The Brief
Gesundheit und Medizin 5 Min. Lesezeit

KI hat diesem Mann seine Stimme zurückgegeben. Hier ist wie.

NAVION

Teilen

Eine Stimme ist nicht nur Klang. Sie trägt Identität, Erinnerung, Persönlichkeit, die besondere Art, wie jemand lacht oder vor einem Wort zögert. Für Menschen, die mit Krankheiten wie ALS, Amyotropher Lateralsklerose, leben, ist der schleichende Verlust der Sprache nicht nur eine körperliche Einschränkung. Es ist die Erosion des Selbst. Was die künstliche Intelligenz in diesem Bereich jetzt möglich macht, ist es wert, genau verstanden zu werden, denn es geht weit über ein technisches Upgrade von Hilfsmitteln hinaus.

Der alte Weg war besser als nichts, und viel mehr auch nicht

Jahrzehntelang hatten Menschen, die mit Stimmverlust konfrontiert waren, zwei Hauptoptionen. Die erste war Message Banking: das Aufnehmen gängiger Phrasen, solange das Sprechen noch möglich war, wodurch eine Bibliothek voreingestellter Antworten entstand. Die zweite war Voice Banking, ein systematischerer Prozess, bei dem eine Person etwa 1.600 spezifische Phrasen aufnehmen musste. Diese Aufnahmen wurden dann in eine Software eingespeist, die Klänge zusammenfügen konnte, um jedes beliebige Wort auf Abruf zu erzeugen.

Richard Cave, ein Logopäde am University College London, der mit ALS-Patienten arbeitet, half ab 2017 dabei, die britische Voice-Banking-Initiative auszubauen. Seiner eigenen Aussage nach, nachdem er rund 100 Menschen durch den Prozess geführt hatte, waren die Ergebnisse ehrlich, aber begrenzt. Die Stimmen waren nicht schrecklich, aber sie waren auch nicht gut. Sie fingen etwas von der Person ein, aber eben nicht die Person. Das war einfach die zu jener Zeit beste verfügbare Technologie.

Der Physiker Stephen Hawking nutzte jahrzehntelang eine synthetische Stimme und fand sie nach eigener Beschreibung akzeptabel, auch wenn er einräumte, dass sie ein wenig blechern klang. Nicht jeder teilt diese Toleranz. Jules Rodriguez, bei dem ALS diagnostiziert wurde, beschrieb seine gebankte Stimme in einem Stand-up-Programm so, als würde Daft Punk mit vierfacher Langsamkeit gespielt. Die Lücke zwischen dem, was Voice Banking produzierte, und dem, wie eine menschliche Stimme tatsächlich klingt, war groß genug, um tiefgreifend zu sein.

Dreißig Minuten Audio, ein Stimmklon

Der Wandel kam mit KI-gestütztem Voice Cloning. Die grundlegende Änderung ist erheblich: Statt zu verlangen, dass eine Person Hunderte spezifischer Phrasen in einer kontrollierten Umgebung aufnimmt, können moderne Systeme mit vorhandenem Audio arbeiten. Alte Sprachnachrichten, eine aufgezeichnete Rede, ein Podcast-Auftritt, alles, was die natürliche Stimme einer Person einfängt, kann als Eingabe dienen.

Jules Rodriguez nutzte im Juni 2024 Aufnahmen seiner eigenen Stimme, um über das Unternehmen ElevenLabs einen per KI erzeugten Stimmklon zu erstellen. Das Ergebnis war so eindringlich, dass seine Frau weinte, als sie es zum ersten Mal hörte. Nach monatelanger, schrittweiser Gewöhnung daran, seine Stimme immer seltener zu hören, repräsentierte der Klon etwas, das dauerhaft verloren schienen schien.

Die Technologie funktioniert, indem sie spezifische Merkmale aus dem Quellaudio extrahiert: Tonhöhe, Klangfarbe, Prosodie, Atemmuster. Diese Elemente werden verwendet, um ein Modell der Stimme zu erstellen, das dann Sprache aus jedem getippten Text generieren kann. Die Ausgabe enthält die kleinen menschlichen Details, die das traditionelle Voice Banking völlig vermisste, Atemzüge zwischen den Wörtern, natürliche Intonationen, sogar Stottern. Die Logopädin Kate Nilson, die die Technologie selbst getestet hat, beschreibt ein Spiel, das sie mit Kollegen spielte und bei dem sie versuchten, ihre echte Stimme von dem Klon zu unterscheiden. Die Schwierigkeit, sie auseinanderzuhalten, ist ihrer Ansicht nach wirklich verstörend.

Laura Sanders, die Journalistin, die über diese Geschichte berichtete, erstellte ihren eigenen Stimmklon mit der professionellen Option von ElevenLabs, die 30 Minuten Audio-Eingabe erforderte. Der daraus resultierende Klon konnte Geschwindigkeit, Tonfall und emotionale Stimmung anpassen und sogar Sprache in anderen Sprachen erzeugen. Die Demonstration ist aufschlussreich, nicht weil sie eine Neuheit ist, sondern weil sie zeigt, wie zugänglich die Technologie geworden ist.

Ein Detail, das die Logopädin Nilson hervorhebt, ist besonders wichtig: Die Möglichkeit, alte Aufnahmen zu verwenden, öffnet die Tür für Menschen, deren Sprache bereits verschlechtert war, als sie Hilfe suchten. Nach dem alten Modell war es oft zu spät, um die Stimme effektiv zu sichern, wenn sie sich bereits stark verändert hatte. KI-Klonen ändert diese Rechnung.

Was das über den medizinischen Fall hinaus bedeutet

Die Geschichte von Jules Rodriguez und Patrick Darling, einem Musiker, der seinen Stimmklon zum Singen und Auftreten nutzt, weist auf etwas hin, das über assistive Technologie hinausgeht. Sie wirft die Frage auf, was eine Stimme eigentlich ist und was es bedeutet, eine zu bewahren.

Traditionelles Voice Banking behandelte die Stimme als funktionales Werkzeug: ein Mittel, um verständliche Sprache zu erzeugen. KI-Klonen behandelt sie als etwas, das einem Identitätsartefakt nähersteht, als etwas, das es wert ist, in seiner vollen Textur eingefangen zu werden, einschließlich seiner Unvollkommenheiten. Die Unterscheidung ist wichtig, weil sie verändert, was die Technologie zu tun versucht. Sie stellt nicht nur Kommunikation wieder her. Sie stellt Präsenz wieder her.

Dieser Rahmen hat Auswirkungen darauf, wie die KI-Entwicklung im Gesundheitswesen bewertet wird. Der Maßstab für den Erfolg ist nicht nur Genauigkeit oder Verständlichkeit. Es ist die Frage, ob sich die Person am anderen Ende der Technologie wie sie selbst fühlt. Das ist ein schwierigeres Ziel, und die Tatsache, dass sich aktuelle Systeme ihm nähern, deutet darauf hin, dass sich die Kluft zwischen menschlicher und synthetischer Stimme schneller schließt, als die meisten Menschen außerhalb des Fachgebiets erkennen.

Für jeden, der über die Rolle der KI in der Medizin nachdenkt, ist dies ein nützlicher Fall, an dem man sich festhalten kann. Die Technologie ersetzt hier weder den Logopäden noch das Pfleeteam oder die menschlichen Beziehungen um einen Patienten herum. Sie gibt diesen Beziehungen etwas an die Hand, mit dem sie arbeiten können, das vorher nicht existierte.

Kurz gesagt

KI-Voice-Cloning funktioniert, indem es die akustischen Merkmale der Stimme einer Person aus vorhandenen Aufnahmen extrahiert und ein Modell erstellt, das neue Sprache in dieser Stimme generieren kann. Im Gegensatz zu älteren Voice-Banking-Methoden, die Hunderte kontrollierter Aufnahmen erforderten und Ergebnisse lieferten, die mechanisch klangen, können aktuelle Systeme informelles Audio verwenden und die natürlichen Rhythmen, Atemzüge und Intonationen einer echten Stimme reproduzieren. Für Menschen, die mit Erkrankungen wie ALS leben, bedeutet dies eine bedeutsame Veränderung: nicht nur eine Kommunikationshilfe, sondern eine Möglichkeit, etwas zu bewahren, das sich wie Identität anfühlt. Die Technologie ist bereits im Einsatz, und die Lücke zwischen synthetischer und menschlicher Stimme schließt sich.

Basierend auf Berichten von Science News.

Geschrieben von

NAVION