KI-Sprachtools für die Erwachsenenbildung

Gesprochene Inhalte transkribieren, Texte in gesprochene Sprache umwandeln, einen Klon der eigenen Stimme erzeugen oder sich verbal mit einem KI-Chatbot unterhalten: Künstliche Intelligenz bietet umfangreiche Möglichkeiten im Bereich der Sprache. So lassen sich sprachliche Bildung und barrierearmes Lernen fördern.

Speech-to-Text mit dem KI-Tool Gladia

Eine häufige Anwendung von Künstlicher Intelligenz im Kontext von Sprache wird als Speech-to-Text bezeichnet. Dabei geht es um das Umwandeln von Sprache in Text, also das Diktieren oder Transkribieren mithilfe von KI-Tools. Diese Funktion wurde bereits in der dritten Lerneinheit der KI-Serie anhand der Video-Transkription sowie in der vierten Lerneinheit durch die Live-Transkription in Online-Meetings demonstriert. Video-Transkription und Live-Transkription lassen sich auch mit dem KI-Tool Gladia durchführen, das sogar außerhalb von Online-Meetings Gesprächsprotokolle erstellen kann. Das KI-Tool bietet Nutzer*innen auch diverse Optionen, um ein noch genaueres und einheitlicheres Transkript zu erhalten.

Mit Gladia lassen sich auch Audioaufnahmen transkribieren. Dabei erkennt das KI-Tool verschiedene Sprachen, differenziert zwischen unterschiedlichen Sprecher*innen und erzeugt auf Wunsch auch eine Übersetzung des Transkripts. Mit Stand vom September 2024 stehen all diese Funktionen auch in der kostenlosen Version zur Verfügung, mit der Nutzer*innen monatlich bis zu zehn Stunden an Aufnahmen transkribieren können.

Text-to-Speech: Sprechstimmen mit ElevenLabs erzeugen

KI-Tools ermöglichen aber ebenso den umgekehrten Fall: Texte in gesprochene Inhalte zu verwandeln (TTS). Einer der führenden Anbieter im Bereich Sprachsynthese ist ElevenLabs. Das KI-Tool ermöglicht es, Texte von einer menschlich klingenden Sprechstimme vorlesen zu lassen. Die KI-generierten Sprechstimmen stammen zum Teil von Nutzer*innen und ergeben eine riesige Auswahl für verschiedene Anwendungsbereiche. Die Qualität der TTS-Funktion ist sehr gut.

Die Funktion „Audio Native“ stellt Anwender*innen einen html-Code für einen Audio-Player bereit. Dieser kann auf einer Webpage oder z.B. am eigenen Blog hinterlegt werden. Besucher*innen der Website bzw. des Blogs können sich die Online-Texte dann vom Audio-Player vorlesen lassen - eine Funktion, die gerade im redaktionellen Bereich für Erwachsenenbildner*innen und deren Zielgruppe nützlich sein kann.

Nutzer*innen von ElevenLabs können auch ihre eigene Stimme klonen und Aufnahmen in viele unterschiedliche Sprachen übersetzen lassen. Zudem können auch Sound-Effekte auf Basis einer kurzen Texteingabe generiert werden. Diese Funktion kann beim Erstellen von Lernvideos nützlich sein.

PlayHT ist ein TTS-Generator, der durch die Vergabe unterschiedlicher Sprechstimmen ein Gespräch oder eine Diskussion simulieren kann. Erwachsenenbilder*innen können diese KI-Anwendung etwa für Lerndialoge nutzen. In der kostenlosen Version lassen sich 12.500 Zeichen in Sprache umwandeln und als Audiodatei herunterladen. Nutzer*innen können auch ihre eigene Stimme kostenlos klonen.

Die Ergebnisse der getesteten KI-Tools waren nicht immer ganz fehlerfrei. Insgesamt sind sie aber von wirklich guter Qualität. Zudem sind sie einfacher zu bedienen als Screenreader.

TTS auch für unterwegs

Mit der Smartphone-App „ElevenReader“ bietet ElevenLabs eine vollumfänglich kostenlose Möglichkeit, auch unterwegs Texte von einer KI vorlesen zu lassen. Die jeweiligen Texte können auf unterschiedlichem Weg der App zugeführt werden: Sie lassen sich eintippen, per URL einfügen, als Datei hochladen oder mit der Smartphone-Kamera abfotografieren. Die TTS-Funktion lässt sich damit barrierearm umsetzen.

Für TTS-Anwendungen gibt es einige weitere KI-Tools, wie etwa Speechify, das als Web-Applikation, mobile App und Google Chrome-Erweiterung zur Verfügung steht.

Störgeräusche entfernen, Tonaufnahmen verbessern

Adobes Enhance Speech ist ein KI-Tool, das störende Hintergrundgeräusche aus Audiodateien entfernen kann. Ein Beispiel, das für die Praxis von Erwachsenenbildner*innen interessant sein könnte: Ist auf einer unterwegs aufgenommenen Audiodatei Lärm zu hören, wie etwa Straßenverkehr, so können die Störgeräusche mit Enhance Speech im Nachgang entfernt werden. Das KI-Tool kann in einem begrenzten Umfang kostenlos verwendet werden (Stand September 2024). Mit einem Abo der Adobe Creative Cloud lässt sich das KI-Tool unbegrenzt nutzen.

Lerninhalte mit anonymisierter Sprechstimme

Erwachsenenbildner*innen, die selbst erstellte Tonaufnahmen als Lerninhalte zur Verfügung stellen, möchten ihre Stimme ggf. anonymisieren. Dafür bietet Altered Studio eine Lösung. Mit diesem KI-Tool ist es nämlich möglich, die Sprechstimme in Video- und Audioaufnahmen zu verändern. Auch die Tonhöhe und der Satzrhythmus lassen sich anpassen.

Sprechen und Sprachen lernen mit KI-Chatbots

Anfragen an ChatGPT lassen sich auch verbal stellen und beantworten – derzeit zumindest mit der mobilen App am Smartphone sowie am Mac. Interaktionen mit dem KI-Chatbot werden dadurch dynamischer und inklusiver.

Synchron hält ChatGPT die Dialoge auch schriftlich fest und stellt am Ende das vollständige Transkript zur Verfügung. Für Sehbeeinträchtigte und Lernende mit Lese- oder Schreibschwierigkeiten kann diese Verwendungsweise eine große Unterstützung sein.

Der Einsatz der Sprachfunktion von ChatGPT eignet sich auch besonders gut zum Lernen einer Sprache. Wie der KI-Chatbot dafür genutzt werden kann, zeigt eine Beispiel-Sequenz im Video. Auf diese Weise können etwa neue Vokabeln oder Phrasen zu einem bestimmten Thema erlernt werden. Mit dem Advanced Voiced Mode von ChatGPT – der Ende September veröffentlicht wurde – ist das in noch höherer Qualität möglich. Dafür nutzt das Modell unter anderem Emotionserkennung und ist daher in Europa verboten, wo die KI-Verordnung (AI-Act) die Emotionserkennung in Arbeit und Bildung untersagt.

Über sog. Custom GPTs können Sprachtrainer*innen kostenpflichtig auch eigene KI-Chatbots erstellen. Wie das geht, wurde in der ersten Einheit der KI-Serie gezeigt.

Sprachliche Interaktionen sind mittlerweile auch bei Live-Avataren von HeyGen möglich. Nutzer*innen können mit einem Live-Avatar auf einer Website sprechen und erhalten die Antwort ggf. mit der Stimme des Avatar-Erstellers.

Schon mal ein KI-Bildungstelefon angerufen?

Noch einen Schritt weiter geht das KI-Tool Vapi, das einen Telefondienst mit Künstlicher Intelligenz bereitstellt. Nutzer*innen von Vapi können einen eigenen KI-Telefon-Assistenten einrichten, den sie nach Belieben konfigurieren und dem sie eine bestimmte „Knowledge Base“ zur Verfügung stellen können. Das sind ausgewählte Informationen, die der KI-Assistent in besonderem Maße berücksichtigt. Wurde der KI-Assistent eingerichtet, können ihn Nutzer*innen sowohl vom Computer als auch vom Smartphone aus anrufen. Damit lässt sich der KI-Assistent auch kostenlos von Menschen nutzen, die über keinen Computer verfügen. Auch für Lernende mit Lese- oder Schreibschwierigkeiten ist ein solcher KI-Telefondienst besonders interessant.

Die vorgestellten KI-Tools und Sprachanwendungen legen eindrücklich nahe: Von dieser Technologie geht einerseits ein gewisses Missbrauchspotenzial aus, insbesondere was das Klonen von Stimmen betrifft. Andererseits bieten sich zahlreiche Chancen für inklusives und barrierearmes Lernen.