Audiodateien lassen sich mit Künstlicher Intelligenz nach unseren Wünschen bearbeiten. Das geschieht nicht wie bei klassischen Tonbearbeitungsprogrammen durch manuelle Eingriffe, sondern automatisch, auf Basis von gelernten Mustern. Wenn eine KI Audios verändert, nimmt sie eine bestehende Tonaufnahme – zum Beispiel ein Musikstück, eine Sprachaufnahme oder ein Geräusch – und bearbeitet diese entsprechend den vorgegebenen Anforderungen gezielt. Dabei kann sie bestimmte Elemente herausfiltern, hinzufügen, ersetzen oder eben auch neu arrangieren.
Dazu werden KI-Systeme mit riesigen Mengen an Audiomaterial trainiert. Sie lernen dabei, einzelne Bestandteile eines Audios zu erkennen: Stimmen, Instrumente, Hintergrundgeräusche, Art der Geräusche, Tonhöhen, Rhythmen oder Störgeräusche. Mithilfe dieser Informationen kann sie gezielt eingreifen, um Stimmen zu isolieren oder zu entfernen, Geräusche zu verstärken oder eben zu dämpfen, Tonhöhe oder Tempo anzupassen, sogar den Musikstil komplett zu verändern oder auch Störgeräusche herauszufiltern. Sie analysiert nicht nur das, was zu hören ist, sondern versteht auch, wie es aufgebaut ist. Auf Basis dieser Informationen werden die Anpassungen vorgenommen. Die Fähigkeiten sind hier sehr vielfältig und reichen von der Verbesserung der Tonqualität – durch das Entfernen von störenden Geräuschen – bis hin zur kreativen Neugestaltung auf Basis einer alten Klangwelt – wenn in einem Musikstücke Instrumente hervorgehoben, Rhythmen verändert, ganze Passagen neu arrangiert werden oder alles plötzlich so klingt, als wäre die Aufnahme in einer Kirche entstanden, also eine andere Akustik simuliert wird.
Beispiele zu den Möglichkeiten:
- Bei Aufnahmen von Podcasts kann die Lautstärke angepasst werden, sodass die verschiedenen Sprecher aber auch die Musik harmonisch wirken oder auch störende Hintergrundgeräusche entfernt werden.
- Audios können kreativer gestaltet, indem Effekte hinzugefügt oder die Akustik komplett verändert werden.
- Lärmreduzierung bei Online-Besprechungen – die KI filtert Hintergrundgeräusche heraus für eine klar verständliche Kommunikation trotz Baustellenlärm.
- Schulungsvideos bekommen eine einheitliche Firmenstimme.
Abgrenzung zu anderen KI-Fähigkeiten – Kurz und knapp
01 | Audios erstellen = Neues schaffen
02 | Audios verändern = Altes bearbeiten
03 | Audios erkennen = verstehen
04 | Audios identifizieren = eindeutig zuordnen
Der feine Unterschied der Karten
03 und 04: Audios erkennen ist also die Grundlage für Audios identifizieren. Beim Erkennen wird unterschieden zwischen den Quellen, wie Sprache, Vogelgezwitscher, Motorengeräusch etc. Wenn Audios identifiziert werden, erfolgt eine spezifische Zuordnung. Hierbei kann zum Beispiel zwischen den verschiedenen sprechenden Personen unterschieden werden und wenn diese Sprachmuster bekannt und zugeordnet wurden, können die Personen auch benannt werden.