Fast alle Werkzeuge zur automatischen Videoerstellung sind in derselben Reihenfolge aufgebaut: Zuerst wird ein Skript geschrieben, dann wird der Text in Szenen geschnitten, und schließlich wird von jemandem – einem Menschen oder einem Algorithmus – aus den fertigen Aufnahmen der Schnitt erstellt. Bei Telematic haben wir diese Reihenfolge bewusst umgedreht. Die Timeline des zukünftigen Videos – mit Szenen, Überblendungen, Einblendungen und einem groben Storyboard – entsteht früher, als das finale Skript generiert wird, und noch viel früher, als auch nur ein Bild gezeichnet wird.
Das klingt nach einem technischen Detail, aber in der Praxis verändert es die gesamte Wirtschaftlichkeit der Videoproduktion. Wenn der Schnitt nach dem bereits aufgewendeten Minuten für die Generierung von Bildern, Sprachaufnahmen und Untertiteln erstellt wird, bedeutet jede Änderung – eine Szene verschieben, einen hängenden Abschnitt entfernen, eine Einblendung hinzufügen – eine Neuberechnung von allem, was danach kommt. Wenn der Schnitt jedoch als separate, leichte Schicht vor der schweren Generierung existiert, kosten dieselben Änderungen fast nichts.
In diesem Artikel werden wir untersuchen, was genau in dieser frühen Phase passiert, warum das nicht nur eine ingenieurtechnische Bequemlichkeit ist, sondern ein echtes Werkzeug zur Kontrolle über das Ergebnis, und wie man dies in der Praxis nutzen kann, wenn man Videos über Telematic erstellt.
//Was ist die Montage-Phase vor dem Skript
Wenn das Material in das Projekt gelangt – sei es ein Artikel, eine Transkription eines anderen Videos oder ein manuell verfasster Text – schreibt das System nicht sofort den finalen Text für die Sprachaufnahme. Zuerst wird eine Timeline erstellt: die Reihenfolge der zukünftigen Szenen mit ihrer ungefähren Dauer, Platz für Überblendungen und Einblendungen sowie ein grobes Storyboard dessen, was im Bild passieren wird. Dies ist eine leichte, schnell generierbare und schnell bearbeitbare Schicht – eine Art Skelett des Videos.
Auf dieser Timeline kann man:
- Szenen vertauschen und die Erzählreihenfolge ändern;
- eine Szene in zwei schneiden oder benachbarte zusammenfügen;
- Überblendungen und Einblendungen verschieben oder entfernen;
- einen groben Durchlauf in schematischer Form ansehen, ohne auf die Generierung von Bildern und Stimmen zu warten.
Erst nachdem die Struktur festgelegt ist, entwickelt das System ein vollständiges Skript – den Text, der für die Sprachaufnahme verwendet wird, und die Prompts für das Visuelle. Das bedeutet, der Text wird an den genehmigten Schnitt angepasst und nicht umgekehrt.
//Warum es nicht nur um die Reihenfolge der Operationen geht
Der Unterschied wird spürbar, wenn etwas geändert werden muss. Wir haben beide Szenarien mit demselben Material getestet: In dem klassischen Modell "zuerst das Skript, dann der Schnitt" bedeutete jede Verschiebung der Struktur – sagen wir, die Entscheidung, das Intro 20 Sekunden später zu platzieren – dass die Timings der Sprachaufnahme mehrerer Szenen neu berechnet, die Untertitel für die neue Dauer regeneriert und, falls das Projekt Kapitel für YouTube erstellt, die Zeitstempel manuell neu berechnet werden mussten.
Wenn die Struktur im Voraus auf der Ebene des Schnitts festgelegt wird, ist dieselbe Änderung einfach das Verschieben eines Blocks auf der Timeline. Stimme, Untertitel und Bilder für diese Szene müssen überhaupt nicht berührt werden, weil sich die Szene als sinnvolle Einheit nicht geändert hat – nur ihr Platz in der Reihenfolge hat sich verändert.
Es gibt auch einen zweiten, weniger offensichtlichen Vorteil: Überblendungen und Einblendungen in Telematic sind keine überlagerten Effekte, sondern normale Szenen, die eigenes Video und eigene Sprachaufnahmen haben können. Da sie von Anfang an auf der Ebene des Schnitts existieren, können sie inhaltlich geplant werden – zum Beispiel kann eine sinnvolle Überblendung genau an dem Punkt platziert werden, an dem sich das Thema des Gesprächs ändert, anstatt eine Einblendung "irgendwo reinzupressen", nachdem das gesamte andere Video gerendert wurde.
//Wie das in der realen Arbeit mit einem Projekt aussieht
In der Praxis sieht der Prozess für den Benutzer so aus: Nachdem die KI das Ausgangsmaterial in eine grobe Struktur umgewandelt hat, gelangen Sie auf den Bildschirm der Timeline und nicht sofort zum Text des Skripts. Hier sieht man die Anzahl der Szenen, ihre ungefähre Dauer und die Stellen für Pausen. Dies ist der Moment, in dem man innehalten und nicht über Formulierungen, sondern über Dramaturgie nachdenken sollte: Wo schwächelt das Video, wo sollte man kürzen und wo sollte man im Gegenteil eine Überblendung hinzufügen, um dem Zuschauer Zeit zu geben, das Gesagte zu verarbeiten.
Einer unserer Kunden, der einen Kanal mit Bewertungen in einer engen Branchennische betreibt, erzählte, dass er früher mehr Zeit mit dem Neu-Schnitt fertiger Videos verbrachte als mit dem Schnitt von Grund auf – weil jede Strukturänderung in seinem früheren Werkzeug eine Regenerierung von Ton und Bildern erforderte. Nach dem Wechsel zu dem Modell "Schnitt zuerst" benötigten solche Änderungen nur noch Sekunden: Block verschieben, sehen, wie es auf der Timeline aussieht, und erst danach die Generierung des schweren Inhalts starten.
//Verbindung zu YouTube-Kapiteln und Erzähltempo
Da die Struktur des Videos in einer frühen Phase festgelegt wird, können daraus ganz natürlich Kapiteln mit Zeitstempeln für YouTube erstellt werden – ein System, das der Zuschauer als Navigation unter dem Player sieht. Da die Szenen und ihre Reihenfolge im Voraus bekannt sind und nicht nachträglich aus einer fertigen Videodatei zusammengestellt werden, sind die Zeitstempel genau und stimmen mit den sinnvollen Blöcken überein, nicht mit willkürlichen Schnitten.
In ähnlicher Weise wird auf dieser Ebene die Einstellung des Erzähltempos angewendet – dynamisch, standardmäßig oder ruhig. Dies beeinflusst, wie der Text in die Szenen noch vor der Generierung des Skripts "gelegt" wird: Ein dynamisches Tempo bedeutet mehr kurze Szenen und Überblendungen, ein ruhiges hält den Plan länger und hat weniger Schnittstellen. Wenn diese Entscheidung nach der Fertigstellung von Skript und Sprachaufnahme getroffen worden wäre, würde ein Wechsel des Tempos fast eine vollständige Neugestaltung des Videos bedeuten.
//Was das für Ihre Praxis bedeutet
Wenn Sie regelmäßig mit Telematic arbeiten, sollten Sie aus diesem praktischen Montagewerkzeug einige Gewohnheiten ableiten:
- Eilen Sie nicht automatisch, um die Timeline zu genehmigen – nehmen Sie sich eine Minute Zeit, um die Reihenfolge der Szenen zu überprüfen, bevor Sie die vollständige Generierung starten. Dies ist der kostengünstigste Moment für Änderungen im gesamten Produktionszyklus.
- Setzen Sie Überblendungen bewusst, indem Sie sie an sinnvolle Übergänge im Text binden, und lassen Sie das System nicht entscheiden, das später zu tun.
- Wählen Sie das Erzähltempo entsprechend dem Format der Plattform in der Schnittphase, und versuchen Sie nicht, ein bereits fertiges Video durch Kürzen von Dialogen "zu retten".
Letztendlich reduziert sich die Idee des Schnitts vor dem Skript auf ein einfaches Prinzip: Die Struktur des Videos ist eine Entscheidung auf einer höheren Ebene als die konkreten Worte und Bilder, und sie sollte zuerst getroffen werden. Alles andere – Text, Stimme, Visuelles – ist bereits die Umsetzung dieser Struktur und nicht umgekehrt. Genau deshalb folgt in Telematic der Schnitt nicht dem Skript, sondern geht ihm voraus.