Lippensync oder Stimm-Timing: was dein synchronisiertes Video braucht
Lippensync bekommt bei der KI-Synchronisation die meiste Aufmerksamkeit, aber bei den meisten Lehrvideos ist es nicht das, was eine Synchronisation gelingen lässt. Hier ist der Unterschied, und so erkennst du, was dein Video braucht.

Lippensync und Stimm-Timing lösen verschiedene Aufgaben
Lippensync verändert das Bild: Der Mund der sprechenden Person wird neu gezeichnet, damit er sich zu den neuen Worten bewegt. Stimm-Timing lässt das Bild unverändert und setzt die neue Sprache dorthin, wo das Original gesagt wurde, mit seinen Pausen, damit sie zu dem passt, was auf dem Bildschirm geschieht. Die meisten Videos, in denen jemand am Bildschirm unterrichtet, brauchen das Zweite, und viele zeigen nie einen Mund.
Sie beheben verschiedene Unstimmigkeiten. Lippensync behebt einen Mund, der sich bewegt, während etwas anderes gesagt wird. Timing behebt eine Stimme, die „jetzt auf Render klicken“ sagt, während der Cursor noch auf der anderen Seite des Bildschirms ist.
| Lippensync | Stimm-Timing | |
|---|---|---|
| Was es ändert | Das Bild des Mundes der sprechenden Person | Wann jede Zeile der neuen Sprache zu hören ist |
| Was es abgleicht | Den Mund mit den neuen Worten | Die Stimme mit dem Moment, in dem gesprochen wurde, und mit dem Bildschirm |
| Wo es zählt | Nahaufnahmen, Talking Heads, Szenen mit Schauspielern | Tutorials, Lektionen, Bildschirmaufnahmen, Erzählstimmen |
| Wenn es fehlt | Der Mund sagt das eine, die Stimme das andere | Die Stimme beschreibt einen Schritt, bevor der Bildschirm ihn zeigt |
Bei Bildschirmaufnahmen zählt das Timing
In einer Bildschirmaufnahme, einem Software-Tutorial oder einer gesprochenen Lektion gibt es kein Gesicht, das synchron sein müsste. Die Zuschauer sehen einen Cursor, ein Menü, einen Viewport. Was ihnen auffällt, ist, ob Stimme und Bildschirm übereinstimmen: Die Anweisung kommt mit dem Klick, die Erklärung wartet, bis das Rendering fertig ist, das Zögern passiert, während der Cursor sucht.
Stimmt das Timing nicht, rettet nichts anderes die Synchronisation. Die Worte können richtig sein und die Stimme deine, und trotzdem ist die Lektion schwerer zu verfolgen als das Original, weil man jeden Schritt einen Moment hört, bevor man ihn sieht. Warum Pausen bei der Synchronisation wichtig sind zeigt, wie eine Synchronisation ihr Timing verliert.
Wenn dein Publikum auf den Bildschirm schaut statt auf dein Gesicht, braucht deine Synchronisation vor allem Timing.
Wenn das Gesicht das Bild füllt
Lippensync wird umso wichtiger, je größer der Mund im Bild ist. In einem Interview in Nahaufnahme, einem Talking-Head-Video oder einer Szene mit Schauspielern fällt ein Mund auf, der nicht zu den Worten passt, und das reißt aus dem Video heraus. In einem kleinen Webcam-Fenster über einer Bildschirmaufnahme ist eine Abweichung viel weniger sichtbar. Bei einer Erzählstimme ohne Gesicht gibt es nichts, was nicht passen könnte.
Lippensync ist außerdem ein eigener Schritt neben der Synchronisation. Es bearbeitet das Bild eines echten Gesichts, Frame für Frame, und braucht eine eigene Prüfung. Bei einem Lehrvideo würde diese Prüfung auf den kleinsten Teil des Bildes verwendet, während das Publikum den Bildschirm studiert.
Wo DubForge steht
DubForge macht kein Lippensync. Es ist für Timing gebaut: Es synchronisiert jede Person in ihrer eigenen Stimme und setzt jeden Gedanken auf die Zeitachse des Videos, sodass eine Stille im Original eine Stille in der Synchronisation ist und die Stimme den Klick erreicht, wenn der Cursor es tut. Das Bild wird nicht an die Stimme angepasst; die Stimme wird passend zum Bild gesetzt.
Diese Entscheidung hat mit den Anfängen zu tun. DubForge wurde von einem 3D-Dozenten gegründet, der Cinema 4D unterrichtet und seine Lektionen auf Portugiesisch aufnimmt. In einer Cinema-4D-Lektion schauen die Zuschauer auf den Viewport, und das Problem, das es zu lösen galt, war eine Stimme, die „turn it off“ sagte, bevor der Cursor dort war.
Gemacht ist es für Onlinekurse, Software-Tutorials und Creator, die auf ihrem eigenen Kanal unterrichten. Sind deine Videos vor allem ein Gesicht in Nahaufnahme, passt ein Tool für Lippensync besser zu ihnen.
Wenn dein Video mit einem Talking-Head-Intro beginnt
Viele Tutorials beginnen mit der Lehrperson eine Minute lang vor der Kamera und wechseln dann zum Bildschirm. Für diese erste Minute hast du drei vernünftige Möglichkeiten:
- Das Gesicht klein halten. Setz die Kamera bei neuen Aufnahmen in eine Ecke über dem Bildschirm oder beginne mit dem Bildschirm und deiner Stimme. Ein kleines Gesicht zeigt eine Abweichung viel weniger als ein bildfüllendes.
- Es hinnehmen. Ein kurzes Intro, in dem der Mund nicht passt, gefolgt von einer Lektion, in der die Stimme jeden Klick trifft, kann ein Tausch sein, mit dem du gut leben kannst. Sieh dir das Intro mit der Synchronisation an und entscheide, ob es dich stört.
- Untertitel für diesen Teil nutzen. Behalte in deinem Schnittprogramm für das Intro den Originalton mit Untertiteln in der Sprache des Publikums und wechsle zur Synchronisation, sobald die Bildschirmaufnahme beginnt.
Die dritte Möglichkeit funktioniert mit den Downloads von DubForge. Neben dem synchronisierten Video bekommst du die Stimme allein, Musik und Hintergrund allein sowie Untertitel in der Original- und der Zielsprache als SRT- und VTT-Dateien, auf die Synchronisation abgestimmt. Das reicht, um das Intro in deinem Schnittprogramm mit deiner Originalstimme und den Untertiteln in der Zielsprache neu aufzubauen; prüf, ob diese Untertitelzeilen dort stehen, wo du sprichst. Untertitel oder Synchronisation zeigt, wann was am besten passt.
Fragen
Brauche ich Lippensync für eine Bildschirmaufnahme?
Nein. Es gibt kein Gesicht, das synchron sein müsste. Den Zuschauern fällt auf, ob die Stimme jeden Schritt dann sagt, wenn der Bildschirm ihn zeigt, also ist das Timing das, was du prüfen solltest.
Braucht ein kleines Webcam-Fenster Lippensync?
Meist kaum. Ein kleines Gesicht in einer Ecke zeigt eine Abweichung viel weniger als eine Nahaufnahme, und der Blick der Zuschauer liegt auf der Bildschirmaufnahme. Sieh dir eine Minute mit der Synchronisation an und urteile selbst.
Was ist der Unterschied zwischen Lippensync und Voice-Sync?
Lippensync verändert das Video, damit der Mund zu den neuen Worten passt. Stimm-Timing, manchmal Voice-Sync genannt, setzt die neue Sprache dorthin, wo das Original gesagt wurde, damit sie zu dem passt, was auf dem Bildschirm geschieht.
Macht DubForge Lippensync?
Nein. DubForge ist für Timing gebaut: Es behält jede Pause und jeden Klick dort, wo sie im Original waren, für Lektionen, Tutorials und Bildschirmaufnahmen.