Das KI-Podcast-Tool von Google verwandelt Ihren Text in atemberaubend lebensechte Audioinhalte - und das kostenlos

Ich beschäftige mich seit Jahren mit KI und das neue und seltsam versteckte KI-Podcast-Tool von Google überrascht mich immer noch. Im Ernst, man muss das hören, um es zu glauben. Aber am Ende werden die Menschen die Maschinen besiegen. Hier erfahren Sie, warum.

Ich bin überhaupt nicht religiös, aber als ich dieses Werkzeug entdeckte, wollte ich schreien: „Das ist das Werk des Teufels!“

Als ich meinem Redakteur die unten für Sie enthaltene Audiodatei vorspielte, antwortete sie leise: „Was für eine Zauberei ist das?“ Ich arbeite seit 10 Jahren mit ihr zusammen, in dieser Zeit haben wir fast jeden Tag hin und her geplaudert, und das ist das erste All-Caps, das ich je von ihr gesehen habe.

Später teilte sie mir mit: „Das ist zu 100 % das Erschreckendste, was ich bisher im Rennen um generative KI gesehen habe.“

Wenn Sie sich überhaupt für künstliche Intelligenz interessieren, könnte das, was ich herausgefunden habe, Sie genauso aufrütteln wie uns. Möglicherweise befinden wir uns an einem Wendepunkt.

In diesem Artikel stelle ich einen von Google angebotenen Dienst vor. Bitte nehmen Sie sich ein paar Minuten Zeit, um sich zumindest einen Teil der beiden Audioclips anzuhören, die ich teilen werde. Ich zeige Ihnen, wie sie entstanden sind und wie Sie Ihre eigenen herstellen können. Dann werden wir uns mit den Auswirkungen auf Erdbebenebene befassen.

Abschließend können Sie sich mir gerne in den Kommentaren unten anschließen, um darüber zu sprechen. Ich denke, wir müssen uns alle darüber im Klaren sein, was das bedeutet.

Die Demonstration

Was Sie gleich hören werden, ist eine Podcast-Diskussion über einen meiner letzten Artikel.

Ich habe lediglich den Text meines Artikels über die zu reale VR-Konvertierung von 2D-Bildern in 3D in den NotebookLM-Dienst von Google eingefügt und auf „Generieren“ geklickt.

Lassen Sie mich ganz klar sagen: Die „Menschen“ in der Sendung sind nicht real. Der Ton wird vollständig KI-generiert.

Um die Auswirkungen dieser Technologie vollständig zu verstehen, lohnt es sich, ein paar Minuten damit zu verbringen, meinen Originalartikel zu lesen und sich dann mindestens eine Minute des sechsminütigen Audiotracks anzuhören.

Originalartikel: Ich dachte, diese neue VisionOS 2-Funktion sei nur eine Spielerei - bis sie mich in meinem Vision Pro zum Weinen brachte
KI-generierter Audiotrack: Klicken Sie hier, um ihn anzuhören

Na los, ich warte.

Hier sind ein paar Dinge, die Sie beachten sollten:

Die Qualität des Sprechens der beiden Personen im Hinblick auf Stimmtreue und Natürlichkeit
Die Verwendung geeigneter umgangssprachlicher Ausdrücke wie „Wasser wirkt“ zur Beschreibung von Tränen und Weinen
Die völlig organische Natur ihres Geplänkels und die Tatsache, dass es überhaupt Geplänkel gab
Wie gut verstehen die „menschlichen“ Sprecher die Konzepte des Artikels, einschließlich der emotionalen Aspekte des Wiedererlebens alter Erinnerungen?
Alles in allem ist es vom Intro über den Hauptteil bis zum Outro so real, dass es von einer echten Sendung nicht zu unterscheiden ist

Nehmen wir uns als Nächstes einen Moment Zeit, um zu betrachten, wie dies generiert wurde.

Was ist NotebookLM?

NotebookLM ist eine Art Kreuzung zwischen Google Keep und der KI in Notion.

Die Hauptdatenstruktur in NotebookLM ist das Notizbuch, das alle Ihre „Notizen“ zu einem bestimmten Projekt enthält. Notizen, in NotebookLM „Quellen“ genannt, können Text sein, den Sie in NotebookLM eingeben, ähnlich wie bei Keep. Es kann sich aber auch um PDFs, Google Docs oder Slides, eingefügten Text, Audiodateien, YouTube-Links und Web-URLs handeln.

NotebookLM scheint etwas wählerisch zu sein, was das Format der Quellen angeht, denn als ich die URL meines Artikels einfügte, konnte es ihn nicht lesen. Ich musste den Text kopieren und einfügen. Außerdem habe ich ein PDF gefunden, das nicht gelesen werden konnte, obwohl das PDF nicht gesperrt oder eingeschränkt zu sein schien.

Sobald Sie alle Ihre Quellen in einem Notebook haben, können Sie die KI von NotebookLM bitten, KI-Vorgänge mit den Daten durchzuführen. Sie können eine Zusammenfassung erhalten. Sie können ihn bitten, die Hauptpunkte herauszuarbeiten. Sie können ihn um eine Gliederung usw. bitten. Die KI-Aktionen verwenden nur die in einem bestimmten Notizbuch bereitgestellten Quelldaten, ähnlich wie die KI von Notion nur mit den Daten arbeitet, die in Ihr eigenes Notion-Konto hochgeladen wurden.

Die große Überraschungsfunktion, auf die ich mich hier in diesem Artikel freue, ist die Schaltfläche „Generieren“, die den realistischen Scherz zwischen den beiden Podcast-Moderatoren erzeugt, den Sie in der Demo gehört haben.

Derzeit ist NotebookLM in der Betaversion und kostenlos.

Erstellen Sie Ihr eigenes Audio (und eine zweite Demo)

Lassen Sie uns eine weitere erstaunliche Podcast-Diskussion erstellen. Dieses Mal verwenden wir Jason Perlows faszinierenden Artikel über den Niedergang von Intel als Quelle.

Richten Sie Ihren Browser zunächst auf NotebookLM. Sie müssen in Ihrem Google-Konto angemeldet sein. Sobald Sie angemeldet sind, wird eine Liste mit Notizbüchern angezeigt. Dieser Screenshot zeigt nur meinen ersten Test, die Demo, die ich oben gezeigt habe, sowie einige Beispielnotizbücher, die Google bereitstellt.

Wenn wir auf „Neues Notizbuch“ klicken, gelangen wir zum Bildschirm „Quellen hinzufügen“.

Da ich zuvor festgestellt hatte, dass Links zu ZDNET-Artikeln nicht ordnungsgemäß verarbeitet wurden, ging ich einfach in die untere rechte Ecke und klickte auf „Text einfügen“. Nachdem ich den Text aus Jasons Artikel bereits ausgeschnitten hatte, fügte ich ihn in das Dateneingabefeld ein.

Nach ein paar Sekunden öffnet NotebookLM den sogenannten Notebook-Guide, eine Zusammenfassung von Quellen und Vorschlägen.

Auf der rechten Seite befindet sich der Abschnitt „Audioübersicht“. Klicken Sie einfach auf „Generieren“. Das Erstellen eines neuen Podcasts dauert einige Minuten. Hier ist, was wir dieses Mal zurückbekommen haben.

Originalartikel: Der Untergang von Intel: Wie die KI der Generation dazu beitrug, einen Giganten zu entthronen und das Computing, wie wir es kennen, zu transformieren
KI-generierter Audiotrack: Klicken Sie hier, um ihn anzuhören

Wenn Sie die Datei exportieren möchten, können Sie auf das Dreipunktmenü klicken und „Herunterladen“ auswählen. Die Site lädt eine WAV-Datei herunter, Sie müssen jedoch die Erweiterung .WAV hinzufügen. Und das ist es.

Eine kurze Anmerkung: Etwa vier Minuten später gibt es einen kleinen Fehler. Die männliche Stimme wiederholt einen Satz. Ich habe selbst den gleichen Fehler bei Webcasts und Übertragungen gemacht, aber immer noch.

Die erstaunlichen Auswirkungen

Nehmen wir uns zunächst einen Moment Zeit, um zu würdigen, wie unglaublich die Ergebnisse sind. Diese beiden Aufnahmen zeigen ein tiefes Verständnis, die Fähigkeit, einen gesprächigen Dialog zu schreiben, der relevant ist, und die Fähigkeit, neue Informationen hinzuzufügen, die kulturell relevant und sogar sensibel sind. Und das ist alles, bevor wir zur Qualität der Stimmen und sogar der Stimmtöne kommen.

Ich persönlich empfand das zunächst als einen Schlag in die Magengrube. Als Buchautor ist die Fähigkeit, „gutes Radio zu geben“, bei der Durchführung von Buchwerbung und Büchertouren von entscheidender Bedeutung. Ich verfeinere meine Fähigkeiten seit mehr als 15 Jahren, schwitze bei jedem Auftritt aufs Neue und bin immer noch nicht so gut wie diese beiden Fake-Sender.

Ja, sie nutzten meinen Artikel (und später den von Jason) als Stoff für ihre Diskussion. Aber ein Output dieser Qualität könnte Schöpfern und Inhaltsproduzenten wie mir die Hitze zu spüren beginnen. NotebookLM hatte keine andere Wahl, als die Sprechgeschwindigkeit zu erhöhen. Stellen Sie sich nun vor, Sie könnten die Sprecher und Stile auswählen und vielleicht einen kleinen Teil des KI-generierten Skripts bearbeiten.

Dann ist da noch die ganze Frage, was real ist. Letzte Woche habe ich Ihnen gezeigt, wie der Vision Pro einen 20 Jahre alten Schnappschuss meiner längst verstorbenen Katze direkt vor meinen Augen real erscheinen ließ. Jetzt zeige ich Ihnen, wie aus einer winzigen kleinen Funktion in der Ecke eines Google-Notebook-Experiments zwei vollständig hergestellte Lautsprecher entstehen können, die von Menschen nicht zu unterscheiden sind.

Seit Jahren haben wir in Photoshop und anderen Bearbeitungstools die Möglichkeit, die Realität zu verzerren. Filmemacher haben Spezialeffekte eingesetzt, um beim Geschichtenerzählen eine falsche Realität zu erzeugen. Schon allein der Akt des Aufnehmens eines Bildes auf Film verändert die Realität ein wenig.

Das Bild meiner Katze war ein 1/250-Sekunden-Schnappschuss ihrer Realität, und man konnte nur sehen, was die Kamera sah und wie der Entwicklungsprozess (das war Standbildfilm) auf das Licht in der Filmemulsion reagierte.

Es ist also nicht so, dass wir plötzlich in der Lage sind, etwas Echtes vorzutäuschen. Es geht darum, dass wir die Fälschung weiter in die Realität umsetzen können. Ein Schnappschuss einer Katze ist etwas anderes, als sie direkt vor einem zu sehen, als wäre sie echt. Ein computergeneriertes Drehbuch ist etwas ganz anderes, als zwei Rundfunkprofis zuzuhören, die eine dynamische Diskussion über ein interessantes Thema führen.

Es stellt sich auch die Frage nach Kosten und Geschwindigkeit. Um es klarzustellen: Es hat Google Milliarden von Dollar gekostet, meinen Artikel in einen Podcast umzuwandeln. Aber es hat mich nichts gekostet. Es dauerte auch Momente. Das ist eine enorme Reduzierung der Eintrittsbarrieren in die Content-Produktion.

Es ist auch besorgniserregend, dass einige Unternehmen sich dafür entscheiden, KI-generierte Inhalte zu verwenden, anstatt dafür Profis wie mich und Jason einzustellen. Ich habe zwei Tage lang an diesem Artikel gearbeitet, weil ich versucht habe, genau den richtigen Weg zu finden, diese Geschichte zu erzählen.

Aber als ich die Aufforderung „Schreiben Sie einen Artikel über die erstaunliche Fähigkeit von Googles NotebookLM, einen Audio-Podcast zu erstellen und die Auswirkungen davon zu erstellen“ in ChatGPT eingab, erhielt ich in weniger als einer Minute einen ziemlich gut durchdachten Artikel zurück.

Mein Artikel ist deutlich tiefer und vollständiger und berücksichtigt die Nuancen meines persönlichen Stils sowie meine Erfahrungen und Entscheidungen. Aber die von ChatGPT generierte Version ist nicht schlecht. Es wurden ausführliche Gedanken zu diesen fünf Themen verfasst:

Demokratisierung der Inhaltserstellung
Transformation der Bildung und des Wissensaustauschs
Auswirkungen auf die Kreativbranche
Neue ethische Fragen
Die Ökonomie des Podcastings verändern

Das ist beeindruckend für eine Minute Arbeit.

Googles NotebookLM brachte mich zum Nachdenken über die Art von Diensten, die dies ankündigen könnte. Ich mache viele YouTube-Videos und bin, ehrlich gesagt, im Rückstand. Könnte ich eines Tages so etwas wie diese Generate-Funktion haben, um den Talking-Head-Bereich eines YouTube-Videos zu erstellen, sodass es so aussieht, als würde ich die Aufführung geben?

Einerseits könnte mir das eine Menge Zeit sparen und mir die Chance geben, meinen Rückstand aufzuholen. Aber andererseits, heiliger gruseliger Batman! Möchte ich ein Simulakrum von mir, wie ich herumlaufe, Gott weiß was sage und Überzeugungen vertrete, mit denen ich möglicherweise nicht einverstanden bin oder die ich sogar abscheulich finde? Oder was ist, wenn die KI selbst ihre Leitplanken halluziniert, ignoriert oder falsch interpretiert und etwas zutiefst Unangemessenes ausspuckt? Es ist nicht so, dass es noch nie zuvor passiert wäre.

Wie viele Freunde, Wähler und Kunden könnten so etwas sehen und nicht erkennen, dass es sich um einen Deepfake handelt? Wie groß wäre das Aufräumen? Würde es mich einen Auftritt oder eine Freundschaft kosten oder die Gefühle von jemandem verletzen, der mir am Herzen liegt?

Ich habe neue Technologien schon immer geliebt. Ich bin von KI fasziniert, seit ich eine der frühesten wissenschaftlichen Arbeiten über die gesellschaftlichen Auswirkungen von KI geschrieben habe, damals, als es noch hölzerne Schiffe und eiserne Programmierer gab.

Aber ich fange an, besser zu verstehen, wie sich die Ludditen gefühlt haben müssen, jene Textilarbeiter des 19. Jahrhunderts, die sich gegen den Einsatz von Automatisierungsmaschinen aussprachen.

So beeindruckt ich auch von der generativen KI bin und so nützlich ich persönlich sie auch finde, so fortschrittliche Fähigkeiten, die lediglich Vorboten einer weitaus fortschrittlicheren nahen Zukunft sind, nun ja, sie machen mir Angst.

Natürlich gibt es noch die Spam-Seite der Gleichung. Der Algorithmus präsentiert mir immer häufiger eng fokussierte YouTube-Videos zu Themen, die mich interessieren, nur um nach dem Anschauen herauszufinden, dass sie eindeutig KI-generiert sind. Die Flut dieser Videos stellt nicht nur einen unlauteren Wettbewerb zu echten menschlichen Urhebern dar, sondern verschwendet auch die Zeit der Zuschauer. Schlimmer noch, sie verdrängen die echten Experten, die sonst Videos zu diesen Themen produzieren würden.

Die Leistung des menschlichen BS-Detektors

Aber hier ist die Sache. Als diese KI-generierten Videos zum ersten Mal veröffentlicht wurden, war manchmal unklar, ob sie echt waren oder nicht. Aber nach ungefähr einem Jahr ist es jetzt sofort klar, was KI-Müll ist und was liebevoll von einem Menschen geschaffen wurde.

Sie können es sogar erkennen, indem Sie sich die beiden Beispiel-Podcasts anhören, die ich bereitgestellt habe. Der erste hat mich bis ins Mark erschüttert. Und der zweite ist sehr, sehr gut. Aber wenn man sich eins nach dem anderen anhört, wird völlig klar, dass es ein Muster gibt. Wir Menschen, die den größten Teil oder unser ganzes Leben in einer intensiven Medienumgebung verbracht haben, verfügen über fein abgestimmte BS-Detektoren. Geben Sie uns ein paar Jahre Erfahrung mit diesem Zeug, und wir werden selbst die beste generierte KI durchschauen können.

Die große Frage ist, ob es die Leute, die die Urheber bezahlen, interessiert. Ich denke, das werden sie. Es steht außer Frage, dass beispielsweise Jason Perlow Technologieartikel mit seiner eigenen tiefen Perspektive schreibt. Vieles von dem, worüber er schreibt, sind Bereiche, über die wir beide viel wissen.

Aber ich lese unbedingt seine Sachen, weil ich immer aus seiner einzigartigen Perspektive lerne. Ich glaube nicht, dass das von einer KI geklont werden kann, und deshalb hat er eine so große Anhängerschaft aus echten Menschen, die seine einzigartige Stimme schätzen und sich auf jedes neue Stück freuen, das er produziert.

Während also einige Verlage und Medienaggregatoren immer auf die kostengünstigen Lösungen setzen werden, werden sie alle miteinander verschmelzen, insbesondere wenn KI-Algorithmen beginnen, auf der Grundlage eines gemeinsamen, wenn auch riesigen Blocks von Trainingsdaten mitzumachen. Aber ZDNET mit einzigartig erfahrenen Autoren wie Jason und mir und unseren furchtlosen Redakteuren wird immer die Einzigartigkeit, die Menschlichkeit und die Tiefe der Perspektive schätzen, die nur wir mitbringen - und die ZDNET im weiteren Sinne seine eigene Einzigartigkeit verleihen Identität unter anderen Top-Tech-Websites.

Das kann KI nicht und wird es wahrscheinlich auch nie können.