Youka bietet verschiedene Methoden, um die Texte mit der Musik in Ihren Karaoke-Tracks abzugleichen, bekannt als Synchronisationsmodelle. Es gibt zwei Haupttypen: Transkription und Ausrichtung.

• Transkriptionsmodelle hören das Lied und versuchen, die Texte wie eine Person aufzuschreiben, unter Verwendung einer Technologie, die der Spracherkennung ähnelt. Allerdings könnten die geschriebenen Worte nicht perfekt genau sein.
• Ausrichtungsmodelle benötigen, dass Sie die Texte bereitstellen. Sie versuchen dann, diese Texte mit dem Lied abzugleichen. Wenn die bereitgestellten Texte nicht genau zum Lied passen (zum Beispiel, wenn ein Refrain fehlt), könnte das Timing in einigen Teilen etwas daneben liegen.

Hier sind die Modelle, die Youka verwendet:

1. AudioShakeAI (Transkription): Dies ist die beste Wahl und funktioniert, indem zuerst die Texte aufgeschrieben und dann mit der Musik abgeglichen werden. Es ist nur verfügbar, wenn Sie ein Pay-Per-Use-Nutzer sind oder eine Testversion verwenden, und es kann bis zu 10 Minuten dauern, bis es funktioniert.
2. AudioShakeAI (Ausrichtung): Dies kommt als nächstes und gleicht die von Ihnen bereitgestellten Texte mit der Musik ab. Wenn es Fehler in den Texten gibt, könnte das Timing nicht perfekt sein. Es dauert auch bis zu 5 Minuten.
3. Wav2Vec2 (Ausrichtung): Dies ist die dritte Option und funktioniert wie AudioShakeAI, unterstützt jedoch fast alle Sprachen. Es ist schneller und benötigt normalerweise bis zu 30 Sekunden.
4. Whisper (Transkription): Dies ist die vierte Option und hört ebenfalls die Musik, um die Texte aufzuschreiben, bevor sie synchronisiert werden. Die Texte könnten nicht ganz genau sein, aber das Timing sollte anständig sein und es dauert bis zu 2 Minuten, um abgeschlossen zu werden.