Lippensynchronisation durch KI ist das maschinelle Anpassen der Mundbewegungen einer Person im Video an eine andere Tonspur. Verbreitet ist das bei übersetzten Videos: Der Ton ist in einer anderen Sprache, und der Mund bewegt sich dazu passend.
- Lippensynchronisation (KI)
Das maschinelle Anpassen der Mundbewegungen einer Person im Video an eine andere Tonspur.
Beispiel: „Mit Lippensynchronisation wirkte das englische Schulungsvideo auf Deutsch nicht mehr nachvertont.“Die übliche Kette: Spracherkennung, Übersetzung, Stimme erzeugen, Mund anpassen. Jeder Schritt bringt eigene Fehler mit, und sie summieren sich.
Oft kommt Voice Cloning hinzu, damit die Stimme in der neuen Sprache nach derselben Person klingt.
Wofür es taugt
Für Schulungen und Produktvideos in mehreren Sprachen. Ein einmal gedrehtes Video in fünf Sprachen auszuliefern, ohne fünfmal zu drehen, ist ein greifbarer Gewinn; und für die Zuschauer ist eine passende Mundbewegung angenehmer als eine Nachvertonung. In internationalen Projekten ist das der häufigste Anlass.
Welche Rechte betroffen sind
Die der dargestellten Person, und zwar über die ursprüngliche Aufnahme hinaus. Eine Einwilligung in eine Filmaufnahme deckt nicht ohne Weiteres ab, dass die Person später in einer anderen Sprache etwas sagt, das sie nie gesagt hat. Das gehört ausdrücklich vereinbart, am besten vor dem Dreh.
Wo die Technik noch zu erkennen ist
An den Rändern. Zähne, Zungenspitze, Bartschatten und schnelle Kopfbewegungen bereiten Schwierigkeiten, und bei Nahaufnahmen fällt es auf. Bei halbnahen Einstellungen und ruhiger Kameraführung ist das Ergebnis inzwischen unauffällig, und genau deshalb ist die Kennzeichnung die wichtigere Frage als die Qualität.
Was zu kennzeichnen ist
Die Bearbeitung, wenn sie eine echte Person zeigt. Ein Video, in dem eine bestehende Person Worte spricht, die aus einer Übersetzung stammen, ist ein bearbeiteter Inhalt im Sinne der Transparenzpflichten. Ein Hinweis im Abspann oder in der Beschreibung genügt und gehört dazu, siehe KI-Kennzeichnung.
Was die Alternative ist
Untertitel. Sie sind billiger, rechtlich unkompliziert, helfen zusätzlich Menschen mit Hörbehinderung und werden von Suchmaschinen ausgewertet. Für viele Videos ist das die bessere Wahl, und die Synchronisation lohnt dort, wo das Video getragen wird von der Person, die spricht.