WEBVTT 00:00:00.000 --> 00:00:03.740 Hallo, liebe Hörerinnen und Hörer. Willkommen im Python-Podcast, Episode 61. 00:00:03.740 --> 00:00:08.960 Wirklich 61. Wir haben eben noch ein bisschen drüber zu erhalten. 00:00:08.960 --> 00:00:11.640 Heute geht es um Auphonikin. Hallo, Jochen. 00:00:11.640 --> 00:00:14.660 Hallo, Dominik. Herzlich willkommen und herzlich willkommen, Johannes. 00:00:14.660 --> 00:00:15.560 Hi, Johannes. 00:00:15.560 --> 00:00:16.020 Auch wieder mit dabei. 00:00:16.020 --> 00:00:16.320 Ja. 00:00:16.320 --> 00:00:17.080 Hallo zusammen. 00:00:17.080 --> 00:00:19.240 Wir haben ja schon ein paar Mal hier gehabt, glaube ich. Ihr kennt ihn. 00:00:19.240 --> 00:00:19.800 Genau. 00:00:19.800 --> 00:00:22.120 Und wir haben auch einen besonderen Gast heute wieder. 00:00:22.120 --> 00:00:23.220 Hallo, Georg. 00:00:23.220 --> 00:00:25.700 Hallo, danke für die Einladung. 00:00:25.700 --> 00:00:27.520 Ja, schön, dass du da bist. 00:00:29.340 --> 00:00:31.800 Eine Vorstellung machen wir vielleicht bestimmt noch später, wenn wir zur Welt kommen. 00:00:31.800 --> 00:00:33.540 Vielleicht fangen wir mit unserer klassischen Struktur an. 00:00:33.540 --> 00:00:36.040 Wir haben ja immer besonders viel Struktur im Podcast, habe ich gehört, Jochen. 00:00:36.040 --> 00:00:36.320 Ja? 00:00:36.320 --> 00:00:36.800 Ja. 00:00:36.800 --> 00:00:37.560 Okay. 00:00:37.560 --> 00:00:40.360 Vielleicht als erstes News. Für alle, die es noch nicht mitbekommen haben, wir planen 00:00:40.360 --> 00:00:41.860 ein HörerInnen-Treffen. 00:00:41.860 --> 00:00:44.740 Ja, wir hatten ja letztes Mal da aufgerufen, sich zu melden. 00:00:44.740 --> 00:00:47.300 In der Region Rheinland. Es haben sich tatsächlich einige Leute schon gemeldet. 00:00:47.300 --> 00:00:51.400 Genau. Wir haben gesagt, ihr solltet uns auf jeden Fall immer noch eine Mail schreiben, 00:00:51.400 --> 00:00:54.480 damit wir das dann ordentlich zählen können. Und genau einer hat uns eine Mail geschrieben. 00:00:54.480 --> 00:00:56.140 Die anderen Leute haben sich über alle Kanäle gemeldet. 00:00:56.140 --> 00:00:58.680 Manche haben sich auf LinkedIn gemeldet, manche haben sich über 00:00:58.680 --> 00:01:01.260 Discord gemeldet, manche haben sich einfach nur persönlich gemeldet. 00:01:01.260 --> 00:01:03.740 Aber wir kriegen das immer wieder. 00:01:03.740 --> 00:01:05.520 Also, wer Lust hat, sagt auf jeden Fall Bescheid. Wir würden uns freuen. 00:01:05.520 --> 00:01:09.680 Und ich habe gehört, dass die Stuttgart-Fraktion, die Süddeutschland-Fraktion, 00:01:09.680 --> 00:01:11.480 die ist gerade stark in Führung. 00:01:11.480 --> 00:01:12.380 Macht ihr eine Frage? 00:01:12.380 --> 00:01:13.920 Nein, leider nicht. 00:01:13.920 --> 00:01:16.780 Diese Gerüchte kann ich nicht bestätigen. 00:01:16.780 --> 00:01:20.500 Also, auf LinkedIn hat einer gesagt, er würde gerne das lieber in Stuttgart 00:01:20.500 --> 00:01:24.320 haben als in Düsseldorf. Aber ansonsten, zum Beispiel auf Spotify 00:01:24.320 --> 00:01:27.120 wollten vier Düsseldorf und keiner Stuttgart. 00:01:28.020 --> 00:01:29.560 Ja, und bei uns im Discord auch. 00:01:29.560 --> 00:01:32.920 Ja, also, tut mir leid, du musst leider anreisen. 00:01:32.920 --> 00:01:36.220 Aber wir müssen uns halt noch überlegen, wie wir das machen wollen und wo. 00:01:36.220 --> 00:01:40.600 Also, ist jetzt aber letzte Chance für die Süddeutschland-Hörer. 00:01:40.600 --> 00:01:43.180 Ja, okay, wenn man jetzt wirklich, wirklich will, dass es in Stuttgart stattfindet, 00:01:43.180 --> 00:01:43.680 könnte man nochmal. 00:01:43.680 --> 00:01:45.120 Ihr habt noch die Chance. 00:01:45.120 --> 00:01:45.540 Ja. 00:01:45.540 --> 00:01:47.060 Stimmen Sie jetzt ab. 00:01:47.060 --> 00:01:49.060 Die Telefonleitungen sind geschaltet. 00:01:49.060 --> 00:01:54.080 Die Spuren sind scharf gestellt am Mischpult, mit dem wir nie Probleme haben. 00:01:54.080 --> 00:01:54.920 Das war es doch schon wieder. 00:01:54.920 --> 00:01:55.800 Dann bleibt uns gewogen. 00:01:55.800 --> 00:01:57.380 Hallo at PythonPodcast.com.de. 00:01:57.380 --> 00:01:57.960 Haben wir Pics? 00:01:58.280 --> 00:01:58.460 Nein. 00:01:58.460 --> 00:02:01.360 Wir wollten News machen, glaube ich, noch. 00:02:01.360 --> 00:02:02.080 Okay, gut. 00:02:02.080 --> 00:02:05.660 Ich habe, ehrlich gesagt, fast gar nichts. 00:02:05.660 --> 00:02:09.640 Also, es gibt eine neue Rails-Version, die ein bisschen mehr Deployment dazu kann. 00:02:09.640 --> 00:02:11.820 Okay, wir waren, glaube ich, erst vor zwei Wochen News gemacht. 00:02:11.820 --> 00:02:13.500 Und in den letzten zwei Wochen ist nicht so wahnsinnig viel passiert. 00:02:13.500 --> 00:02:14.720 Ja, und es ist nicht so wirklich viel passiert. 00:02:14.720 --> 00:02:15.300 Keine Ahnung warum. 00:02:15.300 --> 00:02:16.840 Dann skippen wir heute die News. 00:02:16.840 --> 00:02:18.080 Oder hast du mit News mitgebracht? 00:02:18.080 --> 00:02:21.120 Oder hat jemand von euch irgendwas Interessantes, was in der Python-Welt passiert ist? 00:02:21.120 --> 00:02:23.120 Nein, ich habe nichts. 00:02:23.120 --> 00:02:27.040 Dann lassen wir einfach den Georg sich selbst vorstellen und ein bisschen was erzählen. 00:02:27.040 --> 00:02:27.900 Das ist eine tolle Idee. 00:02:28.460 --> 00:02:30.620 Obwohl, wir könnten auch einmal noch kurz Werbung machen für uns selber. 00:02:30.620 --> 00:02:32.240 Das ist eine gute Idee. 00:02:32.240 --> 00:02:32.660 Willst du für uns selber Werbung machen? 00:02:32.660 --> 00:02:33.200 Bitte? 00:02:33.200 --> 00:02:34.380 Willst du für uns selber Werbung machen? 00:02:34.380 --> 00:02:34.700 Ja, okay. 00:02:34.700 --> 00:02:36.020 Ja, ganz kurz vielleicht. 00:02:36.020 --> 00:02:38.340 Miet mich, miet mich, miet mich. 00:02:38.340 --> 00:02:39.380 Jetzt hier. 00:02:39.380 --> 00:02:40.620 Ja, wie war das? 00:02:40.620 --> 00:02:43.040 Ja, man kann uns auch mieten. 00:02:43.040 --> 00:02:46.500 Und ich habe gehört, das muss man wiederholen. 00:02:46.500 --> 00:02:48.060 Sonst merken sich die Leute das nicht. 00:02:48.060 --> 00:02:49.720 Deswegen, wir haben das ja schon einmal gemacht. 00:02:49.720 --> 00:02:50.960 Aber einmal ist zu wenig. 00:02:50.960 --> 00:02:53.060 Und deswegen sagen wir das einfach nochmal. 00:02:53.060 --> 00:02:54.920 Also, wenn ihr interessante Projekte habt oder so. 00:02:54.920 --> 00:02:57.360 Die meisten von uns sind irgendwie Freelancer. 00:02:58.020 --> 00:03:02.260 Und auch im Prinzip für schöne Projekte buchbar. 00:03:02.260 --> 00:03:05.900 Und ich wiederhole das jetzt mal in meiner Stimme auch nochmal. 00:03:05.900 --> 00:03:07.820 Auch ich bin mietbar. 00:03:07.820 --> 00:03:10.460 Und immer für interessante Projekte zu haben. 00:03:10.460 --> 00:03:11.420 Ja, wunderbar. 00:03:11.420 --> 00:03:13.000 Und Georg, wie ist das bei dir? 00:03:13.000 --> 00:03:15.120 Bist du auch mietbar oder bist du irgendwo angestellt? 00:03:15.120 --> 00:03:17.620 Wir sind alle mietbar irgendwie, oder? 00:03:17.620 --> 00:03:18.600 Ja, gut. 00:03:18.600 --> 00:03:21.660 Also, ihr wisst ja schon, dass ihr alle für die Werbung im Podcast erst eine Rechnung bekommt. 00:03:21.660 --> 00:03:22.940 Von mir. 00:03:22.940 --> 00:03:25.280 Das zählt. 00:03:25.280 --> 00:03:27.740 Dominik, das war jetzt deine Überleitung. 00:03:28.020 --> 00:03:29.700 Damit du dir den Georg vorstellen kannst. 00:03:29.700 --> 00:03:30.160 Ja. 00:03:30.160 --> 00:03:30.780 Ja, gut, dann. 00:03:30.780 --> 00:03:32.780 Okay, genau. 00:03:32.780 --> 00:03:34.380 Entschuldigung, Georg, bitte. 00:03:34.380 --> 00:03:37.660 Ja, ich bin der Georg, hallo. 00:03:37.660 --> 00:03:45.920 Und, ja, wenn man mich mieten will, ich bin aus Österreich an der slowenischen Grenze, ganz im Süden. 00:03:45.920 --> 00:03:47.380 Da in der Nähe von Graz. 00:03:47.380 --> 00:03:49.440 Und warum bin ich da? 00:03:49.440 --> 00:03:51.960 Also, wir haben so ein Projekt, Afonik nennen sie das. 00:03:51.960 --> 00:03:53.660 Da geht es um Audioverbesserung. 00:03:53.660 --> 00:03:56.480 Vielleicht noch einmal ganz kurz einhaken darf. 00:03:56.480 --> 00:03:58.000 Afonik habt ihr auf jeden Fall schon. 00:03:58.020 --> 00:03:58.520 Schon mal gehört. 00:03:58.520 --> 00:04:03.100 Also, zumindest, wenn ihr unseren Podcast schon mal gehört habt, habt ihr auf jeden Fall Afonik gehört. 00:04:03.100 --> 00:04:03.980 Also, den Effekt zumindest. 00:04:03.980 --> 00:04:08.680 Wir von Anfang an alle unsere Episoden durch Afonik jagen. 00:04:08.680 --> 00:04:08.860 Ja. 00:04:08.860 --> 00:04:10.480 Aha, so gehört. 00:04:10.480 --> 00:04:11.440 Nicht schlecht. 00:04:11.440 --> 00:04:11.700 Ja. 00:04:11.700 --> 00:04:13.040 Ja. 00:04:13.040 --> 00:04:16.760 Also, zuerst mal zu mir. 00:04:16.760 --> 00:04:19.980 Also, ich habe bei uns da in Graz Toningenieur studiert. 00:04:19.980 --> 00:04:26.600 Das ist eine interessante Studie, weil man so Audiosachen und Informatik und Elektrotechnik-Sachen in Kombination quasi hat. 00:04:26.600 --> 00:04:28.000 Also, du hättest das Audio-Problem. 00:04:28.020 --> 00:04:31.600 Was wir am Anfang der Episode hatten, heute sehr viel schneller in den Griff bekommen. 00:04:31.600 --> 00:04:34.420 Deswegen habe ich gesagt, warum verwendet ihr einen Mischpuls? 00:04:34.420 --> 00:04:38.140 Dann hat man keine Probleme, wenn man keines verwendet. 00:04:38.140 --> 00:04:39.420 Wie auch immer. 00:04:39.420 --> 00:04:44.020 Und ja, dann mehr so in die Richtung Informatik. 00:04:44.020 --> 00:04:46.100 Also, alles ein bisschen so kombiniert. 00:04:46.100 --> 00:04:49.860 Also, Audio und Informatik und Machine Learning und so weiter. 00:04:49.860 --> 00:04:55.600 Und dadurch war ich sehr viel Podcast-Hörer immer. 00:04:55.600 --> 00:04:57.600 Und dadurch bin ich dann irgendwie zu... 00:04:58.020 --> 00:05:02.400 Da war Phonic gekommen, wo es eben um die Verbesserung von Audio gegangen ist. 00:05:02.400 --> 00:05:06.880 Und was am Anfang auch noch ganz wichtig war, ist, verschiedene Dateien zu erstellen. 00:05:06.880 --> 00:05:09.780 Sei es MP3, AAC. 00:05:09.780 --> 00:05:11.960 Da hat es ja alle möglichen Formate damals noch gegeben. 00:05:11.960 --> 00:05:14.540 Und die Metadaten korrekt zu haben und so weiter und so fort. 00:05:14.540 --> 00:05:18.360 Und so ist das ganze Projekt sozusagen entstanden. 00:05:18.360 --> 00:05:21.500 Warum jetzt im beiden Podcast, wenn Sie einige fragen. 00:05:21.500 --> 00:05:25.700 Also, bei uns ist ja fast alles mit beiden gemacht. 00:05:25.700 --> 00:05:27.060 Weil... 00:05:27.060 --> 00:05:27.300 Weil... 00:05:27.300 --> 00:05:27.500 Weil... 00:05:28.020 --> 00:05:30.960 Allein schon von der ganzen Algorithmen-Seite ist das alles mit beiden. 00:05:30.960 --> 00:05:32.320 Hat das immer... 00:05:32.320 --> 00:05:33.460 War das immer schon auf beiden. 00:05:33.460 --> 00:05:35.860 Dann das ganze Websystem haben wir auch mit beiden gemacht. 00:05:35.860 --> 00:05:38.700 Da erzählen wir bitte gerne gleich noch ein bisschen ausführlicher drüber. 00:05:38.700 --> 00:05:41.220 Das interessiert unsere Hörerinnen natürlich sehr. 00:05:41.220 --> 00:05:42.380 Glaube ich. 00:05:42.380 --> 00:05:43.260 Vielleicht. 00:05:43.260 --> 00:05:44.540 Ja. 00:05:44.540 --> 00:05:45.540 Okay. 00:05:45.540 --> 00:05:47.740 Ja, das klingt auch gut. 00:05:47.740 --> 00:05:50.200 Und genau. 00:05:50.200 --> 00:05:52.080 Ich weiß nicht, wie kommt denn dann... 00:05:52.080 --> 00:05:53.160 Also, ich habe immer schon... 00:05:53.160 --> 00:05:53.840 Also, ich höre ja... 00:05:53.840 --> 00:05:55.580 Ich habe schon ganz lange immer Podcast gehört. 00:05:55.580 --> 00:05:57.700 Und gefühlt war so... 00:05:57.700 --> 00:05:59.780 Vor allem auch schon relativ früh mit dabei. 00:05:59.780 --> 00:06:01.400 Wie... 00:06:01.400 --> 00:06:03.680 War ein Podcast speziell irgendwie? 00:06:03.680 --> 00:06:09.380 Auch so eine Motivation dafür, irgendwie das zu machen? 00:06:09.380 --> 00:06:11.740 Oder ist das halt irgendwie später dazu gekommen, 00:06:11.740 --> 00:06:15.440 dass das Podcast funktioniert vielleicht? 00:06:15.440 --> 00:06:19.500 Ja, also zuerst... 00:06:19.500 --> 00:06:22.820 Das erste System war quasi explizit für Podcasts, ja. 00:06:22.820 --> 00:06:25.640 Das war der Tim damals, der Tim Britloff, 00:06:25.640 --> 00:06:27.640 der immer gestöhnt hat. 00:06:27.700 --> 00:06:28.980 Er hat gesagt, dass alles so kompliziert ist. 00:06:28.980 --> 00:06:32.220 Und da denkt man sich dann natürlich, 00:06:32.220 --> 00:06:34.080 na okay, da braucht man halt immer so ein Tool. 00:06:34.080 --> 00:06:36.100 Und das hat dann eben so angefangen. 00:06:36.100 --> 00:06:38.600 Zuerst mit dem Leveling, 00:06:38.600 --> 00:06:40.360 dass man eben verschiedene Lautstärken 00:06:40.360 --> 00:06:41.680 von verschiedenen Sprechern 00:06:41.680 --> 00:06:43.960 auf gleiche Levels bringt und so weiter. 00:06:43.960 --> 00:06:46.440 Und dann eben so ein Web-System, 00:06:46.440 --> 00:06:47.940 also so ein Web-Interface dazu. 00:06:47.940 --> 00:06:52.900 Und von dort weg ist es dann halt weiter gewachsen 00:06:52.900 --> 00:06:54.460 in andere Bereiche. 00:06:54.460 --> 00:06:57.340 Der Tim hat das dann eben auch angekündigt. 00:06:57.400 --> 00:06:58.560 Auf seinem Podcast damals. 00:06:58.560 --> 00:07:01.440 Und so sind halt viele andere 00:07:01.440 --> 00:07:03.100 Podcaster auch dazukommen. 00:07:03.100 --> 00:07:05.540 Und dann hat sich das immer sehr schön langsam 00:07:05.540 --> 00:07:06.380 weiter verbreitet. 00:07:06.380 --> 00:07:09.540 Ja, ich glaube, ich habe es auch daher mal gehört, 00:07:09.540 --> 00:07:11.060 denke ich, wahrscheinlich, ja. 00:07:11.060 --> 00:07:12.640 Genau, ja. 00:07:12.640 --> 00:07:17.060 Ja, das ist ja auch interessant. 00:07:17.060 --> 00:07:19.120 Ich habe auch den Eindruck, 00:07:19.120 --> 00:07:21.000 dass ihr da am Anfang 00:07:21.000 --> 00:07:22.740 relativ viel so Scikit-Learn 00:07:22.740 --> 00:07:24.040 irgendwie verwendet habt zumindest 00:07:24.040 --> 00:07:26.640 für irgendwie diese ganzen... 00:07:27.400 --> 00:07:28.600 Anpassungen. 00:07:28.600 --> 00:07:31.740 Ja, also wir haben ganz am Anfang 00:07:31.740 --> 00:07:34.600 so viel mit NumPy, Scikit-Learn, 00:07:34.600 --> 00:07:36.600 ja, SciPy, also diese ganzen 00:07:36.600 --> 00:07:38.680 Signalfarbe-Docs 00:07:38.680 --> 00:07:39.980 und Machine Learning Packages, 00:07:39.980 --> 00:07:41.800 was es eben damals so gegeben hat. 00:07:41.800 --> 00:07:44.680 Und das war eh... 00:07:44.680 --> 00:07:46.100 Vielleicht kannst du kurz sagen, wann damals war? 00:07:46.100 --> 00:07:48.560 Damals, also gestartet 00:07:48.560 --> 00:07:50.920 sind wir 2013, 00:07:50.920 --> 00:07:52.680 wenn ich das richtig im Kopf habe. 00:07:52.680 --> 00:07:54.780 Also es ist bald das zwölfte Jahr. 00:07:54.780 --> 00:07:56.580 Schon ein bisschen was Errotes dort. 00:07:56.580 --> 00:07:57.100 Ja, das... 00:07:57.100 --> 00:08:00.940 Das waren halt die frühen 2010er-Jahre quasi, 00:08:00.940 --> 00:08:03.160 wo die erste Version entstanden ist. 00:08:03.160 --> 00:08:05.580 Und... 00:08:05.580 --> 00:08:06.920 Ja, was... 00:08:06.920 --> 00:08:09.000 Ich schätze mal, eure Hörer kennen eh 00:08:09.000 --> 00:08:11.120 diese ganzen Packages, also NumPy, 00:08:11.120 --> 00:08:13.120 so Array-Processing 00:08:13.120 --> 00:08:15.620 und SciPy 00:08:15.620 --> 00:08:16.940 setzt eben drauf auf, 00:08:16.940 --> 00:08:19.120 hat ein paar zusätzliche Algorithmen, 00:08:19.120 --> 00:08:21.060 vor allem im 00:08:21.060 --> 00:08:22.920 Signalfarbetungsbereich. 00:08:22.920 --> 00:08:25.020 Und Scikit-Learn, 00:08:25.020 --> 00:08:27.080 ja, waren halt früher hauptsächlich, 00:08:27.100 --> 00:08:29.100 alle möglichen Klassifikations- 00:08:29.100 --> 00:08:30.340 und Clustering-Algorithmen, 00:08:30.340 --> 00:08:33.420 auf denen wir dann halt auch aufgebaut haben. 00:08:33.420 --> 00:08:35.120 Und... 00:08:35.120 --> 00:08:37.260 Ja, vielleicht mal ein Beispiel, 00:08:37.260 --> 00:08:38.960 was wir damals da so machen konnten, 00:08:38.960 --> 00:08:40.400 so... 00:08:40.400 --> 00:08:41.860 Oder geht natürlich jetzt auch noch, 00:08:41.860 --> 00:08:43.360 aber jetzt gibt es halt andere Techniken auch. 00:08:43.360 --> 00:08:45.440 Wir haben halt damals versucht, 00:08:45.440 --> 00:08:49.140 früher hat es ja eigentlich nur so Audio-Plugins gegeben, 00:08:49.140 --> 00:08:51.300 was halt Signalverarbeitungsalgorithmen 00:08:51.300 --> 00:08:53.260 waren, die halt irgendwie abgelaufen 00:08:53.260 --> 00:08:55.500 sind und man hat da Parameter dann eingestellt 00:08:55.500 --> 00:08:57.000 und im Prinzip, 00:08:57.000 --> 00:08:58.740 war das immer noch sehr schwer 00:08:58.740 --> 00:09:00.880 zu bedienen, wie man es am Mischpult sieht. 00:09:00.880 --> 00:09:02.320 Und 00:09:02.320 --> 00:09:05.160 das Ganze haben wir 00:09:05.160 --> 00:09:07.380 versucht eigentlich einmal zu automatisieren. 00:09:07.380 --> 00:09:08.140 Das heißt, wir haben halt 00:09:08.140 --> 00:09:10.720 nicht nur diese DSP-Algorithmen gehabt, 00:09:10.720 --> 00:09:12.660 die man aufs Audio irgendwie anwendet, sondern 00:09:12.660 --> 00:09:14.740 versucht mit Klassifikatoren 00:09:14.740 --> 00:09:16.840 gewisse Sachen im Audio zu erkennen, also wo 00:09:16.840 --> 00:09:18.840 zum Beispiel verschiedene Sprecher sind, oder wo 00:09:18.840 --> 00:09:20.400 Musikteile sind, wo jetzt nur 00:09:20.400 --> 00:09:22.700 Rausch-Teile sind, oder 00:09:22.700 --> 00:09:24.540 eben nur Hintergrundgeräusche, 00:09:24.540 --> 00:09:26.980 oder Hintergrundmusik, Vordergrundmusik und lauter so. 00:09:26.980 --> 00:09:28.600 Und mit diesen 00:09:28.600 --> 00:09:33.080 Ergebnissen, die wir eben von den Klassifikatoren 00:09:33.080 --> 00:09:34.980 dann bekommen haben, dafür haben wir 00:09:34.980 --> 00:09:37.180 zum Beispiel im Scikit-Learn 00:09:37.180 --> 00:09:38.820 Sachen verwendet, wie jetzt 00:09:38.820 --> 00:09:40.980 SVMs oder 00:09:40.980 --> 00:09:43.220 irgendeine Decision-Trees 00:09:43.220 --> 00:09:44.940 mit Feature-Extraction vorher. 00:09:44.940 --> 00:09:46.740 Und aufgrund von diesen 00:09:46.740 --> 00:09:48.480 Analysedaten haben wir dann eben 00:09:48.480 --> 00:09:50.980 die Parameter der ganzen DSP-Algorithmen 00:09:50.980 --> 00:09:52.760 automatisch gesetzt. 00:09:52.760 --> 00:09:55.420 Also zum Beispiel, wenn man 00:09:55.420 --> 00:09:56.820 einen Denoiser hat, haben wir 00:09:56.820 --> 00:09:58.700 das Audio mal segmentiert in verschiedene 00:09:58.700 --> 00:10:01.220 Abschnitte, wo verschiedene Noise-Profile 00:10:01.220 --> 00:10:03.080 sind, also zum Beispiel 00:10:03.080 --> 00:10:04.880 wir reden jetzt hier in einem Raum, dann geht man raus, 00:10:04.880 --> 00:10:06.500 dann hat man natürlich ein anderes Noise-Profil. 00:10:06.500 --> 00:10:09.080 Da haben wir so ein Clustering gemacht, dass das Audio 00:10:09.080 --> 00:10:11.140 segmentiert, und dann in den 00:10:11.140 --> 00:10:13.320 einzelnen Segmenten 00:10:13.320 --> 00:10:14.960 haben wir geschaut, wo 00:10:14.960 --> 00:10:16.920 jetzt Sprecher sind, oder Musikteile, und in den 00:10:16.920 --> 00:10:19.100 stillen Teilen, wo halt eben keiner 00:10:19.100 --> 00:10:21.400 spricht, also wo nur der Noise-Floor 00:10:21.400 --> 00:10:23.160 sozusagen unten überbleibt, 00:10:23.160 --> 00:10:25.080 diese haben wir dann so zusammengestitcht 00:10:25.080 --> 00:10:26.740 und daraus Noise-Profile. 00:10:26.740 --> 00:10:26.800 Und dann haben wir dann auch 00:10:26.800 --> 00:10:28.600 extrahiert und 00:10:28.600 --> 00:10:30.420 diesen Noise dann quasi 00:10:30.420 --> 00:10:32.800 vom Gesamtsignal abgezogen. 00:10:32.800 --> 00:10:34.920 Und wiederum entschieden, 00:10:34.920 --> 00:10:36.640 ob das überhaupt Sinn macht, dass man 00:10:36.640 --> 00:10:38.820 das macht, oder ob das nicht Musik ist, 00:10:38.820 --> 00:10:40.220 und da wollen wir das vielleicht nicht abziehen. 00:10:40.220 --> 00:10:42.880 Also die Grundidee ist halt, dass man so verschiedene 00:10:42.880 --> 00:10:44.700 Klassifikatoren hat und mit denen 00:10:44.700 --> 00:10:46.800 dann die Algorithmen steuert. 00:10:46.800 --> 00:10:48.900 Und für das hat das 00:10:48.900 --> 00:10:50.960 ganz gut funktioniert, ja. Aber diese Algorithmen 00:10:50.960 --> 00:10:52.780 sind dann quasi noch so die klassischen, ich weiß jetzt 00:10:52.780 --> 00:10:54.700 nicht, ich hab jetzt so im Hinterkopf, da gibt's 00:10:54.700 --> 00:10:56.700 irgendwie so Audio-Works, 00:10:56.780 --> 00:10:58.600 Vibrations und irgendwelche Plugins und so 00:10:58.600 --> 00:11:00.700 und da kann man dann wahrscheinlich die Parameter einstellen, 00:11:00.700 --> 00:11:02.400 aber sozusagen die sind dann halt 00:11:02.400 --> 00:11:04.680 übernommen, aber wie man die einstellt, ist 00:11:04.680 --> 00:11:06.360 automatisiert über halt 00:11:06.360 --> 00:11:08.560 irgendwie... Übernommen, also die haben wir natürlich 00:11:08.560 --> 00:11:10.620 schon selber entwickelt, aber vom 00:11:10.620 --> 00:11:12.540 Prinzip her ähnlich natürlich, also 00:11:12.540 --> 00:11:14.440 man hat halt bestimmte Filter oder 00:11:14.440 --> 00:11:16.820 Kompressoren, Limiter und 00:11:16.820 --> 00:11:18.360 was gibt's noch, 00:11:18.360 --> 00:11:20.500 FFT-basierten Prozesse, 00:11:20.500 --> 00:11:22.400 so wie das ist, denoising zum Beispiel. 00:11:22.400 --> 00:11:23.900 Ja. Und 00:11:23.900 --> 00:11:26.700 auf diese Weise steuert 00:11:26.700 --> 00:11:27.860 man dann diese 00:11:27.860 --> 00:11:30.680 klassischen DSB-Algorithmen quasi, ja. 00:11:30.680 --> 00:11:32.780 Ja. Aber 00:11:32.780 --> 00:11:35.040 genau, gibt's da nicht irgendwie, 00:11:35.040 --> 00:11:36.320 wenn man jetzt zum Beispiel, 00:11:36.320 --> 00:11:38.860 das ist ja auch ein spezieller Anwendungsfall 00:11:38.860 --> 00:11:40.620 eigentlich, dass man halt das, dass man 00:11:40.620 --> 00:11:43.000 so ein fertiges Audio hat, was man dann post-processen 00:11:43.000 --> 00:11:44.840 will, kann man da nicht 00:11:44.840 --> 00:11:46.500 auch noch irgendwie vielleicht 00:11:46.500 --> 00:11:48.200 irgendwie Informationen, 00:11:48.200 --> 00:11:50.800 mehr Informationen verwerten, wenn man 00:11:50.800 --> 00:11:52.680 halt das ganze Audio, weil normalerweise 00:11:52.680 --> 00:11:54.560 diese Audio-Works-Sessions sind ja immer so 00:11:54.560 --> 00:11:56.480 mehr so drauf ausgelegt, dass man halt 00:11:56.480 --> 00:11:58.600 irgendwie einen Mix so live 00:11:58.600 --> 00:11:59.640 erzeugt und 00:11:59.640 --> 00:12:02.120 da hat man ja gar nicht so viele Informationen. 00:12:02.120 --> 00:12:03.760 Das ist eben das, 00:12:03.760 --> 00:12:05.460 das ist eben das, 00:12:05.460 --> 00:12:08.560 der Unterschied von unserem System 00:12:08.560 --> 00:12:10.380 gewesen zu den anderen Sachen oder zu den 00:12:10.380 --> 00:12:12.060 meisten anderen Sachen, also 00:12:12.060 --> 00:12:14.520 das ist eben, das ist unser 00:12:14.520 --> 00:12:16.660 Konzept, wie es am Computer meistens funktioniert, 00:12:16.660 --> 00:12:19.040 also in Audio-Plugins 00:12:19.040 --> 00:12:20.440 ist es halt 00:12:20.440 --> 00:12:22.200 eigentlich ein Realtime-Konzept, also 00:12:22.200 --> 00:12:24.200 ein Plugin sieht ja nur einen kleinen 00:12:24.200 --> 00:12:26.420 Buffer an Audio, den er prozessiert, 00:12:26.420 --> 00:12:28.440 und der muss ja jetzt auch so 00:12:28.440 --> 00:12:30.240 schnell wie möglich prozessieren und dann spuckt er 00:12:30.240 --> 00:12:32.160 wieder aus, weil das System ja 00:12:32.160 --> 00:12:34.080 auf Realtime ausgelegt ist 00:12:34.080 --> 00:12:35.880 und es hat 00:12:35.880 --> 00:12:38.320 zumindest damals sehr wenig Programme 00:12:38.320 --> 00:12:40.420 gegeben, die jetzt ja wirklich so 00:12:40.420 --> 00:12:42.420 Offline-Audio-Berechnung 00:12:42.420 --> 00:12:44.560 gemacht haben und 00:12:44.560 --> 00:12:45.760 das war 00:12:45.760 --> 00:12:48.300 damals eben der Levelator, den es da 00:12:48.300 --> 00:12:50.140 gegeben hat, das war auch so ein Programm, das 00:12:50.140 --> 00:12:52.440 einfach die Levels quasi gleich geregelt 00:12:52.440 --> 00:12:54.600 hat von Aufnahmen, 00:12:54.600 --> 00:12:55.520 die mich 00:12:56.200 --> 00:12:58.340 BruteForce, also der hat nicht geschaut, ob da irgendwie 00:12:58.340 --> 00:13:00.380 Musik ist, das hat er vollkommen zerstört, aber halt 00:13:00.380 --> 00:13:02.400 einfach versucht, alles irgendwie gleich laut zu machen 00:13:02.400 --> 00:13:03.740 und 00:13:03.740 --> 00:13:06.400 dieses Programm hat 00:13:06.400 --> 00:13:08.380 mich damals ein bisschen fasziniert, weil ich doch 00:13:08.380 --> 00:13:10.360 aus der Audio-Bubble sozusagen gekommen 00:13:10.360 --> 00:13:12.580 bin und das haben mir die Podcaster damals gezeigt 00:13:12.580 --> 00:13:14.500 und ich habe mir gedacht, warum habe ich noch nie 00:13:14.500 --> 00:13:16.200 von dem gehört, das ist ja eigentlich ganz praktisch, 00:13:16.200 --> 00:13:18.000 weil in der ganzen 00:13:18.000 --> 00:13:20.240 professionellen Audio-Welt 00:13:20.240 --> 00:13:22.420 dieses Konzept einfach nicht existent 00:13:22.420 --> 00:13:23.760 war, also wirklich, also 00:13:23.760 --> 00:13:26.140 weil es da halt natürlich die super 00:13:26.140 --> 00:13:28.340 speziellen Plugins geben, die 00:13:28.340 --> 00:13:30.640 von den namhaften Herstellern 00:13:30.640 --> 00:13:32.160 und so weiter, aber 00:13:32.160 --> 00:13:34.220 dieses Konzept haben wir dann auch 00:13:34.220 --> 00:13:36.520 versucht ähnlich zu machen, also weg von dem Plugin-Konzept 00:13:36.520 --> 00:13:38.500 und eben einfach das gesamte 00:13:38.500 --> 00:13:40.220 Audio analysiert, das heißt man hat 00:13:40.220 --> 00:13:42.160 vorher schon mal schauen können, wo was passiert und 00:13:42.160 --> 00:13:44.340 danach eben die Algorithmen dann darauf anpassen 00:13:44.340 --> 00:13:46.600 zusätzlich 00:13:46.600 --> 00:13:48.260 ist es natürlich praktisch, das kann man 00:13:48.260 --> 00:13:50.100 dann als Web-Service anbieten, weil 00:13:50.100 --> 00:13:52.440 da kann man dann das ganze feil hin tun 00:13:52.440 --> 00:13:53.920 und das wird dann halt einfach 00:13:53.920 --> 00:13:55.860 sozusagen im Hintergrund 00:13:55.860 --> 00:13:55.920 äh 00:13:55.920 --> 00:13:57.960 prozessiert und dann bieten sie 00:13:57.960 --> 00:13:59.780 natürlich auch andere Sachen an, dass man 00:13:59.780 --> 00:14:01.660 das feilt dann gleich mal hin 00:14:01.660 --> 00:14:04.100 distributiert, also auf YouTube und auf Soundcloud 00:14:04.100 --> 00:14:05.520 war damals man ziemlich populär 00:14:05.520 --> 00:14:07.600 und alle möglichen anderen Targets 00:14:07.600 --> 00:14:09.760 auf den eigenen Server oder 00:14:09.760 --> 00:14:11.680 verschiedene andere 00:14:11.680 --> 00:14:13.420 Publikations- und 00:14:13.420 --> 00:14:15.580 Encoding-Steps dann 00:14:15.580 --> 00:14:16.600 dazu tun. 00:14:16.600 --> 00:14:19.860 Darf ich noch so ein paar Fragen stellen, vielleicht zu diesem Audio-Ding? 00:14:19.860 --> 00:14:20.800 Das würde mich so ein bisschen 00:14:20.800 --> 00:14:23.140 mehr interessieren, also du hast das aus der 00:14:23.140 --> 00:14:25.500 Tontechnik-Welt quasi gedacht, ja? 00:14:25.920 --> 00:14:27.780 Und wenn du sagst, okay, du möchtest 00:14:27.780 --> 00:14:29.840 die Sachen auspegeln irgendwie, dann 00:14:29.840 --> 00:14:31.700 guckst du darauf, dass 00:14:31.700 --> 00:14:33.920 das so ein bisschen harmonisch ist und du 00:14:33.920 --> 00:14:35.840 guckst, dass das so ein bisschen Raum gibt 00:14:35.840 --> 00:14:37.440 und du versuchst dann mit 00:14:37.440 --> 00:14:39.260 den Filtern, 00:14:39.260 --> 00:14:41.920 die durch das Machine Learning trainiert 00:14:41.920 --> 00:14:43.740 sind, zu erkennen, was jetzt ein 00:14:43.740 --> 00:14:46.080 Störgeräusch ist und nicht zur Stimme gehört 00:14:46.080 --> 00:14:48.720 und 00:14:48.720 --> 00:14:50.960 ja, also so 00:14:50.960 --> 00:14:53.620 ich versuch's so ein bisschen einfach darzustellen, ja, weil ich möchte gerne 00:14:53.620 --> 00:14:55.620 diesen Prozess aus dieser Audio-Perspektive 00:14:55.920 --> 00:14:57.280 so ein bisschen eher verstehen. 00:14:57.280 --> 00:14:58.700 Ja, 00:14:58.700 --> 00:15:02.120 naja, ich rede jetzt immer noch aus der Perspektive, 00:15:02.120 --> 00:15:03.020 wie das quasi 00:15:03.020 --> 00:15:04.660 früher war. 00:15:04.660 --> 00:15:06.340 Aber 00:15:06.340 --> 00:15:08.780 nehmen wir vielleicht mal dieses 00:15:08.780 --> 00:15:11.760 Leveling-Beispiel, was muss man da machen? 00:15:11.760 --> 00:15:13.600 Also wenn man jetzt verschiedene Sprecher hat, 00:15:13.600 --> 00:15:16.300 zum Beispiel 00:15:16.300 --> 00:15:17.840 wie wir da, einer ist halt 00:15:17.840 --> 00:15:19.400 viel lauter, einer ist viel leiser 00:15:19.400 --> 00:15:21.840 und das wechselt sich dann ab 00:15:21.840 --> 00:15:23.900 und 00:15:23.900 --> 00:15:25.640 wo war ich jetzt? 00:15:25.920 --> 00:15:27.960 Ja, dann hat man jetzt irgendwelche anderen Sachen noch 00:15:27.960 --> 00:15:30.180 dabei, also Intro-Musik zum Beispiel 00:15:30.180 --> 00:15:32.040 oder dann ist wieder mal 00:15:32.040 --> 00:15:34.000 Pause und dann hört man irgendwelche anderen 00:15:34.000 --> 00:15:35.400 Geräusche. 00:15:35.400 --> 00:15:36.680 Dann 00:15:36.680 --> 00:15:39.840 nennt sich das so 00:15:39.840 --> 00:15:41.860 Voice-Activity-Detection, also man 00:15:41.860 --> 00:15:43.880 detektiert eben, wo jetzt wirklich die 00:15:43.880 --> 00:15:45.980 Sprache aktiv ist und wo jetzt Pausen 00:15:45.980 --> 00:15:48.020 sind, dann detektiert man 00:15:48.020 --> 00:15:50.100 zum Beispiel, wo jetzt Musiksegmente sind 00:15:50.100 --> 00:15:51.740 und dann, wo jetzt irgendwas 00:15:51.740 --> 00:15:54.400 anderes ist, also irgendeine Störgeräusche, 00:15:54.400 --> 00:15:55.700 die jetzt weder Sprache noch 00:15:55.700 --> 00:15:57.640 Musik sind sozusagen 00:15:57.640 --> 00:15:59.820 und dann, wenn man jetzt 00:15:59.820 --> 00:16:01.940 die verschiedenen Sprachsegmente 00:16:01.940 --> 00:16:03.320 hat und da sind große 00:16:03.320 --> 00:16:05.840 Level-Unterschiede, dann versucht man die so schnell 00:16:05.840 --> 00:16:07.660 wie möglich nachzuregeln, dass 00:16:07.660 --> 00:16:09.700 sie möglichst ähnlich laut klingen, also 00:16:09.700 --> 00:16:11.200 relativ schnell 00:16:11.200 --> 00:16:13.920 zu faden. Bei Musik 00:16:13.920 --> 00:16:15.640 muss man das jetzt wieder anders machen, weil wenn man 00:16:15.640 --> 00:16:17.620 in der Musik jetzt so schnell nachregelt, dann würde man 00:16:17.620 --> 00:16:19.780 die ganze innere Dynamik 00:16:19.780 --> 00:16:21.780 der Musik zerstören, weil Musik braucht 00:16:21.780 --> 00:16:23.880 ja viel mehr Dynamik natürlich, sind ja alles 00:16:23.880 --> 00:16:25.340 ziemlich, ziemlich 00:16:25.700 --> 00:16:27.820 wurscht, nicht wurscht in dem Sinn, 00:16:27.820 --> 00:16:30.040 dass alles gleich laut ist und dann nicht mehr gut klingt. 00:16:30.040 --> 00:16:32.000 Das heißt, bei Musik muss man das natürlich 00:16:32.000 --> 00:16:33.660 wiederum anders machen, deswegen muss man das vorher 00:16:33.660 --> 00:16:35.720 klassifizieren, dann hat man wieder irgendwelche anderen 00:16:35.720 --> 00:16:37.600 Geräusche, die jetzt weder Musik noch 00:16:37.600 --> 00:16:39.740 Sprache sind, die wird man wahrscheinlich nicht 00:16:39.740 --> 00:16:41.900 raufregeln wollen, also 00:16:41.900 --> 00:16:43.580 das kennt man von so alten 00:16:43.580 --> 00:16:46.020 Automatik-Gain-Control-Algorithmen 00:16:46.020 --> 00:16:47.560 bei diversen 00:16:47.560 --> 00:16:49.620 Recording-Systemen, wenn man das einstellt 00:16:49.620 --> 00:16:51.740 und dann stehen lässt und dann mal der Zeit lang nichts sagt, 00:16:51.740 --> 00:16:53.640 dann wird auf einmal der Noise-Begel komplett 00:16:53.640 --> 00:16:55.020 hochgezogen vom Hintergrund, 00:16:55.480 --> 00:16:57.520 und dann fängt wieder irgendwer zum Sprechen an, 00:16:57.520 --> 00:16:59.480 dann regelt der Begel 00:16:59.480 --> 00:17:01.480 wieder runter und dann ist der Noise wieder unten 00:17:01.480 --> 00:17:03.480 und die Sprache kommt wieder, also genau 00:17:03.480 --> 00:17:05.920 solche Pumping-Artefakte, 00:17:05.920 --> 00:17:07.580 dass irgendwas hochgezogen wird, was man 00:17:07.580 --> 00:17:09.460 nicht will, will man natürlich 00:17:09.460 --> 00:17:11.640 nicht haben und das kann man natürlich 00:17:11.640 --> 00:17:13.500 viel besser machen, wenn man das ganze 00:17:13.500 --> 00:17:14.900 Pfeil vorher klassifiziert, wo 00:17:14.900 --> 00:17:17.440 welche Events, also so ein 00:17:17.440 --> 00:17:19.600 basierende Relevanz sind für diesen Algorithmus 00:17:19.600 --> 00:17:21.620 jetzt und dann weiß man 00:17:21.620 --> 00:17:23.640 schon, das ist da und das ist da und dann kann man 00:17:23.640 --> 00:17:24.320 diese 00:17:24.320 --> 00:17:24.600 ... 00:17:24.600 --> 00:17:25.260 ... 00:17:25.260 --> 00:17:30.900 Dieses Nachregeln natürlich ein bisschen besser machen, ganz einfach. Ich hoffe, das war jetzt deine Frage. 00:17:55.260 --> 00:18:07.660 Ja, aber ist Musik eigentlich überhaupt jemals sozusagen auch das Ziel gewesen, dass man das halt verbessern kann? Oder ist das auch vor allem nicht eher schon immer irgendwie Sprache, reine Sprache gewesen? 00:18:07.660 --> 00:18:11.660 Ja, aber du musst ja mit der Musik auch irgendwie klar kommen. 00:18:11.660 --> 00:18:20.760 Das Problem ist ja, du kannst ja nicht einfach nichts machen, weil wenn du jetzt die Sprache irgendwie großartig nachregelst und dann ist die Musik wieder ganz woanders, dann passt das ja erst wieder nicht zusammen. 00:18:20.760 --> 00:18:25.160 Also wir versuchen natürlich die Musik so wenig. 00:18:25.260 --> 00:18:35.860 Wie möglich zu verändern, sag ich mal. Also künstlerisch zu verändern, sondern einfach so anzupassen, dass sie zum Rest von der Produktion passt. 00:18:35.860 --> 00:18:47.180 Also dass halt die Lautstärkenverhältnisse zu den Sprechern und der Musik einigermaßen passt, dass die Lautstärkenverhältnisse in der Musik nicht so viel verändert werden. 00:18:47.180 --> 00:18:54.360 Also natürlich werden sie ein bisschen verändert, aber nicht zu extrem. Und spektral wird die Musik jetzt eigentlich auch nicht verändert. 00:18:54.360 --> 00:18:55.180 Also wir... 00:18:55.260 --> 00:18:57.280 Zumindest bis jetzt nicht. 00:18:57.280 --> 00:18:59.280 Vielleicht machen wir das in Zukunft einmal. 00:18:59.280 --> 00:19:11.280 Also, weil wir gehen natürlich davon aus, meistens hat man so ein Einspieler oder sonst irgendwas, das ist schon vorproduziert, das ist künstlerisch meistens so gewollt und da will man jetzt nicht so großartig was ändern dabei. 00:19:11.280 --> 00:19:17.180 Außer vielleicht ein bisschen Noise weglöschen oder eben die Begel anpassen, dass sie zum Rest passen. 00:19:17.180 --> 00:19:24.140 Was man natürlich auch sehr oft an so Musikmixes, da macht es ja schon Sinn, also wenn man jetzt ein Stück hat, das sehr laut ist an sehr leise, das passt dann auch. 00:19:24.140 --> 00:19:26.100 Passen wir schon an, dass das dann wieder zusammenpasst. 00:19:26.100 --> 00:19:28.860 Aber jetzt nicht den spektralen Content in der Musik. 00:19:28.860 --> 00:19:30.100 Ja. 00:19:30.100 --> 00:19:33.980 Aber genau, ist das denn... 00:19:33.980 --> 00:19:37.720 Aber inzwischen hat sich ja auch im Machine Learning-Bereich 00:19:37.720 --> 00:19:40.840 so einiges getan, so in den letzten zehn Jahren. 00:19:40.840 --> 00:19:43.340 Ich meine, 2013 hat das mit dem Deep Learning 00:19:43.340 --> 00:19:44.300 und so gerade erst angefangen. 00:19:44.300 --> 00:19:48.180 Gibt es da inzwischen auch Geschichten, 00:19:48.180 --> 00:19:49.940 wo man das so mehr so richtig End-to-End, 00:19:49.940 --> 00:19:53.260 ohne dass man dann noch irgendwelche Blöcke dazwischen hat, 00:19:53.300 --> 00:19:55.280 die man konfiguriert, sondern einfach quasi, 00:19:55.280 --> 00:19:57.660 man könnte ja auch das alles irgendwie insgesamt lernen 00:19:57.660 --> 00:20:00.540 und dann halt Audio rein auf der einen Seite 00:20:00.540 --> 00:20:01.780 in irgendwie ein neuronales Netz 00:20:01.780 --> 00:20:02.960 und dann wieder Audio auch wieder raus. 00:20:02.960 --> 00:20:06.740 Hat sich das da eigentlich in die Richtung schon entwickelt? 00:20:06.740 --> 00:20:09.160 Weil ich habe da ehrlich gesagt ja keine Ahnung von. 00:20:09.160 --> 00:20:13.460 Ja, so funktioniert es im Moment eigentlich. 00:20:13.460 --> 00:20:18.040 Also, wie gesagt, wenn man jetzt von der Geschichte her kommt, 00:20:18.040 --> 00:20:22.100 von NumPy, SciPy und CKitLearn und so weiter, 00:20:23.300 --> 00:20:26.720 dann sind immer weitere Algorithmen gekommen. 00:20:26.720 --> 00:20:29.180 Also ich habe zum Beispiel meine Diplomarbeit damals 00:20:29.180 --> 00:20:31.720 auch schon mit so neuronalen Netzen gemacht. 00:20:31.720 --> 00:20:34.240 Das war 2007 oder 2008. 00:20:34.240 --> 00:20:38.080 Da war das noch ganz am Anfang, vor allem im Audio-Bereich. 00:20:38.080 --> 00:20:42.200 Und am Anfang von der Phonik haben wir das jetzt noch nicht gehabt, 00:20:42.200 --> 00:20:45.280 weil es ja einfach nur zu aufwendig war zum Rechnen. 00:20:45.280 --> 00:20:50.500 Aber dann sind wir eh gleich in diese Richtung einmal gegangen. 00:20:50.500 --> 00:20:53.280 Also, ich meine, schon in beiden Podcasts, 00:20:53.300 --> 00:20:55.200 zehn, kann man eh von den Tools auch ein bisschen reden. 00:20:55.200 --> 00:20:59.140 Zuerst war dann das Dancerflow sehr, sehr beliebt am Anfang. 00:20:59.140 --> 00:21:04.160 Vor allem mit diesem Keras, dieser Keras-Library. 00:21:04.160 --> 00:21:06.960 Das war damals so ein Wrapper für Dancerflow im Prinzip, 00:21:06.960 --> 00:21:12.360 einfach mit einer einfacheren API, also einfacher zu verwenden. 00:21:12.360 --> 00:21:14.540 Ja, inzwischen ist es, glaube ich, die offizielle API-Aufwand. 00:21:14.540 --> 00:21:16.740 Ja, die haben es, glaube ich, irgendwie, 00:21:16.740 --> 00:21:19.660 oder der Typ bei Keras ist dann, glaube ich, irgendwann zu Google 00:21:19.660 --> 00:21:21.560 und dann haben sie das gleich dazu einbaut. 00:21:21.560 --> 00:21:22.040 Ja. 00:21:22.040 --> 00:21:22.980 Ja. 00:21:22.980 --> 00:21:25.680 Wie auch immer, zuerst haben wir viel mit Keras eben gemacht 00:21:25.680 --> 00:21:29.860 und dann irgendwann sind wir dann eh so wie alle auch auf PyTorch. 00:21:29.860 --> 00:21:32.680 Mittlerweile machen wir eigentlich alles mit PyTorch, 00:21:32.680 --> 00:21:33.320 also eh schon lang. 00:21:33.320 --> 00:21:36.580 Aber jetzt zu den Algorithmen, wie funktioniert das jetzt? 00:21:36.580 --> 00:21:39.920 Also, eigentlich ziemlich anders. 00:21:39.920 --> 00:21:43.500 Also, wie du gesagt hast, mittlerweile kommt eigentlich 00:21:43.500 --> 00:21:46.800 einfach nur mehr Audio rein und Audio raus dann. 00:21:46.800 --> 00:21:48.880 Also, es ist viel mehr Blackbox als vorher. 00:21:48.880 --> 00:21:52.880 Und wie funktioniert das? 00:21:52.980 --> 00:21:57.560 Das heißt, man ist jetzt natürlich hauptsächlich damit beschäftigt, 00:21:57.560 --> 00:22:00.480 oder mit vielen Sachen beschäftigt, aber ein großer Punkt ist natürlich, 00:22:00.480 --> 00:22:04.080 dass man jetzt die ganzen Datensätze eben zusammenstellt. 00:22:04.080 --> 00:22:09.020 Nehmen wir noch mal den Beispiel mit Denoising, also Störgeräusche weglöschen. 00:22:09.020 --> 00:22:13.920 Dazu braucht man natürlich ganz viele Audio-Sprachfiles, 00:22:13.920 --> 00:22:17.780 die, wenn wir jetzt nur Sprache betrachten, braucht man ganz viele Sprachfiles, 00:22:17.780 --> 00:22:21.780 die gut klingen, also ganz viele Sprecher, verschiedene Sprachen, 00:22:21.780 --> 00:22:22.780 verschiedene Geschlechter. 00:22:22.820 --> 00:22:26.720 Verschiedene Ausdrucksweisen, verschiedene Sprachstile, 00:22:26.720 --> 00:22:31.720 emotionale Sprache, Fadesprache, was auch immer man sich flüstern, 00:22:31.720 --> 00:22:34.720 was immer man sich denken kann, also alles Mögliche, was es dazu gibt. 00:22:34.720 --> 00:22:37.720 Und das natürlich in einer guten Qualität, ohne viel Rauschen. 00:22:37.720 --> 00:22:43.720 Dann braucht man natürlich ganz große Datensätze von verschiedenen Noise-Daten, 00:22:43.720 --> 00:22:46.720 also statisches Rauschen, dann ein Auto, das hinten vorbeifährt, 00:22:46.720 --> 00:22:52.560 oder irgendwelche Klopfgeräusche am Computer und so weiter. 00:22:52.660 --> 00:22:54.560 Alles, was man sich irgendwie vorstellen kann. 00:22:54.560 --> 00:22:57.560 Musik natürlich auch, falls man Musik auch wegrechnen will. 00:22:57.560 --> 00:23:01.560 Baby schreien, Hunde bellen. 00:23:01.560 --> 00:23:07.560 Und dann mischt man diese Daten eben zusammen, also dass man aus diesen schönen Daten 00:23:07.560 --> 00:23:09.560 eben das Rauschen dazurechnet. 00:23:09.560 --> 00:23:14.560 Das ist dann quasi das schlechte Signal, das ist das Input von dem Netzwerk. 00:23:14.560 --> 00:23:17.560 Und als Target hat man dann einfach das schöne Signal. 00:23:17.560 --> 00:23:21.560 Und dann trainiert man eben dieses Model, das Netzwerk an. 00:23:21.660 --> 00:23:23.560 Also ihr kennt das wahrscheinlich ja alle. 00:23:23.560 --> 00:23:28.560 Und dann hat das eben einen bestimmten Lernalgorithmus, 00:23:28.560 --> 00:23:32.560 das die Gewichte in diesem neuronalen Netzwerk eben updatet 00:23:32.560 --> 00:23:37.560 und dadurch versucht es eben zu lernen, wenn man das reinschickt, kommt das raus. 00:23:37.560 --> 00:23:41.560 Und versucht eben zu generalisieren für alle möglichen anderen Sachen, 00:23:41.560 --> 00:23:44.560 die dazwischen sind, die man eben nicht explizit gelernt hat. 00:23:44.560 --> 00:23:51.400 Zusätzlich zu diesen Daten und Model gibt es ja noch so Transformationen, 00:23:51.500 --> 00:23:56.400 also das Audio wird nicht nur durch das Zumischen von Neues schlechter gemacht, 00:23:56.400 --> 00:23:58.400 sondern man kann auch noch alles mögliche andere machen. 00:23:58.400 --> 00:24:04.400 Man kann Filter-Artefakte draufrechnen, die das Netzwerk dann wegrechnen soll 00:24:04.400 --> 00:24:08.400 oder das Audio Clippen zum Beispiel und das versucht es wieder wegzurechnen 00:24:08.400 --> 00:24:12.400 oder irgendwelche Kompressoren am Target oder am Input drauflegen. 00:24:12.400 --> 00:24:17.400 Also alles, was man früher so eigentlich an Signalbearbeitungsalgorithmen gehabt hat 00:24:17.400 --> 00:24:21.240 und direkt angewendet hat, ist jetzt für einen End-User, 00:24:21.340 --> 00:24:25.240 quasi weg, aber die ganzen Algorithmen braucht man trotzdem immer noch, 00:24:25.240 --> 00:24:30.240 weil man damit im Endeffekt jetzt die ganzen Transformationen von den Daten macht, 00:24:30.240 --> 00:24:35.240 damit man sie so zusammenbasteln kann, damit sie eben möglichst variantenreich sind 00:24:35.240 --> 00:24:40.240 und damit man alle möglichen Sachen abbilden kann, die das Model dann eben machen soll. 00:24:40.240 --> 00:24:44.240 Aber man wendet die Algorithmen nicht mehr direkt auf die Daten an, 00:24:44.240 --> 00:24:49.240 sondern einfach auf den Trainingsdaten und damit modelliert man sozusagen die Trainingsdaten, 00:24:49.240 --> 00:24:51.080 so wie es dann eben fürs Model sein soll. 00:24:51.180 --> 00:24:57.080 Mhm. Ja, interessant. Ich hätte mir schon mal überlegt, irgendwie, keine Ahnung, 00:24:57.080 --> 00:25:05.080 ob man nicht sowas machen könnte, wie wenn man jetzt, angenommen man hätte irgendwie ganz viel hochqualitatives Audio irgendwo her, 00:25:05.080 --> 00:25:10.080 keine Ahnung, hat ein Archiv von einem Radiosender gefunden oder irgendwelchen Medien 00:25:10.080 --> 00:25:17.080 und man spielt das jetzt irgendwie in einem Raum ab und legt dann irgendwie ein Handy irgendwie in die Mitte oder sowas 00:25:17.080 --> 00:25:21.000 und nimmt das dann auf, dann könnte man ja eigentlich sozusagen, kann man dann nicht ein gutes Audio 00:25:21.020 --> 00:25:24.920 aus irgendwie einer Handy-Mikrofon-Aufnahme generieren? Könnte man nicht ein neuronales Netz trainieren, 00:25:24.920 --> 00:25:28.920 das halt irgendwie quasi dann halt auch, wenn ich dann selber wieder das Handy nehme oder reinspreche, 00:25:28.920 --> 00:25:30.920 dann quasi da einen guten Klang draus macht? 00:25:30.920 --> 00:25:32.920 Das ist, glaube ich, das, was Georg versucht, diese Folge. 00:25:32.920 --> 00:25:34.920 Genau das. Genau das machen wir. 00:25:34.920 --> 00:25:37.920 Aber da lernst du doch nur einen Filter, oder? 00:25:37.920 --> 00:25:43.920 Genau. Im Prinzip gibt es genau so Datensätze von, du meinst jetzt zum Beispiel Impuls-Responses, 00:25:43.920 --> 00:25:50.760 also Impuls-Antworten von Räumen zum Beispiel, wo eben, keine Ahnung, 100.000 Impulse, 00:25:50.860 --> 00:25:55.760 Impuls-Responses von verschiedenen Geometrien von Räumen, das heißt in dem Fall, 00:25:55.760 --> 00:26:00.760 in dem Fall hättest du ein Handy halt immer an einem anderen Punkt, in einem anderen Raum liegen, 00:26:00.760 --> 00:26:08.760 das sind eben genau diese Transformations, in dem Fall rechnet man dann so eine Impuls-Response drauf auf das Input-Signal 00:26:08.760 --> 00:26:12.760 und am Target soll das dann eben wieder weggerechnet werden. 00:26:12.760 --> 00:26:18.760 Dann, in deinem Fall, hättest du noch so nicht-lineare Verzerrungen drinnen vom Handy-Mikrofon zum Beispiel, 00:26:18.760 --> 00:26:20.600 das kann man natürlich auch mit so einem nicht-linearen, 00:26:20.700 --> 00:26:24.600 also Verzerrungen ganz einfach simulieren, zusätzlich hast du noch Rauschen dabei, 00:26:24.600 --> 00:26:28.600 also man kann da noch ein neues dazu mischen und mit diesen ganzen Dingen, 00:26:28.600 --> 00:26:35.600 dann hat es vielleicht noch spektrale Effekte drinnen, also man kann noch so EQ-Dinger auf den Input drauflegen 00:26:35.600 --> 00:26:42.600 und wenn man diese ganzen Effekte zusammen mischt, dann kommt halt irgendein schlechtes Audio sozusagen raus, 00:26:42.600 --> 00:26:44.600 das man dann verwenden kann. 00:26:44.600 --> 00:26:50.520 Ja, ja und das kann man natürlich dann deutlich flexibler machen, als wenn man das jetzt irgendwie tatsächlich physisch 00:26:50.540 --> 00:26:55.440 irgendwie machen müsste, ja. Man braucht ja auch viele Daten irgendwie wahrscheinlich, nehme ich mal an. 00:26:55.440 --> 00:27:05.440 Was heißt denn viele Daten? Wie viele Daten braucht man denn? Braucht man da 10 Stunden oder 100 Stunden oder 1000 Stunden oder 100.000 Stunden? 00:27:05.440 --> 00:27:12.440 Naja, mehr wie 1000, also es kommt drauf an, wie gut das sollte oder welcher Algorithmus jetzt und wie gut das funktionieren soll. 00:27:12.440 --> 00:27:20.280 Also für so ein neues Redaction-Sachen brauchst du schon einige Tausend Stunden an Audio-Material, sage ich mal. 00:27:20.380 --> 00:27:27.280 Okay, also so ein, sage ich mal, Podcast-Archiv aus 150 Stunden Audio kommt nicht weit. 00:27:27.280 --> 00:27:33.280 Naja, vor allem, wenn du jetzt ein Podcast-Archiv hast, das ist halt sehr einseitig. 00:27:33.280 --> 00:27:35.280 Ja, okay, das ist zu gleich für mich. 00:27:35.280 --> 00:27:41.280 Du hast natürlich verschiedenste Podcast-Archive von verschiedenen Ländern, von verschiedenen Ausdrucksweisen. 00:27:41.280 --> 00:27:44.280 Dann kommt natürlich noch die Qualität vom Audio dazu. 00:27:44.280 --> 00:27:50.120 Also es ist ja nicht so leicht, wirklich gute Sprache zum Beispiel zu finden, wo jetzt kein Rauschen drin ist, 00:27:50.220 --> 00:27:54.120 weil sonst trainierst du dich auch erst wieder an, dass du Rauschen dabei hast. 00:27:54.120 --> 00:27:55.120 Okay, klar. 00:27:55.120 --> 00:27:57.120 Also wir machen das meistens so ein bisschen rekursiv. 00:27:57.120 --> 00:28:03.120 Also man hat natürlich einmal ein Modell, dann findet man wieder neue Daten, die ein bisschen verrauscht sind, 00:28:03.120 --> 00:28:08.120 die neueste man mit dem alten Modell, damit trainiert man dann das neue Modell und so weiter, 00:28:08.120 --> 00:28:12.120 damit man die Daten auch ein bisschen besser aufbereiten kann. 00:28:12.120 --> 00:28:19.960 Weil, was ja ganz interessant ist, welche Effekte wir immer gehabt haben, also wenn man natürlich schon mal Daten gehabt hat, 00:28:20.060 --> 00:28:25.960 mit denen man ein Modell trainiert hat und da will man dann danach noch einmal die Neues mit dem gleichen Modell, 00:28:25.960 --> 00:28:30.960 dann funktioniert das natürlich nicht, weil das Modell hat ja schon gelernt, dass in den Daten Neues drinnen ist 00:28:30.960 --> 00:28:34.960 und das reproduziert das Neues ganz einfach wieder. 00:28:34.960 --> 00:28:38.960 Also irgendwie ist das wirklich drinnen gespeichert dann. 00:28:38.960 --> 00:28:49.800 Na gut, aber was bei uns auch noch so ein Ding ist, weil wir ja vorher von der klassischen DSB-Welt, 00:28:49.900 --> 00:28:56.800 Maschinen-Learning-Welt gekommen sind, also der Vorteil dort ist natürlich, dass man Parameter zur Kontrolle hat, 00:28:56.800 --> 00:29:00.800 was oft ein Vorteil, oft ein Nachteil ist, weil es komplizierter werden kann. 00:29:00.800 --> 00:29:04.800 Ein Vorteil, weil man verschiedene Use Cases damit abbilden kann. 00:29:04.800 --> 00:29:15.800 Und dieses Prinzip wollten wir jetzt halt auch nicht ganz aufgeben in der ganzen neuen Deep-Learning-Welt sozusagen, 00:29:15.800 --> 00:29:19.640 weil man kann natürlich auch so ein Modell machen, das jetzt auch, 00:29:19.740 --> 00:29:23.640 alle diese Transformationen und was auch immer drinnen hat und da kommt dann irgendwas raus 00:29:23.640 --> 00:29:28.640 und mit dem kann man dann leben oder nicht, aber oft will man halt auch mehr Kontrolle haben, 00:29:28.640 --> 00:29:30.640 was genau man mit dem Audio machen will. 00:29:30.640 --> 00:29:35.640 Man will zum Beispiel nur gewisse Störgeräusche rausrechnen oder man will Musik auch rausrechnen 00:29:35.640 --> 00:29:41.640 oder Atmer wegrechnen oder gewisse Sachen wegschneiden oder Lautstärken labeln, 00:29:41.640 --> 00:29:44.640 Lautstärken nicht labeln, Filtering anwenden oder nicht. 00:29:44.640 --> 00:29:49.480 Also insofern haben wir da jetzt, es ist unser Weg, 00:29:49.580 --> 00:29:53.480 dass wir verschiedene Stemmodels haben, die wir dann kombinieren. 00:29:53.480 --> 00:29:56.480 Also zum Beispiel haben wir so ein Modell, das im Filtering macht. 00:29:56.480 --> 00:30:01.480 Das nennt sich der Auto-EQ-Model, was auf das Filtering spezialisiert ist. 00:30:01.480 --> 00:30:07.480 Dann haben wir verschiedene denoising Models, die verschiedene Teile von Audio weglöschen können oder überlassen können, 00:30:07.480 --> 00:30:14.480 damit man dann die so kombinieren kann, um noch ein bisschen eine Kontrolle darüber zu haben. 00:30:14.480 --> 00:30:19.480 Um auch verschiedene Use Cases, was ist das zum Beispiel? 00:30:19.520 --> 00:30:25.420 In einem Radio-Play, also in einem Hörspiel im Radio will man natürlich alle möglichen Soundeffekte hinten haben. 00:30:25.420 --> 00:30:29.420 Also in einem Wasserfall, der plätschert oder der Knall, wenn die Tür aufgeht. 00:30:29.420 --> 00:30:35.420 Oder in einem Yoga-Video will man natürlich das ganze Atmen im Hintergrund haben und nicht rauslöschen. 00:30:35.420 --> 00:30:40.420 Jetzt in einem reinen Sprach-Podcast will man viel mehr natürlich rauslöschen. 00:30:40.420 --> 00:30:49.260 Also alles, was Tippen ist oder das Plätschern vom Bach im Hintergrund oder der Vögel oder Atmen von mir aus, 00:30:49.360 --> 00:30:54.260 kann man auch rauslöschen, alle Pausen rauslöschen, wenn man es ganz extrem machen will. 00:30:54.260 --> 00:30:56.260 Insofern. 00:30:56.260 --> 00:31:00.260 Also es ist quasi sehr kontextabhängig, also sehr auch davon abhängig. 00:31:00.260 --> 00:31:06.260 Also man kann nicht ein Modell für alle Sachen verwenden oder das Modell muss er halt selber erkennen, was jetzt. 00:31:06.260 --> 00:31:12.260 Eigentlich müsste man ihm das ja sagen, das kann er ja gar nicht wissen, ob jetzt das Atmen oder schwierig wahrscheinlich. 00:31:12.260 --> 00:31:15.260 Ob das Atmen jetzt erwünscht ist oder nicht. 00:31:15.260 --> 00:31:17.260 Ja, klar. 00:31:17.260 --> 00:31:19.200 Ja, das Multitracking. 00:31:19.300 --> 00:31:20.200 Das Multitrack-Interface. 00:31:20.200 --> 00:31:23.200 Ich meine, das ist ja auch schön, dass das alles geht, genau. 00:31:23.200 --> 00:31:25.200 Aber ja, das ist nicht so ganz einfach einzustellen, das stimmt. 00:31:25.200 --> 00:31:26.200 Ja. 00:31:26.200 --> 00:31:29.200 Ja, Multitrack ist nochmal besonders komplex, vor allem vom Interface. 00:31:29.200 --> 00:31:36.200 Weil für jede Track kannst du alle Settings halt einstellen und dann wird es halt natürlich gleich einmal viel. 00:31:36.200 --> 00:31:37.200 Ja. 00:31:37.200 --> 00:31:39.200 Ja, gar nicht so einfach. 00:31:39.200 --> 00:31:40.200 Oder. 00:31:40.200 --> 00:31:42.200 Ja, ich glaube, wir sind so ein bisschen überfahren, oder? 00:31:42.200 --> 00:31:49.200 Von diesen ganzen Möglichkeiten, die es da gibt und von den ganzen coolen Sachen, die jeder macht. 00:31:49.240 --> 00:31:56.140 Und als Außenstehender, also so ich als, sag ich mal, Feld, Wald und Wiesen-Informatiker, mir fehlt da so ein bisschen der Bezug dazu. 00:31:56.140 --> 00:32:05.140 Also für mich ist es so ein bisschen so, ja, ich habe hier eine Audiodatei und da gibt es irgendwelche magischen Tools, die irgendwelche magischen Sachen machen und hinterher hört es sich besser an. 00:32:05.140 --> 00:32:09.140 Ja, aber es ist ja auch okay, oder? Als User willst du eh nicht mehr wissen im Endeffekt. 00:32:09.140 --> 00:32:10.140 Klar. 00:32:10.140 --> 00:32:12.140 Jetzt hast du ja alles auf den User degradiert. 00:32:12.140 --> 00:32:17.140 Idealerweise möchte ich nicht mehr wissen, das stimmt natürlich. 00:32:17.240 --> 00:32:24.140 Aber wir wollen ja da schon gerne einen Blick reinwerfen und das ist irgendwie so eine ganz eigene Welt, diese Audiosachen. 00:32:24.140 --> 00:32:32.140 Ich meine, da gibt es spezielle Hardware und dann sehen die Knöpfe alle anders aus und dann sind die Interfaces so kompliziert, dass wir nicht damit klarkommen. 00:32:32.140 --> 00:32:45.140 Und ich finde es total faszinierend, wie tief das so ist, weil das so auf der Ebene, die der User damit interagiert ist, ist ja wirklich nur so. 00:32:45.240 --> 00:32:49.140 Ich habe eine Datei und die soll besser klingen und jetzt ist es so. 00:32:49.140 --> 00:32:55.140 Das war natürlich auch der Punkt, warum wir angefangen haben mit Affonic überhaupt. 00:32:55.140 --> 00:33:01.140 Weil Audiothechnik einfach vor allem vor 10, 15 Jahren sehr kryptisch war. 00:33:01.140 --> 00:33:03.140 Das ist ja heute schon total anders. 00:33:03.140 --> 00:33:11.140 Also früher hast du echt wissen müssen immer, was ein Kompressor ist, was ein Limiter ist, wie du den einstellst, wie du die ganzen Filterparameter einstellst. 00:33:11.140 --> 00:33:15.140 Wo man, wenn man eigentlich nicht wirklich Ahnung davon hat, viel leichter, viel besser ist. 00:33:15.240 --> 00:33:18.140 Was man mehr schlecht machen kann, als gut machen kann. 00:33:18.140 --> 00:33:23.140 Und das war eigentlich der Ausgangspunkt von uns. 00:33:23.140 --> 00:33:32.140 Weil wir halt gedacht haben oder ich damals gedacht habe, dass man kann einfach einem normalen Menschen unter Anführungszeichen sowas einfach nicht zumuten. 00:33:32.140 --> 00:33:35.140 Der, wie du sagst, nur ein besseres Audio haben will. 00:33:35.140 --> 00:33:38.140 Das war einfach alles viel zu kompliziert. 00:33:38.140 --> 00:33:43.140 Ja, ganz oft ist es ja auch so, dass gerade in dieser Audio-Welt, 00:33:43.240 --> 00:33:48.140 dass man als normaler Benutzer viele Dinge gar nicht hört oder gar nicht versteht. 00:33:48.140 --> 00:33:53.140 Man hat ja da gelegentlich Kontakt dazu. 00:33:53.140 --> 00:34:00.140 Und wenn man dann so sieht, da sitzt einer hier an seinem Mischpult und dann dreht er an irgendwelchen Reglern und es passiert eigentlich gar nichts. 00:34:00.140 --> 00:34:02.140 So erster Eindruck. 00:34:02.140 --> 00:34:06.140 Aber dann am Ende hört es sich doch irgendwie wesentlich besser an, als es sich vorher angehört hat. 00:34:06.140 --> 00:34:10.140 Und diese Intransparenz ist so für mich als Benutzer. 00:34:10.140 --> 00:34:13.140 Ich zähle mich da durchaus zu den Benutzern. 00:34:13.240 --> 00:34:20.140 Super interessant, weil ich verstehe überhaupt gar nicht, was es da für, ich verstehe noch nicht mal, was es für Parameter gibt. 00:34:20.140 --> 00:34:24.140 Und dann gibt es aber Experten, die gucken sich das an und sagen, ja, nee, so kannst du es nicht machen. 00:34:24.140 --> 00:34:27.140 Und hier musst du diesen das hochdrehen und das runterdrehen. 00:34:27.140 --> 00:34:30.140 Und dann am Ende denkst du ja, verrückt. 00:34:30.140 --> 00:34:32.140 Und ich habe einmal so eine Erfahrung gemacht. 00:34:32.140 --> 00:34:37.140 Da haben wir bei einem ehemaligen Arbeitgeber, wir haben ein Marketingvideo gedreht. 00:34:37.140 --> 00:34:40.140 Es war ein großer Spaß für einen Programmiertwettbewerb. 00:34:40.140 --> 00:34:43.140 Und der war auch so ein Audio-Wettbewerb. 00:34:43.140 --> 00:34:45.040 Und der war so ein Fan. 00:34:45.040 --> 00:34:48.040 Da hat er sich selber in seinem Wohnzimmer ein kleines Studio reingebaut. 00:34:48.040 --> 00:34:51.040 Auch mit so Schallschutzwänden und so Zeugs. 00:34:51.040 --> 00:34:55.040 Und da hat er dann mit seiner Band, was man halt so macht. 00:34:55.040 --> 00:34:57.040 Und dann hat er da so ein Stück Audio von mir aufgenommen. 00:34:57.040 --> 00:35:02.040 Und ich meine, jeder, der schon mal Audio von sich selber gehört hat, der weiß, dass das ganz schrecklich ist, wenn man sich das anhört. 00:35:02.040 --> 00:35:05.040 Weil die eigene Stimme, die hört sich gruselig an. 00:35:05.040 --> 00:35:07.040 Aber dann hat er das da so reingetan und hat so ein paar Knöpfe gedreht. 00:35:07.040 --> 00:35:11.040 Und auf einmal habe ich mich angehört wie ein Radiomoderator. 00:35:11.040 --> 00:35:12.940 Und so eine richtig sonore Stimme. 00:35:13.040 --> 00:35:14.940 Mit Volumen drin. 00:35:14.940 --> 00:35:17.940 Und er hat das Reverb aufgedreht. 00:35:17.940 --> 00:35:20.940 Ja, und vielleicht auch ein bisschen die Bässe hochgedreht. 00:35:20.940 --> 00:35:22.940 Und, keine Ahnung, einen Kompressor reingemacht. 00:35:22.940 --> 00:35:24.940 Weiß ich, was das bedeutet. 00:35:24.940 --> 00:35:27.940 Jedenfalls einige magische Regler. 00:35:27.940 --> 00:35:29.940 Und auf einmal war es viel, viel, viel besser. 00:35:29.940 --> 00:35:34.940 Und ich finde das super faszinierend, dass es so eine Welt gibt, die eigentlich so intransparent ist. 00:35:34.940 --> 00:35:36.940 Aber die doch irgendwie jeder hört. 00:35:36.940 --> 00:35:39.940 Weil man hört ja schon, ob sich Audio gut anhört oder nicht. 00:35:39.940 --> 00:35:42.840 Und wer meint es jetzt, wenn du das Audio auffällig hörst? 00:35:42.940 --> 00:35:44.840 Wenn du es auf dem Telefon als Podcast hörst? 00:35:44.840 --> 00:35:46.840 Oder wenn du das bei deiner Serienanlage hörst? 00:35:46.840 --> 00:35:48.840 Oder im Auto? 00:35:48.840 --> 00:35:52.840 Wenn ich das in meinen Bluetooth-Lautsprechern 10 Meter von meinem Handy anhöre. 00:35:52.840 --> 00:35:57.840 Entschuldigung, ich wollte gerade, weil ich finde nämlich, dass die Sachen alle auf unterschiedlichen Geräten immer ganz anders klingen. 00:35:57.840 --> 00:35:59.840 Und das ist total nicht rausgekommen. 00:35:59.840 --> 00:36:00.840 Ja, das ist natürlich so. 00:36:00.840 --> 00:36:03.840 Aber ich meine, so die ganz alten Sachen waren ja alle für Radio. 00:36:03.840 --> 00:36:05.840 Und auch da hat es sich sehr gut angehört. 00:36:05.840 --> 00:36:07.840 Also besser als ohne. 00:36:07.840 --> 00:36:08.840 Ja. 00:36:08.840 --> 00:36:10.840 Ja, wobei ich glaube, das muss man auch so ein bisschen lernen. 00:36:10.840 --> 00:36:12.740 Also ich habe jedenfalls irgendwie, 00:36:12.840 --> 00:36:15.740 zum Beispiel bei den ersten Podcast-Episoden jetzt hier, 00:36:15.740 --> 00:36:17.740 dachte ich auch, das klingt ja eigentlich ganz gut. 00:36:17.740 --> 00:36:20.740 Und wenn ich mir die heute anhöre, denke ich mir so, ah, das klingt aber eigentlich ganz schön schlecht. 00:36:20.740 --> 00:36:22.740 Und das war auch so ein Lernprozess. 00:36:22.740 --> 00:36:24.740 Das ging nicht von Anfang an. 00:36:24.740 --> 00:36:28.740 Und dann hat der Jochen sich ein ganz großes Mischpult gekauft, das wir immer noch nicht ordentlich bedienen können. 00:36:28.740 --> 00:36:30.740 Und damit ist es viel besser geworden. 00:36:30.740 --> 00:36:31.740 Ja, nee. 00:36:31.740 --> 00:36:32.740 Viel einfacher. 00:36:32.740 --> 00:36:33.740 Ja. 00:36:33.740 --> 00:36:34.740 Aber ich höre jetzt auch... 00:36:34.740 --> 00:36:39.740 Was die Hörer nicht wissen, ist ja, dass wir vorher eine Dreiviertelstunde gebraucht haben, um die Aufnahme zu starten. 00:36:39.740 --> 00:36:42.740 Das war tatsächlich das Nächste zum Vorbereiten. 00:36:42.740 --> 00:36:44.640 Was wir selber hatten, ja. 00:36:44.640 --> 00:36:45.640 Matrix. 00:36:45.640 --> 00:36:50.640 Ja, aber es ist auch irgendwie so ein gewisserweise gebührender Einstieg, ob man es nicht schon mal... 00:36:50.640 --> 00:36:51.640 In die Audio-App. 00:36:51.640 --> 00:36:55.640 Ja, dass man dann schon mal so nicht denkt, dass es zu einfach wäre alles. 00:36:55.640 --> 00:36:59.640 Ich finde es auch sehr schön, Georg, dass du gleich als Profi gesagt hast, 00:36:59.640 --> 00:37:05.640 wisst ihr was, diese ganze Audio-Technik, alles weg, einfach nur ein Mikrofon, ein Kabel. 00:37:05.640 --> 00:37:07.640 Sehr sicher. 00:37:07.640 --> 00:37:12.540 Aber nochmal zu deinem Punkt, dass es besser geklungen hat. 00:37:12.640 --> 00:37:15.540 Weil der hat ein paar Regler gedreht und dass es besser geklungen hat. 00:37:15.540 --> 00:37:17.540 Das stimmt natürlich. 00:37:17.540 --> 00:37:30.540 Aber man muss ja immer vor, in dem Fall vor Ohren führen, dass das natürlich sehr subjektiv ist und eigentlich von deiner Wahrnehmung vom Radio her geprägt ist. 00:37:30.540 --> 00:37:35.540 Da gibt es natürlich ganz unterschiedliche Stile in unterschiedlichen Ländern, auch wie man das handhabt. 00:37:35.540 --> 00:37:42.440 Also du bist ja, du bist jetzt einem bestimmten Radiosound vielleicht gewohnt, was deine Radiosender da bei dir in Deutschland jetzt haben. 00:37:42.540 --> 00:37:46.440 In Amerika ist es meistens ganz anders oder in anderen Ländern. 00:37:46.440 --> 00:37:54.440 Das heißt, wenn jetzt irgendwer deine Stimme so regelt, dass er möglichst ähnlich an deiner Referenz sozusagen ist, 00:37:54.440 --> 00:38:00.440 was du als guten Sound verstehst oder gewohnt bist zu hören, ganz einfach, dann klingt es für dich gut. 00:38:00.440 --> 00:38:06.440 Wenn der jetzt zum Beispiel, wenn das jetzt ein Südamerikaner gemacht hätte und die haben eine andere Referenz, 00:38:06.440 --> 00:38:09.440 dann hätte es vielleicht für dich gar nicht so gut geklungen. 00:38:09.440 --> 00:38:12.340 Also das ist auch sehr subjektiv. 00:38:12.440 --> 00:38:14.340 Das ist auch sehr subjektiv. 00:38:14.340 --> 00:38:16.340 Das ist auch sehr subjektiv. 00:38:16.340 --> 00:38:18.340 Das ist auch sehr subjektiv. 00:38:18.340 --> 00:38:20.340 Das ist auch sehr subjektiv. 00:38:20.340 --> 00:38:22.340 Das ist auch sehr subjektiv. 00:38:22.340 --> 00:38:24.340 Das ist auch sehr subjektiv. 00:38:24.340 --> 00:38:26.340 Das ist auch sehr subjektiv. 00:38:26.340 --> 00:38:28.340 Das ist auch sehr subjektiv. 00:38:28.340 --> 00:38:30.340 Das ist auch sehr subjektiv. 00:38:30.340 --> 00:38:32.340 Das ist auch sehr subjektiv. 00:38:32.340 --> 00:38:34.340 Das ist auch sehr subjektiv. 00:38:34.340 --> 00:38:36.340 Das ist auch sehr subjektiv. 00:38:36.340 --> 00:38:38.340 Das ist auch sehr subjektiv. 00:38:38.340 --> 00:38:40.340 Das ist auch sehr subjektiv. 00:38:40.340 --> 00:38:42.240 Das ist auch sehr subjektiv. 00:38:42.340 --> 00:38:44.240 Das ist auch sehr subjektiv. 00:38:44.240 --> 00:38:46.240 Das ist auch sehr subjektiv. 00:38:46.240 --> 00:38:48.240 Das ist auch sehr subjektiv. 00:38:48.290 --> 00:38:50.530 sehr subjektiv natürlich 00:38:50.530 --> 00:38:51.430 diese Übernehmung. 00:38:51.430 --> 00:38:53.890 Das kommt immer auf die Referenz drauf an. 00:38:53.890 --> 00:38:56.350 Diese Bilder, wenn man das zwar über Ton 00:38:56.350 --> 00:38:57.990 spricht, aber vom Klangbild auch redet, 00:38:57.990 --> 00:39:00.570 schon auch ein bisschen 00:39:00.570 --> 00:39:01.270 einordnen, oder? 00:39:01.270 --> 00:39:03.690 Es gibt schönere Bilder 00:39:03.690 --> 00:39:05.670 von besseren Künstlern und es gibt 00:39:05.670 --> 00:39:07.890 ästlichere Bilder vielleicht. 00:39:07.890 --> 00:39:09.910 Selbst wenn sie unterschiedlich sind und wenn es 00:39:09.910 --> 00:39:12.050 verschiedene Stilrichtungen gibt, 00:39:12.050 --> 00:39:13.790 kann man schon, glaube ich, 00:39:13.790 --> 00:39:15.890 eine Qualität 00:39:15.890 --> 00:39:17.370 eines Stückes hören. 00:39:18.190 --> 00:39:20.090 Es ist auch ein bisschen bei Musik, ja, ich höre 00:39:20.090 --> 00:39:22.390 relativ einseitige Musik, 00:39:22.390 --> 00:39:24.210 obwohl ich auch von vielen Genres 00:39:24.210 --> 00:39:26.370 durchaus anerkennen kann, wenn es da gute 00:39:26.370 --> 00:39:28.650 Musik gibt, die man gut hören kann, die man nicht so gut hören kann. 00:39:28.650 --> 00:39:30.490 Und ich höre auch, ob eine Musik einfacher 00:39:30.490 --> 00:39:32.430 produziert ist oder komplexer, unabhängig jetzt von 00:39:32.430 --> 00:39:34.010 meinem Geschmack vielleicht dafür. 00:39:34.010 --> 00:39:35.390 Wenn ihr wisst, was ich meine, ja? 00:39:35.390 --> 00:39:37.510 Und ich finde, das ist auch bei Audio so. 00:39:37.510 --> 00:39:40.490 Insbesondere halt bei dem, was du gesagt hast, 00:39:40.490 --> 00:39:42.190 wie du dieses Signal bearbeitest, 00:39:42.190 --> 00:39:44.070 was halt der Tontechniker, 00:39:44.070 --> 00:39:46.170 also ich weiß nicht, kann man das so sagen? 00:39:46.170 --> 00:39:48.090 Ist Harphonik ein virtuelles Ton 00:39:48.090 --> 00:39:49.230 Technik-Instrument? 00:39:49.230 --> 00:39:50.710 Ist das so? 00:39:50.710 --> 00:39:52.410 Virtueller Ton-Techniker, ja. 00:39:52.410 --> 00:39:56.110 Und ja, was er dann tut, was er da machen kann, 00:39:56.110 --> 00:39:56.490 um 00:39:56.490 --> 00:40:00.370 ich weiß nicht, wie die Bildsprache bleibt, 00:40:00.370 --> 00:40:02.230 den Pinsel zu führen, ja, also tatsächlich 00:40:02.230 --> 00:40:03.870 diesen Ton zu skypen und 00:40:03.870 --> 00:40:06.110 ja, also klar, 00:40:06.110 --> 00:40:08.050 gibt es da vielleicht verschiedene Meinungen oder 00:40:08.050 --> 00:40:10.350 ich weiß nicht, ob du sowas hast wie Presets, 00:40:10.350 --> 00:40:12.130 die du sagen kannst, Harphonik, hey, das ist 00:40:12.130 --> 00:40:13.450 jetzt Taste, 00:40:13.450 --> 00:40:15.850 du hast eben Südamerika erwähnt 00:40:15.850 --> 00:40:17.750 und das ist Taste Europe oder 00:40:17.990 --> 00:40:20.010 so oder das ist Taste Radio und 00:40:20.010 --> 00:40:21.510 das ist Taste Big Cinema. 00:40:21.510 --> 00:40:24.110 Kann ja sein, dass du das auch machen kannst, aber 00:40:24.110 --> 00:40:25.990 der Trick wäre ja, genau das 00:40:25.990 --> 00:40:28.170 auch bauen zu können, als Tontechniker 00:40:28.170 --> 00:40:30.090 sich quasi dieses Zielbild 00:40:30.090 --> 00:40:31.910 oder diesem Stil anzupassen 00:40:31.910 --> 00:40:33.970 und das dann halt auf einen gewissen 00:40:33.970 --> 00:40:35.770 Qualitätsgrad zu bringen. Und das 00:40:35.770 --> 00:40:37.930 aus Algorithmen zu denken, finde ich spannend, weil ich versuche 00:40:37.930 --> 00:40:39.770 auch überhaupt erstmal zu verstehen, wie das 00:40:39.770 --> 00:40:41.470 überhaupt geht, weil dieses 00:40:41.470 --> 00:40:43.510 Klang zu 00:40:43.510 --> 00:40:45.650 visualisieren, ist halt da wieder auch 00:40:45.650 --> 00:40:47.890 der falsche Begriff, ja, aber sich das so 00:40:47.890 --> 00:40:49.830 vorstellen zu können, wie man einen Klang überhaupt 00:40:49.830 --> 00:40:51.770 schafft, das ist irgendwie, also eine der großen 00:40:51.770 --> 00:40:53.890 Herausforderungen, die ich jetzt persönlich habe, wenn ich jetzt 00:40:53.890 --> 00:40:55.050 an Musik denke, auch 00:40:55.050 --> 00:40:57.850 was ich höre, überhaupt umzusetzen, dafür 00:40:57.850 --> 00:41:00.110 muss ich relativ viel üben 00:41:00.110 --> 00:41:01.390 oder so, ja, dass ich 00:41:01.390 --> 00:41:03.850 das hinkriege oder halt auch in die Musikschule gehen 00:41:03.850 --> 00:41:05.870 und Theorie lernen und so und das ist 00:41:05.870 --> 00:41:07.830 durchaus, glaube ich, die spannende 00:41:07.830 --> 00:41:08.630 Sache dahinter vielleicht. 00:41:08.630 --> 00:41:11.470 Und warum es so einem Nutzer wie dir, Johannes, 00:41:11.470 --> 00:41:13.950 dann vielleicht schwerfällt, weil du sonst nicht so viel mit 00:41:13.950 --> 00:41:15.630 Ton machst. Absolut, blutiger Nutzer. 00:41:15.630 --> 00:41:17.790 Ich habe da überhaupt 00:41:17.790 --> 00:41:19.730 gar keinen Connect dazu. Ich bin, ich habe 00:41:19.730 --> 00:41:21.230 da, glaube ich, eine sehr visuelle Ansicht. 00:41:21.230 --> 00:41:23.690 Sobald man mir eine FFT 00:41:23.690 --> 00:41:25.790 zeigt, dann komme 00:41:25.790 --> 00:41:27.850 ich damit klar, aber solange nur die Geräusche 00:41:27.850 --> 00:41:29.630 da sind oder die Wellen formen, dann 00:41:29.630 --> 00:41:31.610 bin ich völlig 00:41:31.610 --> 00:41:33.210 verloren. Ja, 00:41:33.210 --> 00:41:35.210 ich weiß es nicht genau. 00:41:35.210 --> 00:41:37.770 Ich habe mal irgendwann auch ein Podcast 00:41:37.770 --> 00:41:39.010 Episode gehört mit 00:41:39.010 --> 00:41:41.710 Rick Rubin und der meinte so, 00:41:41.710 --> 00:41:43.050 ach, das mit dem 00:41:43.050 --> 00:41:44.890 irgendwie produzieren und so, 00:41:44.890 --> 00:41:47.770 eigentlich kann man es immer nur kaputt machen und 00:41:47.790 --> 00:41:49.490 wenn man das nicht kaputt macht, dann ist das schon 00:41:49.490 --> 00:41:51.310 sehr, sehr, dann ist das schon sehr, sehr gut. 00:41:51.310 --> 00:41:53.470 Ich weiß gar nicht, ob man tatsächlich so viel 00:41:53.470 --> 00:41:55.690 an Mastering 00:41:55.690 --> 00:41:59.810 kann man damit tatsächlich prägen. 00:41:59.810 --> 00:42:01.450 Ja, also ich 00:42:01.450 --> 00:42:03.430 bin jetzt ja totaler Amateur, was 00:42:03.430 --> 00:42:05.290 Musik auch angeht und so, aber wenn ich jetzt 00:42:05.290 --> 00:42:07.370 mit einem Kumpel jetzt Musik mache 00:42:07.370 --> 00:42:09.470 und ich schaffe es halt schon, bestimmte Sachen 00:42:09.470 --> 00:42:11.610 da rauszuholen oder bestimmte Töne 00:42:11.610 --> 00:42:13.470 an der richtigen Stelle leiser oder lauter zu machen 00:42:13.470 --> 00:42:15.510 oder halt Raum zu schaffen für den 00:42:15.510 --> 00:42:17.730 Bass oder so, irgendeinen Ducking hinzukriegen, das ist ja schon, 00:42:17.730 --> 00:42:19.610 das sind ja eher so Basics, ja, aber 00:42:19.610 --> 00:42:21.630 das, also ich kann das 00:42:21.630 --> 00:42:23.650 überhaupt nicht vorstellen mit Sprache, weil ich damit überhaupt gar keine 00:42:23.650 --> 00:42:25.690 Erfahrung habe, ja, mit Podcasts oder 00:42:25.690 --> 00:42:27.490 sowas, also wir machen jetzt Vereine, aber 00:42:27.490 --> 00:42:29.570 als Hohentechniker jetzt würde ich sagen, würde ich mich jetzt auch 00:42:29.570 --> 00:42:31.270 nicht bezeichnen und das ist halt 00:42:31.270 --> 00:42:33.470 schon nochmal eine andere Herausforderung und wenn man 00:42:33.470 --> 00:42:35.690 gerade diese Klangbilder vor Uhren 00:42:35.690 --> 00:42:36.830 hat, ja, 00:42:36.830 --> 00:42:39.610 da kommt man vielleicht so ein bisschen näher 00:42:39.610 --> 00:42:41.070 dran, also das ist das, was Johannes meinte. 00:42:41.070 --> 00:42:43.530 Er hat genauso geklungen, wie er dachte, dass er im Radio 00:42:43.530 --> 00:42:45.750 steht und wenn ich jetzt weiß, okay, ich möchte 00:42:45.750 --> 00:42:47.610 das Audio-Klangbild 00:42:47.610 --> 00:42:47.710 haben, dann kann ich das auch so machen. 00:42:47.710 --> 00:42:48.210 Wenn ich das so haben, wie 00:42:48.210 --> 00:42:51.490 das hier mal so im Radio steht, dann weiß ich vielleicht 00:42:51.490 --> 00:42:53.490 in welche, vielleicht wenn ich das Klang 00:42:53.490 --> 00:42:55.650 habe, das richtige Wort dafür, ich weiß nicht, 00:42:55.650 --> 00:42:57.690 ich das Ganze bringen möchte, 00:42:57.690 --> 00:42:59.690 ob ich jetzt, welche Frequenzen 00:42:59.690 --> 00:43:00.850 ich bewege und 00:43:00.850 --> 00:43:03.610 was ich jetzt spannend finde, ist, was kann ich denn noch machen 00:43:03.610 --> 00:43:05.610 eigentlich als Audio-Tontechniker 00:43:05.610 --> 00:43:07.070 außer Frequenzen 00:43:07.070 --> 00:43:09.470 bewegen und Lautstärke 00:43:09.470 --> 00:43:11.430 mit, was ist das, Envelopes 00:43:11.430 --> 00:43:13.090 modifizieren? 00:43:13.090 --> 00:43:15.150 Sie ausleveln. 00:43:15.150 --> 00:43:17.050 Ja, das ist ja, der Envelope ist ja 00:43:17.050 --> 00:43:17.530 quasi, okay. 00:43:17.690 --> 00:43:19.590 Im Endeffekt ist alles 00:43:19.590 --> 00:43:21.570 Frequenzen und Lautstärken, mehr gibt es ja nicht. 00:43:21.570 --> 00:43:23.190 Ja, genau, aber ja. 00:43:23.190 --> 00:43:26.150 Ich frage jetzt nur, wie man diese 00:43:26.150 --> 00:43:27.310 Regeln hat. 00:43:27.310 --> 00:43:31.590 Grafiks sind auch nur ein paar Pixel, das ist jetzt 00:43:31.590 --> 00:43:33.350 zu kurz geschaut. 00:43:33.350 --> 00:43:35.550 Ja, ein paar Farben 00:43:35.550 --> 00:43:36.810 an die richtige Stelle getan. 00:43:36.810 --> 00:43:39.510 Na, du meinst jetzt, welche 00:43:39.510 --> 00:43:41.530 Algorithmen es jetzt sozusagen 00:43:41.530 --> 00:43:42.330 noch gibt, oder was? 00:43:42.330 --> 00:43:45.070 Da können wir vielleicht gleich noch drauf eingehen, ich finde es gar nicht so unangenehm. 00:43:45.070 --> 00:43:47.330 Ich glaube, der Dominik möchte einfach in dem 00:43:47.330 --> 00:43:48.890 komplizierten Interface 00:43:48.890 --> 00:43:51.110 noch ein paar mehr Knöpfe haben, wo er dann 00:43:51.110 --> 00:43:52.910 sagen kann, jetzt lieber irgendwie 00:43:52.910 --> 00:43:55.010 Radio-Style oder lieber 00:43:55.010 --> 00:43:57.210 Musik. Nee, er möchte wissen, welche Knöpfe 00:43:57.210 --> 00:43:58.930 mehr er drehen muss um den Radio-Style. 00:43:58.930 --> 00:44:00.990 Ja, also ich würde tatsächlich, also ich würde gerne, 00:44:00.990 --> 00:44:02.850 wenn ich jetzt so ein perfektes 00:44:02.850 --> 00:44:05.050 Tonstudio-Ding mir vorstelle, wo es 00:44:05.050 --> 00:44:07.070 diese ganzen einzelnen Regelungen gibt, 00:44:07.070 --> 00:44:08.870 ja, dann möchte ich gerne wissen, welche Regelung ich denn überhaupt 00:44:08.870 --> 00:44:09.670 machen möchte. 00:44:09.670 --> 00:44:12.930 Aber das ist jetzt halt ein neuronales Netz mit 00:44:12.930 --> 00:44:14.930 einer Milliarde Knöpfe, die du drehen kannst. 00:44:14.930 --> 00:44:16.970 Die kannst du gar nicht mehr selber drehen, 00:44:17.050 --> 00:44:17.730 da musst du es vorher drehen. 00:44:17.730 --> 00:44:21.130 Ungefähr zu wissen, welche Richtung ich da möchte, 00:44:21.130 --> 00:44:22.690 ist vielleicht ja schon mal der 00:44:22.690 --> 00:44:24.190 erste Schritt. 00:44:24.190 --> 00:44:27.130 Also ich glaube, es ist schon klar, dass jetzt die 00:44:27.130 --> 00:44:29.010 Spur nicht... Habt ihr euch selber neuronale 00:44:29.010 --> 00:44:29.830 Netze trainiert, Georg? 00:44:29.830 --> 00:44:32.890 Wie meinst du, ob wir unsere 00:44:32.890 --> 00:44:34.810 Netze selber trainieren? Ja. 00:44:34.810 --> 00:44:36.450 Ja, sicher. Wir benutzen ja irgendwas 00:44:36.450 --> 00:44:38.850 Vorgefertigtes und... Nein, nein, bei uns ist 00:44:38.850 --> 00:44:41.050 alles selber gemacht. 00:44:41.050 --> 00:44:42.170 Alles selber gemacht? 00:44:42.170 --> 00:44:44.590 Also alles natürlich nicht, aber 00:44:44.590 --> 00:44:46.230 die Algorithmen, so muss man sagen. 00:44:46.230 --> 00:44:47.030 Sci-Pi und NumPy. 00:44:47.050 --> 00:44:49.670 Und wie viele 00:44:49.670 --> 00:44:51.450 Parameter habt ihr da 00:44:51.450 --> 00:44:54.010 drin? Über welche Größe 00:44:54.010 --> 00:44:55.650 sprechen wir da? Also ich meine, das ist ja eine dieser 00:44:55.650 --> 00:44:57.810 Kenngrößen, die man so sagt. Hier, GPT-X 00:44:57.810 --> 00:44:59.650 hat eine Milliarde Parameter. 00:44:59.650 --> 00:45:01.110 Ja, 00:45:01.110 --> 00:45:03.770 das kann ich dir so gar nicht sagen, 00:45:03.770 --> 00:45:05.730 weil... Also 00:45:05.730 --> 00:45:07.650 diese Netze im 00:45:07.650 --> 00:45:09.490 Audi-Bereich funktionieren ein bisschen anders, 00:45:09.490 --> 00:45:10.190 weil 00:45:10.190 --> 00:45:12.870 ich meine, im Prinzip 00:45:12.870 --> 00:45:15.550 hat es schon ähnliche Elemente. 00:45:15.550 --> 00:45:16.590 Also man hat halt meistens 00:45:17.050 --> 00:45:19.290 irgendwelche rekursiven 00:45:19.290 --> 00:45:21.670 Elemente oder Transformers drinnen, also 00:45:21.670 --> 00:45:23.490 bei uns meistens 00:45:23.490 --> 00:45:25.050 LSDMs oder 00:45:25.050 --> 00:45:27.650 Transformer eben, oder beides meistens 00:45:27.650 --> 00:45:29.790 und dann noch so Convolution-Layer 00:45:29.790 --> 00:45:31.390 natürlich und alle 00:45:31.390 --> 00:45:33.550 die Elemente sind eh ähnlich, 00:45:33.550 --> 00:45:35.570 aber es gehen 00:45:35.570 --> 00:45:37.530 einfach viel mehr Daten rein und raus 00:45:37.530 --> 00:45:39.750 natürlich, weil Audio eine viel höhere 00:45:39.750 --> 00:45:41.750 Sampling-Rate hat und in einer 00:45:41.750 --> 00:45:43.610 kürzeren Zeit viel mehr Daten 00:45:43.610 --> 00:45:44.510 rein und raus müssen. 00:45:44.510 --> 00:45:47.010 Aber was wir jetzt eigentlich 00:45:47.050 --> 00:45:49.290 raus, Anzahl Parameter, Größe, 00:45:49.290 --> 00:45:50.970 also wir haben natürlich 00:45:50.970 --> 00:45:52.710 verschiedene Models, also von 00:45:52.710 --> 00:45:55.170 manche Gigabyte 00:45:55.170 --> 00:45:56.070 bis zu 00:45:56.070 --> 00:45:59.010 ein paar hundert Megabyte, also 00:45:59.010 --> 00:46:00.270 in der Größenordnung. 00:46:00.270 --> 00:46:02.650 Also nicht so riesige Models wie irgendeine 00:46:02.650 --> 00:46:05.110 Sprachmodelle, aber doch 00:46:05.110 --> 00:46:05.950 schon ein bisschen was. 00:46:05.950 --> 00:46:09.290 Und ja, die Herausforderung 00:46:09.290 --> 00:46:11.230 ist natürlich auch, wie man 00:46:11.230 --> 00:46:12.870 die alle trainiert, weil es 00:46:12.870 --> 00:46:15.110 natürlich viel Rechenleistung braucht. 00:46:15.110 --> 00:46:17.010 Insofern, wir 00:46:17.050 --> 00:46:18.690 bauen uns halt hauptsächlich unsere eigenen 00:46:18.690 --> 00:46:20.450 Trainingserver auf, 00:46:20.450 --> 00:46:23.070 beziehungsweise mieten teilweise eben 00:46:23.070 --> 00:46:24.950 an, was aber leider halt sehr 00:46:24.950 --> 00:46:27.150 teuer ist, wenn man da versucht auf Amazon 00:46:27.150 --> 00:46:28.470 oder sonst irgendwo anzumieten. 00:46:28.470 --> 00:46:31.330 Bei den eigenen Rechnern 00:46:31.330 --> 00:46:32.850 ist wieder die Herausforderung, dass man die 00:46:32.850 --> 00:46:34.070 Kühlung halt hinbekommt, 00:46:34.070 --> 00:46:36.930 dass man im Büro das 00:46:36.930 --> 00:46:38.730 irgendwie aushaltet oder sonst wo 00:46:38.730 --> 00:46:40.870 die entsprechende Kühlung schafft 00:46:40.870 --> 00:46:43.110 und natürlich die Kosten 00:46:43.110 --> 00:46:44.270 von der Anschaffung, 00:46:44.270 --> 00:46:46.970 weil die GPUs sind 00:46:47.050 --> 00:46:48.370 natürlich heiß begehrt im Moment 00:46:48.370 --> 00:46:50.370 und jeder will die kaufen. 00:46:50.370 --> 00:46:53.250 Aber, ja, das ist natürlich 00:46:53.250 --> 00:46:56.030 zusätzlich zu den Daten eben, 00:46:56.030 --> 00:46:57.870 dass man gute Daten 00:46:57.870 --> 00:46:59.590 bekommt und vor allem 00:46:59.590 --> 00:47:01.670 im Audi-Bereich sind die Daten 00:47:01.670 --> 00:47:03.550 ja auch sehr subjektiv, wie wir 00:47:03.550 --> 00:47:05.250 vorher schon geredet haben und das muss man 00:47:05.250 --> 00:47:07.570 irgendwie einordnen trotzdem 00:47:07.570 --> 00:47:09.250 und das ist nicht immer so ganz klar. 00:47:09.250 --> 00:47:11.310 Also man kann dieses 00:47:11.310 --> 00:47:13.230 Data Labeling jetzt nicht einfach nach Indien 00:47:13.230 --> 00:47:14.890 auslagern und da gibt es jetzt ein paar 00:47:14.890 --> 00:47:16.690 Clickworker, die das einfach 00:47:16.690 --> 00:47:19.050 kategorisieren, sondern da muss man 00:47:19.050 --> 00:47:20.430 wirklich ein gutes Gehör haben dafür 00:47:20.430 --> 00:47:22.810 und zusätzlich eben 00:47:22.810 --> 00:47:25.030 die ganze Computer-Hardware 00:47:25.030 --> 00:47:26.750 ist eine Herausforderung, 00:47:26.750 --> 00:47:29.130 dass man diese eben beschafft. 00:47:29.130 --> 00:47:30.730 Okay, aber 00:47:30.730 --> 00:47:33.110 trotzdem betreibt ihr ja ein System, 00:47:33.110 --> 00:47:35.490 wo ich als Endkunde 00:47:35.490 --> 00:47:37.410 eine Audiodatei hochladen kann 00:47:37.410 --> 00:47:39.170 und die wird in 10-facher 00:47:39.170 --> 00:47:40.950 Geschwindigkeit verarbeitet. 00:47:40.950 --> 00:47:43.370 Allein 00:47:43.370 --> 00:47:45.350 das ist ja schon eine massive Leistung, 00:47:45.350 --> 00:47:45.850 dass ihr 00:47:45.850 --> 00:47:48.870 da einen Service hinstellt, der einfach 00:47:48.870 --> 00:47:50.390 so funktioniert und dann auch noch 00:47:50.390 --> 00:47:52.790 ungeheuer schnell ist. Also ich meine, wenn man 00:47:52.790 --> 00:47:54.930 sich die Leistung 00:47:54.930 --> 00:47:56.910 von solchen Systemen vor 5 oder vor 10 00:47:56.910 --> 00:47:58.810 Jahren anschaut, würde man erwarten, dass es 10-mal so 00:47:58.810 --> 00:48:00.910 lange dauert, wie das Audio ist. Aber jetzt ist es 00:48:00.910 --> 00:48:02.690 gerade umgekehrt, es ist 10-mal so schnell, 00:48:02.690 --> 00:48:04.430 wie das Audio ist. 00:48:04.430 --> 00:48:06.790 Wie kriegt ihr das hin, Georg? Ich habe mir das vorhin auf eurer 00:48:06.790 --> 00:48:08.750 Webseite durchgeschaut und habe mir gedacht, wie kriegt 00:48:08.750 --> 00:48:09.350 ihr das hin? 00:48:09.350 --> 00:48:12.790 Naja, also du redest jetzt natürlich nicht vom 00:48:12.790 --> 00:48:14.810 Training, sondern von der Influenz, also 00:48:14.810 --> 00:48:15.530 das, was dann 00:48:15.530 --> 00:48:16.550 anwendet wird. Aber trotzdem. 00:48:16.550 --> 00:48:18.870 Ja, trotzdem. 00:48:18.870 --> 00:48:21.330 Es gibt halt mittlerweile gute 00:48:21.330 --> 00:48:23.190 GPUs, um das kurz zu fassen. 00:48:23.190 --> 00:48:24.730 Okay. 00:48:24.730 --> 00:48:27.230 Ihr habt ein paar horizontal 00:48:27.230 --> 00:48:29.150 skaliert. Dicke Rechner. 00:48:29.150 --> 00:48:31.490 Naja, geht halt in dem Fall 00:48:31.490 --> 00:48:33.530 leider nicht anders, weil du musst 00:48:33.530 --> 00:48:35.410 die Models halt auf GPUs ausführen, 00:48:35.410 --> 00:48:37.630 weil GPUs sind halt einfach zu langsam. 00:48:37.630 --> 00:48:39.410 Bei uns, wir sind 00:48:39.410 --> 00:48:41.570 in einer glücklichen Lage, dass wir eben nicht so riesige 00:48:41.570 --> 00:48:43.610 Modelle haben, wie die ganzen Language Models. 00:48:43.610 --> 00:48:45.510 Also wir können das auch auf einzelne GPUs, 00:48:45.530 --> 00:48:47.610 ausführen und brauchen dann nicht GPU-Cluster 00:48:47.610 --> 00:48:48.710 für ein Modell. 00:48:48.710 --> 00:48:50.550 Das ist schon mal viel einfacher. 00:48:50.550 --> 00:48:53.350 Aber das Schwierige ist natürlich 00:48:53.350 --> 00:48:55.470 die Rechenleistung beim Training, weil du halt da 00:48:55.470 --> 00:48:57.650 wochenlang das System 00:48:57.650 --> 00:48:59.490 rechnen lassen musst und 00:48:59.490 --> 00:49:01.230 ja, da brauchst du halt einfach viel mehr 00:49:01.230 --> 00:49:03.330 Rechenleistung. Die Influenz ist jetzt 00:49:03.330 --> 00:49:04.750 eh okay. Also es gibt 00:49:04.750 --> 00:49:07.370 die Standard-Anbieter 00:49:07.370 --> 00:49:09.350 wie Hetzna und so weiter, die bieten eh 00:49:09.350 --> 00:49:11.130 GPU-Server auch an mittlerweile 00:49:11.130 --> 00:49:13.630 und da kann man sich einfach einmieten und 00:49:13.630 --> 00:49:15.370 das war es dann im Endeffekt. Wie viel musst du mieten bei 00:49:15.370 --> 00:49:16.970 Hetzna für dein Modelltrainieren-Training? 00:49:16.970 --> 00:49:18.810 Ist das einfach den einen? Kostet das 200 Euro oder was? 00:49:18.810 --> 00:49:21.410 Für das Trainieren haben wir nichts bei Hetzna, das wäre 00:49:21.410 --> 00:49:21.950 zu teuer. 00:49:21.950 --> 00:49:25.390 Nur für die Influenz, würde ich sagen. 00:49:25.390 --> 00:49:26.450 Okay. 00:49:26.450 --> 00:49:28.190 Da haben wir keine Ahnung. 00:49:28.190 --> 00:49:31.210 So, zwischen 10 und 20 herum. 00:49:31.210 --> 00:49:33.150 Ja, das ist schon eine ganz schön 00:49:33.150 --> 00:49:35.050 ordentliche Operation, was ihr da betreibt. 00:49:35.050 --> 00:49:35.270 Ja. 00:49:35.270 --> 00:49:41.190 Ist auch vom Betrieb her eine 00:49:41.190 --> 00:49:42.610 gewisse Herausforderung, weil 00:49:42.610 --> 00:49:45.230 da werden dann doch die Datenmengen 00:49:45.230 --> 00:49:47.110 auch, also ich meine, Audio 00:49:47.110 --> 00:49:48.350 ist jetzt nicht so schlimm wie Video, 00:49:48.350 --> 00:49:50.970 aber trotzdem kriegst du ja doch 00:49:50.970 --> 00:49:53.130 Dateien, die eine gewisse Megabyte-Größe 00:49:53.130 --> 00:49:54.710 haben und die du dann verarbeiten musst 00:49:54.710 --> 00:49:56.430 und 00:49:56.430 --> 00:49:58.870 auch, soll ich mal, richtig 00:49:58.870 --> 00:49:59.810 verarbeiten musst. 00:49:59.810 --> 00:50:03.310 Also höchster Respekt 00:50:03.310 --> 00:50:05.170 hier. Und vor allem, man braucht 00:50:05.170 --> 00:50:06.330 halt natürlich auch Rechenleistung. 00:50:06.330 --> 00:50:08.410 Das kostet halt auch. 00:50:08.410 --> 00:50:10.970 Das ist dann der Punkt im Endeffekt. 00:50:10.970 --> 00:50:11.910 Ja. 00:50:11.910 --> 00:50:14.810 Das war halt früher schon viel günstiger. 00:50:15.070 --> 00:50:16.730 Also da haben wir das nur auf 00:50:16.730 --> 00:50:18.250 CPUs sozusagen laufen gehabt. 00:50:18.250 --> 00:50:20.830 Hat natürlich auch ähnlich 00:50:20.830 --> 00:50:22.730 lange gedauert, also weil 00:50:22.730 --> 00:50:24.810 die Algorithmen halt auch für damalige 00:50:24.810 --> 00:50:26.290 Verhältnisse relativ aufwendig waren. 00:50:26.290 --> 00:50:28.950 Aber war halt um einiges günstiger. 00:50:28.950 --> 00:50:30.810 Ja, das ist so ein bisschen 00:50:30.810 --> 00:50:32.830 die Kehrseite, oder, von dieser ganzen 00:50:32.830 --> 00:50:34.990 neuronale Netze-Geschichte. 00:50:34.990 --> 00:50:36.830 Auf der einen Seite 00:50:36.830 --> 00:50:38.250 muss man wesentlich weniger 00:50:38.250 --> 00:50:40.950 manuelle Arbeit reinstecken, 00:50:40.950 --> 00:50:42.750 wobei das vielleicht auch gar nicht stimmt. 00:50:42.750 --> 00:50:44.590 Ja, das ist auch nicht wahr. 00:50:44.590 --> 00:50:45.050 Aber auf der anderen Seite muss man wesentlich weniger manuelle Arbeit reinstecken, wobei das vielleicht auch gar nicht stimmt. 00:50:45.050 --> 00:50:46.930 Auf der anderen Seite bezahlt man es halt 00:50:46.930 --> 00:50:47.670 mit Rechenzyklen. 00:50:47.670 --> 00:50:51.110 Ach, dazu fällt mir 00:50:51.110 --> 00:50:52.950 ein, genau, da war ich jetzt überrascht. 00:50:52.950 --> 00:50:54.830 Ich habe jetzt letztens irgendwie so ein bisschen 00:50:54.830 --> 00:50:56.730 mit Transkripten-Dicke gemacht. 00:50:56.730 --> 00:50:58.990 Also, genau, 00:50:58.990 --> 00:51:00.890 wir waren ja beide auf der 00:51:00.890 --> 00:51:02.710 Subscribe, aber, und 00:51:02.710 --> 00:51:03.830 da habe ich dann auch mit anderen 00:51:03.830 --> 00:51:06.850 Leuten so geredet, wie die das mit 00:51:06.850 --> 00:51:08.250 Transkripten machen, 00:51:08.250 --> 00:51:11.070 Podcast-Hosting-Software. 00:51:11.070 --> 00:51:12.830 Und ich habe mich dann mal so ein bisschen 00:51:12.830 --> 00:51:14.910 vorgedrückt, weil ich dachte so, oh, das ist aber so viel 00:51:14.910 --> 00:51:16.790 Arbeit, da weiß ich nicht genau, ob ich das 00:51:16.790 --> 00:51:18.910 wirklich machen will. Und dann 00:51:18.910 --> 00:51:20.510 meinten aber alle anderen, ach so, ja, 00:51:20.510 --> 00:51:22.790 das war jetzt auch nicht so schlimm, das 00:51:22.790 --> 00:51:24.750 ging schon. Und dann bin ich da rausgegangen 00:51:24.750 --> 00:51:26.290 mit, okay, ich muss es wohl doch mal machen. 00:51:26.290 --> 00:51:27.850 Und habe dann jetzt auch mal angefangen. 00:51:27.850 --> 00:51:30.190 Und dabei... 00:51:30.190 --> 00:51:31.170 Das ist ganz gut geworden, ne? 00:51:31.170 --> 00:51:34.730 Ja, also tatsächlich irgendwie mit Whisper 00:51:34.730 --> 00:51:36.410 hat man jetzt ein Modell, das tatsächlich 00:51:36.410 --> 00:51:37.490 wirklich ganz gut 00:51:37.490 --> 00:51:40.790 sozusagen, ja... 00:51:40.790 --> 00:51:42.610 Also beim Pice-Spin hast du da 00:51:42.610 --> 00:51:43.770 so ein paar Sachen ja gezeigt. 00:51:43.770 --> 00:51:44.730 Ja, auf dem Heps-Spin. 00:51:44.730 --> 00:51:44.830 Genau. 00:51:44.910 --> 00:51:47.650 Du hast sogar einen Blog-Eintrag dazu geschrieben. 00:51:47.650 --> 00:51:48.210 Ja. 00:51:48.210 --> 00:51:51.510 Und man kann es in der CLI benutzen, um 00:51:51.510 --> 00:51:52.930 Transkripte zu machen für Audio. 00:51:52.930 --> 00:51:55.790 Genau, aber weswegen ich 00:51:55.790 --> 00:51:57.190 das jetzt gerade erwähnt habe, ist, 00:51:57.190 --> 00:52:01.650 wenn man das lokal laufen lässt, dann wird 00:52:01.650 --> 00:52:03.510 auch das Laptop heiß und der Akku wird alle 00:52:03.510 --> 00:52:05.290 und das funktioniert alles nur sehr langsam. 00:52:05.290 --> 00:52:07.290 Und es macht keinen Spaß. 00:52:07.290 --> 00:52:09.050 Aber es gibt da 00:52:09.050 --> 00:52:11.490 einen Dienstleister 00:52:11.490 --> 00:52:13.670 Drog, ich weiß gar nicht, wie man die ausspricht, 00:52:13.670 --> 00:52:14.830 und die 00:52:14.830 --> 00:52:16.710 machen ja, die haben sich irgendwie auf 00:52:16.710 --> 00:52:18.830 Inferenz spezialisiert und machen das irgendwie 00:52:18.830 --> 00:52:20.730 schnell. Die haben auch, sagen sie 00:52:20.730 --> 00:52:22.670 jedenfalls, ich habe keine Ahnung, was sie wirklich machen, aber 00:52:22.670 --> 00:52:24.810 dass sie da halt eigene Hardware 00:52:24.810 --> 00:52:26.630 haben, die da 00:52:26.630 --> 00:52:27.270 irgendwie, 00:52:27.270 --> 00:52:30.490 wo man dann Modelle halt 00:52:30.490 --> 00:52:32.810 für Inferenz drauflaufen lassen kann, 00:52:32.810 --> 00:52:34.570 die dann halt noch schneller ist als, weiß ich nicht, 00:52:34.570 --> 00:52:36.750 GPUs oder so. Und da 00:52:36.750 --> 00:52:39.010 war es tatsächlich, also irgendwie Whisper V3 00:52:39.010 --> 00:52:40.910 Large, also was halt 00:52:40.910 --> 00:52:42.530 auf meinem Laptop echt 00:52:42.530 --> 00:52:44.670 fies langsam ist, da geht 00:52:44.670 --> 00:52:46.610 halt so zwei Stunden Episode, geht da halt so 00:52:46.610 --> 00:52:48.590 in einer Minute ungefähr durch und ist 00:52:48.590 --> 00:52:51.050 fertig. Und das hat mich schon 00:52:51.050 --> 00:52:52.030 so, oh krass, also 00:52:52.030 --> 00:52:53.710 das ging schon ganz gut. 00:52:53.710 --> 00:52:56.370 Naja, es gibt ja jetzt diese schnellere Whisper-Model, das 00:52:56.370 --> 00:52:58.550 Whisper Turbo. Ja, das habe ich, genau, 00:52:58.550 --> 00:53:00.270 das habe ich auch probiert, das geht 00:53:00.270 --> 00:53:01.450 schon ganz gut, aber 00:53:01.450 --> 00:53:04.470 bei Drog, 00:53:04.470 --> 00:53:06.430 die machen wohl das wirklich, das große 00:53:06.430 --> 00:53:08.050 Whisper V3 Large. 00:53:08.050 --> 00:53:10.310 Und das ist aber so schnell. Ja, wir haben ja auch das 00:53:10.310 --> 00:53:12.350 V3 Large. 00:53:12.350 --> 00:53:14.090 Ja, das haben wir auch, 00:53:14.090 --> 00:53:14.470 das haben wir auch. 00:53:14.470 --> 00:53:16.570 Auf den GPUs 00:53:16.570 --> 00:53:17.290 kann es einfach laufen. 00:53:17.290 --> 00:53:18.870 Ah ja, ja. 00:53:18.870 --> 00:53:21.770 Ja, genau. Das ist super, ja. 00:53:21.770 --> 00:53:24.250 Ja, weil das hat auch, ich habe auch die so ein bisschen 00:53:24.250 --> 00:53:25.130 verglichen, 00:53:25.130 --> 00:53:28.190 V2 versus V3 und 00:53:28.190 --> 00:53:30.190 tatsächlich für Deutsch macht es, bei Englisch macht es gar nicht 00:53:30.190 --> 00:53:31.950 so einen Riesenunterschied, oder dachte ich jedenfalls jetzt so, 00:53:31.950 --> 00:53:34.370 aber bei Deutsch macht es halt noch schon einen Unterschied. 00:53:34.370 --> 00:53:36.130 Also V3 ist nochmal ein gutes Stückchen besser. 00:53:36.130 --> 00:53:38.330 Also bei Namen 00:53:38.330 --> 00:53:39.930 oder auch bei Python oder auch 00:53:39.930 --> 00:53:41.770 das geht eigentlich, 00:53:41.770 --> 00:53:43.770 da oft das V2 00:53:43.770 --> 00:53:45.550 versteht es halt nicht so richtig 00:53:45.550 --> 00:53:47.590 und V3 meistens 00:53:47.590 --> 00:53:49.230 dann schon, es sind auch immer noch Fehler drin, aber 00:53:49.230 --> 00:53:51.430 also merkbarer Unterschied für mich. 00:53:51.430 --> 00:53:52.610 Ja. 00:53:52.610 --> 00:53:55.350 Ja, ich weiß jetzt nicht mehr, welche Version, aber 00:53:55.350 --> 00:53:57.410 ob irgendeine Version ist dann 00:53:57.410 --> 00:53:59.490 auf einmal immer auf Phonic richtig erkannt worden. 00:53:59.490 --> 00:54:01.130 Ja, auch. 00:54:01.130 --> 00:54:03.630 Weil wir haben immer so ein Test-File 00:54:03.630 --> 00:54:05.350 und auf Phonic war zuerst 00:54:05.350 --> 00:54:07.270 immer falsch und dann auf einmal hat es funktioniert. 00:54:07.270 --> 00:54:09.370 Dann werden sich wohl die Daten geändert haben. 00:54:09.370 --> 00:54:10.270 Ja. 00:54:10.270 --> 00:54:13.570 Ihr seid einfach so bekannt, dass ihr jetzt in den Referenzen 00:54:13.570 --> 00:54:14.490 ganz datenvoll kommt. 00:54:14.490 --> 00:54:15.150 Ja, genau. 00:54:15.150 --> 00:54:19.050 Ich finde das auch total komisch, dass man 00:54:19.050 --> 00:54:21.510 einem Street-to-Text-Model, dem kann man 00:54:21.510 --> 00:54:23.410 ja dann auch ein Prompt geben, dass man 00:54:23.410 --> 00:54:25.610 dem sagen kann, was es tun soll 00:54:25.610 --> 00:54:27.650 und wie Leute heißen und das funktioniert dann plötzlich. 00:54:27.650 --> 00:54:29.290 Das fand ich auch sehr eigenartig. 00:54:29.290 --> 00:54:31.430 Ich weiß jetzt auch noch nicht, dass man das wirklich einstellen 00:54:31.430 --> 00:54:33.290 kann, aber ich verwende jetzt immer das gleiche Prompt 00:54:33.290 --> 00:54:35.310 oder muss es halt umkonfigurieren, aber 00:54:35.310 --> 00:54:37.690 das geht ja auch und das ist auch ganz eigenartig. 00:54:37.690 --> 00:54:39.070 Also, ja. 00:54:39.070 --> 00:54:41.470 Ist irgendwie anders als früher. 00:54:43.570 --> 00:54:45.290 Ja, das hat beim Whisper leider 00:54:45.290 --> 00:54:46.610 Seiteneffekte, also 00:54:46.610 --> 00:54:49.310 der, sagen wir mal so, 00:54:49.310 --> 00:54:51.210 das fördert 00:54:51.210 --> 00:54:52.830 Halluzinationen. Ja, 00:54:52.830 --> 00:54:54.250 das kann natürlich sein, ja. 00:54:54.250 --> 00:54:57.290 Deswegen verwenden wir die Prompt im Moment 00:54:57.290 --> 00:54:59.410 eigentlich nicht. Ah, okay. 00:54:59.410 --> 00:55:01.270 Ja, ich habe mir auch die Transkripte 00:55:01.270 --> 00:55:02.350 nicht so komplett durchgelesen. 00:55:02.350 --> 00:55:05.170 Wer weiß, was da jetzt so komische Sachen 00:55:05.170 --> 00:55:06.470 für Dinge 00:55:06.470 --> 00:55:08.670 auf die Kontrast-Seite noch schreiben. 00:55:08.670 --> 00:55:10.030 Es gilt das gesprochene Wort. 00:55:10.030 --> 00:55:13.250 Liebe Zuhörer, schauen Sie 00:55:13.250 --> 00:55:14.530 jetzt die Untertitel an. 00:55:14.530 --> 00:55:16.810 Ja, könnte auch sein, dass das 00:55:16.810 --> 00:55:18.730 vielleicht nicht so... 00:55:18.730 --> 00:55:18.930 Ja. 00:55:18.930 --> 00:55:22.610 Müssen wir jetzt ein paar exotische Wörter sagen, um das, 00:55:22.610 --> 00:55:24.550 um deine Transkriptionen zu verwirren. 00:55:24.550 --> 00:55:26.130 Ja. 00:55:26.130 --> 00:55:28.690 Nein, es ist gar nicht so bei Wörtern. Es ist meistens eben, 00:55:28.690 --> 00:55:30.770 wenn nicht gesprochen wird 00:55:30.770 --> 00:55:31.790 oder wenn Pausen sind, 00:55:31.790 --> 00:55:34.830 dass sie dann irgendeine Halluzinationen 00:55:34.830 --> 00:55:36.510 bilden und dann Wörter für Wörter 00:55:36.510 --> 00:55:37.870 abgespult werden, sozusagen. 00:55:37.870 --> 00:55:39.010 Ah. 00:55:39.010 --> 00:55:42.930 Das hört sich so ein bisschen an, als ob das Modell nur erotisch 00:55:42.930 --> 00:55:43.390 wäre, oder? 00:55:43.390 --> 00:55:45.150 Dann machen wir jetzt eine kurze Schweigeminute 00:55:45.150 --> 00:55:46.450 für... 00:55:46.450 --> 00:55:48.910 Eine Schweigeminute für Whisper V3. 00:55:48.910 --> 00:55:50.290 Wisst man auch mal, 00:55:50.290 --> 00:55:52.890 genau, das Mikrofon hier. 00:55:52.890 --> 00:55:53.950 Jetzt kommt Whisper zu Wort. 00:55:53.950 --> 00:55:57.230 Mal schauen, was da so rauskommt, wenn man das einfach mal 00:55:57.230 --> 00:55:58.270 so vor sich hin 00:55:58.270 --> 00:56:00.450 generieren lässt. 00:56:00.450 --> 00:56:02.650 Ja, schon 00:56:02.650 --> 00:56:03.970 interessant. 00:56:03.970 --> 00:56:07.230 Ja, ich befürchte aber, Jochen, 00:56:07.230 --> 00:56:09.410 dass wir die nächste Episode einfach eine komplette 00:56:09.410 --> 00:56:11.130 Episode machen müssen, wo wir die ganzen 00:56:11.130 --> 00:56:12.850 Abkürzungen erklären, die wir heute... 00:56:12.930 --> 00:56:14.350 Abkürzungen, haben wir gehört haben. 00:56:14.350 --> 00:56:16.830 Wir können auch einfach die ganze Zeit schweigen in der nächsten Episode 00:56:16.830 --> 00:56:18.950 und dann lassen wir bis bei den Texten... 00:56:18.950 --> 00:56:19.790 Ja, das geht auch. 00:56:19.790 --> 00:56:22.050 Und dann den Text wieder viel delizieren. 00:56:22.050 --> 00:56:23.730 Ja, genau. 00:56:23.730 --> 00:56:25.570 Mit unseren Stimmen. 00:56:25.570 --> 00:56:28.570 Und das ein paar Mal im Kreis. 00:56:28.570 --> 00:56:29.830 Und dann schauen wir mal, was rauskommt. 00:56:29.830 --> 00:56:31.070 Ja. 00:56:31.070 --> 00:56:34.690 Ja, ansonsten, genau, ich weiß nicht, 00:56:34.690 --> 00:56:36.790 haben wir, genau, jetzt haben wir schon 00:56:36.790 --> 00:56:38.890 eine ganze Weile über so Modelle und Dinge. 00:56:38.890 --> 00:56:40.870 Der Rest der Infrastruktur 00:56:40.870 --> 00:56:42.130 ist ja vielleicht auch ganz interessant. 00:56:42.610 --> 00:56:44.990 Was so Web-Geschichten 00:56:44.990 --> 00:56:45.730 zum Beispiel angeht. 00:56:45.730 --> 00:56:48.230 Django, ja, natürlich. Ja, machen wir auch. 00:56:48.230 --> 00:56:50.010 Nein, wir machen Django wirklich? 00:56:50.010 --> 00:56:50.750 Ja. 00:56:50.750 --> 00:56:54.990 Ja, wie gesagt, wir verwenden Django. 00:56:54.990 --> 00:56:56.130 Das ist schon 00:56:56.130 --> 00:56:57.950 seit 2013, 00:56:57.950 --> 00:57:00.070 wann das halt gestartet ist. 00:57:00.070 --> 00:57:02.690 Und was verwenden wir dann oft dabei? 00:57:02.690 --> 00:57:05.610 Ja, so Frontend-mäßig. 00:57:05.610 --> 00:57:08.450 Ein paar Sachen haben wir mit Vue gemacht. 00:57:08.450 --> 00:57:10.390 Das ist ein Audio-Inspektor, 00:57:10.390 --> 00:57:12.130 nenne ich das, oder Transcript-Editor, 00:57:12.290 --> 00:57:13.210 der ist mit Vue gemacht. 00:57:13.210 --> 00:57:16.150 Dann, prinzipiell, 00:57:16.150 --> 00:57:17.690 verwenden wir so HTMX 00:57:17.690 --> 00:57:19.850 und solche Sachen mittlerweile 00:57:19.850 --> 00:57:22.390 für so einfachere Interface-Elemente. 00:57:22.390 --> 00:57:24.210 Also für alles, was jetzt nicht 00:57:24.210 --> 00:57:25.250 der Audio-Editor ist. 00:57:25.250 --> 00:57:28.170 Und am Frontend verwenden wir noch 00:57:28.170 --> 00:57:29.990 Tailwind-CSS. 00:57:29.990 --> 00:57:31.630 Was gibt's noch? 00:57:31.630 --> 00:57:34.110 Ja, Alpine teilweise 00:57:34.110 --> 00:57:34.990 für so kleine Charts. 00:57:34.990 --> 00:57:36.650 Das hört sich genau nach dem an, was wir auch machen. 00:57:36.650 --> 00:57:38.870 Ja, machen jetzt alle, gell? 00:57:38.870 --> 00:57:40.130 Ja, machen irgendwie auch alle. 00:57:40.130 --> 00:57:42.130 Wahrscheinlich gibt's einen Grund, 00:57:42.130 --> 00:57:43.130 dafür, warum es so ist. 00:57:43.130 --> 00:57:46.190 Ja, weil man sich halt nicht 00:57:46.190 --> 00:57:48.830 die geholfenen Frameworks einhandeln will. 00:57:48.830 --> 00:57:50.310 Ja, natürlich. 00:57:50.310 --> 00:57:52.270 Gut, was gibt's noch 00:57:52.270 --> 00:57:53.130 zum Erzählen? Dann 00:57:53.130 --> 00:57:56.310 Backend-mäßig verwenden wir eben 00:57:56.310 --> 00:57:57.830 so eine Task-Queue, 00:57:57.830 --> 00:58:00.270 die diese ganzen Audit-Protesting 00:58:00.270 --> 00:58:01.970 und Encoding-Tasks verteilt. 00:58:01.970 --> 00:58:03.630 Dafür verwenden wir Celery. 00:58:03.630 --> 00:58:06.230 Und die Celery 00:58:06.230 --> 00:58:08.170 läuft dann eben auf verschiedene 00:58:08.170 --> 00:58:09.090 Server verteilt. 00:58:09.090 --> 00:58:11.890 Das sind unsere Worker, 00:58:11.970 --> 00:58:12.450 Rechner. 00:58:12.450 --> 00:58:19.120 Wir haben einen Hauptrechner, wo das Websystem läuft und der verteilt die ganzen Jobs dann auf die Worker-Rechner. 00:58:19.120 --> 00:58:21.380 Und magst du Celery? Funktioniert es gut? 00:58:21.380 --> 00:58:27.360 Mögen ist übertrieben, aber es funktioniert seit 13 Jahren. 00:58:27.360 --> 00:58:38.500 Aber mittlerweile gibt es auch modernere Tools, schätze ich mal. 00:58:38.500 --> 00:58:42.880 Wir hoffen, dass Django das Native kann, aber ich weiß nicht, ob das mit dem Distributed da gut geht. 00:58:42.880 --> 00:58:47.500 Ja, da kommt jetzt was, aber das kann nicht so viel wie Celery. 00:58:47.500 --> 00:58:53.420 Wenn man wirklich da Last hat und da viele Dinge macht, dann ist es wahrscheinlich. 00:58:53.420 --> 00:58:56.420 Wenn für einen Celery funktioniert, dann sollte man das wahrscheinlich so lassen. 00:58:56.420 --> 00:59:00.720 Aber ich glaube auch, es gibt sonst nicht viel Konkurrenz da. 00:59:00.720 --> 00:59:03.880 Das ist irgendwie für komplexere Geschichten in Celery immer noch. 00:59:03.880 --> 00:59:06.720 Inzwischen gibt es ja schon einige Task-Queues. 00:59:06.720 --> 00:59:08.380 Ja, auch mit Django. 00:59:08.500 --> 00:59:12.380 Mit der Integration, aber Celery ist halt so der bekannte alte Platzhirsch. 00:59:12.380 --> 00:59:18.380 Ja, aber es ist auch schwer zu benutzen. Das ist so ein bisschen wie das Mischpult hier. 00:59:18.380 --> 00:59:19.600 Nein. 00:59:19.600 --> 00:59:22.560 Das liegt doch in der Natur der Sache, oder? 00:59:22.560 --> 00:59:26.480 Wenn man nicht hinguckt, dreht sich das immer so mit dem Lauf Richtung Fuß. 00:59:26.480 --> 00:59:34.260 Ja, da braucht man doch noch eine Ausrede. Das ist die Kinderwahn oder jemand anders. 00:59:34.260 --> 00:59:35.140 Genau. 00:59:35.140 --> 00:59:37.620 Und dann war man es doch selber. Vielleicht, das kann schon sein. 00:59:37.620 --> 00:59:38.320 Ja, vor allem. 00:59:38.500 --> 00:59:41.700 Weil eigentlich musste man ja klicken in deiner DAW. 00:59:41.700 --> 00:59:43.340 Oder es riecht bei einer DAW, ich weiß nicht. 00:59:43.340 --> 00:59:47.840 Ja, das hat gar nichts mit dem Mischpult zu tun. 00:59:47.840 --> 00:59:49.340 Na ja, egal. 00:59:49.340 --> 00:59:50.500 Na, Task-Queues sind kompliziert. 00:59:50.500 --> 00:59:52.300 Ja, wir haben dann auch verschiedene Task-Queues. 00:59:52.300 --> 00:59:53.420 Das macht es mal komplizierter. 00:59:53.420 --> 00:59:58.600 Also einerseits diese ganzen CPU-Server, die funktionieren eben über Celery. 00:59:58.600 --> 01:00:02.820 Dann haben wir eben noch GPU-Server, die funktionieren dann wiederum, 01:00:02.820 --> 01:00:08.420 die werden dann wiederum von den CPU-Servern angesprochen mit den ganzen Audioabstellungen. 01:00:08.500 --> 01:00:15.080 Die haben so ein, das nennt sich so ein NVIDIA Triton, das ist so ein NVIDIA-System, 01:00:15.080 --> 01:00:20.380 wo man eben so Models hosten kann am GPU, der verteilt das relativ effizient im Speicher, 01:00:20.380 --> 01:00:27.780 weil der hat wiederum eine eigene Task-Queue integriert, wie so kleine GPU-Jobs verteilt werden. 01:00:27.780 --> 01:00:34.360 Weil das Problem bei den Models ist, dass man kann jetzt nicht für jeden Request das Model, 01:00:34.360 --> 01:00:38.460 oder es wäre nicht sehr effizient, wenn man für jeden Request das Model jetzt neu ladet, 01:00:38.500 --> 01:00:44.140 in den Speicher, also in den GPU-Rahmen, weil das Laden an sich von so ein paar Gigabyte-Models 01:00:44.140 --> 01:00:46.420 dann schon mal ziemlich lang dauert. 01:00:46.420 --> 01:00:53.620 Deswegen gibt es eben zum Beispiel das NVIDIA Triton, der versucht, das eben möglichst effizient zu managen, 01:00:53.620 --> 01:01:02.880 dass die Models halt immer im V-Rahmen sind, beziehungsweise nur wenn notwendig halt ein anderes Laden und so weiter. 01:01:02.880 --> 01:01:07.840 Und das ist dann sozusagen die zweite Task-Queue hinter der ersten Task-Queue. 01:01:08.500 --> 01:01:14.220 Und dann kommt das von den GPU-Servern eben wieder Druck zur Celery-Task-Queue auf den CPU-Servern. 01:01:14.220 --> 01:01:20.100 Und dort gibt es dann, dort wird dann noch verschiedene Files, also wenn das Audio-Processing fertig ist, 01:01:20.100 --> 01:01:26.840 gibt es dann File-Encoding-Tasks und dann Speech-Recognition-Tasks, dann wird es wiederum zum GPU-Server, zum anderen geschickt. 01:01:26.840 --> 01:01:32.220 Dann, was gibt es noch, dann eben so ein Verteil-Task, der das auf verschiedene Server dann schickt, 01:01:32.220 --> 01:01:34.860 also Netzwerk-Tasks oder auf YouTube oder was auch immer. 01:01:34.860 --> 01:01:38.220 Und so sickert das von Task zu Task dahin. 01:01:38.500 --> 01:01:41.160 Im Celery und im Nvidia Triton. 01:01:41.160 --> 01:01:44.360 Und den Status erfasst du irgendwie in einem Dango-Modell. 01:01:44.360 --> 01:01:46.620 Genau, ja. 01:01:46.620 --> 01:01:50.620 Die Tasks rufen sich dann eben so seriell auf. 01:01:50.620 --> 01:01:54.440 Also es gibt ja bei Celery also Chord-Tasks, nennen sie das. 01:01:54.440 --> 01:01:58.920 Also da kann man verschieden, wenn jetzt zum Beispiel ein Audio-Processing fertig ist 01:01:58.920 --> 01:02:03.660 und man will daraus fünf verschiedene File-Formate erstellen, dann kann man so ein Chord-Task machen. 01:02:03.660 --> 01:02:07.840 Der macht dann diese fünf File-Formate parallel und dann sagt man, 01:02:08.500 --> 01:02:12.120 wenn jetzt alle von diesen fünf fertig sind, dann ruft er den nächsten Task auf. 01:02:12.120 --> 01:02:15.180 Also das ist zum Beispiel dann der Finish-Task. 01:02:15.180 --> 01:02:18.400 Der wird dann aufgerufen, wenn diese ganzen Tasks fertig sind. 01:02:18.400 --> 01:02:20.160 Oder der Distribution-Task. 01:02:20.160 --> 01:02:26.460 Und so kann man so Ketten bauen, die sich dann also quasi parallel verbreiten 01:02:26.460 --> 01:02:28.720 und dann wieder irgendwann zusammenführen, hoffentlich. 01:02:28.720 --> 01:02:30.080 Ja. 01:02:30.080 --> 01:02:32.040 Bis das irgendwann fertig ist. 01:02:32.040 --> 01:02:35.820 Ja, man hat dann so ganze Task-Grafen oft irgendwie. 01:02:35.820 --> 01:02:37.820 Ja. 01:02:38.500 --> 01:02:38.800 Ja. 01:02:38.800 --> 01:02:43.720 Ist dann manchmal so ein bisschen schwierig, wenn man es testen will. 01:02:43.720 --> 01:02:48.940 Und manchmal hat man so komische Probleme, wenn das an einer unerwarteten Stelle schief geht. 01:02:48.940 --> 01:02:51.020 Aber ja, man kann damit viel machen. 01:02:51.020 --> 01:02:53.600 Aber testen ist auch nicht so schlimm. 01:02:53.600 --> 01:02:56.900 Also man kann natürlich die Tasks einzeln testen. 01:02:56.900 --> 01:02:59.180 Mit Unit-Tests ganz einfach. 01:02:59.180 --> 01:03:02.980 Das Gesamtsystem ist wieder ein bisschen komplexer zum Testen, ja. 01:03:02.980 --> 01:03:03.680 Ja. 01:03:03.680 --> 01:03:06.060 Ich hatte immer das Hauptproblem, was ich mal hatte, 01:03:06.060 --> 01:03:08.320 das war irgendwie aufzuräumen, wenn da irgendwas kaputt gegangen ist. 01:03:08.500 --> 01:03:09.980 Dass da irgendwelche Geister-Tasks irgendwann waren, 01:03:09.980 --> 01:03:13.120 weil irgendwie noch irgendwas geklickt hat und dann nicht genau klar war, 01:03:13.120 --> 01:03:15.700 wo jetzt welcher Task in welchem Status hing oder so. 01:03:15.700 --> 01:03:16.920 Ja, klar. 01:03:16.920 --> 01:03:21.180 Und da war das im Ganzen echt so ein Ding, das ist irgendwie schwierig zu verstehen 01:03:21.180 --> 01:03:25.740 und dann irgendwo noch so Reste drum hängen, wo die dann prozessiert werden wollen. 01:03:25.740 --> 01:03:28.560 Aber ich glaube, wenn man so ein stabiles System hat, 01:03:28.560 --> 01:03:29.900 vielleicht raucht das ja gar nicht so oft ab. 01:03:29.900 --> 01:03:34.180 Nein, das ist eigentlich relativ stabil. 01:03:34.180 --> 01:03:37.620 Außer wir machen wieder irgendwas Komisches oder so, 01:03:37.620 --> 01:03:38.480 was ja manchmal passiert. 01:03:38.500 --> 01:03:40.500 Diverse Updates oder Features. 01:03:40.500 --> 01:03:46.100 Aber prinzipiell läuft das eigentlich sehr stabil. 01:03:46.100 --> 01:03:48.900 Das läuft bei uns jetzt natürlich auch sehr lang. 01:03:48.900 --> 01:03:51.240 Also wir haben alle möglichen Dinge drinnen, 01:03:51.240 --> 01:03:54.020 wie das Fail-Checking und so weiter. 01:03:54.020 --> 01:03:56.440 Aber das funktioniert ganz gut. 01:03:56.440 --> 01:04:00.540 Ja, ich glaube, das ist einfach auch so ein Thema, was man lernen muss. 01:04:00.540 --> 01:04:05.500 Das ist halt einfach noch eine weitere Ebene von dieser Async-Sache. 01:04:05.500 --> 01:04:08.320 Ja, das ist immer ein Abspiel. 01:04:08.320 --> 01:04:09.320 Es gibt viele Ebenen inzwischen. 01:04:09.320 --> 01:04:11.840 Ganz unten hast du Async, dann hast du Threads, 01:04:11.840 --> 01:04:13.740 dann hast du Multiprocessing und oben drüber. 01:04:13.740 --> 01:04:15.340 Ja, wir verwenden es gar nicht Async, 01:04:15.340 --> 01:04:17.420 wir verwenden das wirklich Multiprocessing. 01:04:17.420 --> 01:04:20.460 Also du kannst das Sellerie mit Multiprocessing auch verwenden. 01:04:20.460 --> 01:04:21.640 Ja, ja, klar. 01:04:21.640 --> 01:04:24.320 Das ist halt über mehrere Rechner verteilt. 01:04:24.320 --> 01:04:30.400 Das ist die nächsthöhere Ebene von diesen ganzen Parallel-Compute-Sachen. 01:04:30.400 --> 01:04:33.440 Und die sind alle kompliziert und dann kann man eigentlich irgendwie nicht erwarten, 01:04:33.440 --> 01:04:36.180 dass das auf der Ebene auf einmal simpel wird. 01:04:36.180 --> 01:04:37.680 Aber, ja gut. 01:04:38.320 --> 01:04:41.740 Es ist halt was, was man lernen muss oder was man lernen kann. 01:04:41.740 --> 01:04:45.820 Und ich habe da eigentlich ganz gute Erfahrungen gemacht. 01:04:45.820 --> 01:04:48.980 Aber es hängt auch von der Systemart ab. 01:04:48.980 --> 01:04:53.340 Und es hängt auch davon ab, wie man die Bauteile benutzt. 01:04:53.340 --> 01:04:55.560 Die Bauteile an sich sind ja sehr, sehr stabil. 01:04:55.560 --> 01:04:58.560 Wenn man jetzt ein Redis oder ein, was weiß ich, was ihr verwendet, 01:04:58.560 --> 01:05:00.940 RabbitMQ oder ZeroMQ oder was auch immer. 01:05:00.940 --> 01:05:02.980 Die sind ja extrem stabil. 01:05:02.980 --> 01:05:07.300 Also bei einem anderen Kundenprojekt haben wir einen RabbitMQ-Server. 01:05:08.140 --> 01:05:11.860 Der läuft seit, keine Ahnung, acht Jahren unterbrechungsfrei. 01:05:11.860 --> 01:05:15.120 Und die Bauteile an sich sind schon stabil. 01:05:15.120 --> 01:05:20.000 Nur, wie wir das alle wissen, 01:05:20.000 --> 01:05:23.160 ich kann in jeder Programmiersprache schlechte Programme schreiben 01:05:23.160 --> 01:05:26.900 und ich kann auch schlechte verteilte Programme schreiben, wenn es sein muss. 01:05:26.900 --> 01:05:30.400 Auf alle Fälle, ja. 01:05:30.400 --> 01:05:32.080 Ja. 01:05:32.080 --> 01:05:37.080 Ja, vielleicht, genau. 01:05:38.140 --> 01:05:42.780 Wie ist das eigentlich mit Benutzerfeedback? 01:05:42.780 --> 01:05:46.720 Im Grunde, wenn man jetzt irgendwie Dinge verbessern will, 01:05:46.720 --> 01:05:48.900 dann ist man ja darauf angewiesen, 01:05:48.900 --> 01:05:53.340 diese ganzen subjektiven Geschichten, die wir eben auch schon da angesprochen hatten, 01:05:53.340 --> 01:05:55.160 die spielen da ja auch eine große Rolle. 01:05:55.160 --> 01:05:58.160 Und wenn jetzt, jetzt weiß man aber vielleicht gar nicht so genau, 01:05:58.160 --> 01:06:02.260 wenn jetzt aus quasi Leute Feedback geben, 01:06:02.260 --> 01:06:04.500 weil sie das anders gewohnt sind oder so, 01:06:04.500 --> 01:06:07.900 wie man das unterscheidet von, da hat irgendwas nicht richtig funktioniert oder so. 01:06:07.960 --> 01:06:08.720 Da muss man ja wahrscheinlich, 01:06:08.720 --> 01:06:13.240 ich weiß auch gar nicht, in welchen Märkten oder wo Aufforderung überall benutzt wird. 01:06:13.240 --> 01:06:15.260 Das ist ja dann wahrscheinlich auch unterschiedlich. 01:06:15.260 --> 01:06:17.740 Auch je nach Kontext nochmal unterschiedlich. 01:06:17.740 --> 01:06:19.320 Das ist wahrscheinlich gar nicht so einfach, 01:06:19.320 --> 01:06:21.620 das dann wieder einfließen zu lassen. 01:06:21.620 --> 01:06:27.240 Ja, bei solchen Sachen ist es natürlich schwierig. 01:06:27.240 --> 01:06:29.500 Aber deswegen versuchen wir eigentlich natürlich, 01:06:29.500 --> 01:06:34.980 möglichst wenig subjektive oder künstlerische Sachen zu machen. 01:06:34.980 --> 01:06:37.400 Auch wenn das natürlich nicht wirklich geht. 01:06:37.940 --> 01:06:41.140 Aber gewisses Feedback ist natürlich leicht zu verstehen, 01:06:41.140 --> 01:06:44.700 wenn der sagt, okay, da ist da ein neues nicht rausgelöscht worden 01:06:44.700 --> 01:06:46.860 oder da ist irgendwas falsch rausgelöscht worden. 01:06:46.860 --> 01:06:49.000 Dann kann man das natürlich leicht nachvollziehen. 01:06:49.000 --> 01:06:54.060 Dass irgendwer subjektiv ein anderes EQing haben will, 01:06:54.060 --> 01:06:56.020 das kann es immer geben. 01:06:56.020 --> 01:06:58.320 Da werden wir auch nie was dagegen machen können. 01:06:58.320 --> 01:07:01.460 Wahrscheinlich, man kann nur eine gewisse Anzahl an Varianten anbieten 01:07:01.460 --> 01:07:03.280 und irgendwann ist halt einmal Schluss. 01:07:03.280 --> 01:07:05.560 Dann muss man es halt selber filtern. 01:07:05.560 --> 01:07:07.920 Und das geht ja bei uns auch, dass wir halt einfach, 01:07:07.920 --> 01:07:11.080 dass man das Filtering deaktiviert und man hat halt selber das gefiltert, 01:07:11.080 --> 01:07:11.660 wie man sagen will. 01:07:11.660 --> 01:07:17.120 Aber das kommt jetzt auch nicht so extrem oft vor, muss ich sagen. 01:07:17.120 --> 01:07:19.120 Also es ist schon eher eindeutig dann quasi, 01:07:19.120 --> 01:07:20.980 wenn Leute, ja, okay. 01:07:20.980 --> 01:07:26.960 Und aus dem Feedback, das ist für uns natürlich extrem wichtig. 01:07:26.960 --> 01:07:28.760 Also da lernen wir halt extrem viel. 01:07:28.760 --> 01:07:32.500 Wenn wir Fehler haben, dann führt man das wieder zu den Trainingsdaten dazu 01:07:32.500 --> 01:07:33.120 und so weiter. 01:07:33.120 --> 01:07:35.680 Können die Klassifikatoren wieder damit trainieren. 01:07:35.680 --> 01:07:37.900 Warum habt ihr das? 01:07:37.900 --> 01:07:39.580 Warst du noch nicht live im Einsatz eigentlich? 01:07:39.580 --> 01:07:41.120 Warst du live im Einsatz? 01:07:41.120 --> 01:07:44.540 Also jetzt beispielsweise auch von mir als Plugin in meiner DAW irgendwie. 01:07:44.540 --> 01:07:46.420 So, den Weg können wir auch gehen, ja. 01:07:46.420 --> 01:07:51.700 Ja, weil wir eigentlich vom Offline-Konzept her kommen 01:07:51.700 --> 01:07:56.800 und unsere Algorithmen halt alle drauf aufgebaut sind, 01:07:56.800 --> 01:07:57.940 dass es offline funktioniert. 01:07:57.940 --> 01:08:01.360 Bei live bräuchtest du natürlich eine viel kleinere Latenz. 01:08:01.360 --> 01:08:05.220 Wäre mit einigen Algorithmen eh möglich. 01:08:05.220 --> 01:08:07.220 Also zum Beispiel, ja, 01:08:07.900 --> 01:08:11.100 zum Beispiel denoising oder solche Sachen. 01:08:11.100 --> 01:08:13.420 Oder Filtering natürlich. 01:08:13.420 --> 01:08:16.820 Aber, ja, alles können wir auch nicht machen. 01:08:16.820 --> 01:08:18.840 Das Problem ist eigentlich, 01:08:18.840 --> 01:08:19.860 das Problem ist eigentlich, 01:08:19.860 --> 01:08:22.000 dass du halt spezielle Hardware dafür brauchst. 01:08:22.000 --> 01:08:23.400 Wenn du es jetzt live machen willst, 01:08:23.400 --> 01:08:26.260 kannst du jetzt entweder einen Webservice anbieten, 01:08:26.260 --> 01:08:27.340 der das live macht, 01:08:27.340 --> 01:08:28.980 was wahrscheinlich nicht so interessant ist. 01:08:28.980 --> 01:08:32.180 Das heißt, wenn, dann müsstest du eine Standalone-Lösung haben. 01:08:32.180 --> 01:08:35.940 Die muss dementsprechend gut funktionieren, 01:08:35.940 --> 01:08:37.880 jetzt auf allen Systemen. 01:08:37.900 --> 01:08:40.320 Mit der beschränkten Hardware, die man dort eben hat. 01:08:40.320 --> 01:08:45.140 Oder man hat spezielle Systeme mit GPUs oder M3-Chips, was auch immer, 01:08:45.140 --> 01:08:46.680 wo das sicher ein bisschen besser geht. 01:08:46.680 --> 01:08:50.840 Aber es ist halt vor allem in der momentanen Phase noch ein bisschen schwieriger. 01:08:50.840 --> 01:08:53.260 Also im Moment entwickeln sich die Modelle ja so schnell weiter. 01:08:53.260 --> 01:08:55.260 Also man braucht so viel Hardware dafür. 01:08:55.260 --> 01:08:59.060 Das wird in ein paar Jahren sicher wieder anders ausschauen, glaube ich mal. 01:08:59.060 --> 01:09:01.160 Weil dann wird sich das so ein bisschen eingependelt haben. 01:09:01.160 --> 01:09:05.940 Dann wird da mehr Hardware dafür verfügbar sein auf normalen Stand rechnen. 01:09:05.940 --> 01:09:07.880 Dann wird sicher irgendwann wieder die Welt, 01:09:07.880 --> 01:09:12.880 wo diese ganzen Modelle dann auf den Personal Computer wieder überschwemmen. 01:09:12.880 --> 01:09:14.540 Oder überschwappen. 01:09:14.540 --> 01:09:17.240 Aber im Moment ist es halt noch ein bisschen schwierig. 01:09:17.240 --> 01:09:21.680 Ja, also was ich schon gerne hätte, wäre sozusagen in den AirPods. 01:09:21.680 --> 01:09:23.080 Da gibt es ja auch so einen Transparenzmodus. 01:09:23.080 --> 01:09:28.780 Da jetzt, statt einfach nur, dass das ein bisschen lauter oder leiser wird, 01:09:28.780 --> 01:09:30.100 wenn es Nebengeräusche gibt, 01:09:30.100 --> 01:09:32.300 dass das dann so richtig schön klar wird. 01:09:32.300 --> 01:09:33.080 Das wäre natürlich toll. 01:09:33.080 --> 01:09:34.540 Man könnte ja auf dem Handy das auch irgendwie... 01:09:34.540 --> 01:09:35.040 Podcast-Modus. 01:09:35.040 --> 01:09:35.780 Ja, genau. 01:09:35.780 --> 01:09:37.720 Da kann man natürlich auch die Modelle laufen lassen. 01:09:37.880 --> 01:09:40.620 Aber ja gut, wahrscheinlich ist das alles nicht so ganz einfach. 01:09:40.620 --> 01:09:42.980 Da tauscht man bestimmt auch von Nose-Canceling auch wieder, ne? 01:09:42.980 --> 01:09:44.460 Wenn du es halt dann einfach umdrehst. 01:09:44.460 --> 01:09:46.200 Ja, Hörgeräte. 01:09:46.200 --> 01:09:47.980 Ich meine, die sind voll in dieser Entwicklung dabei. 01:09:47.980 --> 01:09:48.400 Ja, Hörgeräte sind genau daraus. 01:09:48.400 --> 01:09:49.900 Die machen eh das. 01:09:49.900 --> 01:09:53.120 Aber halt, ich meine, da ist halt die Arbeit, 01:09:53.120 --> 01:09:55.700 dass du die Modelle, die es gibt, 01:09:55.700 --> 01:09:58.720 meistens so effizient wie möglich hinkriegst. 01:09:58.720 --> 01:10:03.020 Also da geht es halt eher mehr um Effizienz-Tuning 01:10:03.020 --> 01:10:04.720 für eine bestimmte Plattform. 01:10:04.720 --> 01:10:06.000 Und dann im Endeffekt für den Chip, 01:10:06.000 --> 01:10:07.860 was halt der in seinem Hörgerät hat. 01:10:08.840 --> 01:10:11.340 Und natürlich Akku schonen und so weiter, 01:10:11.340 --> 01:10:12.920 weil das ist natürlich wichtig für Hörgeräte. 01:10:12.920 --> 01:10:16.260 Aber ja, im Moment sind wir halt mehr so in einer Phase, 01:10:16.260 --> 01:10:17.820 dass wir gerade noch dabei sind. 01:10:17.820 --> 01:10:19.320 Also jetzt nicht nur wir persönlich, 01:10:19.320 --> 01:10:21.040 sondern generell schätze ich halt, 01:10:21.040 --> 01:10:24.640 dass man mehr dabei ist, die Modelle weiterzuentwickeln. 01:10:24.640 --> 01:10:25.980 Irgendwann wird es eh saturieren, 01:10:25.980 --> 01:10:28.200 weil dann werden ja alle einmal gut genug sein 01:10:28.200 --> 01:10:29.840 für die meisten Tasks, sage ich mal. 01:10:29.840 --> 01:10:32.720 Und dann wird sicher wieder die andere Welle kommen, 01:10:32.720 --> 01:10:35.440 wo das wieder zurückgeht, glaube ich. 01:10:35.440 --> 01:10:37.220 Aber wir werden sehen. 01:10:37.620 --> 01:10:39.880 So Exploration versus Exploitation. 01:10:39.880 --> 01:10:41.660 Und momentan sind wir im Exploration-Modus, 01:10:41.660 --> 01:10:42.980 wo wir versuchen rauszufinden, 01:10:42.980 --> 01:10:45.140 was man überhaupt alles denn noch damit machen kann. 01:10:45.140 --> 01:10:49.420 Und wenn es dann einmal gut genug ist, 01:10:49.420 --> 01:10:50.520 wird es abgespeckt, 01:10:50.520 --> 01:10:53.680 dass es auf allen möglichen Plattformen läuft wahrscheinlich. 01:10:53.680 --> 01:10:55.820 Ja, also ich bin so ein, wie gesagt, 01:10:55.820 --> 01:10:57.820 so ein bisschen erschlagen von diesem ganzen Thema. 01:10:57.820 --> 01:11:00.740 Da gibt es irgendwie so viele Sachen, 01:11:00.740 --> 01:11:02.100 wo man in die Tiefe gehen könnte, 01:11:02.100 --> 01:11:04.780 wo ich aber jetzt gar nicht den, 01:11:04.780 --> 01:11:06.180 wo ich gar nicht weiß, 01:11:06.180 --> 01:11:07.560 wie man da in die Tiefe gehen könnte, 01:11:07.560 --> 01:11:08.820 weil sie mir sich nicht erschließen. 01:11:08.820 --> 01:11:11.560 Und ich finde es super spannend, 01:11:11.560 --> 01:11:15.900 dass das einfach so ein ganzes Riesenfeld ist, 01:11:15.900 --> 01:11:18.900 was es gibt und was man braucht 01:11:18.900 --> 01:11:20.240 und wo es auch viele Leute gibt, 01:11:20.240 --> 01:11:21.140 die da dran arbeiten 01:11:21.140 --> 01:11:23.180 und auch viele Profis gibt, 01:11:23.180 --> 01:11:24.100 die da dran arbeiten. 01:11:24.100 --> 01:11:26.100 Ich habe selbst, 01:11:26.100 --> 01:11:28.560 mein Cousin hat eine Konzertagentur, 01:11:28.560 --> 01:11:33.020 also die machten da auch ganz viel im Live-Bereich 01:11:33.020 --> 01:11:35.400 und im Analog-Bereich, sage ich mal. 01:11:35.400 --> 01:11:37.540 Und ich habe, 01:11:37.540 --> 01:11:38.800 ich habe da überhaupt keine Ahnung. 01:11:38.800 --> 01:11:41.300 Ich habe so wenig Ahnung davon, 01:11:41.300 --> 01:11:43.160 dass ich keine sinnvollen Fragen stellen kann. 01:11:43.160 --> 01:11:44.380 Und ich glaube, 01:11:44.380 --> 01:11:45.880 an dem Punkt sind wir jetzt irgendwie so, oder? 01:11:45.880 --> 01:11:49.180 Dass wir so die grobe Form abgetastet haben 01:11:49.180 --> 01:11:50.020 von diesem System 01:11:50.020 --> 01:11:51.940 und dann haben wir uns schon mal mit der Task-View beschäftigt, 01:11:51.940 --> 01:11:53.220 weil wir da alle was dazu sagen können. 01:11:53.220 --> 01:11:56.820 Aber so die richtigen Fragen 01:11:56.820 --> 01:11:57.740 kann man gar nicht mehr stellen. 01:11:57.740 --> 01:12:01.000 So geht es mir jetzt gerade. 01:12:01.000 --> 01:12:02.000 Ich weiß nicht, wie es euch geht. 01:12:02.000 --> 01:12:03.960 Ja, also genau. 01:12:03.960 --> 01:12:05.420 Ich würde dann eher so etwas fragen, 01:12:05.420 --> 01:12:06.320 wie vielleicht, 01:12:06.320 --> 01:12:06.620 wie, 01:12:06.620 --> 01:12:07.400 was, 01:12:07.480 --> 01:12:08.100 würdest du denn denken, 01:12:08.100 --> 01:12:09.540 sind die interessanten Entwicklungen 01:12:09.540 --> 01:12:11.020 in diesem ganzen Audio-Bereich, 01:12:11.020 --> 01:12:13.340 in welche Richtung könntest du da gehen? 01:12:13.340 --> 01:12:14.480 Oder gibt es irgendwelche, 01:12:14.480 --> 01:12:16.400 wird es jetzt erstmal noch eine Weile 01:12:16.400 --> 01:12:17.520 quasi 01:12:17.520 --> 01:12:19.480 mehr Modelle 01:12:19.480 --> 01:12:21.000 geben? 01:12:21.000 --> 01:12:22.580 Ja, ich weiß nicht genau. 01:12:22.580 --> 01:12:23.720 Ja. 01:12:23.720 --> 01:12:25.060 Oder wird das, 01:12:25.060 --> 01:12:25.700 ja, 01:12:25.700 --> 01:12:26.500 wird das irgendwann 01:12:26.500 --> 01:12:28.940 sowieso alles, 01:12:28.940 --> 01:12:30.300 naja, 01:12:30.300 --> 01:12:30.740 das, 01:12:30.740 --> 01:12:31.440 ja, also, 01:12:31.440 --> 01:12:32.500 ja, keine Ahnung. 01:12:32.500 --> 01:12:32.980 Ich weiß gar nicht, 01:12:32.980 --> 01:12:33.940 welche Frage ich stellen wollte. 01:12:33.940 --> 01:12:35.420 Na, gerne. 01:12:35.420 --> 01:12:35.840 Also, 01:12:35.840 --> 01:12:36.640 ja, klar, 01:12:36.640 --> 01:12:37.460 es gibt jetzt natürlich, 01:12:37.460 --> 01:12:37.740 viele, 01:12:37.740 --> 01:12:39.520 alle möglichen neuen Modelle 01:12:39.520 --> 01:12:40.780 von vielen Firmen. 01:12:40.780 --> 01:12:44.140 Was natürlich ein großes Thema ist, 01:12:44.140 --> 01:12:46.880 was wir jetzt gar nicht angegangen sind, 01:12:46.880 --> 01:12:47.400 bis jetzt, 01:12:47.400 --> 01:12:48.640 oder wahrscheinlich auch nicht klären, 01:12:48.640 --> 01:12:50.380 ist eben Audiosynthese, 01:12:50.380 --> 01:12:51.800 wie ihr sicher alle wisst. 01:12:51.800 --> 01:12:52.400 Ja. 01:12:52.400 --> 01:12:53.860 Eleven Labs und so weiter. 01:12:53.860 --> 01:12:54.280 Oh ja. 01:12:54.280 --> 01:12:54.680 Also, 01:12:54.680 --> 01:12:57.300 funktioniert ja schon echt extrem gut. 01:12:57.300 --> 01:12:58.840 Und, 01:12:58.840 --> 01:12:59.980 ja, 01:12:59.980 --> 01:13:01.420 wird sicher viel, 01:13:01.420 --> 01:13:02.260 viel Content 01:13:02.260 --> 01:13:04.680 über solche Wege produziert werden. 01:13:07.400 --> 01:13:07.720 Dann, 01:13:07.720 --> 01:13:09.800 ein anderes großes Thema ist, 01:13:09.800 --> 01:13:12.480 natürlich Musik. 01:13:12.480 --> 01:13:15.020 Da gibt es relativ wenig im Moment. 01:13:15.020 --> 01:13:16.380 Also, im Moment stürzen sich alle 01:13:16.380 --> 01:13:18.100 auf die Sprachanwendungen. 01:13:18.100 --> 01:13:20.720 Bei Musik gibt es echt sehr wenig. 01:13:20.720 --> 01:13:22.400 Was es gibt, 01:13:22.400 --> 01:13:22.900 sind so, 01:13:22.900 --> 01:13:25.000 so Stem Separation Musikmodelle, 01:13:25.000 --> 01:13:25.340 also, 01:13:25.340 --> 01:13:27.200 wo man verschiedene Instrumente 01:13:27.200 --> 01:13:28.740 von einem Mix extrahiert. 01:13:28.740 --> 01:13:30.600 Funktioniert meistens auch nur gut, 01:13:30.600 --> 01:13:30.940 wenn man, 01:13:30.940 --> 01:13:33.100 wenn man so vier Instrumente extrahiert, 01:13:33.100 --> 01:13:34.440 oder vielleicht ein bisschen mehr, 01:13:34.440 --> 01:13:35.000 also Bass, 01:13:35.000 --> 01:13:35.740 Schlagzeug, 01:13:35.740 --> 01:13:36.920 Gesang, 01:13:37.400 --> 01:13:39.120 Klavier oder Gitarre halt. 01:13:39.120 --> 01:13:40.540 Das sind die klassischen, 01:13:40.540 --> 01:13:42.760 klassischen Setups. 01:13:42.760 --> 01:13:44.560 Dann auch, 01:13:44.560 --> 01:13:45.720 gibt es noch sehr wenig 01:13:45.720 --> 01:13:47.720 in der Richtung von Musik Restoration 01:13:47.720 --> 01:13:49.640 oder Musikaufbereitung. 01:13:49.640 --> 01:13:49.820 Ich meine, 01:13:49.820 --> 01:13:51.440 es gibt so Online Mastering Services 01:13:51.440 --> 01:13:52.160 schon sehr lang. 01:13:52.160 --> 01:13:52.580 Einige, 01:13:52.580 --> 01:13:54.000 die machen natürlich ein bisschen was 01:13:54.000 --> 01:13:54.780 in diese Richtung. 01:13:54.780 --> 01:13:55.720 Aber, 01:13:55.720 --> 01:13:57.360 jetzt so spezialisiertere Sachen, 01:13:57.360 --> 01:13:58.720 also im Prinzip das, 01:13:58.720 --> 01:14:00.300 was wir da bei Afonik machen, 01:14:00.300 --> 01:14:02.340 wirklich auf Musik umgelegt, 01:14:02.340 --> 01:14:04.740 gibt es eigentlich noch nicht so wirklich. 01:14:04.740 --> 01:14:06.080 Vielleicht gehen wir auch 01:14:06.080 --> 01:14:07.060 mal ein bisschen mehr in die Richtung. 01:14:07.060 --> 01:14:07.380 Mal schauen, 01:14:07.380 --> 01:14:11.460 dann bei Musik, 01:14:11.460 --> 01:14:13.240 was auch komisch ist, 01:14:13.240 --> 01:14:15.540 was es nicht so wirklich noch gibt, 01:14:15.540 --> 01:14:18.160 ist wiederum bei Sprache, 01:14:18.160 --> 01:14:19.440 ist ja Transkription natürlich 01:14:19.440 --> 01:14:20.700 das heiße Thema. 01:14:20.700 --> 01:14:22.500 Es ist jetzt sehr viel weitergegangen 01:14:22.500 --> 01:14:23.440 in den letzten Jahren. 01:14:23.440 --> 01:14:25.340 Analog dazu für Musik, 01:14:25.340 --> 01:14:27.440 Transkription gibt es wiederum 01:14:27.440 --> 01:14:28.500 sehr wenig. 01:14:28.500 --> 01:14:30.820 Also Noten erzeugen. 01:14:30.820 --> 01:14:31.460 Genau. 01:14:31.460 --> 01:14:34.140 Macht ja nicht einer, 01:14:34.140 --> 01:14:37.360 der ursprünglich 01:14:37.360 --> 01:14:39.060 Entwickler von Django. 01:14:39.060 --> 01:14:39.340 Der Jacob. 01:14:39.340 --> 01:14:40.540 Nee, nee, 01:14:40.540 --> 01:14:42.600 der Adrian Holowaty. 01:14:42.600 --> 01:14:43.880 Ah, der Adrian. 01:14:43.880 --> 01:14:46.200 Der macht OCR, glaube ich, 01:14:46.200 --> 01:14:47.100 für Noten. 01:14:47.100 --> 01:14:49.540 Ja, OCR ist wieder ein anderes Thema. 01:14:49.540 --> 01:14:50.340 Ist nochmal ein anderes Thema, 01:14:50.340 --> 01:14:53.020 aber möglicherweise auch Noten aus Musik. 01:14:53.020 --> 01:14:53.720 Das weiß ich aber gar nicht, 01:14:53.720 --> 01:14:54.500 ob sie das auch machen. 01:14:54.500 --> 01:14:55.340 Ja. 01:14:55.340 --> 01:14:56.320 Ich glaube nicht. 01:14:56.320 --> 01:14:57.640 Ich glaube, das ist nur OCR. 01:14:57.640 --> 01:14:58.920 Ah, okay. 01:14:58.920 --> 01:15:01.620 Ja, dann habe ich es nur so quer gelesen, 01:15:01.620 --> 01:15:02.060 aber ich glaube, 01:15:02.060 --> 01:15:02.980 es ist hauptsächlich OCR. 01:15:02.980 --> 01:15:05.240 Also ihr habt es jetzt 01:15:05.240 --> 01:15:06.300 wieder mal getestet, 01:15:06.300 --> 01:15:06.580 weil, 01:15:06.580 --> 01:15:07.020 ich glaube, 01:15:07.360 --> 01:15:07.820 einfach nur 01:15:07.820 --> 01:15:09.800 Band, Privat und so weiter 01:15:09.800 --> 01:15:10.280 habe ich gedacht, 01:15:10.280 --> 01:15:10.940 mal ein bisschen was 01:15:10.940 --> 01:15:11.820 transkribieren lassen, 01:15:11.820 --> 01:15:12.920 aber 01:15:12.920 --> 01:15:14.060 da habe ich irgendwie 01:15:14.060 --> 01:15:14.960 nichts Gescheites gefunden. 01:15:14.960 --> 01:15:16.700 Obwohl es ja ähnliche 01:15:16.700 --> 01:15:17.520 Techniken gibt. 01:15:17.520 --> 01:15:18.660 Packt der Jochen diesen Link 01:15:18.660 --> 01:15:19.360 in die Shownotes? 01:15:19.360 --> 01:15:19.880 Ja. 01:15:19.880 --> 01:15:20.940 Ja, das macht er sowieso. 01:15:20.940 --> 01:15:22.080 Ja. 01:15:22.080 --> 01:15:24.120 Ja, ich meine, 01:15:24.120 --> 01:15:25.420 genau, 01:15:25.420 --> 01:15:26.620 ich brauche mir ja nur 01:15:26.620 --> 01:15:27.720 irgendwie 01:15:27.720 --> 01:15:29.060 Eingabe, Ausgabe 01:15:29.060 --> 01:15:29.900 und ein bisschen GPU. 01:15:29.900 --> 01:15:30.780 Dann kann das 01:15:30.780 --> 01:15:31.620 Jochen, 01:15:31.620 --> 01:15:32.860 kann das sein? 01:15:32.860 --> 01:15:35.760 Ja. 01:15:35.760 --> 01:15:36.880 Der Schwergewichtige ist nur, 01:15:36.880 --> 01:15:37.340 was du da gesagt hast. 01:15:37.340 --> 01:15:38.080 Was du gerade gesagt hast. 01:15:38.080 --> 01:15:42.160 Und Noten mit Aufnahmen dazu 01:15:42.160 --> 01:15:43.540 sollte es eigentlich auch geben. 01:15:43.540 --> 01:15:44.500 Sollte es auch eine Menge geben, ja. 01:15:44.500 --> 01:15:46.000 Aber ja. 01:15:46.000 --> 01:15:47.320 Ja. 01:15:47.320 --> 01:15:48.860 Insofern. 01:15:48.860 --> 01:15:49.660 Ja. 01:15:49.660 --> 01:15:50.400 Spannend. 01:15:50.400 --> 01:15:51.640 Kann der ein neues Projekt machen. 01:15:51.640 --> 01:15:55.620 Herzlichen Dank, 01:15:55.620 --> 01:15:56.320 lieber Georg. 01:15:56.320 --> 01:15:57.200 Ja, ich weiß nicht, 01:15:57.200 --> 01:15:57.900 wollten wir noch irgendwie 01:15:57.900 --> 01:15:58.720 was picken oder so? 01:15:58.720 --> 01:15:59.940 Oder sparen wir uns das diesmal? 01:15:59.940 --> 01:16:01.800 Wir sparen uns das diesmal. 01:16:01.800 --> 01:16:02.400 Wir sind eh schon spät. 01:16:02.400 --> 01:16:02.880 Genau. 01:16:02.880 --> 01:16:03.740 Ach doch, nee, 01:16:03.740 --> 01:16:04.440 ich mache noch ganz kurz. 01:16:04.440 --> 01:16:05.500 Ich habe gesehen, 01:16:05.500 --> 01:16:06.580 es gibt das Update von, 01:16:06.580 --> 01:16:06.900 von, 01:16:07.340 --> 01:16:07.660 ähm, 01:16:07.660 --> 01:16:08.080 Django, 01:16:08.080 --> 01:16:08.900 äh, 01:16:08.900 --> 01:16:09.360 irgendwie, 01:16:09.360 --> 01:16:11.060 Boost Your Django Developer Experience 01:16:11.060 --> 01:16:11.940 von Adam Johnson. 01:16:11.940 --> 01:16:13.760 Die E-Mail habe ich auch gekriegt. 01:16:13.760 --> 01:16:14.440 Ja, ja, genau. 01:16:14.440 --> 01:16:15.120 Und jetzt, 01:16:15.120 --> 01:16:16.000 wenn man sich, 01:16:16.000 --> 01:16:16.400 äh, 01:16:16.400 --> 01:16:17.600 quasi da denkt, 01:16:17.600 --> 01:16:18.220 äh, 01:16:18.220 --> 01:16:18.700 irgendwie, 01:16:18.700 --> 01:16:19.600 haben wir vielleicht mal 01:16:19.600 --> 01:16:20.280 eine kurze Zeit nochmal, 01:16:20.280 --> 01:16:20.960 das lohnt sich, 01:16:20.960 --> 01:16:22.000 weil da ist doch einiges 01:16:22.000 --> 01:16:22.480 dazugekommen. 01:16:22.480 --> 01:16:23.420 Also es war ein großes Update. 01:16:23.420 --> 01:16:25.020 Da ist jetzt auch so viel 01:16:25.020 --> 01:16:26.480 Debugging drin und so. 01:16:26.480 --> 01:16:27.240 Und, ähm, 01:16:27.240 --> 01:16:27.420 ja, 01:16:27.420 --> 01:16:28.420 das Buch fand ich, 01:16:28.420 --> 01:16:28.940 ja, 01:16:28.940 --> 01:16:30.060 hilft auch. 01:16:30.060 --> 01:16:31.160 Und der verkauft auch gerade, 01:16:31.160 --> 01:16:31.720 der macht gerade, 01:16:31.720 --> 01:16:33.620 gibt es das Sonderangebot noch, 01:16:33.620 --> 01:16:34.480 wo er irgendwie drei 01:16:34.480 --> 01:16:36.580 solche Pakete zusammen hat? 01:16:37.320 --> 01:16:37.440 Ja. 01:16:37.440 --> 01:16:38.460 Stand in dieser E-Mail drin. 01:16:38.460 --> 01:16:39.020 Keine Ahnung, 01:16:39.020 --> 01:16:40.440 aber wenn man die Episode 01:16:40.440 --> 01:16:41.220 im halben Jahr hört, 01:16:41.220 --> 01:16:42.500 dann ist es wahrscheinlich nicht mehr. 01:16:42.500 --> 01:16:44.000 Ja, gut. 01:16:44.000 --> 01:16:44.700 Wenn, 01:16:44.700 --> 01:16:45.460 wenn es das noch, 01:16:45.460 --> 01:16:46.780 das jetzt für die schnellen Hörer, 01:16:46.780 --> 01:16:47.600 das ist jetzt ein Anreiz, 01:16:47.600 --> 01:16:49.260 unsere Episoden immer sofort zu hören. 01:16:49.260 --> 01:16:51.040 Immer sofort. 01:16:51.040 --> 01:16:54.860 Wir werden diesen Link finden, 01:16:54.860 --> 01:16:55.740 sofern es ihn noch gibt. 01:16:55.740 --> 01:16:56.560 Ja, 01:16:56.560 --> 01:16:57.160 vielen Dank Georg 01:16:57.160 --> 01:16:58.240 für deine Einblicke 01:16:58.240 --> 01:16:58.960 in Auphonic. 01:16:58.960 --> 01:16:59.320 Ja, 01:16:59.320 --> 01:16:59.960 war großartig. 01:16:59.960 --> 01:17:00.580 Vielen Dank, Georg. 01:17:00.580 --> 01:17:02.080 Vielen Dank für die Einladung, ja. 01:17:02.080 --> 01:17:03.660 Alles klar. 01:17:03.660 --> 01:17:04.520 Bleibt uns gewogen. 01:17:04.520 --> 01:17:05.980 Hallo at peisenpodcast.de 01:17:05.980 --> 01:17:06.640 für alles Feedback 01:17:06.640 --> 01:17:07.260 und kommt, 01:17:07.300 --> 01:17:07.900 zu unserem Treffen. 01:17:07.900 --> 01:17:08.280 Ja, 01:17:08.280 --> 01:17:09.720 wo wir noch ein bisschen rausfinden, 01:17:09.720 --> 01:17:10.620 wann und wo wir das machen, 01:17:10.620 --> 01:17:11.440 aber das machen wir dann. 01:17:11.440 --> 01:17:11.580 Nein, 01:17:11.580 --> 01:17:13.140 es bleibt hier bei uns im Rheinland. 01:17:13.140 --> 01:17:13.660 Tut mir leid, 01:17:13.660 --> 01:17:14.840 die wollen uns anreisen. 01:17:14.840 --> 01:17:17.280 Eine gute Gelegenheit, 01:17:17.280 --> 01:17:18.680 deine alte Heimat kennenzulernen. 01:17:18.680 --> 01:17:20.780 Aufruf an alle Hörer, 01:17:20.780 --> 01:17:22.720 jetzt sofort abstimmen für Stuttgart. 01:17:22.720 --> 01:17:22.860 Ja, 01:17:22.860 --> 01:17:24.860 ihr könnt eine Mitfahrgelegenheit 01:17:24.860 --> 01:17:25.860 und eine Fahrgemeinschaft 01:17:25.860 --> 01:17:26.980 für den Gras anbieten. 01:17:26.980 --> 01:17:27.920 Ja, 01:17:27.920 --> 01:17:29.460 okay. 01:17:29.460 --> 01:17:30.440 Dann kommen wir auch direkt 01:17:30.440 --> 01:17:31.140 an die Adria. 01:17:31.140 --> 01:17:31.600 Na gut, 01:17:31.600 --> 01:17:33.520 viel Spaß, 01:17:33.520 --> 01:17:34.000 hört uns, 01:17:34.000 --> 01:17:34.600 bis bald. 01:17:34.600 --> 01:17:35.140 Tschüss. 01:17:35.140 --> 01:17:35.340 Ciao. 01:17:35.340 --> 01:17:36.140 Tschüss.