Stimmklon (Voice Cloning)

Ein Stimmklon ist eine synthetische Stimme, die einer bestimmten realen Person nachgebildet ist und neue, von dieser Person nie gesprochene Inhalte wiedergeben kann. Das Verfahren wird auch als Voice Cloning oder Stimmklonen bezeichnet. Grundlage sind Sprachaufnahmen der Person, mit denen ein Stimmmodell trainiert wird.

Das Bundesamt für Sicherheit in der Informationstechnik (BSI) unterscheidet zwei Vorgehensweisen. Bei der Sprachsynthese aus Text, englisch Text-to-Speech, entsteht aus einem geschriebenen Text eine Tonaufnahme, die nach der Zielperson klingt. Bei der Stimmkonvertierung, englisch Voice Conversion, wird eine vorhandene Sprachaufnahme in die Stimme der Zielperson umgewandelt, ohne dass sich ihr Inhalt ändert. Wie viel Ausgangsmaterial nötig ist, hängt nach dem BSI von Verfahren und angestrebter Qualität ab; als typische Fehler nennt es etwa einen metallischen Klang, falsche Aussprache und monotone Betonung.

Vom menschlichen Sprechen ist der Stimmklon zu trennen. Synchronsprecher*innen gestalten eine Figur stimmlich für eine neue Sprachfassung; Voice-over und Nachsynchronisation sind ebenfalls Darbietungen realer Personen am Mikrofon. Nicht jede synthetische Stimme ist zudem ein Stimmklon: Sie muss keine bestimmte Person erkennbar nachbilden. Ob eine Stimme aufgenommen, für ein Modell verwendet oder nachgebildet werden darf, ist eine eigene rechtliche und vertragliche Frage des Einzelfalls.