Podcast als Video: Wie aus zwei Menschen, die reden, etwas wird, das man sich ansieht

Warum ein Podcast allein noch kein Video ist

Ein Podcast ist für jemanden gemacht, der nebenbei etwas anderes tut: Auto fahren, kochen, laufen. Auf dem Bildschirm muss nichts passieren, denn es gibt keinen. Die Stimmen tragen alles.

Film dasselbe Gespräch, spiel es auf einem Handy ab, und das Bild verlangt eine Aufmerksamkeit, die es nicht halten kann. Zwei Menschen sitzen an einem Tisch. Einer redet, der andere nickt. Der Bildausschnitt ändert sich nie. Wenn jemand sagt „und da haben wir die Zahlen gesehen“, sind keine Zahlen zu sehen. Nach zwanzig Minuten hat sich auf dem Bildschirm nichts bewegt außer Mündern.

Die Lösung sind nicht mehr Effekte. Es ist die kurze Liste von Griffen, die Fernsehinterviews schon immer nutzen – jeder mit einem Grund eingesetzt.

Was macht ein Gespräch zu zweit sehenswert?

Sechs Griffe erledigen den Großteil der Arbeit. Jeder beantwortet eine Frage, die der Zuschauer hat, oft ohne es zu wissen:

• Auf den schneiden, der spricht. Der Zuschauer will das Gesicht sehen, das redet. Geh auf die Person, die einen wichtigen Satz sagt, zurück auf beide, wenn sie sich die Bälle zuspielen, und halte jede Einstellung mindestens ein paar Sekunden: Ein Schnitt auf jedes „Ja“ macht ein Gespräch nervös.
• Die Leute im Bild benennen. „Wer ist das?“ ist die erste Frage jedes neuen Zuschauers. Eine Bauchbinde, wenn jemand zum ersten Mal spricht, beantwortet sie.
• Den Kernsatz als große Wörter herausziehen. Wenn jemand den Satz der Folge sagt, bring ihn groß neben die Person auf den Bildschirm. So wird aus einem guten Moment einer, an den man sich erinnert.
• Zeigen, wovon sie reden. Ein Gast erwähnt ein Produkt, einen Ort, ein Ergebnis: Ein Zwischenschnitt mit einem Bild, während die Stimme weiterläuft, gibt dem Auge einen Grund zu bleiben.
• Den Leerlauf kürzen. Eine Stille, die am Mikro natürlich wirkt, wirkt auf dem Bildschirm lang. Lange Pausen, Fehlstarts und das „Machen wir das nochmal?“ fliegen raus.
• Einen Hochformat-Clip vom besten Moment machen. Viele lernen deine Sendung über eine Minute auf dem Handy kennen. Ein 9:16-Video vom stärksten Wortwechsel ist die Tür zur ganzen Folge.

Wie Clipteach aus einem Podcast ein Video macht

Lade das Gespräch unter Mein Video hoch, wähle Meine Stimme behalten und den Stil Motion. Clipteach erkennt, wer wann spricht: Die Stimmen werden an ihrem Klang unterschieden, und jede wird einem Gesicht zugeordnet, wo das Bild es eindeutig zeigt.

Von da an arbeitet der KI-Regisseur wie der Cutter einer Talkshow. Jede Person bekommt eine Bauchbinde, wenn sie zum ersten Mal spricht, auf ihrer Seite des Bildes. Sagt jemand einen wichtigen Satz, geht die Kamera auf diese Person – ein Zoom auf ihr Gesicht – und zurück auf die Einstellung mit beiden, wenn sie hin und her reden. Oder die beiden sitzen in zwei Fenstern nebeneinander, und der Rahmen dessen, der spricht, leuchtet; im Hochformat stapeln sich die Fenster übereinander.

Die Namen kommen von dir, nie aus einer Vermutung: aus dem Feld Skript & Notizen oder aus dem, was die Leute in der Aufnahme sagen („Ich bin …“). Große Wörter und Zwischenschnitte mit Bildern – aus deiner Bibliothek, deinen Uploads oder von der KI erstellt – funktionieren wie bei einem Talking-Head-Video mit einer Person.

Der Schnitt darunter: beste Takes, Stille, angeglichener Ton

Bevor irgendetwas gezeichnet wird, schneidet ein KI-Editor die Worte. Mit Die besten Takes behalten bleibt ein Satz, der zweimal gesagt wurde, nur einmal stehen, in seiner besten Fassung; Fehlstarts, Abschweifungen und Durcheinanderreden, das einen Satz verdeckt, fliegen raus, jeder Schnitt in einer Pause, damit niemand mitten im Wort abgeschnitten wird; und der Ton wird zwischen den Clips angeglichen, damit ein Gast, der an einem anderen Tag aufgenommen wurde, nicht lauter oder leiser ankommt als der Host.

Was er behält, ist der Austausch. In einem Gespräch sind Reaktionen und kurze Antworten Inhalt, kein Rauschen, und der Editor behandelt sie so. Stille herausschneiden entfernt danach die Pausen, in denen niemand spricht.

Kamerabewegungen und Soundeffekte kommen dazu, wenn du willst: Zooms und Schwenks, wo sie helfen, und Whooshes, Schläge und Klicks, abgestimmt auf das, was sich bewegt. Die ganze Geschichte, wie der Schnitt mit den besten Takes an einem echten Dreh funktioniert, steht in Wie aus 29 Minuten Rohmaterial ein 3-Minuten-Intro wurde.

Wie du einen Podcast fürs Video aufnimmst

Ein guter Video-Podcast-Schnitt entscheidet sich größtenteils, bevor du auf Aufnahme drückst. Vier Dinge zählen:

1. Dreh eine einzige Totale mit euch beiden im Bild. Clipteach richtet die Kamera auf den Sprecher, indem es sich in deinem Bild bewegt: ein Zoom auf ein Gesicht oder zwei Fenster aus derselben Einstellung. Mehrere gleichzeitig laufende Kameras synchronisiert es nicht, also müssen beide Gesichter in diesem einen Bild sein, gut ausgeleuchtet. Dreh in der höchsten Auflösung, die du hast (4K, wenn deine Kamera es kann): Jeder Zoom vergrößert das Bild, und eine schärfere Quelle bleibt auch näher dran scharf.
2. Leg deinen guten Ton in die Videodatei. Gib jeder Person ein Mikro und behaltet dieselben Mikros die ganze Zeit. Clipteach hört den Ton, der in den hochgeladenen Clips steckt: Wenn du die Mikros getrennt aufnimmst, leg den Mix vor dem Hochladen auf das Video, statt dich auf das Kameramikro zu verlassen.
3. Stellt euch am Anfang vor. Ein Satz pro Person, „Ich bin … und ich …“, gibt dem Editor einen Namen für jedes Gesicht. Oder schreib die Namen, und wer wo sitzt, in Skript & Notizen.
4. Nimm trotz Fehlern weiter auf. Fang einen verunglückten Satz neu an und sag ihn sauber. Der Editor behält die saubere Fassung.

Von der ganzen Folge zum Hochformat-Clip

Der Hochformat-Clip ist ein eigenes Video. Lade die paar Minuten rund um den Moment hoch, den du teilen willst, wähle das Hochformat 9:16 und den Stil Motion, und der Regisseur baut es fürs Handy: ihr beide übereinander, der Sprecher hervorgehoben, der Kernsatz in großen Wörtern.

Beide Formate werden als MP4 in 1080p exportiert: 16:9 für das ganze Gespräch, 9:16 für Reels, Shorts und TikTok.

Was Clipteach für deinen Podcast nicht macht

Es fügt keine Musik hinzu. Soundeffekte sind für das gemacht, was sich auf dem Bildschirm bewegt; eine Titelmusik legst du woanders an.

Es schreibt nicht jedes gesprochene Wort ins Bild. Große Wörter heben die Sätze hervor, auf die es ankommt; ein mitlaufendes Transkript im Bild erstellt es nicht.

Es nimmt bis zu 30 Minuten Clips pro Video, in höchstens 20 Clips. Eine längere Folge kommt in Teilen hinein, ein Kapitel nach dem anderen, oder du wählst den Abschnitt, der sich zu zeigen lohnt.

Und es stellt nie einen generierten Moderator oder einen Avatar vor deine Gäste. Die Menschen im Video sind die Menschen, die im Raum waren.

Probier es mit deiner nächsten Folge

Den ganzen Überblick gibt es auf der Seite zum Podcast-Videoeditor, und der KI-Videoeditor zeigt alles, was Clipteach sonst mit deinen eigenen Clips macht. Weitere Artikel findest du im Blog.

Du startest mit 300 kostenlosen Credits bei der Anmeldung, ohne Karte. Deine Clips werden erst vorbereitet, wenn du auf Generieren klickst, und der Preis, berechnet nach der Länge des fertigen Videos, wird vorher angezeigt.