Voice Cloning

Voice Cloning bezeichnet die kuenstliche Nachbildung einer menschlichen Stimme mithilfe von KI. Aus wenigen Minuten oder sogar Sekunden Audiomaterial einer Person erzeugt ein neuronales Netz ein Stimmmodell, das anschliessend beliebige Texte in dieser Stimme vorlesen kann. Tonfall, Klangfarbe, Sprechtempo und teilweise auch emotionale Nuancen werden dabei uebernommen.

Technisch basiert Voice Cloning auf Verfahren der Sprachsynthese (Text-to-Speech), die mit Stimmprofilen aus tiefen neuronalen Netzen kombiniert werden. Das Modell lernt zunaechst aus grossen Datenmengen, wie Sprache generell klingt, und passt sich dann mit kurzen Aufnahmen einer Zielperson an deren individuelles Klangbild an. Moderne Systeme arbeiten in Echtzeit und beherrschen mehrere Sprachen, sodass eine geklonte deutsche Stimme auch englische oder franzoesische Saetze sprechen kann. Anbieter wie ElevenLabs, Microsoft Azure, Resemble AI oder Open-Source-Loesungen machen die Technologie ohne tiefes Fachwissen zugaenglich.

Fuer kleine und mittlere Unternehmen ergeben sich daraus konkrete Anwendungsfelder. Erklaervideos, Schulungsmaterialien oder Produktdemos lassen sich mit einer einmal geklonten Unternehmensstimme schnell und kostenguenstig vertonen, ohne fuer jede Aktualisierung ein Tonstudio buchen zu muessen. Auch Telefonansagen, Podcasts in mehreren Sprachen oder personalisierte Audiobotschaften im Marketing werden so wirtschaftlich umsetzbar. Im Kundenservice kommen geklonte Stimmen in Sprachbots zum Einsatz, die natuerlicher wirken als klassische synthetische Stimmen. Wichtig ist dabei stets die ausdrueckliche Zustimmung der Person, deren Stimme geklont wird – ohne Einwilligung verstoesst der Einsatz gegen Persoenlichkeitsrechte und je nach Kontext auch gegen die DSGVO.

Den klaren Chancen stehen erhebliche Risiken gegenueber: Voice Cloning wird zunehmend fuer Betrugsmaschen wie den sogenannten CEO-Fraud genutzt, bei dem Mitarbeitende per Telefonanruf in der vermeintlichen Stimme der Geschaeftsfuehrung zu Ueberweisungen verleitet werden. Unternehmen sollten daher interne Freigabeprozesse fuer Zahlungen nicht allein auf Sprachidentifikation stuetzen und ihre Belegschaft fuer diese neue Form des Social Engineering sensibilisieren.