
Vom ersten Versuch zum eigenen Hörbuchstudio
Und warum ich die Fehler nicht verstecke.
LAGE NULL war der Anfang. DIE ABWEICHUNG zeigt, was wir inzwischen gelernt haben. Und dazwischen liegen ziemlich viele Versuche, technische Probleme und Erkenntnisse.
Als ich angefangen habe, meine Romane mit künstlich erzeugten Sprecherstimmen als Hörbücher umzusetzen, hatte ich keine Produktionsfirma im Rücken, kein professionelles Tonstudio und auch keinen fertigen Produktionsprozess.
Ich hatte eine Geschichte, eine Idee und den Wunsch, auszuprobieren, wie weit man mit den heutigen Werkzeugen tatsächlich kommt.
Also haben wir angefangen.
Das erste Ergebnis war die Hörbuchfassung von LAGE NULL – Band 1. Sie ist veröffentlicht, sie ist hörbar und sie erfüllt ihren Zweck. Aber wenn ich mir die Produktion heute anhöre, fallen mir natürlich Dinge auf, die ich inzwischen anders machen würde.
Manche Passagen könnten ruhiger sein, manche Übergänge natürlicher. Die Stimmen könnten sich besser voneinander unterscheiden und die Pausen dürften gelegentlich etwas mehr Raum bekommen.
Ist das schlimm?
Nö.
Es war unser erstes Hörbuch.
Die KI spricht. Aber sie führt keine Regie.
Was bei der ganzen Diskussion über KI-generierte Inhalte gerne untergeht: Ein Werkzeug zu bedienen bedeutet noch lange nicht, dass damit automatisch ein gutes Ergebnis entsteht.
Natürlich kann ich einen Text in eine Sprach-KI werfen und bekomme anschließend eine Audiodatei. Technisch beeindruckend, aber damit habe ich noch lange kein ordentlich inszeniertes Hörbuch.
Denn ein Hörbuch lebt nicht nur von gesprochenen Wörtern.
Es lebt davon, wie Figuren miteinander reden, wie sich Stimmen unterscheiden, wann ein Erzähler das Tempo herausnimmt und wann zwischen zwei Sätzen einfach mal Stille stehen bleiben darf.
Genau daran haben wir gearbeitet.
Für meinen neuen Mystery-Thriller DIE ABWEICHUNG – Das falsche Gestern haben wir deshalb einen anderen Ansatz gewählt.
Die Hauptfiguren besitzen eigene synthetische Stimmen. Der Erzähler spricht ruhiger, die Dialoge bekommen individuell abgestimmte Pausen und die Audioaufnahmen werden nicht einfach mechanisch aneinandergehängt.
Allein das erste Kapitel besteht aus 250 einzeln produzierten Sprachabschnitten.
Jeder Abschnitt muss dem richtigen Sprecher zugeordnet, erzeugt, gesichert und anschließend in der richtigen Reihenfolge zusammengesetzt werden.
Dazu kommen Sprechgeschwindigkeit, Übergänge und die gesamte technische Verarbeitung.
Und ja, wir haben auch Fehler gemacht.
250 Sprachabschnitte. Und zwischendurch ordentlich Theater.
Bei der Produktion haben wir unter anderem gelernt, dass es keine besonders gute Idee ist, eine große Anzahl von Sprachaufnahmen gleichzeitig erzeugen zu lassen und darauf zu vertrauen, dass anschließend schon alles irgendwie zusammenpasst.
Ein fehlgeschlagener Verarbeitungslauf kann nicht nur Zeit kosten, sondern bei kostenpflichtiger KI-Sprachgenerierung auch ganz reale Credits.
Also haben wir unsere Arbeitsweise geändert.
Kleinere Produktionsblöcke. Jede erzeugte Aufnahme unmittelbar dokumentieren. Bereits vorhandene Dateien nicht noch einmal kostenpflichtig erzeugen. Und den eigentlichen Audioschnitt mit lokalen Werkzeugen durchführen.
Inzwischen lassen sich die erzeugten Sprachaufnahmen auf meinem Linux-System herunterladen, mit definierten Einstellungen verarbeiten und zu einer fertigen MP3 zusammensetzen.
Das ist keine spektakuläre neue Technologie.
Das ist ein funktionierender Arbeitsablauf.
Und genau darin liegt für mich der eigentliche Fortschritt.
Nicht darin, dass die KI plötzlich alles besser kann, sondern darin, dass wir gelernt haben, ihre Möglichkeiten vernünftig einzusetzen.
Und warum bleibt LAGE NULL trotzdem online?
Weil ich überhaupt keinen Grund sehe, die Anfänge zu verstecken.
Wer heute LAGE NULL hört und danach DIE ABWEICHUNG, wird Unterschiede feststellen können.
Das darf auch so sein.
Ich finde diese Vorstellung ohnehin reichlich merkwürdig, dass man öffentlich möglichst nur noch fertige, perfekt geschliffene Ergebnisse zeigen soll. Als hätte es die Versuche davor niemals gegeben.
Dabei entsteht Entwicklung doch gerade durch Ausprobieren, Fehler, Korrekturen und manchmal auch durch die Erkenntnis, dass eine vermeintlich geniale Idee in der Praxis ziemlicher Käse war.
Warum sollte ich das verstecken?
Ich bin seit vielen Jahren in der IT unterwegs. Und gerade dort habe ich oft genug erlebt, wie viel Aufwand betrieben wird, um nach außen den Eindruck zu vermitteln, dass alles von Anfang an hervorragend geplant gewesen sei.
War es meistens nicht.
Bei meinen Hörbüchern mache ich mir dieses Theater jedenfalls nicht.
Ja, die Stimmen sind KI-generiert. Und?
Auch daraus mache ich kein Geheimnis.
Die Geschichten, Figuren und Handlungen stammen von mir. Die Sprecherstimmen werden mithilfe von HeyGen künstlich erzeugt. Die Bearbeitung, die Sprecherzuordnung und der Audioschnitt sind Teil unserer eigenen Produktion.
Auch die Cover, Thumbnails und animierten YouTube-Hintergründe entstehen mit KI-Unterstützung.
Damit ersetzen wir nicht heimlich menschliche Sprecher und behaupten anschließend, ein professionelles Ensemble engagiert zu haben.
Wir nutzen offen verfügbare technische Möglichkeiten, um eigene Geschichten in ein zusätzliches Format zu bringen.
Das Ergebnis darf man mögen oder nicht mögen. Kritik an der Klangqualität, den Stimmen oder der Inszenierung ist ausdrücklich willkommen.
Denn genau dadurch kann das nächste Kapitel besser werden.
Aus einer Idee wird langsam eine kleine Produktion.
Bei DIE ABWEICHUNG haben wir inzwischen nicht nur verschiedene Sprecherstimmen, sondern auch einen einheitlichen visuellen Stil, eine ruhige animierte YouTube-Fassung und einen wiederholbaren Produktionsablauf.
Natürlich ist das kein großes Hörbuchstudio.
Aber es ist mittlerweile deutlich mehr als ein gelegentlicher Versuch mit einem KI-Werkzeug.
Und genau das macht mir daran Spaß.
Ich kann meine eigenen Geschichten schreiben, sie als Hörbuch umsetzen, veröffentlichen und dabei die gesamte Entwicklung selbst gestalten.
Ohne erst eine Produktionsfirma suchen oder ein großes Budget aufstellen zu müssen.
Die technische Entwicklung eröffnet solche Möglichkeiten. Was man daraus macht, bleibt allerdings immer noch eine Frage der eigenen Ideen, Ansprüche und Bereitschaft, sich mit den Werkzeugen wirklich auseinanderzusetzen.
LAGE NULL war unser Einstieg. DIE ABWEICHUNG ist der nächste Schritt.
Und ich bin ziemlich sicher, dass wir bei Kapitel 2 schon wieder Dinge entdecken werden, die sich verbessern lassen.
Das ist völlig in Ordnung.
Man darf einer Entwicklung ruhig dabei zusehen, wie sie entsteht. Auch mit ihren Ecken und Kanten.
Vielleicht sogar gerade deshalb.
Pfeife an. Lernkurve hörbar.
Transparenzhinweis: Die beschriebenen Hörbücher verwenden KI-generierte Sprecherstimmen von HeyGen. Cover und Animationen wurden ebenfalls KI-gestützt erstellt. Bei der Konzeption und redaktionellen Bearbeitung kam ChatGPT zum Einsatz. Geschichten und Figuren stammen vom Autor Michael Markus Kühnl.