Text to Speech singen, beatboxen und durchdrehen lassen
Clips, in denen eine Roboterstimme singt, beatboxt oder Hubschraubergeräusche macht, sind seit Jahren Memes. Viele versuchen dasselbe mit moderner Sprachausgabe und wundern sich, warum sie die seltsamen Zeichen einfach vorliest.
Dieser Ratgeber erklärt, woher die Tricks stammen, welche dokumentierte DECtalk-Syntax dahintersteckt und was eine moderne KI-Stimme wie SuperClonica stattdessen kann.
Woher die Tricks stammen
Die meisten Sing- und Geräuschtricks entstanden mit DECtalk, dem klassischen Formant-Sprachsynthesizer. Das kostenlose NASA-Spiel Moonbase Alpha spricht seinen Chat mit DECtalk, und Spieler tippten berühmt gewordene Phonembefehle in den Chat, um ihre Astronauten singen zu lassen. Weil DECtalk Klang nach Regeln erzeugt, können Sie ihm genau sagen, welchen Laut es wie lange und in welcher Tonhöhe machen soll.
Die DECtalk-Syntax zum Singen
Die DECtalk-Dokumentation beschreibt ein Format mit einem Phonem in eckigen Klammern, dahinter Dauer und Tonhöhennummer in spitzen Klammern. Die Dauer ist in Millisekunden, die Tonhöhennummer stammt aus der Tontabelle mit Noten und Frequenzen. So hält das Phonem ow mit 400 und 13 in spitzen Klammern einen Vokal 400 Millisekunden auf einem Ton. Ketten solcher Befehle ergeben Melodien, sehr kurze, schnelle Folgen ergeben Beatbox-, Motor- und Glitch-Effekte. Je nach DECtalk-Version muss die Phonemeingabe erst eingeschaltet werden; prüfen Sie das Handbuch Ihrer Version.
Warum moderne KI-Stimmen das nicht können
Neuronale Sprachausgabe, auch SuperClonica, lernt aus Aufnahmen echter Sprache und liest Text so, wie ein Mensch es täte. Sie nimmt keine Befehle für Phoneme, Dauer oder Tonhöhe an; DECtalk-Zeichenketten kommen daher als Buchstaben heraus oder werden übersprungen, und auf vorgegebenen Noten singen kann sie nicht. Das ist der Preis für natürlichen Klang.
Was mit einer modernen Stimme geht
Mit dem Vortrag lässt sich trotzdem spielen: Tempo von 0.7 bis 2.0 in der kostenlosen Engine, Kommas und Punkte für Pausen, Ausrufe- und Fragezeichen für die Satzmelodie und Wörter so geschrieben, wie sie klingen sollen. Für Comedy wählen Sie eine Figurenstimme, vertonen kurze Sätze und schneiden sie im Audio-Editor zusammen; Wiederholen oder Rückwärtsspielen kurzer Schnipsel ergibt viele Glitch-Effekte ganz ohne Phonemcodes. Hören Sie Stimmen kostenlos auf ihren Seiten mit 30 bis 100 Zeichen.
Das richtige Werkzeug wählen
Für Retro-Robotergesang nehmen Sie DECtalk; der DECtalk-Ratgeber erklärt, woher man es heute bekommt. Für natürliche Sprache mit Figuren- oder Sprecherstimme in 31 Sprachen nehmen Sie SuperClonica: Installieren Sie es mit python -m pip install superclonica-cpu oder trainieren Sie Ihre eigene Stimme im Studio aus 5 bis 10 Sekunden Aufnahme. Chinesisch wird noch nicht unterstützt.