Zero-Talent-Production
Zero-Talent-Production bezeichnet die Herstellung von Filmen, Musik, Werbung oder Texten ohne mitwirkende Menschen vor der Kamera oder am Mikrofon. Stimmen, Gesichter und Körper entstehen dabei vollständig am Computer.
Für einen Werbespot brauchte man bisher zwingend Menschen. Jemand musste vor der Kamera stehen, jemand musste den Text sprechen, jemand musste singen. Diese Menschen nennt die Branche „Talent“, also die auftretenden Darsteller, Sprecher und Musiker. Zero-Talent-Production meint Produktionen, in denen kein einziger dieser Menschen mehr auftritt. Gesichter, Körper und Stimmen werden stattdessen von Computerprogrammen erzeugt, die aus riesigen Mengen an Beispielmaterial gelernt haben. Der Begriff sagt nichts über die Qualität aus, sondern nur darüber, dass niemand mehr gefilmt oder aufgenommen wird.
Was auf dem Spiel steht: Gagen, Rechte, Glaubwürdigkeit
Der wirtschaftliche Reiz ist offensichtlich. Ein Werbespot mit echtem Dreh kostet schnell einen sechsstelligen Betrag. Kamerateam, Drehort, Catering, Gagen und Reisekosten summieren sich. Eine rein synthetische Version kann für einen Bruchteil davon entstehen. Vor allem lässt sie sich beliebig oft abwandeln, etwa in zwanzig Sprachen für zwanzig Märkte.
Für Schauspieler und Sprecher ist das eine ernste Bedrohung. Genau darum ging es beim großen Streik der US-Schauspielergewerkschaft im Jahr 2023. Ein zentraler Streitpunkt war, ob Studios das Abbild eines Darstellers einmal einscannen und danach unbegrenzt weiterverwenden dürfen. Die Gewerkschaft setzte durch, dass dafür Zustimmung und zusätzliche Bezahlung nötig sind. Solche Regeln gelten aber nur dort, wo Tarifverträge greifen.
Dazu kommt ein Vertrauensproblem. Wenn ein Gesicht in einem Video nie existiert hat, verliert der Zuschauer einen wichtigen Anhaltspunkt. Bisher galt bewegtes Bild als recht verlässlicher Beweis. In der EU verlangt der KI-Gesetzestext AI Act deshalb, dass künstlich erzeugte Inhalte gekennzeichnet werden.
Vom Textbefehl zum fertigen Spot
Am Anfang steht meist ein geschriebener Befehl, ein sogenannter Prompt. Er beschreibt in normaler Sprache, was zu sehen sein soll. Ein Videomodell erzeugt daraus Bildfolgen. Solche Modelle haben aus Millionen Videos gelernt, wie sich Stoff, Haare und Licht in Bewegung verhalten. Bekannte Beispiele sind Sora von OpenAI oder Veo von Google.
Die Stimme entsteht getrennt davon. Ein Sprachmodell erzeugt aus geschriebenem Text hörbare Sprache, inklusive Betonung und Pausen. Man kann es entweder auf eine erfundene Stimme trainieren oder auf die Aufnahme einer echten Person. Der zweite Fall heißt Voice Cloning und ist rechtlich heikel, weil die Stimme einer Person zu ihren Persönlichkeitsrechten gehört. Am Ende werden Bild und Ton in einem Schnittprogramm zusammengefügt, oft von einem einzigen Menschen.
Ein verbreiteter Irrtum ist, dabei arbeite niemand mehr. Tatsächlich verschiebt sich die Arbeit nur. Statt Kameraleuten und Darstellern braucht es Leute, die Prompts formulieren, Ergebnisse aussortieren und Fehler ausbessern. Häufig entstehen hundert Versuche, bis fünf Sekunden brauchbar sind. Hände, Schrift im Bild und gleichbleibende Gesichter über mehrere Einstellungen hinweg bleiben typische Schwachstellen.
Wo synthetische Darsteller schon auftauchen
Am weitesten ist die Entwicklung bei kurzen Werbeclips für soziale Netzwerke. Dort zählt Menge mehr als Perfektion, und die Videos laufen ohnehin auf kleinen Bildschirmen. Auch Erklärvideos in Unternehmen und Schulungsmaterial werden zunehmend so produziert. Der Anbieter Synthesia hat sich genau darauf spezialisiert.
In der Musik gibt es Plattformen, die auf Zuruf ganze Lieder mit Gesang erzeugen. Solche Titel landen bereits in den Playlists von Streamingdiensten. Im Nachrichtenbereich setzen einige Sender virtuelle Moderatoren ein, etwa für Wetterberichte. Bei aufwendigen Kinofilmen bleibt der Einsatz dagegen bisher begrenzt und beschränkt sich meist auf Hintergründe und Nachbearbeitung.
In Wirtschaftsnachrichten begegnet dir der Begriff meist im Zusammenhang mit Kosten. Agenturen und Studios rechnen vor, wie stark Produktionsbudgets sinken. Wichtig ist die Abgrenzung zum Deepfake: Ein Deepfake bildet gezielt eine reale Person nach, oft ohne deren Wissen. Zero-Talent-Production kann ohne jede reale Vorlage auskommen und ist als Verfahren zunächst legal.