Ein Podcast-Video-Editor, der weiß, wer gerade spricht

So wird aus einem Podcast ein Video

Bring die Aufnahme mit, die du schon hast. Vier Schritte, dann gehört das Studio dir.

1. Lade die Folge hoch: MP4, MOV oder WebM, einen Clip oder mehrere in der Reihenfolge, in der sie laufen, bis 5 GB pro Clip und 30 Minuten insgesamt.
2. Wähle „Meine Stimme behalten“ und lass „Die besten Takes behalten“ und „Stille herausschneiden“ an. Schreib in „Skript & Notizen“, wer wer ist und wie die Namen geschrieben werden, zum Beispiel [ANNA] und [TOM] vor ihren Zeilen.
3. Wähle den Stil Motion und das Format, 16:9 oder 9:16, und klicke auf Generieren. Der Preis wird vorher angezeigt, und vor diesem Klick werden keine Credits verbraucht.
4. Prüfe den Schnitt im Studio: kürzen, teilen, jede Szene ändern oder den Video-Assistenten fragen. Exportiere ein MP4 in 1080p.

Wer spricht gerade? Clipteach findet es heraus

Du musst niemanden von Hand markieren. Clipteach unterscheidet die Stimmen und schaut sich dann ein paar Bilder an, um jede Stimme einem Gesicht zuzuordnen. Ab da weiß der KI-Regisseur, wer welchen Satz sagt und wo diese Person im Bild sitzt.

Die Namen kommen aus deinem „Skript & Notizen“ oder aus dem, was in der Aufnahme gesagt wird („Ich bin Anna, und das ist Tom“). Die KI erfindet nie einen Namen: Wenn niemand seinen Namen sagt, schreib ihn in die Notizen.

Jede Person bekommt für ein paar Sekunden eine Namenseinblendung, wenn sie zum ersten Mal spricht, auf ihrer Seite des Bildes, nah bei ihr.

Interviews schneiden: Die Kamera geht zu der Person, die spricht

Ein Gespräch in einer einzigen Totale ist auf Dauer schwer anzusehen: zwei kleine Gesichter, und nichts bewegt sich. Ein menschlicher Cutter löst das, indem er zwischen Perspektiven wechselt. Clipteach baut diese Perspektiven aus der einen Einstellung, die du hast.

• Sagt jemand einen wichtigen Satz, fährt die Kamera an sein Gesicht heran und geht zurück in die Totale, wenn ihr euch die Bälle zuspielt.
• Oder das Bild teilt sich in zwei Fenster nebeneinander, in jedem ein Gesicht, und das Fenster der Person, die spricht, leuchtet an seinem Rand auf.
• Im Hochformat stehen die zwei Fenster übereinander.
• Jede Einstellung bleibt ein paar Sekunden stehen. Nicht bei jedem „ja, genau“ wird geschnitten, damit der Schnitt nie wie ein Tennismatch wirkt.
• Sagen zwei Leute etwas gleichzeitig, sieht man sie zusammen.

Podcast schneiden mit KI, ohne das Gespräch zu zerstören

Podcast schneiden mit KI heißt oft: jedes „ähm“ raus, bis die Stimmen wie zusammengeklebt klingen. „Die besten Takes behalten“ schneidet wie ein Profi: alles anhören, von jedem Satz eine gute Fassung behalten, jeden Schnitt feinjustieren. In einem Gespräch behält es außerdem, was ein Gespräch ausmacht: das Lachen nach einem Witz, das „stimmt“, das auf einen Punkt antwortet.

Fehlstarts, Versprecher, Wiederholungen und Gespräche neben der Kamera fliegen raus. Mit „Stille herausschneiden“ auch die Pausen, in denen niemand spricht.

Der Ton wird zwischen den Clips angeglichen, damit keine Aufnahme lauter ist als die nächste, und der Regler „Lautstärke der Stimme“ im Studio macht die ganze Sprachspur lauter oder leiser.

Was du filmen solltest, was du dem Schnitt überlässt und wie aus einer Folge mehrere Videos werden: vom Podcast zum Video, Schritt für Schritt.

Große Worte und Bilder auf den Kernpunkten

Ein Podcast lebt von den Menschen. Aber wenn ein Gast die Zahl, den Namen oder die Behauptung nennt, um die sich die Folge dreht, verdient das, gesehen zu werden.

• Große Worte neben der Person, die spricht, beim Satz, auf den es ankommt, weg von ihrem Gesicht.
• Ein Bild als Zwischenschnitt oder in einer Karte daneben, während die Stimme weiterläuft: aus deiner Bibliothek, aus deinen Uploads oder von der KI erstellt.
• Ein Panel aus Milchglas, wenn jemand Punkte aufzählt, jeder leuchtet auf, sobald er gesagt wird.
• Eine Vollbild-Animation für eine Idee, die das ganze Bild braucht, im Stil Motion, dann zurück zu euch beiden.

Der Regisseur ändert alle paar Sekunden etwas im Bild, und nur, wenn es etwas bedeutet: ein neuer Punkt, eine Zahl, ein Beispiel. Bei einer persönlichen Geschichte lässt er die Gesichter in Ruhe.

Ein Clip im Hochformat für Reels, Shorts und TikTok

Wähle im Schritt Format das Hochformat 9:16, und dasselbe Gespräch wird fürs Handy eingerichtet: Sind beide im Bild, stehen ihre Fenster übereinander, in jedem ein Gesicht, und die Worte bleiben weg von den Buttons, die Reels, Shorts und TikTok über das Video legen.

Für einen kurzen Clip lädst du nur die Minuten hoch, die du posten willst. Jedes Video wird nach seiner eigenen Länge berechnet, und den Preis siehst du, bevor du startest. Du beginnst mit 300 kostenlosen Credits bei der Anmeldung, ohne Karte.

Was der Podcast-Editor nicht macht

Besser, du weißt es vor dem Hochladen:

• Er schreibt nicht jedes gesprochene Wort unten ins Bild. Worte erscheinen als große Worte auf den Kernpunkten, nicht als mitlaufendes Transkript.
• Er fügt keine Musik hinzu. Soundeffekte sind ein optionaler Schalter, und die KI gestaltet sie als Whooshes, Schläge, Klicks und die Atmosphäre des Ortes, nie als Soundtrack.
• Er synchronisiert keine Kameras, die gleichzeitig aufgenommen haben: Die Clips laufen nacheinander. Filme eine Totale, oder lade deinen fertigen Multicam-Schnitt als eine Datei hoch.
• Er gleicht die Farben zwischen den Clips nicht an, und er fügt Bilder hinzu, kein generiertes Video.
• Er nimmt bis zu 30 Minuten Material pro Video. Bei einer längeren Folge wählst du den Teil, den du willst, oder machst mehrere Videos.
• Keine Avatare, kein Stockmaterial: Die Menschen im Bild sind die, die du gefilmt hast.

Nur eine Person vor der Kamera? Der KI-Videoschnitt übernimmt Kurs-Intros, Erklärvideos und Tutorials. Machst du aus deinen Folgen Videos für einen Kurs oder ein Produkt? Sieh dir Clipteach für Kursersteller und fürs Marketing an.