Pictoria integriert Fish Audio in sein Sprachsystem für ausdrucksstärkere japanische KI-Charaktere

Für Pictoria ist die Stimme Teil des Charakters selbst. Ein Modell kann korrektes, natürliches Japanisch erzeugen und dennoch an Grenzen stoßen, sobald ein Charakter begeistert, emotional, verspielt oder unverwechselbar klingen soll.

Bei längeren Inhalten wird das Problem deutlicher. Kleine Unterschiede in Tonhöhe, Tempo und emotionalem Ausdruck können verändern, wie ein Charakter wahrgenommen wird. Konsistenz ist damit genauso wichtig wie Natürlichkeit.

Pictoria brauchte eine Möglichkeit, jedem Charakter eine Stimme zu geben, die seine Persönlichkeit über verschiedene Interaktionen und Inhalte hinweg bewahrt.

Statt sich auf einen einzigen TTS-Anbieter zu verlassen, entwickelte Pictoria Picto VOICE als Sprachsystem mit mehreren Modellen. Das Team konnte unterschiedliche Modelle bewerten und den Anforderungen bestimmter Charaktere oder Produktionen zuordnen.

Dieser Ansatz erhöhte die Anforderungen an jedes Modell im System. Fish Audio musste einen echten Mehrwert bieten und durfte nicht lediglich eine weitere leistungsfähige Option für japanisches TTS sein.

Pictoria bewertete Fish Audio zusammen mit anderen Sprachgenerierungstechnologien und erkannte drei besondere Stärken: ausdrucksvolle Charakterstimmen, japanische Prosodie und Intonation sowie Flexibilität bei der Stimmgestaltung.

Der Unterschied zeigte sich besonders darin, wie eine Stimme innerhalb einer einzelnen Äußerung Emotionen transportierte. Das Modell konnte einem Charakter eine eigene emotionale Tonlage und Persönlichkeit verleihen, statt nur einen Satz vorzulesen.

Fish Audio arbeitete außerdem eng mit Pictorias Team an den speziellen Anforderungen japanischer KI-Charakterstimmen. So entwickelte sich die Integration zu einer laufenden Zusammenarbeit statt zu einer bloßen Lieferantenbeziehung.

Innerhalb von Picto VOICE nutzt Pictoria Fish Audio für KI-Charaktere, bei denen Ausdruckskraft entscheidend ist. Ein wichtiger Einsatzbereich ist die Sprachproduktion für Pictorias eigene KI-Charaktermarken, die das Unternehmen entwickelt und über eigene Veröffentlichungskanäle betreibt.

Die Integration wurde in diesen Projekten positiv aufgenommen. Nutzer schätzen durchgehend drei Eigenschaften: natürliche japanische Stimmen, stärkeren emotionalen Ausdruck und Konsistenz über lange Charakterinhalte hinweg.

Nach der Integration von Fish Audio in Picto VOICE verzeichnete Pictoria deutliche Verbesserungen bei der japanischen Antwortgeschwindigkeit und dem emotionalen Ausdruck in seinen KI-Charakterprojekten. Auch die Stimmen der eigenen Charaktermarken erhielten sehr positives Feedback für ihren natürlichen Klang, ihre Emotionalität und ihre Konsistenz über Stunden hinweg.

Das verschafft Pictoria einen praktischen Vorteil in der Produktion: Das Team kann jedem Charakter die am besten passende Sprachtechnologie zuordnen und Fish Audio einsetzen, wenn eine ausdrucksstarke japanische Darbietung im Vordergrund steht.