Microsoft AI arbeitet mit Project Gutenberg zusammen, um 5.000 Hörbücher zu erstellen

In einer bemerkenswerten Entwicklung für Literaturbegeisterte und Befürworter der Barrierefreiheit hat Microsoft eine Partnerschaft mit Project Gutenberg, Google und dem MIT eingegangen, um eine Sammlung von 5.000 Hörbüchern mit offener Lizenz zu produzieren. Diese Zusammenarbeit hat eine vielfältige Palette literarischer Werke zum Leben erweckt, die klassische Literatur, Theaterstücke, Biografien und mehr umfasst, was insgesamt etwa 35.000 Stunden Audioinhalt ergibt. Diese Hörbücher sind einem breiten Publikum zugänglich gemacht worden, einschließlich sehbehinderter Menschen, junger Leser und Sprachlerner.

Verbesserung der Barrierefreiheit durch Hörbücher

Die Initiative mit dem Titel „Large-Scale Automatic Audiobook Creation“ zielt darauf ab, die Zugänglichkeit literarischer Werke durch den Einsatz fortschrittlicher KI-Technologie erheblich zu verbessern. Hörbücher werden von Lesern schon lange geschätzt, doch der traditionelle Prozess ihrer Erstellung ist zeitaufwändig und teuer. Historisch gesehen haben synthetische Stimmen in Hörbüchern oft roboterhaft geklungen, was das Hörerlebnis minderte.

Doch Microsofts innovative Text-to-Speech-Technologie hat diese Landschaft revolutioniert. Durch die Zusammenarbeit mit Project Gutenberg hat das Team „The Project Gutenberg Open Audiobook Collection“ ins Leben gerufen, einen Schatz an Hörbüchern, der auf großen Podcast- und Streaming-Plattformen sowie über eine praktische einzelne .zip-Datei für Forscher verfügbar ist.

Hörbücher, die überraschend menschlich klingen

Eines der herausragenden Merkmale dieser Initiative ist die bemerkenswert menschlich klingende KI-Stimme, die für die Erzählung verwendet wird. Im Gegensatz zu früheren Text-to-Speech-Systemen hat Microsofts Technologie ein Maß an Realismus erreicht, das leicht mit einem menschlichen Sprecher verwechselt werden kann. Allerdings ist es nicht ganz frei von Macken. So hat die KI beispielsweise manchmal Schwierigkeiten mit einzelnen Buchstaben und verwandelt „I“ in „eye“ und „V“ in „vee“. Darüber hinaus wird jeder Charakter in einer Geschichte mit derselben Stimme gelesen, unabhängig von Geschlecht oder Identität, was zu Vorschlägen für mehr Stimmenvielfalt führt.

Zukünftige Innovationen und Anpassungsmöglichkeiten

Mit Blick auf die Zukunft planen die Forscher, das Hörbucherlebnis weiter zu verbessern. Sie erforschen ein „automatisches System zur Sprecher- und Emotionserkennung“, das Stimme und Tonfall dynamisch an den Kontext des Textes anpassen kann, um Dialoge lebendiger und ansprechender zu gestalten. Idealerweise könnten Leser ihr Hörbucherlebnis anpassen, indem sie bevorzugte Stimmen, Geschwindigkeiten und mehr auswählen.

Obwohl diese Funktion noch nicht Teil der aktuellen Sammlung ist, spiegelt sie das Engagement der Forscher wider, das Hörbucherlebnis kontinuierlich zu verbessern. Sie haben auch ehrgeizige Pläne, ihre Hörbuchbibliothek auf alle 60.000 E-Books zu erweitern, die auf Project Gutenberg verfügbar sind, und diese möglicherweise sogar in verschiedene Sprachen zu übersetzen.

Inklusion und Open Source

Einer der lobenswertesten Aspekte dieses Projekts ist sein Engagement für Inklusion und Open-Source-Prinzipien. Die durch diese Zusammenarbeit erstellten Hörbücher sind für jeden kostenlos zugänglich, und die zugrunde liegende Software ist ebenfalls Open Source. Das bedeutet, dass nicht nur Leser eine große Auswahl an Hörbüchern kostenlos genießen können, sondern auch andere, die daran interessiert sind, die Software für ihre eigenen Projekte zu verbessern oder zu nutzen, dies ohne Einschränkungen tun können.

Greg Newby, Executive Director von Project Gutenberg, drückte seine Unterstützung für diese Initiative aus und betonte die Bedeutung, Literatur einem breiteren Publikum ohne finanzielle Hürden zugänglich zu machen.

Diese Zusammenarbeit zwischen Microsoft, Project Gutenberg, Google und dem MIT stellt einen bedeutenden Meilenstein in der Welt der Hörbücher dar. Sie macht nicht nur literarische Klassiker zugänglicher, sondern ebnet auch den Weg für zukünftige Innovationen im Bereich der Text-to-Speech-Technologie. Mit dem Potenzial für personalisierte Hörbücher und dem Engagement für Offenheit verspricht dieses Projekt, Literatur einem vielfältigeren und globaleren Publikum näher zu bringen.