Podcastle enthüllt Text-to-Speech mit über 450 AI-Stimmen

Podcastle, die beliebte Plattform für Podcast-Aufnahme und -Bearbeitung, steigt mit ihrem neuen Modell Asyncflow v1.0 in das AI-Text-to-Speech-Spiel ein. Sie hören dort nicht auf – sie stellen auch eine API für Entwickler bereit, die es erleichtert, diese Technologie in ihre eigenen Apps zu integrieren.

Mit Asyncflow v1.0 verfügt Podcastle nun über mehr als 450 AI-Stimmen, die bereit sind, Ihren Text laut vorzulesen. Das Beste daran? Sie haben es geschafft, die Trainings- und Inferenzkosten niedrig zu halten, was ihnen einen Vorteil gegenüber der Konkurrenz verschafft.

Podcastle spielt nun in derselben Liga wie andere Startups wie ElevenLabs, Speechify und WellSaid, die alle AI nutzen, um Text in gesprochene Worte umzuwandeln. Diese Technologie hat zahlreiche Anwendungen, von Marketing und Werbung über die Erstellung von Inhalten bis hin zu Bildung und sogar Schulungen am Arbeitsplatz.

Arto Yeritsyan, der Kopf hinter Podcastle, erzählte TechCrunch, dass sie schon lange in die Text-to-Speech-Technologie einsteigen wollten. Das Problem? Es war einfach zu teuer und datenhungrig. Dank einiger neuer Durchbrüche bei großen Sprachmodellen haben sie letztes Jahr endlich den Code geknackt. „Wir wollten von Anfang an ein solides Text-to-Speech-Modell entwickeln“, sagte Yeritsyan. „Aber die Kosten waren astronomisch. Mit der neuesten Technologie haben wir einen Weg gefunden, ein erstklassiges Stimmmodell zu erstellen, ohne Unmengen an Daten zu benötigen.“

Ihre Series-A-Finanzierung in Höhe von 13,5 Millionen Dollar im letzten Jahr hat dieses Projekt ebenfalls vorangetrieben.

In Sachen Preisgestaltung ist Podcastle ziemlich wettbewerbsfähig. Sie verlangen etwa 40 Dollar für 500 Minuten Text-to-Speech-Umwandlung, während ElevenLabs für die gleiche Menge 99 Dollar verlangt.

Die Stimmklonfunktion von Podcastle wird ebenfalls überarbeitet, wodurch der Trainingsprozess deutlich schneller wird. Früher musste man etwa 70 Sätze vorlesen, um das System zu trainieren. Jetzt reichen ein paar Sekunden Ihrer Stimme. Sie nutzen ihre Magic Dust AI, die sie letztes Jahr eingeführt haben, um die Audioqualität während dieses neuen Prozesses zu verbessern.

Als wir es ausprobiert haben, klang die Stimme etwas robotisch, hat aber unseren Ton ziemlich gut eingefangen. Podcastle sagt, dass sie daran arbeiten, es noch besser zu machen. Sie können das System auch mit verschiedenen Stimmproben trainieren, um unterschiedliche Ergebnisse zu erzielen.

Podcastle ist der Ansicht, dass sie sich von der Konkurrenz abheben, indem sie neben den niedrigen Kosten alles von Audio- und Videotools über Podcasts bis hin zur AI-Narration an einem Ort anbieten. Yeritsyan erwähnte, dass die meisten Nutzer zwar bei Audioinhalten bleiben, aber Video langsam an Bedeutung gewinnt.