AI Audio: Sprache verstehen mit Whisper & TTS

Sprache und KI

Sprach-KI ist überall: Siri, Alexa, automatische Untertitel, Voice-Assistenten. In diesem Workshop lernst du die Technologie dahinter.

Was du lernst

Whisper – Speech-to-Text

OpenAIs Whisper ist eines der besten Spracherkennungssysteme:

• 99 Sprachen unterstützt
• Funktioniert komplett offline/lokal
• Kostenlos und Open Source
• Transkribiert Videos, Podcasts, Meetings

Text-to-Speech (TTS)

Verwandle Text in natürlich klingende Sprache:

• Verschiedene Stimmen und Sprachen
• Emotionen und Betonungen steuern
• Lokale Modelle (Coqui TTS, Piper)
• APIs (ElevenLabs, OpenAI TTS)

Workshop-Ablauf

Teil 1: Theorie & Demo (45 Min)

• Wie funktioniert Spracherkennung?
• Whisper Architektur einfach erklärt
• Demo: Live-Transkription
• TTS-Vergleich: Welche Stimmen gibt es?

Teil 2: Whisper Hands-on (60 Min)

• Installation: Whisper lokal aufsetzen
• Transkription:
  • Audio-Dateien transkribieren
  • YouTube-Videos untertiteln
  • Live-Mikrofon Transkription
• Sprachen: Deutsch, Englisch, Schweizerdeutsch (!)

Teil 3: Text-to-Speech (45 Min)

• Lokale TTS: Piper TTS installieren
• Verschiedene Stimmen ausprobieren
• SSML: Sprechweise steuern (Pausen, Betonung)
• Projekt: Eigenen Voice Assistant bauen

Teil 4: Projekte & Anwendungen (30 Min)

• Podcast-Transkription automatisieren
• Automatische Untertitel für Videos
• Hörbuch-Generator aus Text
• Voice-Steuerung für Projekte

Anwendungsbeispiele

Für Schüler:

• Vorlesungen automatisch transkribieren
• Eigene Hörbücher erstellen
• Sprachen lernen mit TTS
• Barrierefreie Inhalte erstellen

Für Projekte:

• Sprachgesteuerte Roboter
• Smart Home Voice Control
• Automatische Meeting-Protokolle
• Podcast-Bearbeitung

Technische Details

Software:

• OpenAI Whisper (lokal)
• Piper TTS / Coqui TTS
• Python 3.10+
• Audacity für Audio-Bearbeitung

Hardware (wird gestellt):

• Laptops
• USB-Mikrofone
• Kopfhörer

Datenschutz

Wir nutzen lokale Modelle:

• Keine Cloud-Dienste nötig
• Daten bleiben auf dem Gerät
• DSGVO-konform
• Perfekt für sensible Inhalte

Für Schulen

Lehrplan-Bezüge

• Deutsch: Mündliche Kommunikation analysieren
• Fremdsprachen: Aussprache und Hörverständnis
• Medien & Informatik: Audio-Produktion

Projekt-Ideen

• Oral History: Interviews transkribieren
• Podcast-Projekt: TTS für Intros/Outros
• Barrierefreiheit: Texte vorlesen lassen
• Sprachanalyse: Dialekte untersuchen

Preise

Perfekt kombinierbar mit AI Basics und AI Vision für eine komplette AI-Projektwoche!