Adobe VoCo

Photoshop für Audio – Stimmenmanipulation eingeschlossen

Adobe hat auf seiner eigenen Hausmesse Max 2016 eine neue Software für die Bearbeitung von Audio vorgestellt. VoCo folgt den Fußstapfen von Foto- und Videoediting namens Photoshop und Premier. Den Namen "Photoshop für Audio" will sich VoCo durch die umfangreichen Bearbeitungsmöglichkeiten, aber auch die einfache Bedienung verdienen.

VoCo steht für Voice Conversion und dies macht auch deutlich, welche Art von Bearbeitung hier ermöglicht werden soll: Es geht um die Manipulation von gesprochenen Audio-Dateien. Dem Nutzer wird dabei das Audio in Waveform und dazu via Spracherkennung der entsprechende Text angezeigt. In der Folge kann die Audio-Datei entweder in Form der Waveform oder aber durch das Verschieben, Ersetzen und Löschen von Wörtern bearbeitet werden. Es ist aber auch möglich eigene Wörter hinzuzufügen. Derzeit steht aber nur die englische Sprache zur Verfügung.

VoCo umfasst derzeit nur etwa 20 Minuten an gesprochenem Wort. Dies soll in Zukunft natürlich deutlich ausgebaut werden. Damit die Sprache auch möglichst realistisch klingt, werden nicht nur komplette Wörter eingesprochen, sondern diese auch in Abschnitte unterteilt, in phonetische Schnipsel, die auch unterschiedliche Betonung bei gleicher Schreibweise beachten. So arbeiten auch Sprachassistenten wie Apples Siri, der Google Assistent und Amazons Alexa. Dieses Einsprechen von Tonschnipseln ist eine aufwendiger Prozess, den Adobe bisher noch nicht vorgenommen hat.

Später soll es möglich sein, eine beliebige Stimme zu nehmen und zu bearbeiten. VoCo soll aus den bestehenden Wörtern eine eigene Sprache entwickeln können, die möglichst nahe im Original ist. Dazu werden auch einzelne Wörter dekonstruiert und zu neuen zusammengesetzt. Bereits vorhandene Wörter sind natürlich einfacher zu bearbeiten, als neue zusammenzusetzen. Derzeit klingt dies noch etwas künstlich, aber auch dies soll sich in Zukunft ändern.

Adobe VoCo befindet sich derzeit noch im Prototypen-Status. Üblicherweise zeigt Adobe solche Technologien 1-2 Jahre bevor sie in konkrete Produkte überführt werden. VoCo wird dann vermutlich keine eigenständige Software werden, sondern Teil von Audition werden. Adobe wird dabei vermutlich auch auf Fortschritte bei der Spracherkennung angewiesen sein. Hier machen Unternehmen wie Google, Amazon, Baidu und Apple immer größere Schritte in die richtige Richtung.