KI-Sprecher und Stimmklonen

Die Herausforderung
Benutzer wünschen sich eine schnellere und flexiblere Möglichkeit, ihre Mozaik-Videoprojekte mit gesprochenen Audiospuren zu versehen, ohne Voiceovers manuell aufnehmen oder externe Text-to-Speech-Tools verwenden zu müssen.

Während ein separater Feedback-Eintrag bereits das Hinzufügen allgemeiner Voiceover-Spuren zu Videoprojekten abdeckt – einschließlich der Aufnahme eines Voiceovers direkt in Mozaik oder des Hochladens einer vorhandenen Audiodatei –, konzentriert sich diese Anfrage speziell auf KI-generierte Voiceovers und Stimmklonen.

Verwandter Feedback-Eintrag: https://feedback.mozaik-app.com/p/add-voiceover-tracks-to-video-projects

Unser Ansatz
Benutzern die Möglichkeit geben, KI-Voiceovers direkt im Mozaik-Videoeditor mithilfe moderner Text-to-Speech-Technologie zu generieren. Benutzer sollten in der Lage sein, ein Skript einzugeben, eine Voiceover-Audiospur zu generieren und diese generierte Audiodatei direkt zu ihrem Videoprojekt hinzuzufügen.

Dies sollte zwei Haupt-KI-Sprach-Workflows unterstützen:

• 1. Auswahl aus vorhandenen KI-Stimmen: Benutzer sollten aus einer Bibliothek mit KI-Stimmen wählen und eine passende Stimme basierend auf dem Anwendungsfall, dem Tonfall, der Sprache, der Zielgruppe oder der Art des Videos, das sie erstellen, auswählen können.

• 2. Die eigene Stimme klonen: Nutzer sollten in der Lage sein, ihre eigene Stimme zu klonen und sie der Sprachbibliothek ihres Mozaik-Kontos hinzuzufügen, damit sie zukünftige Voiceovers mit ihrem eigenen wiederverwendbaren KI-Stimmklon erstellen können.

Das generierte Voiceover sollte sich im Editor wie eine normale Audiospur verhalten, sodass Nutzer es in die Video-Timeline einfügen und als Begleitkommentar für Tutorials, Erklärvideos, Social-Media-Clips und andere Formate mit Sprachbegleitung verwenden können.

Erwartete Auswirkungen
• Schnellere Erstellung von Videos mit Sprachausgabe ohne externe Aufnahme- oder TTS-Tools
• Einfachere Produktion von Tutorials, Erklärvideos und Social-Media-Clips
• Mehr Flexibilität durch die Auswahl von KI-Stimmen nach Anwendungsfall, Tonfall, Sprache oder Videotyp
• Stärkere Personalisierung durch kontospezifische Stimmklone
• Ein umfassenderer Voiceover-Workflow in Kombination mit der bestehenden allgemeinen Anfrage für Voiceover-Spuren