Anmeldung Registrierung
Auto Hell Dunkel
Erweiterte Suche
Wie hat dir die Folge gefallen?

Gut

Schlecht

(Keine Anmeldung erforderlich)

Auphonic gehört für viele Podcast-Workflows längst zum Standard,
aber wie baut man eigentlich ein Produkt, das Audio automatisch
„gut“ klingen lässt? In dieser Deep-Dive-Folge sprechen wir mit
Georg Holzmann über die Entstehungsgeschichte hinter Auphonic und
warum die Idee ursprünglich aus einem ganz einfachen Problem kam:
schlechte Audioqualität bei Podcasts.

Aus einem Mix von Audio-Engineering, Informatik und Machine
Learning entsteht ein Tool, das heute Millionen Nutzer:innen
einsetzen. Wir schauen uns an, wie sich das Produkt von ersten
Klassifikatoren hin zu komplexeren AI-Modellen entwickelt hat und
warum Auphonic schon lange vor dem aktuellen AI-Boom auf diese
Technologien gesetzt hat.

Wir sprechen darüber, wie unterschiedliche Komponenten wie Noise
Reduction, De-Essing, Equalizing und Loudness-Normalisierung
zusammenspielen und warum gerade die Balance zwischen Sprache und
Musik eine besondere Herausforderung ist. Dabei wird schnell
klar: Viele Probleme lassen sich technisch objektiv lösen, andere
bleiben zwangsläufig subjektiv – etwa beim „richtigen“ Klang
einer Stimme. Genau hier wird spannend, wie Auphonic versucht,
sinnvolle Defaults zu liefern und gleichzeitig genug Flexibilität
für unterschiedliche Use Cases zu bieten.

Ein großer Teil der Folge dreht sich um die technische Umsetzung:
Statt eines großen „Alleskönner“-Modells setzt Auphonic auf viele
spezialisierte Modelle und klassische Signalverarbeitung in
Kombination. Wir klären, warum dieser modulare Ansatz im
Audio-Bereich sinnvoll ist, welche Rolle unterschiedliche
Modellarchitekturen spielen und wie Trainingsdaten überhaupt
entstehen – inklusive der Herausforderung, gute Ziel-Daten zu
finden und daraus künstlich „schlechte“ Beispiele zu generieren.
Außerdem werfen wir einen Blick auf die Infrastruktur dahinter:
von GPU-Servern bei Hetzner über eigene Trainingshardware auf
einem Bio-Bauernhof bis hin zu Queue-basierten
Processing-Pipelines.

Zum Abschluss geht es um Produktentscheidungen und den Markt: Wie
entwickelt man ein Pricing für ein AI-Produkt, das mit steigender
Modellkomplexität immer teurer werden kann? Warum war es ein
Vorteil, früh gestartet zu sein? Und welche Rolle spielt der
aktuelle AI-Hype überhaupt in einem Bereich, der schon lange
vorher stark von Machine Learning geprägt war? Wir sprechen
außerdem darüber, warum vollautomatische, AI-generierte Podcasts
bisher keine große Rolle spielen und warum Menschen am Ende
vielleicht doch lieber anderen Menschen zuhören.

Schreibt uns!

Schickt uns eure Themenwünsche und euer Feedback:
podcast@programmier.bar

Folgt uns!

Bleibt auf dem Laufenden über zukünftige Folgen und virtuelle
Meetups und beteiligt euch an Community-Diskussionen.

Bluesky

Instagram

LinkedIn

Meetup

YouTube

Musik: Hanimo
Episode melden

„Deep Dive 208 – AI & Audio mit Georg Holzmann“

Worum geht es? Danach fragen wir noch nach dem Grund.

Abonnenten

Teilen

Mein Archiv

Deine Privatkopie der Folgen, die du nicht verlieren willst.

Podcast-Folgen verschwinden. Feeds werden auf die letzten Episoden gekürzt, Hoster räumen alte Dateien ab, Formate wechseln den Anbieter und lassen ihr Archiv zurück. Mit „Mein Archiv“ sichert podcast.de die Folgen deiner Podcasts für dich — angefangen bei den ältesten, denn die sind zuerst weg.

  • Deine gesicherten Folgen bleiben hörbar, auch wenn das Original offline geht.
  • Auch Folgen, die im heutigen Feed gar nicht mehr stehen — podcast.de kennt sie noch.
  • Herunterladen bleibt möglich, solange die Folge beim Podcaster liegt. Der zählt seine Abrufe wie bisher.
Startet bald

Sei beim Start von Mein Archiv dabei

Mein Archiv ist fast fertig. Trag dich ein, dann bekommst du eine E-Mail, sobald es losgeht – und bist von Anfang an dabei. Wir schreiben dir nur zum Start, keine Werbung, keine Weitergabe deiner Daten.

Du bekommst zuerst eine Bestätigungsmail. Abmelden geht jederzeit. Datenschutz