Eine Synchronisation ist kein Voice-over. Ein Voice-over legt eine neue Stimme über ein Video, das in einer Sprache schon fertig ist. Bei einer Synchronisation muss dieselbe Szene in einer anderen Sprache funktionieren: Mundbewegung, Timing, Emotion und Pausen. Wer zuschaut, soll nicht merken, dass eine zweite Fassung dahintersteckt.
Früher brauchte das ein Studio, ein Sprecherteam und eine Abmischung. Heute passt die ganze Kette in einen Browser-Tab: Sprache transkribieren, übersetzen, eine Stimme erzeugen und die Lippen so neu rendern, dass sie zum neuen Ton passen. Dieser Leitfaden zeigt, was in jeder Stufe passiert, welche Regeln über eine glaubwürdige Synchronisation entscheiden und wie du vom Clip bis zum fertigen Video kommst.
Wie KI-Synchronisation funktioniert
Eine Synchronisation läuft in mehreren Stufen, nicht in einem einzigen Modell. Jede Stufe kann für sich scheitern. Deshalb kann sie im ersten Moment stimmig klingen und auf dem Bildschirm trotzdem auseinanderfallen.
| Stufe | Was passiert | Worauf du achtest |
|---|---|---|
| Transkription | Sprache wird mit Zeitstempeln in Text umgewandelt | Namen, Zahlen und Fachbegriffe |
| Übersetzung | Jede Zeile wird in der Zielsprache neu formuliert | Bedeutung und Tonfall, nicht Wort für Wort |
| Stimme | Eine Stimme spricht die übersetzten Zeilen | Emotion und Tempo |
| Lip-Sync | Die Lippen werden an den neuen Ton angepasst | Mundformen bei betonten Silben |
| Montage | Neuer Ton und Bild werden wieder zusammengeführt | Musik, Pausen und Hintergrundgeräusche |
Untertitel enden nach der Übersetzung. Bei einer Synchronisation kommen Stimme und Lippen dazu. Diese zusätzlichen Schritte entscheiden, ob ein Clip wie das Original wirkt. Diese Schritte erklären auch, warum das Ausgangsmaterial so viel ausmacht.
Die fünf Regeln
Achte auf sauberen Ton. Die Transkription hört, was dein Mikrofon gehört hat. Wind, Verkehr, Hall und starke Raumgeräusche werden zu Übersetzungsfehlern, bevor du sie überhaupt bemerkst. Ein ruhiger Raum ist wichtiger als ein teures Mikrofon in lauter Umgebung.
Lass pro Einstellung nur eine Person sprechen. Die Kette ordnet eine Stimme genau einem Mund zu. Wenn mehrere Personen gleichzeitig sprechen, Stimmen aus dem Hintergrund dazukommen oder jemand im Duett singt, wird diese Zuordnung unklar. Dann bewegen sich die Lippen zu den falschen Silben.
Halte das Gesicht sichtbar. Eine Synchronisation funktioniert nur mit einem Mund, den man sieht. Frontale, gut ausgeleuchtete Gesichter mit freiem Mund lassen sich zuverlässig synchronisieren. Seitenansichten, Hände vor dem Mund, Masken und schnelle Schnitte sind die Schwachstellen.
Übersetze so, dass die Zeit reicht. Eine Zeile, die im Original vier Sekunden dauert, muss in der Zielsprache ungefähr genauso lang sein. Wird eine wörtliche Übersetzung zu lang, quetscht die Stimme sie zusammen oder du musst wichtige Wörter herausschneiden. Kurze Sätze passen leichter in die vorgegebene Zeit.
Achte auf die Emotion, nicht nur auf den Wortlaut. Derselbe Satz kann ein Witz, eine Warnung oder ein Verkaufsargument sein. Wenn die Stimme ihn ausdruckslos liest, ist die Synchronisation technisch korrekt und emotional falsch.
In vier Schritten
Schritt 1: Bereite den Clip vor. Nutze MP4 oder MOV, 720p oder 1080p, 2–60 Sekunden und maximal 100 MB. Schneide auf den Teil, der wirklich zählt. Die Abrechnung läuft pro Sekunde, und ein kürzerer Clip lässt sich leichter synchronisieren. Eine Person frontal zur Kamera liefert das sauberste Ergebnis. Wenn das Ausgangsmaterial ein TikTok-Video ist, kannst du den Link einfügen, statt es vorher herunterzuladen.
Schritt 2: Wähle Sprache und Stimme. Lade den Clip im Videoübersetzer hoch oder füge den TikTok-Link ein. Wähle dann eine von 40 Zielsprachen und die Stimme, mit der die Vertonung sprechen soll. Die Quellsprache wird automatisch erkannt. Du musst sie nicht angeben. Der geschätzte Preis steht vor dem Start da.
Schritt 3: Starte den Lauf und vergleiche. Jedes Ergebnis läuft neben dem Original in einem Vorher-nachher-Slider. Achte vor allem auf den Mund bei betonten Silben. Dort fällt eine schlechte Synchronisation am deutlichsten auf. Hör auch auf die Pausen: Abschnitte ohne Sprache behalten den Originalton. Intro, Musikteile und stille Passagen sollten deshalb wie im selben Video wirken.
Schritt 4: Lade herunter und prüfe. Wenn das Ergebnis überzeugt, lade die MP4-Datei herunter. Wenn nicht, prüfe zuerst das Ausgangsmaterial und starte dann neu. Eine frontale Aufnahme, eine sprechende Person und sauberer Ton verhindern mehr Fehlschläge als jede Einstellung.
Ein Lauf kostet 10 Credits pro Sekunde. Ein 30-Sekunden-Clip kommt damit auf 300 Credits. Den genauen Preis siehst du vor dem Absenden. Fehlgeschlagene Läufe werden automatisch erstattet, und für die Übersetzung gibt es keinen kostenlosen Tarif.
Wo sie stark ist
Die KI-Synchronisation eignet sich besonders für Aufgaben, für die früher ein Studio nötig war: aus einem Produktclip fünf Sprachversionen machen, kurze Inhalte ohne Sprecherteam lokalisieren, ein Video des Gründers in mehreren Sprachen veröffentlichen oder Archivmaterial für ein neues Publikum neu vertonen.
Nicht jedes Video lässt sich gleich gut synchronisieren. Ein lautes Straßeninterview, eine Einstellung mit drei Personen, die durcheinanderreden, und ein zweiminütiger Monolog bringen die Kette auf unterschiedliche Weise an ihre Grenzen. Die Lösung liegt meistens im Schnitt: Nimm die saubere Einstellung, teile den langen Clip auf oder schreib das Skript in der Zielsprache kürzer.
Eine Einschränkung solltest du vorher kennen: Musik, die gleichzeitig mit Sprache läuft, bleibt in dieser Version nicht erhalten. Wo jemand spricht, ersetzt die neue Stimme den Originalton vollständig. Pausen und Abschnitte ohne Sprache behalten den Originalton. Wenn die Musik im Mittelpunkt steht, plane diesen Verlust ein oder lass die betroffenen Abschnitte unverändert.
Rechte und Kennzeichnung
Vertone nur Material, für das du die Rechte hast. Eine Synchronisation kann jemanden etwas sagen lassen, das diese Person nie gesagt hat. Nutze deshalb weder das Gesicht noch die Stimme einer realen Person, um diese falsch darzustellen. Wenn die synchronisierte Fassung für das Original gehalten werden könnte, kennzeichne sie als Synchronisation. Das schützt dich nicht nur rechtlich, sondern bewahrt auch das Vertrauen der Zuschauer, für die du übersetzt.
FAQ
Ist KI-Synchronisation dasselbe wie Untertitel? Nein. Untertitel behalten den Originalton und ergänzen Text. Eine Synchronisation ersetzt die gesprochene Sprache durch die Zielsprache und rendert im Videoübersetzer zusätzlich die Lippen passend zum neuen Ton. Untertitel sind schneller, aber erst eine Synchronisation lässt einen Clip wie ein lokales Video wirken.
Wie lang darf das Video sein? Pro Lauf 2–60 Sekunden. Längeres Material teilst du in Abschnitte und synchronisierst den Teil, der die Botschaft trägt. Abgerechnet wird pro Sekunde, deshalb sind kürzere Läufe auch günstiger.
Welche Sprachen werden unterstützt? 40 Zielsprachen, darunter Englisch, Chinesisch, Japanisch, Deutsch, Spanisch, Französisch, Koreanisch, Portugiesisch und Arabisch. Für jede Sprache wählst du eine Stimme. Die Quellsprache wird automatisch erkannt. Videos, die bereits in der Zielsprache sind, werden abgelehnt.
Was kostet die Synchronisation? 10 Credits pro Sekunde. Ein 30-Sekunden-Clip kostet 300 Credits. Den genauen Preis siehst du vor dem Absenden. Fehlgeschlagene Läufe werden automatisch erstattet, und es gibt keinen kostenlosen Tarif.
Bleibt die Hintergrundmusik erhalten? Abschnitte ohne Sprache behalten Originalton und Bild. Wo jemand spricht, ersetzt die neue Stimme den Originalton vollständig. Musik, die unter der Sprache liegt, bleibt in dieser Version nicht erhalten.
Kann ich ein YouTube-Video synchronisieren? Du kannst jede Datei hochladen, für die du die Rechte hast. TikTok-Links lassen sich direkt einfügen. Bei anderen Plattformen lädst du die Datei vorher herunter.
Verändert sich das Gesicht der Person? Nein. Gesicht, Mimik, Licht und Kamerawinkel bleiben unverändert. Nur der Mundbereich wird passend zur neuen Stimme neu gerendert.
Willst du deinen Clip in einer anderen Sprache hören? Synchronisiere dein Video. Lade einen Clip hoch oder füge einen TikTok-Link ein, wähle eine Sprache und vergleiche beide Fassungen direkt miteinander.