Tony, der KI-Moderator

Von Jörn Seidel

Tony ist ein sympathischer junger Mann mit dunkelblonden Haaren und braunen Augen. Er trägt einen lachsfarbenen Sweater und einen Dreitagebart. Seine Stimme ist voll, klar und freundlich. Und er hat eine Vorliebe für flachen Humor.

Tony ist Co-Moderator der Sendung „Unser Leben mit KI“ (erste Folge in der Mediathek). Er mag auf den ersten Blick wie ein ganz normaler Mensch aussehen, doch Tony ist nicht echt. Tony wurde mithilfe von künstlicher Intelligenz (KI) erschaffen.

So findet Tony zu seinen Worten

Um Texte mithilfe von künstlicher Intelligenz zu erstellen, gibt es einige Chatbots wie ChatGPT, neuroflash, Jasper AI und Google Bard, die auch auf Deutsch gut funktionieren. Über ein Text-Eingabefeld (oder über Mikrofon) tauscht man sich mit diesen „Dialog-Robotern“ aus. Man stellt ihnen eine Frage oder erteilt eine Anweisung. Die Antwort darauf erfolgt binnen Sekunden. Dafür greifen die Dienste auf Websites, Bücher und andere Wissensquellen im Internet zurück.

Die Produktionsfirma hat zunächst einen Dialog mit ChatGPT gestartet. Der Chatbot solle so tun, als ob er selbst Tony sei: ein Fernsehmoderator Anfang 30, der als Sidekick Zuschauern in NRW das Thema KI näherbringen solle. Und er solle Humor haben.

Will die Produktionsfirma nun eine neue Moderation für Tony erstellen, setzt sie den ursprünglichen Dialog mit ChatGPT fort. Denn dort hat sich bereits Tonys Charakter herausgeformt.

Im Laufe des Dialogs hat sich Tony dann ein wenig verselbständigt. Er kommt gern ins Schwätzen, selbst dann, wenn man ihn um Kürze bittet. Und er macht ständig Dad Jokes, flache Witze, die nun einfach zu ihm gehören.

Zwar freue er sich immer auf Tonys Antworten durch den Chatbot, erzählt ein Mitarbeiter von Ansager & Schnipselmann. „Aber manchmal ärgere ich mich auch über ihn, weil er nicht versteht, was ich von ihm will, oder weil er wieder einen Witz mit Bits und Bytes einbaut.“ Die lasse sich Tony einfach nicht verbieten. Kleine Kostprobe:

Wenn ich mal überhitzt bin, kühle ich mich mit einem eiskalten Bit ab.

Die Produktionsfirma muss also ein wenig herumprobieren, damit der Chatbot geeignete Moderationstexte ausspuckt. Und kürzen muss sie am Ende auch. Was aber tippt man in das Eingabefeld des Chatbots, um von Tony den Text für das Video oben zu bekommen? In etwa das:

So bringt man Tony zum Sprechen

Der Moderationstext steht nun also. Jetzt muss Tony ihn nur noch sprechen. Das ist heute mit einer Vielzahl von sogenannten Text-to-Speech-Tools wie ElevenLabs, Verbatik, Listnr AI und PlayHT möglich. Sie verwandeln Text in wenigen Sekunden in Sprache.

Zwar bietet auch das Video-Tool HeyGen, das Tony ein Gesicht geben wird, Stimmen an. Aber die Produktionsfirma war von der Aussprache der deutschen Moderationstexte nicht überzeugt. Daher stammt Tonys Stimme jetzt aus der Bibliothek von ElevenLabs und trägt dort den Namen Charlie.

Tony hätte auch mit Dutzenden anderen Stimmen sprechen können. Hier eine kleine Auswahl:



So wird Tony ein TV-tauglicher Moderator

Die fertige Audio-Datei lädt man nun in einem Video-Dienst hoch, der mithilfe von KI Avatare sprechen lassen kann. Da gibt es zum Beispiel Synthesia, Pipio und D-ID. Tony wurde mit HeyGen erstellt.

Mit HeyGen lassen sich individuelle Avatare erschaffen, zum Beispiel Doubles von sich selbst. Es geht aber auch einfacher: Zur Verfügung stehen etwa zwei Dutzend öffentliche Avatare in jeweils mehreren Outfits. Sie „wurden von Schauspielern und Models aufgenommen“, heißt es auf der Website von HeyGen.

Vier dieser Avatare hätten Tonys Job sicher auch gerne gehabt, kamen aber nicht zum Zug: