In den letzten Jahren habe ich in meinen Urlauben immer mal wieder ein Handy verwendet, um den einen oder anderen Videoclip aufzunehmen. Ich fand die Möglichkeit schon reizvoll, auch bewegte Bilder zu unseren Erinnerungen hinzuzufügen. Mit der Weiterentwicklung der digitalen Kameras, speziell der Systemkameras, wurde es deutlich einfacher, qualitativ hochwertige Aufnahmen anzufertigen.
Capcut
Nur, wie verarbeite ich sie weiter? Den letzten Urlaub 2025 hatte ich mit CapCut zusammengeschnitten. Dort gibt es eine Funktion, geschriebene Texte in gesprochenes Wort zu transferieren. Das klappt bei englischen Texten auch relativ gut, obwohl es je nach Stimme etwas hölzern klingt. Man merkt schon deutlich, dass es eine KI ist, die da spricht. Und bei den deutschen Stimmen gibt es in der kostenlosen Variante deutlich weniger Auswahl. Aber das größere Problem ist, dass englische Bezeichnungen in den seltensten Fällen korrekt ausgesprochen werden.
Ein weiterer Nachteil ist, dass man sich um jede einzelne Sekunde kümmern muss, wie platziere ich den Voiceover Clip? Ich hatte es mal damit versucht, die Texte meiner Reiseberichte selbst einzusprechen. Aber erstens gefällt mir meine Stimme nicht, wenn ich sie aufgenommen höre und zweitens passt die Länge des Textes selten zu den Videoclips. Also insgesamt ein nicht wirklich befriedigendes Ergebnis.
ChatCut
Vor einiger Zeit stieß ich dann auf die Internetseite von ChatCut.io. Hier wird mit einer KI gearbeitet, die wesentlich weiter entwickelt ist als die Text-to-speech-Variante von CapCut. Ich muss dazu sagen, dass ich auch schon andere TTS-Programme angeschaut hatte, aber auch hier der Weg entweder kostspielig oder sehr aufwändig erschien. Ich beschreibe jetzt mal den Weg, wie ich die Urlaubsvideos erstellt und zusammengetragen habe.
Also fing ich an, mich in ChatCut einzuarbeiten. Es ist eigentlich eine relativ einfache Oberfläche, bestehend aus einem Schnittfenster:

Die Video-Clips der einzelnen Tage habe ich mit CapCut erstellt. Übergänge (ich verwende nur einen, um keine Unruhe ins Video zu bringen) lassen sich in dem Programm mit wenigen Klicks über alle Clips verteilen. Dann noch einen Titel für den Reisetag einfügen und exportieren. Sound kann stummgeschaltet werden, muss aber nicht.
Jetzt habe ich für jeden Reisetag einen durchgehendes Video, welches ich entweder einzeln oder alle zusammen veröffentlichen kann.
Ein jedes Video lade ich jetzt in ChatCut hoch. Diese erscheint dann in “My Assets”:

Von dort aus ziehe ich es auf die Timeline und jetzt beginnt die eigentliche Bearbeitung:

Es beginnt meistens mit der Erstellung der passenden Hintergrundmusik. Mein üblicher Befehl lautet: Erstelle eine passende Hintergrundmusik, die mit dem Video startet und zum Ende des Videos endet (ist notwendig, weil sonst die Musik gerne mal über den Video-Clip hinausgeht).
Danach gibt es mehrere Möglichkeiten. Eine davon ist, die KI das Video analysieren zu lassen, was sie “sieht” und die Beschreibung einsprechen zu lassen. Das ist dann nützlich, wenn es darum geht, zu Reisezielen passende Hintergrundinformationen zusammensuchen zu lassen und man nicht selbst die Arbeit machen möchte. Dazu sollte man die Start- und Endzeit eingeben.
Eine weitere Option ist es, eigene Texte zu wählen und zu schreiben. Auch diese sollte man passgenau zum Video platzieren.
Wichtig ist es auch, der KI weitere Optionen, Grenzen mitzugeben. So sollte man auf jeden Fall den Sprecher wählen (beim ersten Mal wird danach gefragt). Dann habe ich bei jedem Clip angefordert, Eigennamen auf Englisch auszusprechen. Sonst kommen wie bei Capcut sehr merkwürdige Ergebnisse raus.
Es ist auch von Bedeutung, dass die generierten Voice-Over-Clips nicht ein- oder ausfaden. Das macht die KI gerne, aber es ist nicht hilfreich. Man kann es nachträglich in der Timeline korrigieren, aber warum die Arbeit machen, wenn man es mit einem Befehl automatisch haben kann.
Und wenn man dann noch die englische Übersetzung haben möchte, dann gibt man es einfach als Befehl dazu. Am besten betonen, dass die englischen Voice-Over-Clips die gleichen Startzeiten wie die deutschen Clips haben.
Und dann lässt man die KI arbeiten. Das dauert manchmal 5 Minuten und man bekommt das Ergebnis, wie in der Timeline gezeigt, präsentiert. Hier kann man noch Clips verschieben, schneiden oder löschen, falls es nicht passt.
Wenn die Aussprache bei einem deutschen Clip nicht so ist, wie man es sich in Englisch vorstellt, kann man das Programm auch bitten, den Eigennamen im deutschen Voiceover so auszusprechen wie in der englischen Version. Hilft.
Ist der Clip erstmal so in Ordnung, wird er auf die eigene Festplatte exportiert, wo man dann die einzelnen Tage entweder in CapCut, DaVinci Resolve oder einem anderen Schnittprogramm der Wahl zusammenfügen kann.
Mir hat es sehr viel Spaß gemacht, dieses neue Tool auszuprobieren. Einen kleinen Haken gibt es allerdings: Wenn man sich mit einer E-Mail-Adresse angemeldet hat, stehen einem 15 Credits kostenlos zur Verfügung. Diese werden bei den oben beschriebenen Bearbeitungen mehr oder weniger aufgebraucht. Bei einem einfachen Text-to-speech weniger, wenn die KI selbst Informationen zusammensucht, mehr. Daher hat man entweder die Möglichkeit, selbst Credits dazuzukaufen oder die Mail-Adresse zu wechseln…
Das Video selbst ist nicht perfekt, ich lerne ja ständig dazu, aber die Erfahrungen, die ich dabei gemacht habe, ermutigen mich, damit weiterzumachen. Fasziniert hat mich vor allem die Tatsache, dass ich mit dem Programm wie mit einem Menschen kommunizieren konnte und der Computer mein Kauderwelsch in den allermeisten Fällen verstanden und richtig ausgeführt hat.
Schaut Euch das Video an und lasst einen Like da.




















































