Wie du ein Video übersetzt und die Hintergrundmusik behältst

Warum die meisten Übersetzungstools deinen Ton plattmachen

Viele Video-Übersetzer behandeln den Ton als eine untrennbare Spur. Wenn sie die synchronisierte Sprache erzeugen, ersetzen sie entweder den ganzen Soundtrack oder sprechen darüber – Originalmusik, Soundeffekte und Raumklang werden dumpf oder gehen ganz verloren.

Bei einem reinen Sprecher-Clip mag das gehen. Bei einem Musikvideo, einem Vlog mit Soundtrack, einem Werbespot oder einem Tutorial mit Vorführgeräuschen verändert der verlorene Hintergrund, wie sich das Video anfühlt – und das Publikum merkt es sofort.

Die Lösung: Sprache und Hintergrund vor der Übersetzung trennen

Der verlässliche Weg, die Musik zu behalten, ist, den Ton zuerst in zwei Spuren aufzuteilen: die gesprochene Stimme und alles andere (Musik, Effekte, Atmosphäre). Übersetzt und neu vertont wird nur die Sprachspur; danach wird die neue Sprache über die unveränderte Hintergrundspur gemischt.

Weil die Hintergrundspur nie neu erzeugt wird, bleiben Musik und Soundeffekte wie im Original – nur die gesprochenen Worte wechseln die Sprache. Der einzige Vorbehalt ist die Trennung selbst, die eine Schätzung ist: Wo Sprache und Musik eng überlappen, kann etwas vom einen im anderen landen (mehr dazu unten).

So erhält WaveShift den Hintergrund, Schritt für Schritt

WaveShift führt diese Kette aus Trennen, Übersetzen und Neuabmischen automatisch aus. Du konfigurierst keine Spuren und öffnest keinen Audio-Editor:

• Füge dein Video hinzu: Datei hochladen oder einen YouTube-, Bilibili-, Twitch- oder X-(Twitter-)Link einfügen.
• WaveShift trennt die Sprache von Hintergrundmusik und Soundeffekten.
• Es übersetzt die Sprache und klont die Stimme jedes Sprechers, damit die Synchronisation die Identität der Originalsprecher möglichst behält.
• Es mischt die übersetzte Sprache über den Originalhintergrund, sodass Musik und Effekte erhalten bleiben.
• Die Wiedergabe läuft, während gerendert wird – den ersten synchronisierten Abschnitt hörst du nach wenigen Minuten, der Rest folgt.
• Klingt eine Zeile falsch, bearbeitest du nach Abschluss der Verarbeitung genau diese Untertitelzeile und erzeugst nur sie neu, ohne das ganze Video zu wiederholen.

Wann der Hintergrund am meisten zählt

Den Hintergrund zu erhalten, ist der Unterschied zwischen einem brauchbaren lokalisierten Video und einem, das du nachbearbeiten musst. Am meisten zählt es bei:

• Musikvideos und Auftritten, bei denen die Musik der Kern ist.
• Vlogs und Lifestyle-Inhalten mit durchgehendem Soundtrack.
• Werbespots und Trailern, bei denen das Sounddesign die Stimmung trägt.
• Tutorials und Produktdemos mit Umgebungs- oder Bildschirmgeräuschen.

Tipps für das sauberste Ergebnis

Ein paar Gewohnheiten lassen das getrennte und neu abgemischte Ergebnis natürlich klingen:

• Starte mit einer Quelle, in der die Sprache einigermaßen klar über der Musik liegt – sauberes Material trennt sich besser.
• Prüfe vor einem langen Video zuerst einen repräsentativen Abschnitt, darunter eine Zeile mit Musik darunter.
• Repariere eine unglücklich klingende Zeile mit der Neusynchronisation einzelner Zeilen, statt die ganze Datei neu zu erzeugen.

Wo die Trennung noch an Grenzen stößt – und wie du das Ergebnis prüfst

Die Trennung ist die beste Schätzung eines Modells, kein Rückgängig-Knopf. Sie funktioniert am besten, wenn die Sprache klar über der Musik liegt, und wird schlechter, wenn sich beide in denselben Frequenzen überlagern: Gesang über Instrumenten, jemand, der über einen lauten Chor spricht, oder Publikumsgeräusche, die wie Sprache klingen. In solchen Passagen hörst du im Hintergrund eventuell leise Reste der Originalstimme oder Musik, die absackt, während eine Zeile läuft.

Ein zweiminütiger Hörtest findet die meisten Probleme, bevor du Minuten für das ganze Video ausgibst:

• Nimm die lauteste Musikpassage, über der gesprochen wird, und hör sie zweimal mit Kopfhörern.
• Achte unter der neuen Stimme auf einen leisen Geist der Ausgangssprache.
• Prüfe die Übergänge zwischen Abschnitten: Die Musik sollte weder in der Lautstärke springen noch neu beginnen.
• Vergleiche die Gesamtlautheit mit dem Original – der Dialog sollte über der Musik liegen, ohne dass die Musik pumpt.
• Ist eine einzelne Zeile das Problem, synchronisiere diese Zeile neu; ist die ganze Quelle voller Gesang, passen Untertitel für dieses Video vielleicht besser als eine Synchronisation.