Ein Video kann ein etwas weiches Bild haben und trotzdem funktionieren.

Die Kamera kann minimal wackeln.

Die Auflösung kann nur Full HD statt 4K betragen.

Wenn die Person aber kaum zu verstehen ist, starker Raumhall jedes Wort überlagert oder die Aufnahme ständig übersteuert, wird das Video schnell anstrengend.

Gerade bei:

Interviews,

Tutorials,

Erklärvideos,

Vorträgen,

Unternehmensvideos

transportiert der Ton einen großen Teil der eigentlichen Information.

Deshalb sollte Audio nicht als Zubehör der Videoaufnahme betrachtet werden.

Video
=
Bild
+
Ton
+
Zeit

Fehlt einer dieser Bereiche qualitativ deutlich, leidet das gesamte Ergebnis.

Sprache muss nicht perfekt klingen – aber mühelos verständlich sein

Bei einem Informationsvideo ist das wichtigste Ziel häufig nicht audiophile Perfektion.

Der Zuschauer soll einfach zuhören können, ohne ständig darüber nachdenken zu müssen:

Was hat die Person gerade gesagt?

Guter Sprachton wirkt deshalb oft unspektakulär.

guter Ton
→ Inhalt steht im Vordergrund

Schlechter Ton macht sich dagegen ständig bemerkbar.

schlechter Ton
→ Technik steht im Vordergrund

Was ist Schall?

Schall entsteht durch Druckschwankungen in einem Medium, normalerweise Luft.

Eine Stimme versetzt die Luft in Schwingung.

Stimmbänder
↓
Luftdruck verändert sich
↓
Schallwelle
↓
Mikrofon

Das Mikrofon wandelt diese Schwingungen in ein elektrisches Signal um.

Anschließend wird dieses Signal digitalisiert und gespeichert.

Schall
↓
Mikrofon
↓
elektrisches Signal
↓
Vorverstärkung
↓
Analog-Digital-Wandlung
↓
Audiodatei

Frequenz

Schall kann unterschiedlich schnell schwingen.

Diese Geschwindigkeit wird als Frequenz beschrieben und in:

Hertz, kurz Hz,

angegeben.

Tiefe Töne besitzen niedrigere Frequenzen.

Hohe Töne höhere.

niedrige Frequenz
→ Bass

mittlere Frequenz
→ großer Teil der Sprache

hohe Frequenz
→ Zischlaute, Details, Brillanz

Lautstärke und Schalldruck

Zusätzlich zur Frequenz unterscheidet sich, wie stark eine Schwingung ist.

Stärkerer Schalldruck wird grundsätzlich als lauter wahrgenommen.

Bei einer Aufnahme interessiert uns später zusätzlich der elektrische beziehungsweise digitale Signalpegel.

Diese Dinge hängen zusammen, sind aber nicht identisch.

Ein Mikrofon hört nicht wie ein Mensch

Das menschliche Gehirn kann erstaunlich gut einen Gesprächspartner aus einer akustisch schwierigen Umgebung herausfiltern.

Du sitzt in einem halligen Restaurant und konzentrierst dich auf eine Person.

Dein Gehirn unterdrückt einen Teil der Umgebung.

Ein Mikrofon macht diese intelligente Auswahl zunächst nicht.

Es zeichnet auf, was seine Konstruktion und Position erfassen.

Deshalb kann eine Situation für das menschliche Ohr völlig akzeptabel wirken und auf der Aufnahme plötzlich schlecht klingen.

Der wichtigste Audiotipp ist überraschend einfach

Bring das Mikrofon möglichst nah an die gewünschte Schallquelle.

Nicht:

Kauf zuerst ein viel teureres Mikrofon.

Sondern:

Mikrofon
↓
näher zur Stimme
↓
mehr Nutzsignal
+
weniger Raumanteil

Der Abstand ist für Sprachaufnahmen häufig wichtiger als der Preis des Mikrofons.

Warum verbessert geringer Abstand die Aufnahme?

Stell dir eine Person in einem Raum vor.

Direkt an der Person ist ihre Stimme sehr präsent.

Weiter entfernt trifft am Mikrofon zusätzlich immer mehr ein:

Raumreflexion,

Klimaanlage,

Straßenlärm,

andere Menschen,

Computerlüfter.

nahes Mikrofon
→ viel Stimme
→ vergleichsweise wenig Raum

fernes Mikrofon
→ Stimme schwächer
→ Raum und Störungen relativ stärker

Das Signal-Rausch-Verhältnis

Das kennen wir bereits vom Kamerasensor.

Auch bei Audio gibt es ein Nutzsignal und unerwünschte Anteile.

Nutzsignal
───────────
Störsignal

Je stärker die Stimme gegenüber Rauschen und Raum ist, desto leichter lässt sie sich sauber verarbeiten.

Ein teures Mikrofon drei Meter entfernt kann schlechter klingen als ein einfaches Mikrofon 30 Zentimeter entfernt

Das ist einer der wichtigsten praktischen Grundsätze für Videoton.

Deshalb besitzt die Mikrofonplatzierung Priorität.

Das eingebaute Kameramikrofon

Fast jede Kamera beziehungsweise jedes Smartphone besitzt integrierte Mikrofone.

Sie können für:

Umgebungsgeräusche,

Notfallton,

kurze spontane Clips

durchaus brauchbar sein.

Das grundlegende Problem lautet jedoch:

Das Mikrofon befindet sich dort, wo die Kamera steht.

Kamera weit weg

Interviewperson:

Person
↓
3 Meter
↓
Kamera + Mikrofon

Nun hört das Mikrofon nicht nur die Person.

Es hört den gesamten Raum.

Besser

Person
↓
30 cm
↓
Mikrofon

und:

Kamera
→ darf weiter entfernt stehen

Bildposition und Mikrofonposition werden voneinander getrennt.

Das ist ein großer Qualitätssprung.

Welche Mikrofontypen gibt es?

Für Video begegnen besonders häufig:

Lavaliermikrofone,

Richtmikrofone,

Handmikrofone,

Studio- beziehungsweise Broadcastmikrofone.

Diese Kategorien überschneiden sich teilweise mit unterschiedlichen technischen Bauweisen.

Für die Praxis ist zunächst wichtiger:

Wie und wo wird das Mikrofon eingesetzt?

Lavaliermikrofon

Ein Lavalier oder Ansteckmikrofon wird direkt an der Kleidung der sprechenden Person befestigt.

Mund
↓
20–30 cm
↓
Lavalier

Der genaue Abstand hängt von Person und Platzierung ab.

Der große Vorteil:

Das Mikrofon bleibt relativ nah an der Stimme.

Lavalier eignet sich besonders für

Interviews,

Vorträge,

Moderationen,

bewegte Personen,

Schulungsvideos.

Die Person kann sich bewegen, ohne dass ein Mikrofonständer mitgeführt werden muss.

Kabelgebundenes Lavalier

Das Mikrofon kann per Kabel direkt mit:

Kamera,

Recorder,

Funksender

verbunden werden.

Funk-Lavalier

Sehr verbreitet ist:

Lavalier
↓
Sender
~~~~ Funk ~~~~
Empfänger
↓
Kamera / Recorder

Die Person kann sich frei bewegen.

Funk bringt neue Fehlerquellen

Zum Beispiel:

Verbindungsabbrüche,

Funkstörungen,

leere Akkus,

falsche Pegel,

unbeabsichtigtes Muting.

Daher gilt:

Vor der eigentlichen Aufnahme testen.

Lavalier und Kleidung

Das Mikrofon kann an:

Hemd,

Bluse,

Jacke,

T-Shirt

befestigt werden.

Problematisch wird es, wenn Stoff am Mikrofon reibt.

Kleidung
↔
Mikrofon
↓
Rascheln

Dieses Rascheln ist später oft ausgesprochen schwierig sauber zu entfernen.

Mikrofonposition prüfen

Eine kleine Änderung um wenige Zentimeter kann bereits helfen.

Ebenso sollten:

Ketten,

Schals,

lange Haare

nicht ständig über die Mikrofonkapsel streichen.

Sichtbares oder verstecktes Lavalier?

Ein sichtbares kleines Mikrofon ist für viele:

Interviews,

Tutorials,

Unternehmensvideos

völlig akzeptabel.

Es ist häufig besser, ein Mikrofon sichtbar und sauber zu platzieren, als es unsichtbar zu verstecken und dafür schlechten Ton zu erhalten.

Richtmikrofon

Ein Richtmikrofon wird häufig außerhalb des Bildes auf die sprechende Person gerichtet.

Zum Beispiel:

Mikrofon
   ↓
   ↓
Person

Idealerweise befindet es sich:

nah,

aber außerhalb des Bildausschnitts.

Mikrofon von oben

Eine klassische Position:

Mikrofon
   ↓
Kopf
  ●

Das Mikrofon wird beispielsweise an einer Angel oder einem Stativ oberhalb der Person positioniert.

Vorteil

Kein Mikrofon an der Kleidung sichtbar.

Kein Kleidungsrascheln.

Sehr natürlicher Sprachklang möglich.

Nachteil

Die Position muss kontrolliert werden.

Wenn sich die Person stark bewegt, muss das Mikrofon gegebenenfalls folgen.

Richtmikrofon bedeutet nicht akustisches Teleobjektiv

Ein häufiger Irrtum:

Ein Richtmikrofon kann aus zehn Metern Entfernung nur die Person herauszoomen.

Nein.

Ein Richtmikrofon reduziert Schall aus bestimmten Richtungen.

Es ändert aber nicht die grundlegende Physik des Abstandes.

weit entfernt
→ Stimme schwächer
→ Raum bleibt problematisch

Auch ein gutes Richtmikrofon profitiert deshalb stark davon, möglichst nahe am Sprecher zu sein.

Handmikrofon

Klassischer Einsatz:

Reportage,

Interview,

Bühne,

Straßenumfrage.

Mund
↓
Handmikrofon

Es ist optisch deutlich sichtbar, bietet dafür oft sehr kontrollierbaren Abstand.

Vorteil bei lauten Umgebungen

Ein Handmikrofon kann sehr nah an den Mund gebracht werden.

Dadurch gewinnt die Stimme relativ zum Umgebungslärm.

Das ist beispielsweise bei:

Messe,

Veranstaltung,

Straßeninterview

sehr wertvoll.

Tisch- und Studiomikrofone

Für:

Podcast,

Streaming,

Voice-over,

Desk-Tutorial

kann ein größeres Mikrofon direkt vor der Person sinnvoll sein.

Wenn das Mikrofon sichtbar sein darf, ist die akustische Aufgabe relativ einfach:

Mund
↓
kurzer Abstand
↓
Mikrofon

Dynamisch oder Kondensator?

Eine weitere Unterscheidung betrifft das technische Mikrofonprinzip.

Zwei große Gruppen sind:

dynamische Mikrofone

und:

Kondensatormikrofone.

Dynamisches Mikrofon

Dynamische Mikrofone sind häufig:

robust,

für hohe Schalldruckpegel geeignet,

in Live-Situationen beliebt.

Ein typisches Handmikrofon kann dynamisch aufgebaut sein.

Kondensatormikrofon

Kondensatormikrofone können sehr empfindlich und detailreich aufnehmen.

Sie benötigen je nach Bauart eine Stromversorgung.

Diese kann beispielsweise über:

Batterie,

Gerät

oder:

Phantomspeisung

erfolgen.

Kondensator ist nicht automatisch besser

Ein sehr empfindliches Mikrofon in einem schlechten Raum kann auch hervorragend aufnehmen:

wie schlecht der Raum klingt.

Wieder zählt:

Raum
+
Abstand
+
Position
+
Mikrofon

als Gesamtsystem.

Richtcharakteristik

Ein Mikrofon kann aus unterschiedlichen Richtungen verschieden empfindlich sein.

Das beschreibt seine Richtcharakteristik.

Kugel

Ein Mikrofon mit Kugelcharakteristik reagiert grundsätzlich relativ gleichmäßig auf Schall aus vielen Richtungen.

Vereinfacht:

      ↑
   ← Mikro →
      ↓

Viele Lavaliermikrofone arbeiten mit einer solchen Charakteristik.

Niere

Eine Nierencharakteristik nimmt bevorzugt von vorne auf und ist von hinten weniger empfindlich.

      vorne
        ↑
       / \
      /   \
       Mic
        |
      hinten

Sie ist bei vielen Sprach- und Studiomikrofonen verbreitet.

Superniere und Hyperniere

Diese Charakteristiken bündeln stärker nach vorne, besitzen aber auch komplexere seitliche beziehungsweise rückwärtige Empfindlichkeiten.

Mehr Richtwirkung bedeutet nicht automatisch:

mehr Isolation in jeder Situation.

Richtrohr

Ein typisches Shotgun-Mikrofon verwendet zusätzlich ein Interferenzrohr, um seitlich eintreffenden Schall stärker zu beeinflussen.

Es kann sehr gerichtet wirken.

Innenräume können Richtmikrofone herausfordern

In einem halligen Raum trifft Schall aus vielen Richtungen zeitversetzt ein.

Reflexionen können die Vorteile eines stark gerichteten Mikrofons teilweise reduzieren beziehungsweise den Klang verfärben.

Darum gilt weiterhin:

Nähe schlägt extreme Richtwirkung.

Was ist Raumhall?

Schall erreicht das Mikrofon auf mehreren Wegen.

Direkt:

Mund
────────→ Mikrofon

Aber zusätzlich:

Mund
→ Wand
→ Mikrofon

Mund
→ Boden
→ Mikrofon

Mund
→ Decke
→ Mikrofon

Diese Reflexionen kommen zeitverzögert an.

Das erzeugt Hall beziehungsweise Nachhall.

Harte Räume hallen stärker

Typische problematische Flächen:

Beton,

Glas,

Fliesen,

leere Wände,

harte Böden.

Ein leerer Besprechungsraum kann akustisch wesentlich schwieriger sein als ein voll eingerichtetes Wohnzimmer.

Weiche Materialien absorbieren Schall

Zum Beispiel:

Vorhänge,

Teppich,

Polstermöbel,

Akustikmaterial.

Sie reduzieren bestimmte Reflexionen.

Der billigste Akustiktrick

Suche einen besseren Raum.

Bevor versucht wird, einen schrecklich halligen Raum später mit Software zu retten.

guter Raum
+
nahes Mikrofon
→ wenig Reparatur

ist wesentlich robuster als:

schlechter Raum
+
fernes Mikrofon
+
KI soll es retten

Raum vorbereiten

Bei einer einfachen Aufnahme kann bereits helfen:

Vorhänge schließen,

Teppich verwenden,

harte leere Flächen vermeiden,

Decken beziehungsweise akustisch weiche Materialien außerhalb des Bildes platzieren.

Aber nicht jeden Raum tot machen

Ein vollkommen reflexionsfreier Klang ist nicht für jede Produktion nötig.

Ein wenig natürliche Raumakustik kann angenehm wirken.

Entscheidend ist:

Die Sprache bleibt klar.

Raumton

Interessanterweise braucht man manchmal sogar gezielt etwas Raumgeräusch.

Nach einem Interview kann deshalb beispielsweise:

30 Sekunden
nur Raum
keine Sprache

aufgenommen werden.

Das bezeichnet man häufig als Room Tone.

Wozu dient Raumton?

Beim Schnitt entstehen möglicherweise Lücken.

Wenn darin absolute digitale Stille liegt:

wirkt das unnatürlich.

Ein dezenter Raumton kann Übergänge glätten.

Interviewton
↓
Schnitt
↓
Room Tone
↓
nächster Satz

Umgebungsgeräusch

Bei Reportage gehört Umgebung manchmal bewusst zum Inhalt.

Straße.

Werkstatt.

Café.

Sportplatz.

Das Ziel lautet dann nicht:

alles entfernen.

Sondern:

Stimme verständlich
+
Umgebung erkennbar

Atmo

Solche Umgebungsaufnahmen werden häufig kurz als:

Atmo

bezeichnet.

Sie helfen dem Zuschauer, den Ort akustisch wahrzunehmen.

Ton erzeugt Raum

Ein Bild zeigt einen Marktplatz.

Die Audiospur enthält:

Menschen,

Schritte,

Vögel,

entfernte Fahrzeuge.

Dadurch entsteht wesentlich stärker das Gefühl:

wirklich dort zu sein.

Wind

Wind ist einer der gefährlichsten Gegner von Außenaufnahmen.

Nicht nur weil man ihn hört.

Er trifft direkt auf die Mikrofonmembran und kann massive tieffrequente Störungen erzeugen.

Wind
↓↓↓↓
Mikrofon
↓
Rumpeln

Windschutz

Ein einfacher Schaumstoffschutz kann leichte Luftbewegungen reduzieren.

Für stärkeren Außenwind braucht man deutlich wirksameren Windschutz.

Fellwindschutz

Der bekannte flauschige Überzug reduziert turbulente Luftbewegungen am Mikrofon.

Er sieht wenig elegant aus.

Funktioniert aber wesentlich besser als die Hoffnung:

„Das repariere ich später.“

Windschaden kann sehr schwer reparierbar sein

Wenn die Stimme durch massive Windstöße überlagert beziehungsweise verzerrt wurde, fehlen teilweise nutzbare Informationen.

KI kann manches verbessern.

Aber nicht unbegrenzt.

Plosive

Bei Sprache entstehen bei Lauten wie:

P,

B

starke Luftstöße.

Direkt vor einem Mikrofon können sie als:

dumpfer Schlag

erscheinen.

Popfilter

Ein Popfilter bremst diesen Luftstrom.

Mund
↓
Popfilter
↓
Mikrofon

Besonders bei nahen Studio- und Voice-over-Aufnahmen hilfreich.

Mikrofon etwas seitlich ausrichten

Eine weitere Möglichkeit:

Nicht exakt im direkten Luftstrom des Mundes platzieren.

Leicht seitlich kann:

Plosive reduzieren,

ohne den Abstand stark zu vergrößern.

Zischlaute

Laute wie:

S,

Sch,

Z

können sehr scharf wirken.

Das bezeichnet man als:

Sibilanz.

De-Esser

Ein De-Esser reduziert gezielt problematische Zischbereiche.

starkes S
↓
frequenzabhängige Bearbeitung
↓
sanfteres S

Zu starke Anwendung kann Sprache allerdings:

dumpf,

unnatürlich

machen.

Körperschall

Ein Mikrofon nimmt nicht nur Luftschall auf.

Vibrationen können über:

Tisch,

Stativ,

Kabel,

Kamera

übertragen werden.

Beispiel

Person tippt auf den Tisch.

Mikrofon steht direkt darauf.

Tischschlag
↓
Stativ
↓
Mikrofon

Das kann als tiefer Stoß hörbar sein.

Shock Mount

Eine elastische Mikrofonaufhängung kann mechanische Vibrationen reduzieren.

Besonders bei empfindlichen Mikrofonen hilfreich.

Kabelgeräusche

Auch ein Kabel kann:

reiben,

schlagen,

ziehen.

Bei Lavaliermikrofonen ist saubere Kabelführung deshalb wichtig.

Was bedeutet Gain?

Ein Mikrofonsignal kann sehr schwach sein.

Bevor es digitalisiert wird, muss es verstärkt werden.

Diese Verstärkung wird häufig als:

Gain

bezeichnet.

schwaches Mikrofonsignal
↓
Vorverstärker
↓
stärkeres Signal

Gain ist nicht einfach Lautstärke nach der Aufnahme

Der Aufnahme-Gain beeinflusst das Signal vor beziehungsweise während der Digitalisierung.

Ein Lautstärkeregler im Schnitt verändert dagegen das bereits aufgezeichnete digitale Material.

Diese Unterscheidung ist wichtig.

Zu wenig Gain

Die Aufnahme ist sehr leise.

Später muss stark angehoben werden.

leise Stimme
+
Eigenrauschen
↓
später stark verstärken
↓
beides wird lauter

Zu viel Gain

Das Signal erreicht die maximale mögliche Aussteuerung.

Dann kann es clippen.

Signal
↓
Maximum
████████

Die Spitzen werden abgeschnitten.

Digitales Clipping

Digitale Systeme besitzen einen maximal darstellbaren Pegel.

Wird dieser überschritten, entstehen harte Verzerrungen.

saubere Welle
   /\    
  /  \   
 /    \

Clipping
  ____   
 /    \  
/      \_

Die Spitze wurde nicht sauber aufgezeichnet.

Clipping ist besonders problematisch

Eine etwas zu leise 24-Bit-Aufnahme lässt sich oft gut anheben.

Eine massiv geclippte Stimme kann dagegen dauerhaft verzerrt sein.

Deshalb ist etwas Sicherheitsreserve sinnvoll.

Headroom

Diese Reserve zwischen normalem Signal und digitalem Maximum nennt man:

Headroom.

0 dBFS
→ absolutes digitales Maximum

|
| Reserve
|
Sprache

Sprache schwankt stark

Ein Mensch spricht normal.

Dann lacht er plötzlich laut.

Oder betont ein Wort.

Der Aufnahmepegel muss auch diese Spitzen auffangen.

Deshalb nicht bis knapp unter Maximum aussteuern

Ein typischer Fehler:

Normaler Satz wird extrem hoch eingepegelt.

Beim ersten Lachen:

Clipping.

Besser etwas Reserve lassen.

Was bedeutet dBFS?

In digitalen Audiosystemen wird Pegel häufig relativ zum maximal möglichen digitalen Wert angegeben.

0 dBFS entspricht dabei dem oberen digitalen Grenzwert.

Darunter liegen negative Werte.

0 dBFS
→ Grenze

-6 dBFS
→ darunter

-12 dBFS
→ weiter darunter

Man muss die Mathematik dahinter für einfache Videoaufnahmen nicht vollständig beherrschen.

Wichtig ist:

0 dBFS überschreiten
→ digitales Clipping

Pegelanzeigen beobachten

Vor der Aufnahme:

normal sprechen lassen.

Dann zusätzlich:

laut sprechen beziehungsweise lachen.

Die Spitzen sollten noch Reserve besitzen.

Automatische Pegelregelung

Viele Kameras und Smartphones können den Aufnahmepegel automatisch regeln.

Das ist bequem.

Aber es kann Nebenwirkungen haben.

Person spricht

Automatik reduziert beziehungsweise setzt passenden Gain.

Person macht Pause

Automatik denkt:

Signal zu leise.

Sie erhöht Gain.

Nun wird plötzlich hörbar:

Raumrauschen,

Klimaanlage,

Kamerageräusch.

Person spricht wieder

Gain wird zurückgenommen.

Das kann als:

Pumpen

hörbar werden.

Manuelle Pegel sind bei kontrollierten Aufnahmen oft stabiler

Interview:

Mikrofonposition konstant.

Person spricht relativ gleichmäßig.

Dann lässt sich ein sinnvoller fester Pegel einstellen.

Automatik hat trotzdem ihre Berechtigung

Bei spontaner Aufnahme mit unvorhersehbarer Lautstärke kann eine gute Automatik helfen.

Die richtige Frage lautet wieder:

Welche Methode
ist für diese Situation
robuster?

Limiter bei der Aufnahme

Ein Limiter kann besonders starke Pegelspitzen abfangen.

normaler Pegel
→ unverändert

extreme Spitze
→ begrenzt

Das kann zusätzliche Sicherheit bieten.

Ein Limiter ersetzt keine korrekte Aussteuerung

Wenn der gesamte Ton ständig viel zu hoch eingepegelt ist:

wird auch der Limiter problematisch arbeiten.

Er ist Sicherheitsnetz.

Kein Ersatz für vernünftigen Gain.

Dual Recording

Einige Recorder beziehungsweise Systeme können dasselbe Signal gleichzeitig in zwei unterschiedlichen Pegeln speichern.

Zum Beispiel:

Spur A
→ normaler Pegel

Spur B
→ deutlich leiser

Wenn Spur A bei einem plötzlichen lauten Ereignis clippt, kann Spur B noch sauber sein.

Große Dynamikreserve moderner Systeme

Moderne Aufnahmegeräte können teils sehr große interne Pegelreserven bieten. Trotzdem bleiben Mikrofon, Vorverstärkung und nachfolgender Workflow relevant.

Das Grundprinzip lautet:

Saubere Ausgangsaufnahme ist besser als Reparatur.

Was ist eine Sample Rate?

Digitales Audio misst das analoge Signal in kurzen zeitlichen Abständen.

Diese Abtastrate wird als:

Sample Rate

bezeichnet.

Beispielsweise:

48.000 Samples pro Sekunde

also:

48 kHz

48 kHz im Videoworkflow

Für Video ist:

48 kHz

ein sehr verbreiteter Produktionsstandard.

Das bedeutet:

Der Ton wird 48.000-mal pro Sekunde abgetastet.

Mehr Samples bedeuten feinere zeitliche Abtastung

Aber:

eine extrem hohe Sample Rate macht eine schlechte Mikrofonaufnahme nicht plötzlich gut.

schlechter Raum
+
fernes Mikrofon
+
192 kHz
=
weiterhin schlechter Raum

Sample Rate und Video-fps sind völlig verschiedene Dinge

Video:
25 fps

bedeutet:

25 Videoframes pro Sekunde.

Audio:
48 kHz

bedeutet:

48.000 Audiosamples pro Sekunde.

Beide laufen später auf derselben Zeitachse synchron.

Was bedeutet Audio-Bittiefe?

Die Bittiefe beschreibt vereinfacht die Feinheit beziehungsweise den möglichen Wertebereich der digitalen Pegeldarstellung.

Häufig begegnen:

16 Bit

und:

24 Bit

24 Bit bietet große Arbeitsreserve

Für Produktion ist 24-Bit-Audio sehr verbreitet, weil genügend Pegelreserve vorhanden ist, um nicht zwanghaft extrem heiß aussteuern zu müssen.

Das ist praktisch:

etwas konservativer aufnehmen
↓
kein Clipping
↓
später sauber anpassen

Bittiefe macht das Mikrofon nicht besser

Sie verbessert nicht:

Raumakustik,

Mikrofonposition,

Windschutz,

Sprecher.

Sie betrifft die digitale Signaldarstellung.

Stereo oder Mono?

Sprache von einer einzelnen Person wird häufig als:

Mono-Signal

aufgenommen.

eine Stimme
→ eine relevante Schallquelle

Stereo

Stereo verwendet zwei Kanäle, um räumliche Unterschiede darzustellen.

Das ist interessant für:

Atmosphäre,

Musik,

Naturgeräusche,

räumliche Aufnahmen.

Interview muss nicht künstlich Stereo sein

Eine Stimme mittig im Bild benötigt nicht zwangsläufig:

unterschiedliche linke und rechte Informationen.

Mono kann vollkommen richtig sein.

Zwei Personen

Man kann beispielsweise zwei Lavaliermikrofone auf getrennten Kanälen aufnehmen.

Kanal 1
→ Person A

Kanal 2
→ Person B

Das ist nicht dasselbe wie eine klassische Stereoaufnahme.

Es sind zwei getrennte Monosignale.

Getrennte Spuren sind sehr wertvoll

Person A spricht leise.

Person B laut.

Wenn beide bereits irreversibel zusammengemischt sind:

ist die Korrektur schwieriger.

Mit separaten Spuren:

A
→ individuell bearbeiten

B
→ individuell bearbeiten

Mehrspuraufnahme

Ein Interview könnte enthalten:

Spur 1
→ Person A Lavalier

Spur 2
→ Person B Lavalier

Spur 3
→ Boom-Mikrofon

Spur 4
→ Raum / Atmo

Im Schnitt kann anschließend entschieden werden:

welche Quelle am besten klingt.

Kamera oder externer Recorder?

Audio kann direkt in der Kamera aufgezeichnet werden.

Das ist besonders bequem.

Mikrofon
↓
Kamera
↓
Video + Ton gemeinsam

Vorteil

Bild und Ton sind bereits synchron.

Weniger Geräte.

Einfacher Workflow.

Externer Recorder

Alternativ:

Mikrofon
↓
Audiorecorder

und separat:

Kamera
↓
Video

Dies wird häufig als Dual-System Audio bezeichnet.

Vorteile

Je nach Equipment beispielsweise:

mehr Eingänge,

bessere Bedienelemente,

separate Spuren,

flexiblere Platzierung.

Nachteil

Bild und Ton müssen später synchronisiert werden.

Synchronisation

Die einfachste klassische Methode:

Klatschen beziehungsweise Filmklappe.

sichtbare Klappe
+
hörbarer Schlag

In der Timeline werden beide Ereignisse zusammengelegt.

Waveform-Synchronisation

Schnittsoftware kann zusätzlich den Kameraton und den hochwertigen Recorder-Ton vergleichen.

Kamera-Referenzton
+
Recorder-Ton
↓
Wellenformen vergleichen
↓
automatisch ausrichten

Deshalb Kameraton als Referenz trotzdem nützlich

Auch wenn er nicht schön klingt.

Er erleichtert möglicherweise die Synchronisation.

Drift

Bei sehr langen unabhängigen Aufnahmen können zwei Geräte zeitlich minimal auseinanderlaufen.

Dann stimmen Anfang und Ende nicht mehr perfekt überein.

Für normale kurze Clips ist das häufig kaum relevant.

Bei:

langen Interviews,

Konzerten,

Mehrkameraaufnahmen

kann es wichtiger werden.

Timecode

Professionellere Systeme können gemeinsame Zeitinformationen verwenden.

Kamera A
Kamera B
Recorder
↓
gemeinsame Zeitreferenz

Damit wird Synchronisation großer Produktionen erheblich einfacher.

Für ein normales Einzelinterview ist das jedoch kein Muss.

XLR

Bei professionelleren Audiogeräten begegnen häufig XLR-Verbindungen.

Sie sind robust und können symmetrische Audiosignale übertragen.

Symmetrische Verbindung

Sie hilft insbesondere bei längeren Kabelstrecken, eingestreute Störungen zu reduzieren.

Das ist ein Grund, warum professionelle Audioverkabelung häufig anders aussieht als ein einfacher kleiner Kamera-Klinkenanschluss.

Phantom Power

Bestimmte Kondensatormikrofone benötigen eine Stromversorgung über das Audiokabel.

Eine verbreitete Variante ist:

48-Volt-Phantomspeisung.

Nicht verwechseln mit:

48 kHz Sample Rate

Das sind völlig unterschiedliche Dinge.

48 V
→ Stromversorgung

48 kHz
→ digitale Abtastrate

Nicht jedes Mikrofon braucht Phantomspannung

Vor dem Anschließen sollte man wissen:

welches Mikrofon

und:

welcher Eingang

verwendet wird.

Kopfhörer sind wichtiger als die Pegelanzeige

Die Pegelanzeige kann sagen:

Signal vorhanden.

Sie sagt nicht:

Mikrofon reibt an Kleidung,

Klimaanlage brummt,

Funkstrecke knackt,

Wind zerstört die Aufnahme.

Deshalb abhören

Wenn die Aufnahme wichtig ist:

Mikrofon
↓
Recorder / Kamera
↓
Kopfhörer
↓
Mensch kontrolliert

Das ist die Audio-Version einer Testaufnahme bei Video.

Vor dem Dreh einen echten Satz aufnehmen

Nicht nur:

„Test, Test, eins zwei.“

Die Person sollte in echter Lautstärke sprechen.

Dann:

anhören.

Dabei prüfen

Ist die Stimme:

klar?

Ist Hall störend?

Gibt es Brummen?

Raschelt Kleidung?

Ist Wind hörbar?

Clipping?

Zehn Sekunden Test können ein einstündiges Interview retten

Gerade Audiofehler werden während der Aufnahme leicht übersehen.

Was ist Brummen?

Elektrische Störungen können beispielsweise als tiefer Dauerton auftreten.

Mögliche Quellen:

Stromversorgung,

Kabel,

Netzteile,

elektrische Verbindungen.

Vor Aufnahme beheben

Ein sauberes elektrisches Problem vor Ort zu lösen ist meistens besser, als später mit Filtern zu arbeiten.

Hintergrundgeräte abschalten

Wenn möglich:

Klimaanlage,

Ventilator,

lauter Kühlschrank,

Computerlüfter,

Projektor.

Manche Geräusche bemerkt man im Raum kaum.

Das Mikrofon hört sie über 30 Minuten konstant.

Kühlschrankfalle

Während des Interviews:

leiser Raum.

Nach zehn Minuten springt Kompressor an.

Plötzlich:

BRRRRR

Deshalb während der Testaufnahme nicht nur auf die Stimme achten.

Schnitt und Audiobearbeitung

Nach der Aufnahme beginnt die Postproduktion.

Ein einfacher Sprachworkflow könnte lauten:

Rohaufnahme
↓
Störungen prüfen
↓
Pegel anpassen
↓
EQ
↓
Dynamikbearbeitung
↓
gegebenenfalls Rausch-/Hallreduktion
↓
Lautstärkeabgleich
↓
Mix mit Musik und Atmo

Nicht jeder Schritt ist immer nötig.

Die beste Audiobearbeitung ist manchmal gar keine

Wenn:

Mikrofon nah,

Raum gut,

Pegel sauber,

Stimme angenehm

aufgenommen wurde, reichen möglicherweise minimale Anpassungen.

Equalizer

Ein Equalizer, kurz EQ, verändert unterschiedliche Frequenzbereiche.

tiefe Frequenzen
↔
mittlere Frequenzen
↔
hohe Frequenzen

Damit lassen sich bestimmte Klangprobleme korrigieren beziehungsweise der Sprachklang gestalten.

Hochpassfilter

Ein Hochpass lässt höhere Frequenzen passieren und reduziert sehr tiefe Bereiche.

tiefer Rumpelbereich
↓
reduzieren

Sprache
→ weitgehend behalten

Das kann helfen gegen:

Trittschall,

Windreste,

tieffrequentes Rumpeln.

Nicht zu aggressiv filtern

Zu starke Filterung kann eine Stimme:

dünn,

unnatürlich

machen.

Mumpfige Sprache

Manchmal existiert zu viel Energie in tieferen beziehungsweise unteren Mitten.

Ein vorsichtiger EQ kann die Sprache klarer machen.

Scharfe Sprache

Zu starke Höhen beziehungsweise bestimmte Präsenzbereiche können unangenehm wirken.

Auch hier:

gezielte kleine Korrektur statt pauschaler Extreme.

EQ ist kein Ersatz für Mikrofonposition

Ein Mikrofon zwei Meter entfernt erzeugt viel Raumhall.

Ein EQ kann nicht einfach:

Raumhall = 0

stellen.

Kompressor

Ein Audiokompressor reduziert Unterschiede zwischen lauteren und leiseren Signalanteilen.

Vereinfacht:

sehr laut
→ etwas reduziert

normal
→ weniger verändert

Dadurch kann Sprache gleichmäßiger werden.

Beispiel

Person flüstert kurz.

Dann spricht sie laut.

Ohne Bearbeitung:

leise
────────
LAUT

Mit moderater Kompression:

leise
──────
laut

Die Differenz wird kleiner.

Kompression kann Sprache angenehmer machen

Besonders bei:

Tutorial,

Podcast,

Unternehmensvideo.

Der Nutzer muss die Lautstärke weniger oft verändern.

Zu viel Kompression

Dann klingt Sprache:

gequetscht,

unnatürlich,

dauernd gleich laut.

Außerdem können:

Atmung,

Raumrauschen

stärker hervortreten.

Kompressorparameter

Ein Kompressor besitzt je nach Werkzeug unter anderem Einstellungen wie:

Threshold,

Ratio,

Attack,

Release.

Für das Grundlagenverständnis reicht:

Threshold
→ ab wann arbeitet er?

Ratio
→ wie stark?

Attack
→ wie schnell reagiert er?

Release
→ wie schnell lässt er wieder los?

Limiter in der Postproduktion

Ein Limiter verhindert besonders hohe Spitzen über einer definierten Grenze.

normale Dynamik
↓
Spitze
↓
Limiter
↓
Grenze

Das hilft beim finalen Pegelmanagement.

Normalisierung

Normalisierung verändert den Pegel so, dass eine bestimmte Bezugsgröße erreicht wird.

Das kann sich auf:

Spitzenpegel

oder:

wahrgenommene Lautheit

beziehen.

Deshalb sollte man wissen:

Welche Art von Normalisierung ist gemeint?

Peak-Normalisierung

Orientiert sich an der höchsten Signalspitze.

Zwei Dateien mit identischem Spitzenwert können trotzdem sehr unterschiedlich laut wirken.

Lautheit

Unser Lautheitsempfinden hängt nicht nur von einer einzelnen Spitze ab.

Ein dauerhaft dichtes Signal wirkt lauter als eine Aufnahme mit denselben Spitzen, aber vielen leisen Passagen.

LUFS

Für die Bewertung wahrgenommener Programmlautheit wird häufig die Einheit beziehungsweise Messgröße:

LUFS

verwendet.

Sie betrachtet das Audiosignal wesentlich sinnvoller für Programme und Videos als nur den höchsten Peak.

Warum ist das hilfreich?

Video A:

sehr leise gesprochen.

Video B:

deutlich lauter.

Wenn beide nacheinander laufen:

muss der Nutzer Lautstärke ändern.

Ein konsistenter Lautheitsworkflow reduziert solche Sprünge.

Es gibt nicht den einen magischen LUFS-Wert für jedes Medium

Broadcast,

Streaming,

Podcast,

Social,

interne Videos

können unterschiedliche Anforderungen beziehungsweise Normalisierungsprozesse verwenden.

Wichtiger als das Auswendiglernen einer Zahl ist zunächst:

Lautheit
systematisch messen
+
Serien konsistent halten

Dialog zuerst

Bei einem Informationsvideo besitzt Sprache meist Priorität.

Sprache
→ Vordergrund

Musik
→ unterstützt

Atmo
→ vermittelt Raum

Der häufigste Musikfehler

Musik klingt im Schnitt allein schön.

Dann kommt Sprache dazu.

Musik bleibt gleich laut.

Nun muss der Zuschauer gegen die Musik zuhören.

Musik absenken

Während Sprache:

Sprache
██████████

Musik
███

Ohne Sprache darf die Musik vielleicht etwas höher sein.

Ducking

Dieser Vorgang kann automatisiert werden.

Sprache erkannt
↓
Musik automatisch leiser

Sprache endet
↓
Musik langsam wieder höher

Automatisches Ducking ist praktisch, aber nicht immer musikalisch

Eine Software kann nicht immer erkennen:

ob eine Pause dramatisch gewollt ist.

Bei wichtigen Produktionen sollte der Mix kontrolliert werden.

Atmo nicht vollständig entfernen

Ein Interview in einer Werkstatt ohne jedes Werkstattgeräusch kann künstlich wirken.

Manchmal ist eine dezente Atmo gerade richtig.

Sprachverständlichkeit bleibt Priorität

Atmosphäre
+
Verständlichkeit

statt:

Atmosphäre
gegen
Verständlichkeit

Voice-over

Ein Voice-over wird separat vom eigentlichen Videodreh aufgenommen.

Video
↓
später
↓
Sprecher nimmt Text auf

Das besitzt einen großen Vorteil:

Die akustische Umgebung kann unabhängig vom Drehort kontrolliert werden.

Voice-over-Raum

Ein kleiner ruhiger akustisch gedämpfter Bereich kann bessere Resultate liefern als ein großer leerer Raum mit viel Hall.

Mikrofonabstand konstant halten

Beim Voice-over verändert eine Person möglicherweise unbewusst ständig ihren Abstand.

nah
→ laut + bassiger

weit
→ leiser + mehr Raum

Ein konstanter Abstand sorgt für gleichmäßigeren Klang.

Nahbesprechungseffekt

Bestimmte gerichtete Mikrofone verstärken bei sehr geringem Abstand tiefe Frequenzen.

Die Stimme wirkt dann:

wärmer,

bassiger.

Zu nah kann sie:

boomy,

unnatürlich

werden.

Mikrofonposition ist also auch Klanggestaltung

Nicht nur:

nah oder fern.

Sondern:

Abstand,

Winkel,

Richtung

beeinflussen das Ergebnis.

Zwei-Personen-Interview

Optimal ist häufig:

jede Person besitzt eigenes Mikrofon.

Person A
↓
Mic A

Person B
↓
Mic B

Beide auf getrennten Spuren.

Warum nicht ein Mikrofon in der Mitte?

Das kann funktionieren, wenn:

beide sehr nah,

ruhiger Raum,

geeignete Aufstellung.

Aber jede Person ist weiter vom Mikrofon entfernt als mit individuellem Mikrofon.

Zudem verändert sich der Pegel stärker, wenn jemand sich bewegt.

Podcast am Tisch

Hier können separate Mikrofone ebenfalls deutlich kontrollierbarer sein.

Straßeninterview

Handmikrofon nah an die sprechende Person.

Bei Sprecherwechsel:

Mikrofon bewusst mitführen.

Die sichtbare Bewegung des Mikrofons ist oft weniger störend als unverständliche Sprache.

Smartphonevideo

Auch hier gilt:

Der größte Sprung ist nicht zwangsläufig eine andere Kamera.

Sondern:

besseres Mikrofon beziehungsweise geringerer Abstand.

Smartphone auf Stativ

Person drei Meter entfernt.

Eingebaute Mikrofone:

viel Raum.

Externes Lavalier

Person bleibt drei Meter von der Kamera entfernt.

Mikrofon aber:

20 Zentimeter von der Stimme.

Das Ergebnis kann dramatisch besser sein.

Tutorial am Computer

Mögliche Strategie:

Bildschirm separat aufnehmen.

Stimme mit einem guten nahen Mikrofon.

Screen Recording
+
Voice Recording
↓
Schnitt

Dadurch muss nicht zwingend die Raumakustik eines weit entfernten Kameramikrofons akzeptiert werden.

Produktvideo ohne Sprache

Ton bleibt trotzdem wichtig.

Zum Beispiel:

Klick eines Schalters,

Mechanik,

Verpackung,

Maschinengeräusch.

Solche Geräusche können das Produkt visuell glaubwürdiger machen.

Foley

Geräusche können auch später gezielt aufgenommen beziehungsweise erzeugt werden.

Zum Beispiel:

Schritte,

Klick,

Stoffbewegung.

Das wird häufig als Foley bezeichnet.

Sound Design

Ton kann damit gestalterisch weit über eine bloße Originalaufnahme hinausgehen.

Bild
+
Originalton
+
Soundeffekte
+
Musik
↓
Gesamterlebnis

Manchmal braucht ein Video gar keinen Originalton

Ein stumm gedrehtes Produktvideo kann später:

Musik,

Foley,

Voice-over

erhalten.

Der Ton wird vollständig in der Postproduktion gestaltet.

Synchroner Originalton

Bei einem Interview dagegen ist der Originalton essenziell.

Lippen und Sprache müssen zusammenpassen.

Lippen-Synchronität

Bereits kleine Zeitverschiebungen können störend wirken.

Deshalb sollte beim Schnitt geprüft werden:

sichtbares Wort
↔
hörbares Wort

Bluetooth als Produktionsaudio?

Bluetooth kann für alltägliches Hören hervorragend sein.

Für präzises Monitoring kann jedoch zusätzliche Latenz entstehen.

Wenn Bild und Ton exakt beurteilt werden müssen, ist eine direkt angeschlossene Kopfhörerverbindung häufig einfacher.

Monitoring-Lautstärke

Zu laut abhören ist ebenfalls problematisch.

Nach längerer Zeit ermüdet das Gehör.

Dann werden Entscheidungen schlechter.

Moderate konstante Lautstärke ist sinnvoller.

Referenzen

Bei wichtigem Audiomix kann man sich zwischendurch ein professionell klingendes ähnliches Video anhören.

Nicht um es zu kopieren.

Sondern um das eigene Gehör neu zu kalibrieren.

Sprachaufnahme nicht nur mit Kopfhörer prüfen

Am Ende sollte das Video ebenfalls auf typischen Geräten kontrolliert werden.

Zum Beispiel:

Laptoplautsprecher,

Smartphone,

normale Kopfhörer.

Warum?

Ein tiefer, voller Mix kann auf Studiokopfhörern hervorragend klingen.

Auf einem Smartphone verschwinden sehr tiefe Frequenzen.

Die Sprache sollte trotzdem verständlich bleiben.

Mono-Kompatibilität

Viele reale Wiedergabesituationen sind akustisch deutlich weniger ideal als ein Studio.

Ein wichtiger Sprachmix sollte daher auch dann funktionieren, wenn die Stereoabbildung kaum genutzt wird.

KI-Rauschreduzierung

Moderne Sprachverbesserung kann Hintergrundgeräusche erstaunlich effektiv reduzieren.

Zum Beispiel:

Lüfter,

gleichmäßiges Rauschen,

bestimmte Umgebungsgeräusche.

Stimme + Störung
↓
Modell
↓
geschätzte Stimme

KI-Sprachverbesserung

Manche Systeme gehen noch weiter und rekonstruieren Sprache so, dass sie wirkt, als wäre sie:

näher,

sauberer,

studioähnlicher

aufgenommen worden.

Das ist sehr nützlich

Zum Beispiel bei:

Archivmaterial,

Videokonferenzaufzeichnungen,

unwiederholbaren Interviews,

schneller Contentproduktion.

Aber KI kennt das ursprüngliche Signal nicht vollständig

Wenn ein Laut durch:

Clipping,

Wind,

massiven Lärm

verdeckt wurde, kann das System nur versuchen, einen plausiblen Klang zu rekonstruieren.

plausibel
≠
garantiert Original

Artefakte

Übertriebene Sprachverbesserung kann:

metallisch,

wässrig,

unnatürlich

klingen.

Konsonanten können verändert werden.

Atmung kann verschwinden beziehungsweise künstlich wirken.

KI-Enthallung

Software kann versuchen, Raumreflexionen zu reduzieren.

Das kann sehr hilfreich sein.

Aber auch hier:

leichter Hall
→ gut korrigierbar

ist etwas anderes als:

Mikrofon fünf Meter entfernt
in leerer Turnhalle

Die beste Audio-KI beginnt vor der Aufnahme

Mit der Entscheidung:

Mikrofon näher.

Sprachtranskription

Audio kann anschließend automatisch in Text umgewandelt werden.

Sprache
↓
Spracherkennung
↓
Transkript

Daraus können:

Untertitel,

Kapitel,

Artikel,

Suchindex

entstehen.

Gute Tonqualität verbessert auch Transkription

Weniger:

Hall,

Rauschen,

Übersprechen

macht Spracherkennung zuverlässiger.

Gute Aufnahme hilft also nicht nur dem Zuschauer, sondern auch der späteren Automatisierung.

Sprechertrennung

Bei mehreren Personen können Systeme versuchen zu erkennen:

Sprecher A:
...

Sprecher B:
...

Das ist besonders für Interviews und Meetings praktisch.

Automatisierte Video-Pipeline

Ton kann darin beispielsweise so verarbeitet werden:

Video importieren
↓
Sprache erkennen
↓
Rauschprüfung
↓
Transkription
↓
Untertitel
↓
Lautheitsprüfung
↓
Webexport

Automatische Fehlererkennung

Ein System könnte Warnungen erzeugen:

Clipping erkannt

sehr niedriger Sprachpegel

langer Bereich ohne Audio

starker Hintergrundlärm

Damit wird Audiokontrolle skalierbar.

Aber technische Messung erkennt nicht alles

Ein Pegel kann perfekt sein.

Trotzdem klingt das Interview:

langweilig,

hallig,

unangenehm.

Die menschliche Qualitätskontrolle bleibt relevant.

Ton und Barrierefreiheit

Guter Ton hilft unmittelbar beim Verstehen.

Untertitel bleiben trotzdem wichtig.

Denn Nutzer können:

schwerhörig sein,

ohne Ton ansehen,

in lauter Umgebung sitzen,

eine andere Sprache bevorzugen.

Untertitel sind nicht Ersatz für schlechten Ton

Ein schlecht verständliches Interview mit Untertiteln ist zugänglicher.

Aber die richtige Lösung lautet nicht:

Ton egal
→ Untertitel vorhanden

Sondern:

guter Ton
+
Untertitel

Automatische Untertitel kontrollieren

Spracherkennung kann Fehler machen bei:

Eigennamen,

Fachbegriffen,

Dialekt,

Zahlen.

Gerade Wissensvideos sollten deshalb nicht vollkommen ungeprüft veröffentlicht werden.

Musikrechte

Tonproduktion umfasst auch die Frage:

Darf die verwendete Musik überhaupt veröffentlicht werden?

Nicht jede Musik, die technisch verfügbar ist, darf auf:

Website,

Social Media,

Werbevideo

beliebig genutzt werden.

Das ist eine separate Rechtefrage und sollte im Produktionsworkflow vor Veröffentlichung geklärt werden.

Soundeffekte ebenfalls

Auch Soundbibliotheken besitzen unterschiedliche Lizenzbedingungen.

Assetverwaltung sollte daher nicht nur speichern:

music-01.wav

sondern gegebenenfalls:

Quelle
Lizenz
Projekt
Nutzungsrechte

Audio-Master und Webaudio

Wie bei Video sollte eine hochwertige Produktionsfassung erhalten bleiben.

hochwertiger Audiomaster
↓
Videomix
↓
Webvideo

Nicht:

stark komprimierte Web-Audiospur

als zukünftigen Produktionsmaster verwenden.

Audiodateien separat archivieren

Bei wichtigen Produktionen kann sinnvoll sein:

Projekt/
├── Video
├── Audio Original
├── Musik
├── Soundeffekte
├── Projektdatei
└── Master

Das verbindet den Audioworkflow erneut mit Backup-Grundlagen.

Häufige Fehler bei Videoton

Mikrofon bleibt auf der Kamera, obwohl die Person weit weg steht

Das führt häufig zu zu viel Raum und zu wenig direkter Stimme.

Teures Mikrofon als Ersatz für Nähe betrachten

Auch teure Mikrofone unterliegen Akustik und Abstand.

Nur auf Pegelanzeige schauen

Rascheln, Wind und Brummen werden möglicherweise übersehen.

Kein Kopfhörermonitoring

Ein technischer Fehler fällt erst nach dem Dreh auf.

Pegel zu hoch einstellen

Lautes Lachen führt zu Clipping.

Pegel extrem niedrig einstellen

Späteres starkes Anheben macht Rauschen sichtbarer beziehungsweise hörbarer.

Automatischen Gain unkritisch verwenden

In Pausen kann Hintergrundrauschen hochgepumpt werden.

Kleidung beim Lavalier nicht prüfen

Rascheln ruiniert den Take.

Windschutz vergessen

Eine leichte Außenbrise kann die Sprachaufnahme massiv beeinträchtigen.

Hall später komplett reparieren wollen

Bessere Raumwahl und Mikrofonabstand sind wirkungsvoller.

Musik zu laut mischen

Die eigentliche Sprache wird anstrengend.

Rauschreduzierung maximal aufdrehen

Die Stimme klingt künstlich.

Kompressor zu stark einstellen

Natürliche Sprachdynamik verschwindet.

Originalspuren löschen

Spätere Neumischung wird unnötig schwierig.

Zwei Sprecher auf eine einzige Spur zwingen

Individuelle Korrektur wird erschwert.

Nur mit Studiokopfhörern kontrollieren

Auf Smartphone und Laptop kann der Mix anders wirken.

Der einfachste Interview-Aufbau

Für eine Person:

Person
↓
nahes Lavalier
oder
nahes Boom-Mikrofon
↓
Kamera / Recorder
↓
Kopfhörer

Vor Aufnahme:

normal sprechen
↓
laut sprechen
↓
Pegel prüfen
↓
Rascheln prüfen
↓
Raum prüfen

Für zwei Personen

Person A
→ Mikrofon A
→ Spur A

Person B
→ Mikrofon B
→ Spur B

Optional zusätzlich:

Boom
→ Sicherheits-/Alternativspur

Für Smartphonevideo

Smartphone
+
nahes externes Mikrofon
+
ruhiger Raum

liefert häufig einen deutlich größeren Qualitätssprung als:

teure Kamera
+
Mikrofon drei Meter entfernt

Für Bildschirmtutorials

Screen Recording
+
nahes Sprachmikrofon
↓
Schnitt
↓
Musik optional
↓
Untertitel

Für Außenreportage

nahes Mikrofon
+
guter Windschutz
+
Monitoring
+
Umgebungsatmo separat

Für Voice-over

ruhiger gedämpfter Raum
↓
konstanter Mikrofonabstand
↓
sauberer Pegel
↓
leichter EQ / Kompression nach Bedarf

Ein praktischer Aufnahme-Workflow

Schritt 1: Aufnahmeart bestimmen

Interview?

Voice-over?

Reportage?

Tutorial?

Produkt?

Schritt 2: Mikrofon auswählen

Nicht nach Preis.

Nach:

Einsatz,

Abstand,

Bewegung,

Umgebung.

Schritt 3: Mikrofon möglichst nah positionieren

Ohne:

Bild,

Bewegungsfreiheit,

Klang

unnötig zu beeinträchtigen.

Schritt 4: Raum prüfen

Hall?

Straßenlärm?

Klimaanlage?

Computer?

Schritt 5: Wind und mechanische Geräusche prüfen

Windschutz.

Kleiderkontakt.

Stativ.

Kabel.

Schritt 6: Aufnahmeformat einstellen

Für Video beispielsweise ein sauberer 48-kHz-Workflow und geeignete Bittiefe, sofern das Aufnahmegerät entsprechende Optionen bietet.

Schritt 7: Gain einstellen

Normale Sprache und Lautstärkespitzen testen.

Ausreichend Headroom lassen.

Schritt 8: Kopfhörer aufsetzen

Nicht nur Pegel ansehen.

Wirklich hören.

Schritt 9: Testclip aufnehmen

Und tatsächlich wiedergeben.

Schritt 10: Aufnahme

Währenddessen weiterhin überwachen.

Schritt 11: Room Tone und Atmo sichern

Einige Sekunden beziehungsweise länger.

Schritt 12: Daten sofort sichern

Audio gehört genauso zum Projektbackup wie Video.

Ein praktischer Bearbeitungsworkflow

Originalton
↓
Synchronisation
↓
beste Quelle wählen
↓
Störungen korrigieren
↓
Pegel
↓
EQ
↓
Kompression
↓
gegebenenfalls De-Esser
↓
Rausch-/Hallreduktion
↓
Musik + Atmo
↓
Lautheitskontrolle
↓
Limiter
↓
Master

Nicht jeder Schritt muss angewendet werden.

Weniger ist häufig mehr

Ein sauber aufgenommenes Interview benötigt vielleicht nur:

kleiner EQ
+
leichte Kompression
+
Lautheitsanpassung

Das ist ein besseres Ergebnis als zehn aggressive Reparaturplugins.

Aufnahme vor Reparatur

Der gesamte Audioworkflow lässt sich auf ein Prinzip reduzieren:

gute Quelle
↓
gute Bearbeitung
↓
guter Ton

Je schlechter die Quelle:

desto stärker muss Software schätzen.

Ein guter Toncheck vor jedem Dreh

Fünf Fragen:

Ist das Mikrofon nah genug?

Ist der Raum ruhig genug?

Ist Wind beziehungsweise Rascheln vorhanden?

Ist der Pegel sicher?

Höre ich das Signal tatsächlich über Kopfhörer?

Wenn alle fünf Punkte stimmen, sind viele der häufigsten Audioprobleme bereits vermieden.

Was du dir über Videoton merken solltest

Guter Ton beginnt nicht im Schnittprogramm, sondern mit der Platzierung des Mikrofons.

Der wichtigste Grundsatz lautet:

Mikrofon näher
↓
mehr direkte Stimme
↓
weniger störender Raum

Die Mikrofonwahl folgt danach dem Einsatzzweck.

Ein Lavaliermikrofon eignet sich besonders, wenn eine Person sich bewegen soll und das Mikrofon nah an der Kleidung befestigt werden kann.

Ein Richtmikrofon kann außerhalb des Bildes nah an der sprechenden Person positioniert werden.

Ein Handmikrofon bietet besonders bei lauten Umgebungen den Vorteil eines sehr kontrollierbaren kurzen Abstands.

Keiner dieser Typen kann jedoch die Physik des Abstandes außer Kraft setzen.

Richtwirkung
≠
akustischer Zoom

Der zweite große Faktor ist der Raum.

Direktschall
+
Reflexionen
=
aufgenommener Klang

Je weiter das Mikrofon von der Stimme entfernt ist, desto stärker wird typischerweise der Anteil von:

Hall,

Umgebung,

Störungen.

Deshalb sollte man möglichst bereits vor der Aufnahme:

ruhigen Raum,

Mikrofonposition,

Windschutz,

Kleidergeräusche

optimieren.

Der dritte Faktor ist die Aussteuerung.

zu niedrig
→ unnötig wenig Signalreserve

zu hoch
→ Clippinggefahr

Das Ziel liegt dazwischen:

sauberes Signal
+
genügend Headroom

Digitales Clipping sollte möglichst vermieden werden, da abgeschnittene Signalspitzen nicht einfach vollständig wiederhergestellt werden können.

Für Videoproduktion ist eine Abtastrate von:

48 kHz

sehr verbreitet.

Sie darf nicht mit:

48 V Phantom Power

verwechselt werden.

48 kHz
→ Audioabtastrate

48 V
→ Stromversorgung bestimmter Mikrofone

Auch Bittiefe ist Teil des Aufnahmeformats. Eine höhere Produktionsbittiefe kann mehr Pegelreserve und komfortableren Bearbeitungsspielraum bieten, ersetzt jedoch weder gutes Mikrofon noch gute Akustik.

Bei mehreren Sprechern sollte man Signale möglichst getrennt halten.

Person A
→ Spur A

Person B
→ Spur B

Dadurch lassen sich später:

Lautstärke,

EQ,

Störungen

individuell behandeln.

Wenn Bild und Ton mit getrennten Geräten aufgenommen werden, müssen sie anschließend synchronisiert werden.

Kamera
→ Bild + Referenzton

Recorder
→ hochwertiger Ton

↓
Synchronisation
↓
Schnitt

Ein sicht- und hörbares Klatschen beziehungsweise eine Klappe kann dafür eine einfache Referenz liefern.

In der Postproduktion bilden einige Werkzeuge die Grundlage:

EQ
→ Frequenzen korrigieren

Kompressor
→ Dynamik kontrollieren

De-Esser
→ übermäßige Zischlaute reduzieren

Limiter
→ Spitzen begrenzen

Lautheitsmessung
→ Gesamtlautstärke konsistent halten

Rausch- und Hallreduktion können schlechte Aufnahmen inzwischen erheblich verbessern. KI-Verfahren erweitern diese Möglichkeiten nochmals.

Aber:

Reparatur
≠
Originalinformation

Wenn ein Wort durch:

massives Clipping,

Wind,

extremen Lärm

zerstört wurde, kann Software nur versuchen, das Ergebnis plausibel zu rekonstruieren.

Die bessere Reihenfolge lautet daher:

Raum
↓
Mikrofonposition
↓
Mikrofon
↓
Pegel
↓
Monitoring
↓
Aufnahme
↓
Bearbeitung

und nicht:

irgendwie aufnehmen
↓
KI repariert es

Für Informationsvideos besitzt Sprache im Mix normalerweise Priorität.

Sprache
→ Vordergrund

Musik
→ unterstützt

Atmo
→ vermittelt Raum

Musik darf Emotion erzeugen, sollte aber nicht gegen die Verständlichkeit arbeiten.

Ein professioneller Videoton muss dabei keineswegs spektakulär klingen. Im Gegenteil:

Wenn der Zuschauer nach zwei Minuten überhaupt nicht über den Ton nachgedacht hat und jedes Wort mühelos verstanden wurde, hat die Audioproduktion sehr wahrscheinlich ihre Aufgabe erfüllt.