Pausen aus Video entfernen
In einer Zehn-Minuten-Aufnahme vor der Kamera stecken zwei bis drei Minuten nichts: das Atemholen vor dem Satz, die Pause, während man den nächsten Punkt sucht, die Lücke beim Griff zur Kaffeetasse. Von Hand bedeutet das fünfzig kleine Schnitte in der Timeline. Es ist die langweiligste Arbeit im Short-Schnitt und vollständig mechanisch.
Wie die Erkennung funktioniert
Jedes Werkzeug macht im Kern dasselbe in drei Schritten. Wer sie kennt, versteht auch, warum ein Ergebnis manchmal danebengeht.
1. Lautstärke über die Zeit messen. Der Ton wird in kurzen Fenstern abgetastet, jedes bekommt einen Pegel in Dezibel. Was als „still" gilt, ist eine Schwelle darunter. Ein fester Wert taugt bei Handy-Aufnahmen nicht, weil Handys die Verstärkung nachregeln: eine leise aufgenommene Datei hat einen völlig anderen Grundpegel als eine laute. Eine Schwelle, die sich am Pegel der Datei orientiert, funktioniert bei beiden.
2. Entscheiden, welche Stille eine Pause ist. Nicht jede Lücke soll weg. Ein Atemzug von 0,3 Sekunden trägt den Rhythmus, vier Sekunden sind Leerlauf. Übliche Untergrenze: etwa eine Sekunde.
3. Mit Puffer schneiden. Hier entscheidet sich die Qualität. Eine Endsilbe verklingt unter der Schwelle, bevor das Wort wirklich zu Ende ist. Wer genau dort schneidet, wo die Messung es sagt, kappt das „s" von „Captions". Ein paar Zehntelsekunden Luft an jedem Schnitt verhindern das.
Warum manche Schnitte ins Wort gehen
Falls Sie so ein Werkzeug benutzt und abgeschnittene Wortenden gehört haben, liegt es fast immer daran: Die Schnittpunkte kamen aus den Zeitstempeln der Spracherkennung statt aus dem Ton.
Spracherkennung liefert eine Wortliste mit Anfangs- und Endzeiten, und die sehen präzise aus. Sie sind es nicht. An echten Aufnahmen gemessen liegen sie bis zu 0,9 Sekunden daneben. In einem unserer Testclips endet das Wort „Captions" laut Transkript bei 23,30 Sekunden, gesprochen wird es bis 24,20. Ein Schnitt nach Transkript landet mitten im Wort, bei voller Lautstärke.
Die Lösung sind nicht schlauere Korrekturregeln auf den Zeitstempeln, sondern eine zweite, unabhängige Quelle: messen, wo Ton ist. Das ist Physik, keine Schätzung. Das Transkript wird dann nur noch für das gebraucht, wofür es gut ist, nämlich den Text der Untertitel.
Von Hand, falls Sie das lieber machen
Beide großen Schnittprogramme können eine Variante davon. In Premiere Pro markiert der Essential-Sound-Bereich zusammen mit einer Silence-Detection-Erweiterung die Lücken, die Sie dann als Ripple-Delete entfernen. In DaVinci Resolve läuft dasselbe über ein Marker-Skript auf der Fairlight-Seite. Beides gibt volle Kontrolle und dauert länger als das Video.
Automatisch mit Caption & Cut
Roh-Datei hochladen, geschnittene Version mit eingebrannten Untertiteln zurückbekommen. Die Schnittpunkte kommen aus einer Lautstärkemessung Ihrer Originalspur, nicht aus dem Transkript. Vor dem Rendern sehen Sie jeden geplanten Schnitt und können jede Pause mit einem Klick zurückholen.
Optional dazu: Fülllaute und doppelte Takes. „Ähm" kommt aus einem festen Lexikon, wörtlich wiederholte Sätze findet ein Vergleich der Wörter. Nur echte Neuaufnahmen und Nebenbemerkungen beurteilt ein Sprachmodell, und die werden Ihnen vorher gezeigt.
Was es nicht kann
Es schneidet Sprechpausen, taugt also für Aufnahmen vor der Kamera: Erklärstücke, Podcast-Ausschnitte, Tutorials. Es ist kein Musikschnitt und kein Mehrkamera-Werkzeug. Pausen, die leiser sind als die Schwelle, aber mit Raumton gefüllt, bleiben absichtlich stehen, weil ein Schnitt dort die Wörter drumherum gefährden würde. Und übersteuerten Ton kann es nicht retten.
Ausprobieren
Erste drei Videos kostenlos, keine Installation, läuft im Browser. Kostenlose Ergebnisse tragen ein kleines Wasserzeichen. Video hochladen.
Auch interessant: Untertitel für Shorts erstellen · alle Funktionen