Unsere Speech2Speech Technologie überführt die Sprachaufnahmen einer Video- oder Audio-Datei in eine anonyme und angenehme Stimme, ohne das Original-Timing zu verlieren. Wir gehen dabei schrittweise vor:

1. Zunächst extrahieren wir die Sprache (z. B. aus einem Video) und übersetzen die gesprochene Information in geschriebenen Text. Dieser Vorgang ermöglicht eine 100%ige Trennung von Inhalt und Stimme und führt zu der gewünschten Anonymisierung.
2. Der geschriebene Text kann jetzt noch redigiert werden. So können eventuelle Versprecher oder Wiederholungen aus der Originalaufnahme mit Hilfe eines Texteditors einfach korrigiert werden. Auch können bestimmte Formulierungen nach Wunsch verbessert oder angepasst werden. Danach kann der geschriebene Text auch automatisch in andere Sprachen übersetzt werden.
3. Aus dem optimalen (und eventuell übersetzten) Text erzeugen wir im dritten Schritt eine neue Sprachdatei (Text-to-Speech). Hierbei generieren wir die neuen Audio-Daten so, dass sie dem ursprünglich gesprochenen Text entsprechen. Damit bleiben Sprechdauer und ursprüngliche Pausen in der neu generierten Sprache erhalten. Somit entfällt zum Beispiel die manuelle Anpassung, wenn die neu generierte Sprache synchron zum Videos ablaufen muss.