Neulich hat mich ein Kunde etwas gefragt, das ich gut verstehen kann.
Ich hatte erzählt, dass moderne KI Stimmen heute sehr natürlich klingen können. Also Stimmen, die nicht mehr nach alter Computerstimme klingen. Stimmen, bei denen man kurz vergisst, dass sie künstlich erzeugt wurden.
Der Kunde war skeptisch.
Er fragte sinngemäss: Wenn das wirklich so ist, warum hört man solche Stimmen dann nicht längst bei Google Assistant, Siri oder im Auto? Google müsste das doch können.
Das ist eine gute Frage.
Von aussen wirkt es wirklich komisch. Google, Apple und andere grosse Firmen haben riesige Teams, viel Geld und sehr viel KI Wissen. Trotzdem klingt ein alter Sprachassistent im Alltag manchmal schlechter als eine einfache KI Anwendung, die man heute in kurzer Zeit bauen oder testen kann.
Meine erste Antwort war ungefähr diese: Bei einer eigenen Lösung ist es einfacher. Man kann eine API wechseln, eine andere Stimme auswählen und schon klingt der Assistent anders. Bei Google hängen viel mehr Geräte, Sprachen und alte Systeme dran.
Das stimmt. Aber es war mir zu allgemein.
Also habe ich es nochmals sauber angeschaut.
Google hat gute Stimmen
Google hat gute Stimmen. Daran liegt es nicht.
Google Cloud Text to Speech beschreibt natürliche KI Stimmen mit 380 und mehr Stimmen in 75 und mehr Sprachen und Varianten. Google nennt dort auch moderne Sprachmodelle für hochwertige Sprachausgabe. Die Technik ist also da.
Bei einer eigenen KI Anwendung läuft das oft sehr direkt. Man hat einen Text. Dieser Text geht an eine Sprach API. Dort wählt man eine Stimme aus. Dann kommt Audio zurück. Wenn eine andere Stimme besser passt, wechselt man sie.
Genau so kann man heute sehr schnell Voice Assistenten bauen. Das zeigen wir auch in unseren Kursen, wie man Voice Assistenten und KI Anwendungen baut.
Man arbeitet in einer klaren Umgebung. Man weiss, welche Sprache genutzt wird. Man weiss, welches Gerät verwendet wird. Man muss keine alten Produktlinien und keine Millionen Nutzer gleichzeitig mitnehmen.
Bei Google Assistant ist es komplizierter
Der alte Google Assistant ist über viele Jahre gewachsen.
Er läuft auf Handys, Lautsprechern, Displays, Uhren, Kopfhörern, Fernsehern, Autos und in Smart Home Umgebungen. Dazu kommen Länder, Sprachen, Familienkonten, Kinderprofile, Voice Match, Musikdienste, Kalender, Navigation, Routinen und Geräte im Haushalt.
Google beschreibt selbst, dass die Assistant Erfahrung auf mobilen Geräten zu Gemini wechselt. Google schreibt auch, dass der klassische Assistant auf vielen Geräten noch weiterläuft, während der Wechsel zu Gemini schrittweise passiert.
Hier finden Sie den Google Beitrag dazu: The Assistant experience on mobile is upgrading to Gemini.
Das ist der Punkt, den man von aussen leicht unterschätzt.
Eine Stimme ist bei so einem Produkt kein einzelner Schalter. Im alten Assistant hängt sie an einem ganzen System. Wenn Google dort etwas austauscht, muss es auf alten Speakern, neuen Handys, im Auto, auf Displays und in verschiedenen Ländern funktionieren.
Sprache, Region und Gerät spielen mit
Dazu kommt die Sprache.
Google schreibt bei Nest und Home, dass manche Geräte nicht alle Sprachen in allen Regionen unterstützen. Auch die Spracheinstellungen betreffen verknüpfte Geräte im Zuhause.
Auch bei Gemini selbst ist die Stimme nicht überall gleich frei verfügbar. Google beschreibt, dass man die Gemini Stimme ändern kann. Die Auswahl hängt aber von der Sprache ab und ist nicht in jeder Sprache verfügbar.
Das erklärt einiges.
Wenn wir eine moderne KI Stimme in einer Schulung zeigen, reicht es, wenn sie in diesem Beispiel gut klingt. Vielleicht in Deutsch. Vielleicht für eine bestimmte Aufgabe. Vielleicht für ein Voiceover, einen kleinen Assistenten oder einen Kundendialog.
Google muss viel mehr abdecken.
Im Auto muss der Assistent während der Fahrt stabil reagieren. Bei Navigation, Nachrichten, Anrufen und Musik darf keine Verwirrung entstehen. Im Smart Home geht es um Lampen, Kameras, Thermostate, Türen und Routinen. Auf einem Familiengerät müssen mehrere Personen funktionieren. Bei Kindern gelten wieder andere Regeln.
Grosse Systeme werden langsam umgebaut
Grosse Produkte werden selten an einem Tag ersetzt.
Sie werden Stück für Stück umgebaut. Alte Teile bleiben eine Zeit lang laufen. Neue Teile kommen dazu. Manche Geräte bekommen neue Funktionen früher. Andere später. Manche vielleicht gar nicht mehr.
Darum kann eine kleine KI Demo heute moderner wirken als ein grosser Sprachassistent im Alltag.
Google hat die besseren Stimmen. Die eigenen Cloud Produkte zeigen das klar. Der alte Google Assistant kann aber nicht wie eine kleine App behandelt werden.
Bei uns oder in einer eigenen Kundenlösung kann man sagen: Diese Stimme klingt besser, wir nehmen jetzt diese.
Bei Google ist das schwieriger. Dort muss die Stimme in ein bestehendes Produkt passen, das über Jahre gewachsen ist und auf sehr vielen Geräten genutzt wird.
Was das für Unternehmen bedeutet
Genau hier liegt auch der praktische Unterschied für Unternehmen.
Wer heute eigene KI Assistenten baut, muss nicht warten, bis Google, Apple oder Microsoft ihre alten Assistenten komplett erneuert haben. Man kann mit modernen Stimmen, eigenen Abläufen und klaren Anwendungsfällen arbeiten.
Das zeigen wir in unseren KI Workshops für Unternehmen.
Und wer solche Themen selber unterrichten oder begleiten möchte, kann sich bei uns auch für KI Jobs für Quereinsteiger: Als KI Trainer oder Dozent bewerben.
Die kurze Antwort auf die Kundenfrage
Ja, moderne KI Stimmen können heute deutlich natürlicher klingen als das, was viele Menschen von Google Assistant, Siri oder alten Sprachsystemen kennen.
Ja, es wirkt zuerst seltsam, wenn eine kleine KI Anwendung besser klingt als ein Produkt von Google.
Der Grund liegt aber nicht bei fehlender Technik. Der langsamere Teil ist der Umbau des alten Systems. Geräte, Sprachen, Länder, Konten, Smart Home, Auto, Sicherheit und bestehende Funktionen müssen mitziehen.
Bei einer eigenen Anwendung ist eine Stimme oft schnell gewechselt.
Bei einem globalen Assistenten hängt viel mehr daran.
Wir sind also schlussendlich nichts Genialer, sondern einfach nur anders.
https://cloud.google.com/text-to-speech
https://blog.google/products-and-platforms/products/gemini/google-assistant-gemini-mobile/
https://support.google.com/googlenest/answer/755058
Bleiben Sie in Kontakt und folgen Sie mir auf Social Media! Klicken Sie einfach unten auf die schwarzen Icons. Wenn Ihnen dieser Beitrag gefällt, teilen Sie ihn bitte mit den farbigen Icons auf der rechten Seite.
Schreibe einen Kommentar