast selbst mit Computerstimmen gearbeitet, aber heute nicht mehr!

00:01:48: Warum?

00:01:48: das erzähle ich dir am Ende und ich mache es mir dabei nicht bequem?

00:01:55: Radio ist blind.

00:01:57: der Hörer sieht nichts kein Gesicht keine Hand keine hochgezogene Augenbraue.

00:02:03: er hat den Ton und sonst gar nichts Urteilt eher sofort.

00:02:10: Sie haben dreihundertzwanzig Menschen Aufnahmen eines einzigen Wortes vorgespielt.

00:02:32: Durchschnittliche Dauer, dreihundertneunzig Millisekunden weniger als eine halbe Sekunde.

00:02:40: Aus diesem einen Wort haben die Hörer beurteilt, ob jemand vertrauenswürdig ist?

00:02:46: Kompetent, dominant, warm und sie waren sich untereinander auffällig einig!

00:02:54: Das Maß mit dem diese Studie dieser Einigkeit misst lag durchgehend über Nullkommar Achtund Achtzig bei Eins wären sich alle vollständig einIG.

00:03:06: Wichtig ist, was diese Studie nicht sagt.

00:03:09: Sie sagt nicht dass diese Urteile stimmen!

00:03:12: Sie sagt das.

00:03:13: wir sie fällen sofort unwillkürlich und alle ungefähr gleich eine halbe Sekunde stimme Und du hast schon entschieden ob du mir glaubst.

00:03:26: Wer beruflich spricht weiß das und er weiß dass in dieser halben Sekunde nichts den Zufall überlassen darf.

00:03:35: Dieses Handwerk habe ich von einem legendären, leider bereits verstorbenen URF-Sendungsmacher und Sprecher gelernt.

00:03:43: Günter Barr geboren am fünften März, aus der Stadt Wien, ist gestorben am dritten November, in den letzten Jahren des Jahrhunderts.

00:03:53: Zwischen November, september, April, neunzehnneinundneunzig hat er das URf Sendung Autofahrer unterwegs mehr als dreitausendmal moderiert – ab dem Nr.

00:04:04: Hat der ORF ihn in die Ausbildung eingesetzt, er hat Redakteuren das Sprechen beigebracht.

00:04:10: Später hat er Führungskräfte auf Interviews und auf Fernsehdiskussionen vorbereitet.

00:04:17: Ich habe in den neunziger Jahren beim ORF sprechen gelernt bei Günter Barr Ein Kassettenrekorder ein Mikro und einen Text.

00:04:28: Den hab ich vorgelesen.

00:04:30: Dann hat ihn Günter Bar Stück für Stück zerlegt.

00:04:34: Meine Betonung am Ende des Satzes.

00:04:37: Mein R, das N, dass man hören muss.

00:04:40: Anfang und Ende des Satzes müssen klar erkennbar sein.

00:04:44: Nuscheln geht gar nicht.

00:04:46: Silben verschlucken genauso wenig.

00:04:50: Nie hatte ich die Texte perfekt gesprochen.

00:04:53: immer gab es Fehler.

00:04:55: was mir aus dieser Schule geblieben ist passt in einen Satz.

00:04:59: eine betonung ist eine Entscheidung Und der Hörer merkt ob sie getroffen wurde.

00:05:07: Ein Nachrichtensprecher liest, es gab keine Verletzten.

00:05:12: Er kann daraus Erleichterung machen oder Nüchternheit.

00:05:16: Beides ist zulässig je nach Meldung.

00:05:19: aber er muss sich entscheiden bevor er den Mund aufmacht entscheidet er nicht, entscheidet der Zufall und das Satz landet irgendwo.

00:05:29: Es gab keine verletzte.

00:05:34: Das selbe gilt für die Pause.

00:05:36: Eine Pause ist der teuerste Moment im Radio, es passiert nichts und der Hörer bleibt trotzdem.

00:05:46: Wer eine Pause setzt rechnet damit wie lange ein anderer sie aushält.

00:05:53: das ist eine Wette auf einen Menschen den man nicht sieht.

00:05:57: Und dann die Kleinigkeiten an denen alles hängt wo der Atem sitzt ob du am Satz Ende hinunter gehst oder oben bleibst weil noch etwas kommt Ob du die Zahl betonst oder das Wort davor.

00:06:12: Vierzig Prozent der Befragten ist etwas anderes als vierzig Prozent der befragte.

00:06:21: Nichts davon hört der Hörer bewusst, alles davon wirkt und genau das meine ich mit gerichtet.

00:06:28: Die Entscheidung geht irgendwo hin.

00:06:30: Sie meint jemanden.

00:06:33: Jetzt die Technik Eine heutige Sprachsyntese also ein KI-Modell lernt aus vielen Stunden aufgenommener Sprache.

00:06:44: Sie hört, wie Menschen Setze dieser Bauart betonen – wo sie atmen, wo sie schneller werden und wo sie am Ende hinuntergehen!

00:06:53: Daraus errechnet sie für deinen Text die wahrscheinlichste Sprechweise.

00:06:58: Sie fragt nicht was der Satz bedeutet?

00:07:01: Sie fragts wie ein Satz mit dieser üblicher Weise klingt.

00:07:06: Eine mathematische Aufgabe eigentlich... Das Ergebnis ist oft verblüffend.

00:07:12: Es hat Rhythmus, es hat Pausen.

00:07:14: Manche Systeme atmen sogar mit und bei meinem Eingangssatz würde die Maschine irgendeine Betonung setzen – wahrscheinlich die häufigste nur eben nicht die, die ich gemeint habe weil sie nicht weiß was ich gemeinte habe.

00:07:31: Sie deutet nicht!

00:07:33: Sie mittelt, sie rechnet Und jetzt kommen die Einwände gegen mich.

00:07:39: Erstens Wenn dich eine synthetische Stimme rührt, was fehlt dann?

00:07:45: Die Wirkung ist ja da.

00:07:47: Du hast etwas gefühlt!

00:07:50: Ich leugne das nicht.

00:07:51: Ich frage ob eine Wirkung ohne Absicht dasselbe ist wie Empathie oder nur ihre Oberfläche.

00:08:01: Meine ehrliche Antwort ich weiß es nicht sicher.

00:08:04: Ich habe einen Verdacht.

00:08:07: Zweitens auch der Mensch spielt.

00:08:10: Eine Synchronsprecherin fühlt die Angst der Figur nicht.

00:08:15: Sie stellt sie her für eine Rolle, die sie nicht geschrieben hat Die schlichte Linie Mensch echt und Maschine falsch hält.

00:08:25: also keine drei Minuten.

00:08:27: Deshalb ziehe ich sie woanders Nicht am Gefühl an der Entscheidung Drittens und dieser Einwand sitzt.

00:08:37: Menschen, die durch Krankheit ihre Stimme verlieren sprechen heute mit geklonnten Stimmen weiter.

00:08:44: Der amerikanische Filmkritiker Roger Ebert verlor seine Stimme durch Krebs, er verlor den Unterkiefer und damit das Sprechen und das Essen.

00:08:55: Eine Firma baute ihm aus den Tonspuren seiner alten DVD-Kommentare eine synthetische Fassung seiner eigenen Stimme.

00:09:04: Im März... ... stand er damit auf der Tet Bühne!

00:09:09: Der Vortrag heißt Remaking my voice und ist bis heute online.

00:09:16: Das ist keine Täuschung, das ist Zuwendung.

00:09:21: Wer synthetische Stimmen pauschal verurteilt, verurteilt diesen Fall mit!

00:09:27: Ich tue das natürlich nicht – auch der Stimmenverstärker des burgenländischen Landeshauptmannes DOSCO-Ziel ist eine synthetiche.

00:09:36: Also muss ich sagen wo die Grenze verläuft?

00:09:43: Gibt sich die Stimme als Mensch aus?

00:09:46: Eine Vorlesefunktion, die niemanden für einen Menschen hält ist ein Werkzeug.

00:09:51: Eine Stimme, die vorgibt jemand zu sein, ist etwas anderes.

00:09:57: Der zweite Ersetzt sie jemandem der den Job sonst hätte.

00:10:03: Bei Roger Ebert ersetzte sie niemanden.

00:10:06: Sie gab ihm zurück was ihm genommen wurde.

00:10:09: In einem Synchronstudio sieht das anders aus Und der ist der Schärfste.

00:10:16: Behauptet sie ein Gefühl, dass niemand hat?

00:10:20: Eine Trauerrede die keiner geschrieben und keiner gemeint hat gesprochen von einer Stimme, die traurig klingt.

00:10:28: Da hört meine Toleranz auf!

00:10:31: Drei Fragen – und wenn ich sie ehrlich an mich selbst anwende komme ich nicht umgeschworen davon In den ersten dreizehn Folgen dieses Podcasts habe ich mit einem zweiten Format gearbeitet, den analytischen Mittelteiler der NKI-Stimme in zusammengebauten Dialogen mit mir getragen.

00:10:53: Ein Dialog erzeugt mit Notebook LM.

00:10:57: Ich habe den Anfang gesprochen und das Ende und die persönliche Reflexion.

00:11:02: Ab Folge vierzehn bin ich auf reine Solo umgestiegen.

00:11:07: Warum ich es gemacht hab ist schnell erzählt!

00:11:09: Ich produziere alleine Zwei Stimmen klingen lebendig als eine.

00:11:14: Es ging schnell, es klang professionell aber das Zusammenbauen war doch aufwendig.

00:11:22: Das Argument mit dem ich mich beruhigt habe hieß Offenlegung.

00:11:27: Ich habe gesagt dass dieser Podcast mit Unterstützung von KI entsteht und dass die Gedanken meine sind... ...das war wahr!

00:11:36: Und es war zu wenig Denn was du hörst, ist nicht die Offenlegung.

00:11:42: Was du hörste, ist eine Stimme.

00:11:44: Die klingt als hätte sich jemand etwas überlegt!

00:11:48: Der Hinweis dauert vier Sekunden... der Eindruck dauert die ganze Folge.

00:11:53: Prüf mich an meinen eigenen drei Fragen.

00:11:57: Gab es sich die Stimme als Mensch aus?

00:12:00: Nicht ausdrücklich aber sie klang so und das genügt.

00:12:05: Hat sich jemanden ersetzt?

00:12:07: Ja einen Counterpart im Zwiegespräch.

00:12:12: Hat sie ein Gefühl behauptet, dass niemand hatte?

00:12:16: In jedem Satz in dem Sie interessiert klang!

00:12:20: Ich falle bei zwei von drei Fragen durch.

00:12:23: das ist das Ergebnis.

00:12:25: ich schiebe es nicht auf die Technik.

00:12:26: Die Technik hat nichts falsch gemacht.

00:12:29: Ich habe die bequeme Variante gewählt weil sie funktioniert hat.

00:12:34: Jetzt spreche ich alle selbst auch die Gegenrede und die Sätze die gegen mich sprechen.

00:12:39: Das ist unbequemer, weil ich Angriff und Verteidigung in derselben Stimme halten muss.

00:12:43: Es dauert länger... ...und es klingt an manchen Stellen Rohr.

00:12:48: Genau deshalb mache ich es!

00:12:50: Möglicherweise hat dich das nie gestört, möglicherweise hast du die zweite Stimme gehört und gedacht, dass passt schon.

00:12:57: Dann ist meine These schwächer als ich sie hätte.

00:13:01: Dann liegt die Empathie nicht im Sprecher sondern im Ohr.

00:13:06: Ich glaube das nicht.

00:13:07: Beweisen kann ich es nicht.

00:13:11: Zurück zum Anfang.

00:13:13: Sechs Wörter, fünf Bedeutungen.

00:13:15: der Satz Ich habe nicht gesagt dass du lügst.

00:13:21: ich habe entschieden welche du hörst und ich habe damit etwas über dich behauptet und über mich.

00:13:29: zwei Fragen nehme ich mit und ich gebe sie dir weiter.

00:13:32: erstens wenn eine Stimme dich erreicht ohne das jemand dich gemeint hat ist es noch Kommunikation oder nur ihr Klang.

00:13:45: Zweitens, woran würdest du es merken?

00:13:48: Hast du so ein Gefühl?

00:13:51: und das drückt dich nie?

00:13:54: Beim nächsten Mal gehen wir nach Linz.

00:13:57: Dort läuft seit neunzehnneunundsiebzig die Arse-Elektroniker Ein Festival des Technik und Kunst gegeneinander hält Seit fast fünfzig Jahren Die Frage ob eine neue Technik die Kunst verändert ist also alles andere als neu.

00:14:14: Wir schauen uns an was sich wiederholt und das diesmal anders ist.

00:14:19: Der Titel, Das Muster.

00:14:23: Bis zum nächsten Mal im Denkraum.

00:14:26: Wenn dir diese Folge etwas gegeben hat, teile sie.

00:14:30: Wenn du anderer Meinung bist schreibe mir Aber lass in jedem Fall deinen Denkraum offen.