WEBVTT

00:00:00.960 --> 00:00:03.600
Einen wunderschönen guten Morgen.

00:00:03.600 --> 00:00:04.640
Wir probieren mal was.

00:00:04.640 --> 00:00:09.639
Und zwar würde ich gerne heute über
Text-zu-Sprache und die Modelle, die

00:00:09.639 --> 00:00:11.160
das machen, sprechen.

00:00:11.160 --> 00:00:12.670
Ich habe hier im Hintergrund schon mal

00:00:13.719 --> 00:00:18.429
eine Übertragung von einem
kleinen Textabsatz in eine

00:00:18.920 --> 00:00:21.520
Sprache, in ein Audio-File, angestoßen.

00:00:21.520 --> 00:00:25.360
Und OpenVox heißt diese App,
die auf dem iPad hier gerade läuft.

00:00:25.360 --> 00:00:26.960
Die gibt es auch auf dem Mac.

00:00:26.960 --> 00:00:30.320
Dort besitze ich sie und kann
sie im vollen Umfang nutzen.

00:00:30.320 --> 00:00:31.840
Das ist so ein Einmalkauf.

00:00:31.840 --> 00:00:35.110
Und das wandelt mir beliebigen Text.

00:00:36.100 --> 00:00:40.820
Nvidia übernimmt Hugging Face
für 12,9 Milliarden Dollar.

00:00:40.820 --> 00:00:45.000
Nvidia hat laut einem Bericht
dezentrat Audioinhalte um.

00:00:45.000 --> 00:00:49.640
Das ist hier meine geklonte
Stimme mit dem iPad.

00:00:49.640 --> 00:00:52.680
Das geht mir viel zu schnell,
muss ich sagen, dieses Klonen.

00:00:52.680 --> 00:00:56.680
Weil da muss man irgendwie so zwölf
Sekunden Audio reinwerfen, und dann

00:00:56.680 --> 00:00:59.000
war es das. Dann kommt
eine Stimme bei raus.

00:00:59.000 --> 00:01:01.150
Das ist ein bisschen scary.

00:01:01.320 --> 00:01:04.440
KI-Plattformen Hugging Face übernommen
und könnte damit seinen Einfluss

00:01:04.440 --> 00:01:07.660
auf das Ökosystem offener
KI-Modelle ausbauen.

00:01:07.660 --> 00:01:09.820
Und die kann einen
beliebigen Text vorlesen.

00:01:09.820 --> 00:01:10.860
Das ist schon wild.

00:01:10.860 --> 00:01:12.610
Also dieses Voice Cloning,

00:01:13.420 --> 00:01:18.400
ich habe mich mal hier German
Female genannt, mit dem dritten

00:01:18.400 --> 00:01:20.640
Kaffee, mit dem ich hier sitze.

00:01:20.640 --> 00:01:25.540
Das ist der Text-Schnipsel, den ich
dieser App gegeben habe, und alles Weitere

00:01:25.540 --> 00:01:29.060
passiert dann auf dem iPad mit
diesen verschiedenen Modellen.

00:01:29.060 --> 00:01:31.460
Die Modelle lassen sich
hier unterschiedlich

00:01:31.460 --> 00:01:33.140
runterladen, in unterschiedlichen

00:01:33.140 --> 00:01:36.140
Qualitäten. Es gibt schnelle Modelle,
es gibt langsame Modelle.

00:01:36.140 --> 00:01:38.060
Die sind sehr weit gekommen,
muss man sagen.

00:01:38.060 --> 00:01:39.820
Die sind ernsthaft sehr weit gekommen.

00:01:39.820 --> 00:01:44.020
Und OpenVox ist sozusagen die
Verpackung für diese Modelle.

00:01:44.020 --> 00:01:48.020
Da kann man die einfach runterladen
und reinwerfen, und dann machen die

00:01:48.020 --> 00:01:52.420
Dinge. Die machen beispielsweise
auch so AI-Audiobücher.

00:01:52.420 --> 00:01:55.400
Keine Ahnung. Also so
wildeste Sachen erzeugen die.

00:01:55.400 --> 00:02:01.080
Auf dem Mac sicherlich ein bisschen
performanter, als auf einem iPad das

00:02:01.080 --> 00:02:02.280
laufen zu haben.

00:02:02.280 --> 00:02:05.880
Ich habe von OpenVox, die haben auch eine

00:02:05.880 --> 00:02:08.820
Reader-App.

00:02:08.820 --> 00:02:12.100
Ich kann leider nicht verstehen,
warum sie die Verknüpfung bislang nicht

00:02:12.100 --> 00:02:13.060
hinbekommen.

00:02:13.060 --> 00:02:15.930
Weil man kann sich da
Sachen vorlesen lassen.

00:02:16.340 --> 00:02:19.780
Man kann da auch Texte erstellen
beziehungsweise Audio-Files erstellen.

00:02:19.780 --> 00:02:23.940
Aber es gibt nicht die Möglichkeit,
auf dem Mac ein Audio-File zu erstellen

00:02:23.940 --> 00:02:25.860
und dann direkt aufs iPhone zu syncen.

00:02:25.860 --> 00:02:30.640
Die haben allerdings eine sehr schöne
Roadmap und entwickeln sich recht

00:02:30.640 --> 00:02:32.080
schnell weiter, muss ich sagen.

00:02:32.080 --> 00:02:33.990
Also es geht da recht flott

00:02:35.120 --> 00:02:36.480
vonstatten.

00:02:36.480 --> 00:02:42.000
Und das Ganze ist nur eine von vielen
Apps natürlich auf dem iPad und auf

00:02:42.000 --> 00:02:44.870
dem iPhone und auf dem Mac ohnehin.

00:02:45.200 --> 00:02:49.280
Ich fand die erwähnenswert, weil die
halt diese ganzen Hugging-Face-Modelle,

00:02:49.280 --> 00:02:52.780
das ja jetzt zu Nvidia
gehört, irgendwie vereint.

00:02:52.780 --> 00:02:54.450
Und es gibt ja durchaus

00:02:55.099 --> 00:02:57.420
Gründe, warum man das lokal haben möchte.

00:02:57.420 --> 00:02:59.980
Es ist natürlich alles langsamer und
es ist nicht so performant, als wenn

00:02:59.980 --> 00:03:02.900
man das irgendwie von Grafikkarten
in Servern rechnen lässt.

00:03:02.900 --> 00:03:04.969
Nichtsdestotrotz gibt es

00:03:04.980 --> 00:03:07.459
Accessibility-Funktionen,
also dass man sich auch

00:03:07.459 --> 00:03:11.379
schnell Text vorsprechen lassen möchte
und den nicht erst irgendwo hinladen

00:03:11.379 --> 00:03:14.340
will. Oder es gibt Text, den man
vielleicht gar nicht irgendwo hinladen

00:03:14.340 --> 00:03:19.980
möchte. Die kommerzielle Variante von
diesen Geschichten ist beispielsweise

00:03:19.980 --> 00:03:21.730
der Eleven Reader.

00:03:23.560 --> 00:03:27.080
Highly recommend reading more about
the game's development and history in

00:03:27.080 --> 00:03:29.880
the article from The
Ringer I linked earlier.

00:03:29.880 --> 00:03:33.880
Here it is. Da gibt es gerade irgendwie
so eine Telekom-Moments-Kooperation,

00:03:33.880 --> 00:03:36.120
um irgendwie so ein paar
Monate kostenlos zu bekommen.

00:03:36.120 --> 00:03:39.320
Allerdings, in der kostenfreien Version
ist das schon sehr, sehr gut und

00:03:39.320 --> 00:03:41.880
sehr, sehr umfangreich,
was man da nutzen kann.

00:03:41.880 --> 00:03:44.750
Ich bezahle sehr gerne Meta.

00:03:46.860 --> 00:03:49.500
To understand AI, think like
a dragonfly by Anthea Roberts.

00:03:49.500 --> 00:03:51.580
Depending on your point of view,
AI may look like a liberating tool, an

00:03:51.580 --> 00:03:53.980
existential threat, an environmental
disaster, or something else entirely.

00:03:53.980 --> 00:03:58.560
This is not. Meta spricht einfach auch
sehr cool in mehreren Sprachen Texte

00:03:58.560 --> 00:04:01.439
vor. Ich lasse mir die
dann wie Podcast vorlesen.

00:04:01.439 --> 00:04:03.840
Und sowas lokal zu haben, wie

00:04:03.840 --> 00:04:06.630
beispielsweise hier mit
OpenVox, ist einfach

00:04:06.720 --> 00:04:10.620
eine reizvolle Geschichte, weil
die mittlerweile sehr gut sind.

00:04:10.620 --> 00:04:12.860
Also scary gut, würde ich fast sagen.

00:04:12.860 --> 00:04:14.460
Wollte ich mal gezeigt haben.

00:04:14.460 --> 00:04:17.570
Vielen lieben Dank fürs Zuschauen
und bis zum nächsten Mal.