Podcastle startet KI-gestütztes Text-to-Speech-Modell mit über 450 Stimmen

MÜNCHEN (IT BOLTWISE) – Die Podcast-Plattform Podcastle hat ein neues KI-gestütztes Text-to-Speech-Modell eingeführt, das über 450 verschiedene Stimmen bietet. Diese Entwicklung markiert einen bedeutenden Schritt in der KI-Technologie, der es Unternehmen ermöglicht, ihre Inhalte effizienter und kostengünstiger zu gestalten.

Podcastle, eine Plattform für Podcast-Aufnahmen und -Bearbeitungen, hat kürzlich ihr eigenes KI-Modell namens Asyncflow v1.0 auf den Markt gebracht. Diese Einführung positioniert das Unternehmen in der wachsenden Konkurrenz um KI-gestützte Text-to-Speech-Technologien. Entwicklern wird zudem eine API zur Verfügung gestellt, die eine direkte Integration des Modells in ihre Anwendungen ermöglicht.

Dank des neuen Modells kann Podcastle über 450 KI-Stimmen anbieten, die Texte narrativ umsetzen können. Das Unternehmen betont, dass die Technologie so entwickelt wurde, dass die Trainings- und Inferenzkosten niedrig gehalten werden, was einen Wettbewerbsvorteil gegenüber anderen Anbietern darstellt.

Mit diesem Schritt reiht sich Podcastle in eine Reihe von Startups wie ElevenLabs, Speechify und WellSaid ein, die Technologien entwickelt haben, um Texte in von KI gesprochene Audio-Clips zu verwandeln. Diese Technologie findet Anwendung in Bereichen wie Marketing, Werbung, Content-Erstellung, Bildung und Unternehmensschulungen.

Arto Yeritsyan, der Gründer von Podcastle, erklärte, dass das Unternehmen schon immer ein Text-to-Speech-Modell entwickeln wollte, jedoch die hohen Kosten für Training und Datenanforderungen eine Herausforderung darstellten.

„Wir wollten seit unserer Gründung ein robustes Text-to-Speech-Modell entwickeln. Dank der jüngsten Fortschritte bei großen Sprachmodellen konnten wir letztes Jahr einen Durchbruch erzielen, der es uns ermöglichte, ein qualitativ hochwertiges Sprachmodell zu entwickeln, ohne Unmengen an Daten zu benötigen“, sagte Yeritsyan.

Das Unternehmen wurde bei seinen Bemühungen auch durch eine Series-A-Finanzierung in Höhe von 13,5 Millionen US-Dollar im letzten Jahr unterstützt.

Yeritsyan erwähnte, dass Podcastle etwa 40 US-Dollar für 500 Minuten Text-to-Speech-Konvertierung berechnet, während ElevenLabs für dieselbe Leistung 99 US-Dollar verlangt.

Auch die Voice-Cloning-Funktion von Podcastle wird verbessert, um den Trainingsprozess zu beschleunigen. Früher musste man etwa 70 verschiedene Sätze lesen, jetzt reicht eine Aufnahme von wenigen Sekunden, um eine Stimme zu klonen. Der neue Prozess nutzt auch Podcastles Magic Dust AI, die letztes Jahr veröffentlicht wurde, um die Audioaufnahmequalität zu verbessern.

In unseren Tests klang die mit dem neuen Prozess erstellte Stimme etwas robotisch, obwohl sie unseren Tonfall nachahmte. Das Unternehmen erklärte, dass es die Funktion im Laufe der Zeit verbessern wird. Außerdem kann man verschiedene Stimmproben trainieren, um unterschiedliche Ergebnisse zu erzielen.

Podcastle erklärte, dass neben den Kosten auch die Bereitstellung von Tools für Audio, Video, Podcasts und KI-gestützte Erzählungen auf einer neu gestalteten Website einen Vorteil gegenüber der Konkurrenz darstellt. Yeritsyan sagte, dass die Mehrheit der Nutzer Podcastle zur Bearbeitung von Audioinhalten verwendet, aber auch Video zunehmend an Bedeutung gewinnt.

Zu den Top-Stories!

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!

Angebot

1.880 Bewertungen

EIlik - Ein Desktop-Begleitroboter mit emotionaler Intelligenz, Multi-Roboter-Interaktionen, Desktop-Robotik-Partner

• NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.

169,00 EUR

Bei Amazon kaufen