Fremtiden for podcasting er AI

Rundt regnet er det omtrent 22 000 nye podcaster som lanseres hver måned. Det finnes nære 2,5 millioner (mer enn 71 millioner episoder) i Apple Podcasts-katalogen nå, ifølge Podcast Industry Insights. Og det er bare de vi kjenner til.

“Mange podcaster går ikke gjennom de store plattformene lenger. De går direkte til lytterne, selger premium-innhold og har stor suksess,” sier Andy Taylor, tidligere i BBC Radio og grunnlegger av Cardiff-baserte R&D-konsulent Bwlb.

Og det er ikke å si noe om den voksende mengden podcast-lignende innhold, enten det er skapt av merker for promotering eller arrangementsprodusenter som ønsker å gjøre taler tilgjengelige på forespørsel. Hvert innhold må produseres og distribueres, enten av audio-profesjonelle eller mennesker som lærer faget. Derfor kan de automatisere store deler av produksjonen, jo mer de kan fokusere på innholdet.

“De forskjellige stedene hvor lyd publiseres, har bare eksplodert,” forklarer Jonathan Wyner, sjefingeniør ved M Works Mastering og professor ved Berklee College of Music i Boston. “Med alle disse kontekstene, er det en reel motivasjon og imperativ for skaperne å være mer fleksible.”

Ikke å nevne, mer produktive og effektive.

Oppblomstringen av AI

Kunstig intelligens (AI) — programvare som kan automatisere oppgaver tidligere gjort av mennesker — holder nøkkel til å håndtere tsunamien av podcast-innhold. Ikke bare kan AI øke produksjonshastigheten, men den kan også gjøre podcaster lyde bedre og sette scenen for de lydopplevelsene i morgen.

“AI hjelper i hovedsak med å ta hånd om repetitive oppgaver for å raske opp arbeidsflyten til podcasteren,” forklarer Manos Chourdakis, forskningsingeniør ved Nomono, som utvikler AI-baserte podcast-verktøy. “For eksempel, med AI, trenger du ikke å lytte til en hel podcast for å finne hvor noen sa noe galt, og deretter erstatter eller fjerner det. Du kunne gjøre det selv, men AI gjør det raskere.”

Så er det oppgaver som bare kan utføres med AI — i det minste i stor skala, som å fjerne støy eller forbedre dialogen. “God kvalitet på dialogforbedring ville være umulig uten AI,” sier Chourdakis. “I det minste umulig i en rimelig tidsramme med tradisjonelle verktøy.”

Perfekt for menialske oppgaver

Anvendelser av AI i podcasting er like varierte som produksjonsoppgaver. Noen er bygget direkte inn i podcast-plattformene. Når skaperne laster opp podcastene sine til vertingsplattformen Podcast.co, lytter systemet automatisk til lydfilene og normaliserer lydnivåene.

“Hvert verktøy som kan hjelpe med å redusere de kjedelige delene av en jobb, er en god ting,” sier Mike Cunsolo, plattformens medgrunnlegger. Cunsolo driver også Cue, en podcast-produsent som arbeider med korporative merker, og Matchmaker.fm, som kobler podcast-produsenter med gjester. “Du vil alltid trenge det menneskelige ekspertise-elementet, men snart kan maskiner lære å forstå hva som gjør en podcast interessant og redusere tiden på oppgaven.”

Løsningsleverandøren Descript anvender AI til mange aspekter av podcast-teknikk, inkludert støyfjerning og ekko-kontroll. En av de mer “kjedsomme” oppgavene Descript kan håndtere, er rom-tone.

“Noen ganger trenger produsenter å sette inn digital stillhet i en podcast. Kanskje mellom klipp eller for å trekke ut avstanden mellom setninger,” sier Jay LeBoeuf, leder for forretnings- og bedriftsutvikling ved Descript. “Men det høres usedvanlig unaturlig ut.”

Hvis produsentene ikke fanget rom-tonen da podcasten ble innspilt, må de kanskje gå tilbake og få den. Eller de kan lytte etter den i innspillingen, kopiere og lime inn der det er nødvendig, og deretter redigere resultatet for å få det til å blende naturlig.

Eller datamaskiner kan håndtere det. Descripts AI-baserte rom-tone-generatore analyserer en innspilling, identifiserer rom-tonen og syntetiserer den automatisk der den er nødvendig. Slike teknologier åpner ikke bare for menialske oppgaver, men også for større produksjonsfleksibilitet.

“AI vil tillate oss å bruke billigere maskinvare, dårligere lydende rom og støyende lokasjoner og likevel få gode resultater,” sier Nomono’s Chourdakis.

Nye AI-baserte muligheter

AI åpner også døren for innovasjon i podcasting — å skape nye løsninger som setter en ny standard for podcastere og lyttere. For eksempel hjelper Epidemic Audio Reference (EAR)-verktøyet podcastere med å finne opphavsrettsfrie musikkbasert på sanger de liker.

“Si du søker etter intro- eller outro-musikk, og du tenker på en bestemt sang, men den er beskyttet av opphavsrett,” sier Chourdakis. “Systemet bruker AI under panseret for å hjelpe deg å finne noe lignende.”

Ved Bwlb utviklet Taylors team Accordion, en AI-basert løsning som kan ta en podcast og gjenskape den i forskjellige lengder.

“Hver andre del av vårt liv blir smartere — smarte hjem, smarte kjøleskap,” sier Taylor. “Mennesker ønsker mer kontroll og komfort fra deres podcast-erfaring også.”

Da Taylor arbeidet med dokumentarer for BBC, ble han bedt om kortere versjoner til å kjøre på forskjellige plattformer. Prosessen var alltid manuell. Accordion anvender programalgoritmer til podcast-innhold for å inteligent skape versjoner av forskjellige lengder. “Det akselerer ikke noe,” sier Taylor, “men det gir brukeren kontroll over varigheten av innholdet uten å tape tone-struktur eller lytbarhet.”

Fokus på immersive fortellinger

Jo mer podcastere bruker AI-verktøy, jo bedre blir de. Med andre ord, jo mer data de konsumerer, jo mer lærer de.

Nomonos dialogforbedringsalgoritmer er basert på store datamengder av stemmeinnspillinger — noen rene og forståelige, noen mindre — som lærer AI-verktøyene hvordan de kan generere bedre lyd. “Podcastere bør ikke trenge avansert audio-kunnskap for å produsere høykvalitets-lyd,” sier Chourdakis. “Ved å automatisere noen av disse oppgavene, kan de bruke mer tid på å fokusere på flotte fortellinger, og mindre tid på kjedsomme opprydningsoppgaver.”

Og i fremtiden kan de utvikle seg til å skape en ny sjanger av immersive, romlige podcaster. For eksempel, Nomonos teknologi muliggjør objektbasert lydproduksjon, som tillater produsenter å “plassere” stemmer i en 3D-lydlandskap eller skape dynamiske versjoner som kan tilpasses lyttere.

“Medieproduksjon går nå inn i en fase hvor hvis du kan drømme det, kan det skje,” sier Descripts LeBoeuf. “Og du trenger ikke lenger en dyrekjøpt studio eller tiår med trening for å oppnå dine mål.”