Voice Cloning bei Podcasts: Können Hosts ihre eigene Stimme noch schützen?

Quelle: Unsplash

Podcasts haben in den letzten Jahren deutlich an Bedeutung gewonnen. Im vergangenen Jahr hörten in Deutschland etwa 23,8 Millionen ab 14 Jahren regelmäßig Podcasts. Die beliebtesten Podcasts sind Gemischtes Hack, Fest & Flauschig sowie Lanz + Precht. Zu den beliebtesten Themen zählen Sport und Fitness, Reisen, Wissenschaft, Comedy und True Crime. Die Podcasts sind auf Plattformen wie Spotify, Apple Podcasts oder YouTube veröffentlicht und sind dadurch für die breite Masse jederzeit zugänglich. Doch wie gefährlich ist die Künstliche Intelligenz für Podcaster und ihre Partner?

Künstliche Intelligenz ist aktuell in aller Munde. Lieder, Texte und sogar Bilder lassen sich mit einem einzigen Prompt erstellen, und auch Stimmen können mit recht wenig Aufwand von der KI nachgebildet werden. Dabei sprechen wir von Voice-Cloning-Technologien.

Was genau ist Voice Cloning?

Die KI ist mittlerweile in der Lage, aus vorhandenen Aufnahmen ein eigenes Stimmprofil zu erstellen. Je mehr Material zur Verfügung steht, desto besser werden die Fakes. Dadurch entstehen gleich mehrere Probleme. Zum einen können täuschend echte Sprachaufnahmen von Personen auftauchen, die sie so nie aufgenommen haben. Zum anderen können wir an einem Punkt angekommen, an dem die Hörer nicht mehr wissen, was echt ist und was nicht.

So funktioniert Voice Cloning

Das KI-System analysiert die Stimmen auf Punkte wie Tonhöhe, Klangfarbe, Aussprache, Geschwindigkeit, Betonung, typische Sprachmuster und Pausen. Nach der Analyse sind KI-Programme in der Lage, vorgegebene Texte täuschend echt nachzusprechen. Dies ist nicht mehr mit einer Standard-Audiobearbeitung vergleichbar. Vor allem Podcasts bieten mithilfe von älteren Episoden unglaublich viel Material, um die KI zu füttern.

Voice Cloning bringt auch Chancen mit sich

Zu den wenigen Vorteilen von Voice Cloning zählt, dass Podcast-Hosts ihre Podcasts manuell anpassen können. Sollte ein Host zum Beispiel feststellen, dass eine Stelle ungenau oder sogar falsch ist, kann man dies mit der KI durch Voice Cloning bearbeiten. Vor dem KI-Zeitalter musste mitunter der gesamte Podcast oder zumindest die entsprechende Stelle komplett neu aufgenommen werden.

Des Weiteren besteht die Option, den Podcast in eine andere Sprache durch die KI übersetzen zu lassen und das sogar mit täuschend ähnlichen Stimmen. Dies bringt den Vorteil, dass man sich ohne großen Mehraufwand an ein internationales Publikum richten kann. Ob dies jedoch das ist, was die Hörer hören möchten, bleibt abzuwarten. Es gibt bereits erste Studien darüber, dass potenzielle Hörer dies aufgrund mangelnder Originalität ablehnen.

Die Risiken überwiegen

Vor einigen Jahren haben sich Podcaster über möglichen Identitätsdiebstahl keine Gedanken gemacht, doch die Zeiten haben sich verändert. Es ist technisch möglich, eine Art Identitätsdiebstahl zu begehen. Die Stimme ist zweifelsohne ein Teil der menschlichen Identität und wenn diese mit Hilfe moderner Technik „einfach so“ kopiert werden kann, muss dies kritisch gesehen werden. Besonders heikel wird es dann, wenn die KI-Stimme Dinge sagt, die ein Podcast-Host so niemals sagen würde.

Des Weiteren kann ein hoher Schaden für Podcaster entstehen, wenn Werbepartner durch nicht erkennbare KI-Fakes abspringen. Ebenso ist es möglich, dass die Hörerschaft kleiner wird, wenn ein KI-Fake Falschinformationen verbreitet, sich unangemessen politisch äußert oder eine Person beleidigt.

Obendrein besteht die große Gefahr, dass ein Vertrauensproblem entsteht. Für Zuhörer sind Podcast-Hosts viel mehr als eine Informationsquelle. Durch regelmäßiges Hören entsteht eine gewisse Beziehung zu den Produzenten. Sollten Sätze künstlich erzeugt werden, kann sich das Verhältnis deutlich verändern.

Können Hosts ihre Stimmen schützen?

Anders als ein Film oder ein Song gilt eine Stimme rechtlich nicht als Urheberrechtsdatei. Gleichwohl ist sie kein klassisches Eigentum wie ein Gegenstand. Doch es gibt Hoffnung. Der Bundesgerichtshof hat festgestellt, dass die Stimme zu sogenannten „persönlichkeitsprägenden Merkmalen“ eines Menschen gehört. Dies bedeutet, dass die Stimmen nicht automatisch ohne Einschränkungen kopiert und kommerziell genutzt werden dürfen. Trotzdem bleibt die rechtliche Einordnung schwierig, da Kopien keine originalen Aufnahmen der Stimme sind, denn ein neuer Satz mit unterschiedlichem Satzbau oder Wörtern kann erzeugt werden.

Auch die EU AI Act (KI-Verordnung der Europäischen Union) äußerte sich diesbezüglich. Hier wird festgehalten, dass Betreiber eines KI-Systems, das Bild-, Ton- oder Videoinhalte erzeugt oder manipuliert, offenlegen müssen, dass diese künstlich erzeugt worden sind. Für Podcast-Hosts heißt dies jedoch nicht, dass man die KI ihre Stimmen überhaupt nicht mehr „bearbeiten“ darf.

Mehr Transparenz wird seit Mai 2026 von Spotify geschaffen. Seither gibt es das „Verified by Spotify“-Abzeichen mit einem grünen Haken. Der Haken erscheint auf den Seiten und bei der Suche. Diesen Haken können Podcaster nicht erwerben, sondern er wird automatisch von der Plattform vergeben. Im Hintergrund analysiert Spotify, ob die Podcast-Folgen durch echte Nutzer aufgerufen werden oder durch Klickbots. Ebenso wird eine Erkennungssoftware eingesetzt, die prüft, ob es sich um echte menschliche Produzenten oder um unerlaubte KI-Generierungen handelt.

Eine Identitätsprüfung zur Betrugsprävention, wie es beispielsweise bei Online Banken oder Online Casinos gibt, existiert bei Spotify nicht. Während Banken ihre Nutzer mit einer weltweiten Verfügbarkeit und niedrigen Gebühren für sich gewinnen möchten, kämpfen Casinos mit Boni wie einem Casino Bonus ohne Einzahlung oder einem knackigen Willkommensbonus um möglichst viele Spieler. Damit ein Online Casino funktioniert, arbeitet es mit Spielherstellern zusammen. Diese sorgen dafür, dass die virtuellen Glücksspiele wie Slots, Jackpots und Spiele im Live Casino im Internet gezockt werden können. Bekannte Namen sind Novoline, Play’n GO und Bally Wulff.

Fazit

Abschließend bleibt, dass Hosts ihre Stimmen zwar schützen können, aber die Kontrolle darüber schwierig ist und sehr wahrscheinlich auch bleiben wird. Das größte Problem besteht darin, dass die KI mittlerweile so weit ist, dass sie Stimmen nahezu 1 zu 1 kopieren und diese ohne Zustimmung nutzen kann. Der technische Fortschritt wird nicht mehr aufzuhalten sein. Umso wichtiger ist es, dass den Hörern bzw. den Verbrauchern irgendwie aufgeführt wird, dass es sich um KI-Inhalte handelt. Hier kommt die EU AI Act ins Spiel, denn dort heißt es, dass Betreiber KI-Inhalte kennzeichnen müssen. Damit ist ein Anfang definitiv gemacht. Dennoch haben sie letztendlich keine Kontrolle darüber, wer ihre Stimmen aufzeichnet und durch KI verändert.

Es ist wünschenswert, dass es irgendwie zu einer Veränderung kommt und Stimmen, Bilder, etc. nicht ohne Zustimmung kopiert oder editiert werden können. Ein Lösungsansatz kann sein, dass man sich mit der eigenen Stimme beim KI-Programm verifizieren muss, um die Originalstimme respektive Tonspur bearbeiten zu dürfen.