Making-of: So entsteht dieser Podcast mit meiner geklonten Stimme

Jonas: Herzlich willkommen bei KI Buch Power, deinem Buchpodcast für alle, die mit ihrem Buch sichtbar werden wollen. Ich bin Jonas, und bei mir ist Janet Zentel. Fünf Minuten, ein Thema, ein Schritt für dein Buch. Heute ein Blick hinter die Kulissen, denn das hier ist eine ungewöhnliche Folge. Janet, du sagst am Ende jeder Folge, dass deine Stimme geklont ist. Und ich bin auch keine Aufnahme. Wie entsteht dieser Podcast eigentlich?

Janet: Von Anfang bis Ende, in drei Schritten. Schritt eins: der Klon. Ich habe meine Stimme bei ElevenLabs hinterlegt. Für einen ersten, einfachen Klon reicht etwa eine Minute saubere Aufnahme. Ohne Hall, ohne Hintergrundgeräusche, in normalem Sprechtempo. Für richtig gute Qualität, mit Betonungen und Atmern, braucht es deutlich mehr Material, eine halbe Stunde oder länger. Der Klon ist nur so gut wie die Aufnahme. Wer ins Laptop-Mikrofon in der Küche spricht, bekommt eine Küchenstimme. Schritt zwei: das Skript. Jede Folge wird vorher geschrieben. Recherche, Quellen, Gliederung, dann der Text. Und eine Regel, die ich jedem weitergebe: Zahlen ausschreiben. Nicht neun Komma sechs mit Ziffern, sondern als Wörter. Nicht Prozentzeichen, sondern das Wort Prozent. Die KI-Stimme liest, was dasteht, und eine Ziffernkolonne kann sie auf zehn Arten betonen. Ein ausgeschriebenes Wort nur auf eine. Schritt drei: die Stimme spricht. Das Skript geht in die Maschine, die Stimme kommt als Audiodatei zurück, in Sekunden. Und dann der wichtigste Schritt: Ich höre alles ab. Namen, Fremdwörter, englische Begriffe, da passieren Fehler. Mein eigener Vorname wird gern englisch ausgesprochen, deshalb schreibe ich ihn im Skript so, wie man ihn spricht. Wo etwas nicht stimmt, wird der Satz umgeschrieben und neu erzeugt.

Jonas: Viele kennen die Audio-Zusammenfassungen von NotebookLM, da plaudern auch zwei Stimmen. Geht das nicht einfacher damit?

Janet: Es klingt lebendig, aber NotebookLM kennt keine Stimmwahl. Du bekommst die zwei Standardstimmen, immer dieselben, die in jedem anderen KI-Podcast auch zu hören sind. Deine eigene Stimme kannst du dort nicht hinterlegen. Der einzige Umweg ist, das Gespräch zu transkribieren und mit deinem Klon neu zu vertonen. Dann kannst du aber auch gleich selbst schreiben, und genau das tue ich. Zur Kennzeichnung: Apple Podcasts verlangt seit diesem Jahr, dass jede synthetische Stimme offengelegt wird, in der Folge selbst und in den Beschreibungen von Sendung und Folge. Früher galt das nur, wenn KI einen wesentlichen Teil ausmachte, jetzt gilt es für jede KI-Stimme. Spotify hat keine eigene Pflicht, entfernt aber Podcasts, die die Stimme eines anderen Menschen ohne Erlaubnis kopieren. Deshalb sage ich es am Ende jeder Folge. Nicht aus Angst, sondern weil ich finde, dass du es wissen sollst. Und die wichtigste Regel: nur die eigene Stimme. Oder eine, für die du eine ausdrückliche Erlaubnis hast. Alles andere ist Diebstahl an etwas sehr Persönlichem.

Jonas: Wo liegen die Grenzen? Und wie nah ist der Klon am Original?

Janet: Ironie ist schwer. Spontaner Witz ist schwer. Ein Interview mit einem echten Gast, der lacht, zögert, nachdenkt, das kann kein Klon. Deshalb hat dieser Podcast beides: Folgen wie diese, und Folgen, in denen ich live mit Menschen spreche. Die Maschine macht die Snacks. Das Menü mache ich selbst. Und wie nah der Klon ist? Nah genug, dass Menschen, die mich nicht täglich hören, kaum einen Unterschied merken. Wer mich gut kennt, hört kleine Abweichungen: Rhythmus, Atmung, die Art, wie ich Sätze beende. Für einen Podcast mit kurzen Snacks, in dem der Inhalt zählt, reicht das völlig. Für eine Rede auf der Bühne würde ich ihn nie nehmen. Dort will ich stolpern, lachen und mich verhaspeln dürfen. Das ist der Unterschied zwischen einem Werkzeug und einem Ersatz, und ich halte ihn bewusst ein. Die Maschine spricht meine vorbereiteten Gedanken. Die unvorbereiteten spreche ich selbst.

Jonas: Dann der Fünf-Minuten-Schritt für heute.

Janet: Nimm eine Minute deiner eigenen Stimme auf. Ein ruhiger Raum, das Handy dreißig Zentimeter vor dem Mund, ein Text, den du gern vorliest. Du musst daraus noch keinen Klon machen. Aber du hast das Material, wenn du es brauchst. Und du hörst dir einmal selbst zu, was ohnehin die beste Übung für jede Autorin ist. Das war dein Buch-Snack für heute. Alle Quellen findest du in den Shownotes. Wenn du dein eigenes Expertenbuch schreiben willst, schau bei KI Buch Power vorbei, der Link steht ebenfalls in den Shownotes. Und damit du es weißt, heute mit einem Augenzwinkern: Diese Folge wurde mit meiner eigenen geklonten KI-Stimme eingesprochen, und auch Jonas ist eine KI-Stimme.

Jonas: Bis zum nächsten Snack.