Personal Voice: Eigene KI-Stimme in nur 15 Minuten

Eine Computerstimme zu erzeugen, die wie die eigene klingt, ist in der heutigen Zeit kein Problem. Das sogenannte Voice Banking dauert auf aktuellen Systemen jedoch mehrere Wochen. Um ein eigenes Stimmmuster anzulegen, muss man einen speziellen Computer mit round about 1.500 Sprachsamples trainieren. Das kostete Zeit und Geld.

Vergangenen Dienstag hat Apple in seinem Newsroom mehrere neue Features für die Barrierefreiheit angekündigt, die mit iOS 17, iPadOS 17 und macOS 14 erscheinen sollen. Dazu gehört u. a. Personal Voice. Dabei handelt es sich um nichts anderes als einen solchen Sprachcomputer, der auf jedem kompatiblen iPhone oder iPad funktioniert - mit nur 150 Phrasen, die man einsprechen muss.

Der Clou von Personal Voice ist dabei nicht nur, dass man seine eigene Stimme quasi in der Hosentasche mit sich herumtragen kann: Das Training der Software soll man in einem Bruchteil der Zeit erledigen können, die man auf vergleichbaren Systemen benötigt.

Wie man in der Redaktion von 9to5mac erfahren hat, soll man mit Personal Voice nur schlappe 15 Minuten benötigen:

• „Nutzer können eine persönliche Stimme erstellen, indem sie eine zufällige Reihe von Textaufforderungen vorlesen, um 15 Minuten Audio auf dem iPhone oder iPad aufzunehmen. Diese Funktion für die Zugänglichkeit von Sprache nutzt maschinelles Lernen auf dem Gerät, um die Informationen der Nutzer privat und sicher zu halten, und lässt sich nahtlos in Live Speech integrieren, sodass die Nutzer mit ihrer Persönlichen Stimme sprechen können, wenn sie sich mit ihren Lieben verbinden.“

Abgesehen davon, dass nicht jeder Zugang zu einem herkömmlichen Sprachcomputer hat, will man nicht mehrere Wochen damit verbringen, ein Computersystem mit seiner Stimme zu füttern. Personal Voice ist so etwas wie ein Gamechanger, mit dem man - ähnlich wie bei einer Versicherung - für die Zukunft vorsorgt.

Interessant ist außerdem, wie Personal Voice arbeitet. Während herkömmliche Systeme auf Online-Lösungen setzen und das Training auf Servern passiert, die irgendwo auf der Welt stehen, findet Personal Voice lokal auf dem iPhone oder iPad statt. Infolgedessen benötigt man auch keine aktive Internetverbindung.

Das sagte Sarah Herrlinger, Leiterin für Barrierefreiheit bei Apple, gegenüber 9to5mac. Die gesamte Verarbeitung erfolgt mithilfe der Neural Engine lokal auf dem eigenen Gerät. Die Neural Engine wurde zusammen mit dem A11 Bionic und dem iPhone X eingeführt. Unklar ist jedoch, ab welcher Version Personal Voice unterstützt wird. Im Vergleich zum A11 bietet die Neural Engine des A12 schon fünf statt 0,6 TOps (Billionen Operationen pro Sekunde). Beim A15 sind es 15 und beim A16 17 TOps.

In der Pressemitteilung wird Personal Voice als neues Feature von iOS 17 und iPadOS 17 genannt. Ob und wann die Funktion auch für macOS 14 verfügbar sein wird, bleibt abzuwarten.