Voice Cloning.
Voice Cloning bezeichnet das Nachbilden der Stimme einer bestimmten Person mit KI. Aus Aufnahmen, je nach System schon aus wenigen Sekunden, lernt ein Modell Klangfarbe und Sprechweise und kann danach beliebige Texte mit dieser Stimme sprechen. Erlaubt ist das nur mit Einwilligung der Person, deren Stimme geklont wird.
Voice Cloning — ausführlich erklärt
Voice Cloning baut auf Text-to-Speech auf. Statt einer fertigen Standardstimme verwendet das System eine Stimme, die aus Aufnahmen einer realen Person gelernt wurde. Man unterscheidet grob zwei Verfahren: Schnelles Klonen aus kurzen Aufnahmen liefert eine erkennbare, aber nicht perfekte Kopie. Aufwendigeres Training mit längeren, sauberen Aufnahmen ergibt eine Stimme, die auch Betonung und Eigenheiten gut trifft. Beides ist inzwischen als Cloud-Dienst und als quelloffenes Modell zum lokalen Betrieb verfügbar.
Sinnvolle Einsätze gibt es einige: Eine Geschäftsführerin vertont Erklärvideos mit ihrer eigenen Stimme, ohne jedes Mal ins Tonstudio zu gehen. Ein Unternehmen hält die Stimme seiner Telefonansage einheitlich, auch wenn Texte ändern. Menschen, die ihre Stimme durch Krankheit zu verlieren drohen, lassen sie vorher sichern. Gemeinsam ist allen Fällen: Die Person, deren Stimme geklont wird, weiss davon, hat zugestimmt und kann die Nutzung kontrollieren.
Die Kehrseite ist offensichtlich. Geklonte Stimmen werden für Betrug eingesetzt, etwa bei Anrufen, in denen angeblich ein Familienmitglied oder der Chef dringend Geld braucht. Unternehmen sollten deshalb Zahlungsfreigaben nie allein auf einen Anruf oder eine Sprachnachricht stützen und interne Rückfrageregeln haben. Für veröffentlichte Inhalte mit künstlich erzeugten Stimmen gelten zunehmend Transparenzpflichten, in der EU etwa nach dem EU AI Act für Deepfakes. Wer KI-Stimmen in Werbung oder Videos einsetzt, kennzeichnet das am besten offen.
Rechtlich ist die Stimme in der Schweiz Teil der Persönlichkeit. Art. 28 ZGB schützt vor widerrechtlicher Verletzung der Persönlichkeit, und das Nachbilden und Verwenden einer Stimme ohne Einwilligung kann eine solche sein (Wortlaut: fedlex.admin.ch, SR 210). Zudem sind Stimmaufnahmen Personendaten im Sinne des Datenschutzgesetzes (SR 235.1); werden sie verarbeitet, um eine Person eindeutig zu identifizieren, gelten sie als biometrische und damit besonders schützenswerte Daten. Praktisch heisst das: schriftliche Einwilligung mit klarem Zweck, Dauer und Widerrufsmöglichkeit. Diese Einordnung ist keine Rechtsberatung.
Was eine saubere Einwilligung regelt
Eine Einwilligung für Voice Cloning sollte schriftlich festhalten: wessen Stimme geklont wird, wofür sie verwendet werden darf (zum Beispiel nur Erklärvideos der Firma, keine Werbung für Dritte), wie lange, wo die Aufnahmen und das Stimmmodell gespeichert werden, wer Zugriff hat und wie die Person die Einwilligung widerrufen kann. Was nach einem Austritt aus der Firma mit der Stimme geschieht, gehört ebenfalls hinein.
Technisch ist ein lokaler Betrieb oft die sauberere Lösung, weil Aufnahmen und Stimmmodell das Haus nicht verlassen, siehe Voice AI für KMU. Wie wir KI-Projekte mit Datenschutz planen, beschreibt KI-Beratung Schweiz; Grundlagen zu KI in Firmen stehen unter KI für KMU.
Beispiel: Ein Fahrschullehrer und seine Lernvideos
Ein konstruiertes Beispiel: Ein Fahrschullehrer im Aargau produziert kurze Lernvideos zur Theorieprüfung. Er möchte, dass alle Videos mit seiner Stimme gesprochen sind, hat aber nicht die Zeit, jede Korrektur neu aufzunehmen. Er nimmt eine halbe Stunde sauberen Text auf und lässt daraus lokal ein Stimmmodell erstellen. Neue Videos entstehen künftig aus dem Skript.
Weil es seine eigene Stimme ist, braucht er keine fremde Einwilligung, hält aber für seine Mitarbeiterin fest, dass ihre Stimme nicht geklont wird. In jedem Video steht im Abspann, dass die Stimme KI-erzeugt ist. Das Stimmmodell liegt nur auf seinem Rechner, damit es nicht für andere Zwecke missbraucht werden kann.
Weiterführende Seite
Text-to-Speech (TTS)Häufige Fragen zu Voice Cloning
Mit Einwilligung der betroffenen Person in der Regel ja. Ohne Einwilligung kann das Nachbilden und Verwenden einer Stimme die Persönlichkeit verletzen (Art. 28 ZGB), und Stimmaufnahmen unterliegen dem Datenschutzgesetz. Im Zweifel und bei kommerziellem Einsatz rechtlich prüfen lassen.
Das hängt vom System ab. Manche erzeugen aus wenigen Sekunden eine erkennbare Kopie, für eine wirklich überzeugende Stimme sind längere, saubere Aufnahmen ohne Hintergrundgeräusche nötig. Je besser das Ausgangsmaterial, desto natürlicher das Ergebnis.
Zahlungen und heikle Freigaben nie allein auf einen Anruf oder eine Sprachnachricht stützen. Bewährt sind Rückrufe über bekannte Nummern, ein Vier-Augen-Prinzip bei Überweisungen und interne Codewörter. Mitarbeitende sollten wissen, dass Stimmen heute täuschend echt nachgebildet werden können.
Weitere Begriffe mit „V“
Voice Search Optimization
Voice Search Optimization ist die Anpassung von Webinhalten für gesprochene Suchanfragen über Sprach...
Vektor-Embedding
Ein Vektor-Embedding ist die Übersetzung von Text in eine Zahlenreihe, die dessen Bedeutung abbildet...
Vibe Coding
Vibe Coding bezeichnet eine Arbeitsweise, bei der ein Mensch die gewünschte Funktion in normaler Spr...
Bereit für Ihr Projekt?
Wenden Sie dieses Wissen auf Ihre Website an — DLM Digital hilft Ihnen dabei.