Audio- und Ton-KI
Klänge, Töne und Stimme – von einer KI, die nicht aus fremden Aufnahmen gelernt hat. Es soll sie geben – gebaut ist sie noch nicht. Gerechneten Klang gibt es aber schon: in horizon-audio, in AetherOS und in der App Aerona Audio. Eine eigene Stimme hat Aerona dagegen noch nicht, und auch das steht hier.
Was der Grundsatz hier bedeutet
Alles wird nur auf Code und Texten gebaut – nicht auf Daten wie Bildern, Videos oder Musik.
Die Audio-KI lernt nicht aus Aufnahmen. Klang wird gerechnet, nicht gesammelt. Ein Ton im Rechner ist am Ende eine Folge von Zahlen, und eine Formel kann diese Zahlen genauso liefern wie ein Mikrofon. Nach dem ersten Satz dieser Seite gilt das auch für eine Stimme: Aus Stimmaufnahmen lernt eine Aerona KI nicht, wie ein Satz klingt.
Was es dafür schon gibt
horizon-audio
Eine Klangabstimmung aus Code: Profile steuern einen Klangregler mit zehn Bändern, Bühne, Dynamik, Bass und Höhen. Das Testsignal wird gerechnet. Ein Profil ist eine lesbare Datei im eigenen Format „.ahp“, die man öffnen, verstehen und weitergeben kann, und sieben davon liegen fertig bei. Alles läuft auf dem eigenen Rechner; als App im Betriebssystem hat horizon-audio nicht einmal das Recht, ins Netz zu gehen.
Vorlesen
AetherOS kann heute über die Sprachfunktion des Browsers vorlesen – das ist keine eigene Aerona KI. Fünf Dateien im OS rufen diese Sprachausgabe auf, darunter die Mitteilungen und der Chat im Startmenü, der mit festen Sätzen antwortet (gezählt am 27.09.2026, ohne Archiv). Welche Stimme dabei spricht, bestimmt der Browser, nicht Aerona.
Die Stimme der Marke
In der Ideensammlung steht: „Aerona hat einen Klang und macht keinen Ton.“ Gemeint ist: Die sieben Klangprofile sind fertig, aber kein Programm benutzt sie. Dieselbe Stelle fragt auch, wie Aerona mit Menschen redet, und stellt fest, dass es für den Tonfall noch keine Regeln gibt.
Vier Testsignale, alle gerechnet
Seine Testsignale liefert horizon-audio nicht als Tondateien mit. Es rechnet sie selbst aus. So kannst du sofort hören, was ein Profil tut, auch ohne eigene Musik. Wer lieber eigene Musik lädt, behält sie auf dem Rechner; lange Stücke werden auf die ersten 90 Sekunden gekürzt, und das sagt das Programm auch.
Rosa Rauschen
Sechs Sekunden Rauschen, das für das Ohr über alle Höhen gleichmäßig klingt. Weißes Rauschen wirkt dagegen viel zu spitz. Der Grund: Weißes Rauschen hat in jedem Hertz gleich viel Kraft, und weil jede höhere Oktave doppelt so viele Hertz umfasst, klingt es nach oben immer lauter. Rosa Rauschen gibt jeder Oktave gleich viel.
Frequenzfahrt
Ein Ton wandert in acht Sekunden von 30 bis 16.000 Hertz. So hört man, wo ein Profil anhebt oder absenkt. Wird der Ton an einer Stelle lauter oder leiser, liegt genau dort ein Band, das das Profil verändert. Wie er gerechnet wird, steht gleich unter diesen Karten.
Raumprobe
Zwei Töne wandern acht Sekunden lang zwischen links und rechts. Damit lässt sich die Breite der Bühne beurteilen. Die beiden Töne haben 440 und 660 Hertz, also genau das Verhältnis 2 zu 3, eine Quinte. Einmal hin und zurück dauert vier Sekunden, weil eine langsame Sinuswelle mit einem Viertel Hertz die Lautstärke zwischen den Seiten verteilt.
Mono-Probe
Ein ruhiger Ton mit 330 Hertz auf nur einem Kanal. Er muss auf beiden Seiten gleich laut ankommen. Er pulsiert, „damit man ihn gut orten kann“, wie der Code sagt. Mit ihr lässt sich ein früherer Fehler bei einkanaligem Material nachprüfen. Er ist behoben und im Selbsttest bewacht, aber der Nachweis mit den Ohren steht laut LIESMICH noch aus.
Nachgerechnet: die Frequenzfahrt. So entsteht sie im Code, Abtastwert für Abtastwert:
- Wie weit ist die Fahrt? Für jeden Abtastwert steht fest, wo er in den acht Sekunden liegt – als Anteil von 0 bis 1. Abtastwerte sind die einzelnen Zahlen, aus denen ein Ton im Rechner besteht; wie viele es je Sekunde sind, gibt der Browser vor.
- Welche Tonhöhe gehört dazu? 30 Hertz mal (16.000 geteilt durch 30) hoch Anteil. Die Tonhöhe wächst also nicht gleichmäßig, sondern in gleichen Schritten fürs Ohr: Jede Oktave dauert gleich lang, gut 0,88 Sekunden, denn von 30 bis 16.000 Hertz sind es etwa neun Oktaven.
- Welcher Wert? Aus der Tonhöhe wird die nächste Stelle einer Sinuswelle. Dafür zählt der Code einen Winkel weiter, bei hohen Tönen in großen Schritten, bei tiefen in kleinen; so gleitet die Welle ohne Sprung von einer Tonhöhe in die nächste.
- Leise rein, leise raus. Das erste und das letzte Zwanzigstel werden ein- und ausgeblendet, „sonst knackt es“, wie der Kommentar im Code sagt.
Das rosa Rauschen entsteht ebenso: aus Zufallszahlen, die eine Reihe einfacher Filter so gewichtet, dass tiefe Anteile mehr Kraft bekommen. Sechs solcher Filter stehen im Code, jeder mit einer festen Zahl, wie stark er sich an den vorigen Wert erinnert. Die Rechnerei von horizon-audio, etwa die Klangkurve, prüft ein Selbsttest: Ein neutrales Profil muss über alle Frequenzen flach sein, und 6 Dezibel mehr bei 1.000 Hertz müssen in der Kurve auch etwa 6 Dezibel ergeben. Seine Grenze steht offen in der Beschreibung:
Was der Selbsttest nicht kann: hören.
LIESMICH von horizon-audio
Alles über die Klangabstimmung steht auf horizon-audio. Ehrlich dazugesagt: Die sieben Profile sind nach Gehör und Erfahrungswerten gesetzt, nicht mit einem Messmikrofon nachgeprüft. Ausprobieren kannst du horizon-audio auf horizon-audio ausprobieren.
Ton und Stimme in AetherOS und Aerona Audio
Ein Regler für alles
Bei einer Messung am 3. September 2026 erzeugten 61 Dateien im OS Klang. Nur drei davon lasen die eingestellte Lautstärke. Seitdem läuft der Ton durch einen gemeinsamen Regelknoten. Keine der 61 Dateien musste dafür geändert werden: Was eine Datei für den direkten Weg zum Lautsprecher hält, ist seitdem dieser Knoten, und jede neue Datei ist automatisch dabei. Die Messung im Einzelnen steht auf Stand gegen Windows.
Mitteilungen vorlesen
In der Mitteilungsliste von AetherOS hat jede Mitteilung einen Knopf „Vorlesen“. Er nutzt die Sprachausgabe des Browsers. Gelesen werden Titel und Text der Mitteilung, hintereinander. Ob dabei eine Stimme zu hören ist, hängt davon ab, welche Stimmen auf dem Rechner vorhanden sind.
Lieber weglassen
Eine Rauschunterdrückung ohne Mikrofon wurde aus dem Rechtsklick-Menü der Lautstärke entfernt. So etwas lässt sich nicht ehrlich bauen. Der Eintrag schrieb nur einen Wert in einen Speicherplatz, den nichts las, und meldete trotzdem „aktiviert“. Der Hörschutz aus demselben Menü dagegen wirkt seit dem 4. September 2026 wirklich und deckelt die Lautstärke bei 70 Prozent.
Klangflächen ohne Aufnahme
Die Ansicht „Soundscapes“ in Aerona Audio mischt Klangflächen. Sie entstehen aus Rauschen, Filtern und Oszillatoren. Das kosmische Brummen etwa sind zwei Töne mit 60 und 60,5 Hertz, die leicht gegeneinander schweben, und die Wellen heben und senken ihre Lautstärke im Takt von zwölf Sekunden. Alle fünf Klangerzeuger stehen auf der Seite von Aerona Audio.
In den Einstellungen von AetherOS steht beim Vorlesen dieser Satz. Die Seite dort zeigt, ob der Browser eine Sprachausgabe hat und wie viele Stimmen geladen sind, und ein Knopf liest zur Probe „Dies ist AetherOS.“ vor. Ist keine Stimme da, sagt die Zeile darunter ehrlich, dass kein Ton kam:
Die Schnittstelle ist da — was ihr fehlt, sind Stimmen.
AetherOS, Einstellungen, „Vorlesen lassen“
Ideen dazu aus der Ideensammlung
Schon aufgeschrieben
- horizon-audio als Systemdienst. Heute stimmt es nur ab, was man hineinlädt, nicht den ganzen Ton von AetherOS; dafür bräuchte das System einen Klang-Dienst, den es noch nicht gibt.
- Systemklänge aus horizon-audio. Es wäre der erste echte Nutzer der sieben fertigen Profile, umschaltbar im OS.
- Vorlesefunktion für Mitteilungen. Die Idee gehört zur App Aerona Notifications: eingehende Mitteilungen auf Wunsch von selbst vorlesen. In AetherOS gibt es bisher nur den Knopf, den man selbst drückt, siehe oben, und er spricht mit der Stimme des Browsers.
- Eine Sprachnotiz, die abgeschrieben ins Tagebuch wandert. In der Ideensammlung der Audio-App steht dazu eine Umwandlung von Sprache in Text auf dem Gerät, die ihr Ergebnis an Aerona Reflect gibt. Gebaut ist davon nichts.
Auch aufgeschrieben
- Aeri spricht: kurze gesprochene Rückmeldungen über horizon-audio, abschaltbar. Die Idee selbst sagt, das sei erst sinnvoll, wenn Aeri irgendwo wohnt; heute zeigt er sich auf 33 der 145 Seiten der Webseite, siehe Aeri im Einsatz.
- Fünf Systemklänge: Start, Fertig, Fehler, Benachrichtigung, Papierkorb. Überall derselbe Satz und abschaltbar, so steht es in der Idee zur Marke.
- Ein Klangprofil, das man im OS auswählen kann. Die Profile sind samt Übersprechen und Hallfahne fertig, es fehlt nur der Ort, an dem man eines wählt.
- Die Klangprofile mit einem Messmikrofon vermessen statt nach Gehör setzen. Aus einer Behauptung würde so eine Zahl, passend zu Regel 31 des Regelwerks, „Nicht raten, sondern messen“.
Was noch offen ist
Noch nicht entschieden
- Wie die Audio- und Ton-KI gebaut wird. Fest steht nur der Grundsatz: Lernstoff sind Code und Texte, keine Aufnahmen.
- Ob es eine eigene Stimme gibt. Heute spricht in AetherOS die Stimme, die der Browser mitbringt, und die Einstellungen sagen offen, dass Stimmen fehlen.
- Wann es sie gibt. Ein Datum steht nirgends, und deshalb steht hier auch keines.
Die anderen Bereiche
KI-Assistent
Ein Assistent, der fragt, antwortet und im System hilft.
Bild-KI
Bilder erzeugen – ohne je fremde Bilder gelernt zu haben.
Video-KI
Bewegte Bilder, entstanden aus Code statt aus Filmmaterial.
Musik-KI
Musik machen, ohne fremde Lieder als Lernstoff.
Alle sechs auf einen Blick
Was jeder Bereich schon hat – und wo heute wirklich KI arbeitet.
Sprache und Übersetzen
Schreiben, prüfen, übersetzen – der Bereich, in dem es am meisten schon gibt.
