Die Zukunft des Podcastings ist KI

Ungefähr 22.000 neue Podcasts werden jeden Monat gestartet. Es gibt fast 2,5 Millionen (mehr als 71 Millionen Episoden) im Apple-Podcasts-Verzeichnis, laut Podcast Industry Insights. Und das sind nur die, von denen wir wissen.

„Viele Podcaster gehen nicht mehr über die großen Plattformen. Sie gehen direkt zu ihren Hörern, verkaufen Premium-Inhalte und haben großen Erfolg“, sagt Andy Taylor, ehemals bei BBC Radio und Gründer der in Cardiff ansässigen R&D-Beratungsfirma Bwlb.

Und das ist noch nichts im Vergleich zu dem wachsenden Volumen an podcast-ähnlichen Inhalten, die entweder von Marken für Promotion oder von Event-Produzenten erstellt werden, die beispielsweise Talks auf Abruf verfügbar machen möchten. Jeder Inhalt muss produziert und verteilt werden, entweder von Audio-Profis oder von Menschen, die das Handwerk lernen. Je mehr sie also große Teile der Produktion automatisieren können, desto mehr können sie sich auf den Inhalt konzentrieren.

„Die verschiedenen Orte, an denen Audio veröffentlicht wird, sind einfach explodiert“, erklärt Jonathan Wyner, Chefingenieur bei M Works Mastering und Professor am Berklee College of Music in Boston. „Mit all diesen Kontexten gibt es eine echte Motivation und ein Gebot für Ersteller, vielseitiger zu sein.“

Um nicht zu erwähnen, produktiver und effizienter.

Der Aufstieg von KI

Künstliche Intelligenz (KI) — Software, die Aufgaben automatisieren kann, die zuvor von Menschen durchgeführt wurden — hält den Schlüssel, um den Tsunami an Podcast-Inhalten zu bewältigen. KI kann nicht nur die Produktion beschleunigen, sondern auch Podcasts besser klingen lassen und die Bühne für die Audio-Erfahrungen von morgen bereiten.

„KI hilft im Grunde, repetitive Aufgaben zu übernehmen, um den Workflow des Podasters zu beschleunigen“, erklärt Manos Chourdakis, Forschungsingenieur bei Nomono, das KI-basierte Podcast-Tools entwickelt. „Zum Beispiel müssen Sie mit KI nicht ein ganzes Podcast hören, um herauszufinden, wo jemand etwas Falsches gesagt hat, und es dann ersetzen oder entfernen. Sie könnten das selbst tun, aber KI tut es schneller.“

Dann gibt es Aufgaben, die nur mit KI durchgeführt werden können — zumindest im großen Maßstab, wie z.B. das Entfernen von Hintergrundgeräuschen oder das Verbessern von Dialogen. „Eine gute Dialogverbesserung wäre ohne KI unmöglich“, sagt Chourdakis. „Zumindest unmöglich in einem vernünftigen Zeitrahmen mit herkömmlichen Tools.“

Perfekt für monotone Aufgaben

Die Anwendungen von KI im Podcasting sind so vielfältig wie die Produktionsaufgaben. Einige sind direkt in Podcast-Plattformen integriert. Wenn Ersteller ihre Podcasts auf die Hosting-Plattform Podcast.co hochladen, „hört“ das System automatisch die Audio-Dateien und normalisiert die Lautstärke.

„Jedes Tool, das helfen kann, die geisttötenden Aspekte eines Jobs zu reduzieren, ist eine gute Sache“, sagt Mike Cunsolo, Mitgründer der Plattform. Cunsolo leitet auch Cue, eine Podcast-Produktionsfirma, die mit Corporate-Marken zusammenarbeitet, und Matchmaker.fm, die Podcast-Produzenten mit Gästen verbindet. „Sie werden immer dieses menschliche Expertise-Element benötigen, aber bald könnten Maschinen lernen, zu verstehen, was ein Podcast interessant macht, und die Zeit für die Aufgabe reduzieren.“

Der Lösungsanbieter Descript wendet KI auf viele Aspekte des Podcast-Engineerings an, einschließlich Hintergrundgeräuschentfernung und Echokontrolle. Eine der „geisttötendsten“ Aufgaben, die Descript übernehmen kann, ist die Raumton-Generierung.

„Manchmal müssen Produzenten digitale Stille in einen Podcast einfügen. Vielleicht zwischen Edits oder um die Abstände zwischen Sätzen zu verlängern“, sagt Jay LeBoeuf, Leiter des Geschäfts- und Unternehmensentwicklungs bei Descript. „Aber das klingt unglaublich unnatürlich.“

Wenn Produzenten den Raumton nicht aufgenommen haben, als der Podcast aufgenommen wurde, müssen sie möglicherweise zurückgehen und ihn aufnehmen. Oder sie können ihn im Aufnahmeprozess hören, kopieren und einfügen, wo erforderlich, und dann das Ergebnis bearbeiten, um es natürlich klingen zu lassen.

Oder Computer können es übernehmen. Descripts KI-basierte Raumton-Generierung analysiert eine Aufnahme, identifiziert den Raumton und generiert ihn automatisch, wo er benötigt wird. Eine solche Technologie ermöglicht nicht nur die Automatisierung monotoner Aufgaben, sondern auch eine größere Produktionsflexibilität.

„KI wird es uns ermöglichen, weniger teure Hardware, schlechter klingende Räume und lärmigere Orte zu verwenden und dennoch gute Ergebnisse zu erzielen“, sagt Nomono-Chef Chourdakis.

Neue KI-basierte Fähigkeiten

KI öffnet auch die Tür zu Innovationen im Podcasting — der Schaffung neuer Lösungen, die die Latte für Podcaster und Hörer höher legen. Zum Beispiel hilft das Epidemic Audio Reference (EAR)-Tool Podcaster, urheberrechtsfreie Musik basierend auf Liedern zu finden, die sie mögen.

„Sagen Sie, Sie suchen nach Intro- oder Outro-Musik und denken an ein bestimmtes Lied, aber es ist urheberrechtlich geschützt“, sagt Chourdakis. „Das System verwendet KI, um Ihnen etwas Ähnliches zu finden.“

Bei Bwlb entwickelte Taylors Team Accordion, eine KI-basierte Lösung, die einen Podcast in verschiedenen Längen reproduzieren kann.

„Jeder andere Teil unseres Lebens wird cleverer — smarte Häuser, smarte Kühlschränke“, sagt Taylor. „Menschen wollen mehr Kontrolle und Bequemlichkeit von ihrer Podcast-Erfahrung.“

Als Taylor an Dokumentationen für die BBC arbeitete, wurde er gebeten, kürzere Versionen für verschiedene Plattformen zu erstellen. Der Prozess war immer manuell. Accordion wendet Software-Algorithmen auf Podcast-Inhalte an, um intelligente Versionen mit unterschiedlichen Längen zu erstellen. „Es beschleunigt nichts“, sagt Taylor, „aber es gibt dem Benutzer die Kontrolle über die Dauer des Inhalts, ohne die Tonstruktur oder Hörbarkeit zu verlieren.“

Den Fokus auf immersive Erzählungen legen

Je mehr Podcaster KI-Tools verwenden, desto besser werden sie. Mit anderen Worten: Je mehr Daten sie verarbeiten, desto mehr lernen sie.

Nomonos Dialogverbesserungsalgorithmen basieren auf großen Datenmengen von Sprachaufnahmen — einige sauber und verständlich, einige weniger —, die den KI-Tools beibringen, besseren Klang zu erzeugen. „Podcaster sollten keine fortgeschrittenen Audio-Kenntnisse benötigen, um hochwertigen Audio zu produzieren“, sagt Chourdakis. „Indem sie einige dieser Aufgaben automatisieren, können sie mehr Zeit auf großartige Erzählungen und weniger auf langweilige Aufgaben verwenden.“

Und in Zukunft können sie sich leichter weiterentwickeln, um ein neues Genre an immersiven, räumlichen Podcasts zu schaffen. Zum Beispiel ermöglicht Nomonos Technologie die objektorientierte Audio-Produktion, die es Produzenten ermöglicht, „Stimmen in einem 3D-Klangbild zu platzieren“ oder dynamische Versionen zu erstellen, die auf Hörer zugeschnitten sind.

„Die Medienproduktion betritt jetzt eine Phase, in der alles möglich ist, was man sich vorstellen kann“, sagt Descripts LeBoeuf. „Und Sie benötigen kein teures Studio oder Jahrzehnte an Training mehr, um Ihre Ziele zu erreichen.“