LALAL.AI

2020 kamen die Mitgründer mit einer Hypothese zu mir: Die Trennung von Audioaufnahmen in einzelne Spuren mit KI könnte Musikproduzenten und Sounddesignern helfen. Ein Produkt gab es noch nicht. Wir mussten zeigen, wie sich die Technologie mit echten Aufnahmen nutzen lässt, und herausfinden, ob Menschen für das Ergebnis bezahlen würden.

Das MVP umfasste den Datei-Upload, das Anhören der getrennten Spuren und den Download oder Versand des Ergebnisses per E-Mail. Ich habe diesen Ablauf ohne Registrierungspflicht gestaltet, damit Nutzer die Qualität mit ihren eigenen Aufnahmen testen konnten.

Kostenlose Vorschauen verbrauchten Serverressourcen, bevor jemand bezahlte. Ich habe mich für diesen Kompromiss eingesetzt: Nutzer mussten das Ergebnis hören können, bevor sie entschieden, ob sie dafür bezahlen wollten. Diesen Grundsatz haben wir auch bei komplexeren Abläufen beibehalten.

Für die ersten Anzeigen habe ich vorgeschlagen, aus bekannten Videos die Musik zu entfernen und nur den Gesang zu lassen. So wurde an einem konkreten Beispiel hörbar, was der Dienst kann. Gleichzeitig habe ich die Grundlagen der Marke entwickelt: das Zeichen, die gelbe Farbe, technische Illustrationen und einfache Formen. Mit dem Team habe ich diese Gestaltung in Anzeigen, sozialen Medien und Produktmaterialien weitergeführt.

Ich war für das gesamte Marketingdesign verantwortlich: Produktseiten, Werbung, soziale Medien und redaktionelle Materialien. Die Grafiken entstanden gemeinsam mit den Designern im Team unter meiner Art-Direktion. Für Kundengeschichten haben wir einen einheitlichen Umgang mit Fotografie und Typografie entwickelt.

Als Nutzer ganze Ordner verarbeiten wollten, wäre die kostenlose Verarbeitung aller Dateien zu teuer geworden. Ich habe vorgeschlagen, das erste Ergebnis weiterhin ohne Registrierung bereitzustellen: Nutzer luden einen Ordner hoch, erhielten eine verarbeitete Datei und erstellten für den Rest ein Konto.

Die Gesamtdauer der Dateien stand erst nach dem Upload fest. Wenn die verfügbaren Minuten nicht ausreichten, zeigte die Oberfläche, was sich sofort verarbeiten ließ und wofür ein Zukauf nötig war. Außerdem haben wir daran gearbeitet, Warteschlange und Fortschritt bei Registrierung und Bezahlung zu erhalten, damit Nutzer nicht von vorne anfangen mussten.

Nach dem Start stiegen die Anzahl der Dateien und die verarbeitete Audiodauer pro Sitzung sowie die Käufe von Minuten. Wir haben die Funktion gemeinsam mit Nutzern entwickelt und ihr Feedback gesammelt. Die genauen Werte liegen nicht mehr vor.

Interviews und die Recherche in Reddit-Communitys zeigten einen Bedarf an der Entfernung von Rauschen aus Sprachaufnahmen. Auch die Upload-Daten zeigten, dass Menschen den Dienst häufig für Aufnahmen ohne Musik nutzten. Ich habe mit Voice Cleaner ein eigenes Werkzeug vorgeschlagen und den zentralen Ablauf gestaltet. Um die Nachfrage zu prüfen, haben wir eine Produktseite erstellt und beworben. Nutzung und Umsatz bestätigten den Bedarf.