Lange Videos mit KI synchronisieren: Vorträge, Kurse und Podcasts bis 2,5 Stunden

Dein bestes Video ist wahrscheinlich schon fertig: ein aufgezeichneter Workshop, ein Kursmodul, ein langes Interview oder die letzte Staffel deines Podcasts. Um es auch Zuschauern auf Spanisch, Deutsch oder Japanisch zugänglich zu machen, brauchtest du früher ein Transkript, eine Übersetzung, einen Sprecher und einen Nachmittag im Audioeditor – für jede einzelne Folge.

Genau dafür hat der Videoübersetzer auf ImageGPT jetzt einen Modus für lange Videos. Lade dein eigenes Video mit einer Länge von 1 Minute bis 2,5 Stunden hoch, prüfe den übersetzten Text, wähle die Stimmen aus und lade eine MP4 herunter, die neben der Originalsprache auch die neue Sprache enthält. Den Preis für jeden Schritt siehst du, bevor du ihn startest.

So sieht das Ergebnis aus

Wir haben die ersten 2 Minuten und 14 Sekunden von „Tour of the Moon“ genommen, einem kommentierten Überflug auf Basis von Daten des Lunar Reconnaissance Orbiter, erstellt von NASAs Scientific Visualization Studio. NASA-Videos sind gemeinfrei und dürfen daher verwendet werden. Wir haben das Video hochgeladen, Spanisch und den Voice-over-Modus gewählt und alle anderen Einstellungen unverändert gelassen.

Die KI hat 1 Sprecher erkannt, den Kommentar in 18 Zeilen aufgeteilt und zusammenhängende Sätze statt einzelner Wörter übersetzt: Aus „Orientale basin“ wurde „la cuenca Oriental“, während LRO, Diviner und LOLA unverändert blieben. Vom Upload bis zum fertigen Video dauerte es nur gut 1 Minute.

Die fertige MP4 lässt dein Originalbild unangetastet – es wird nicht neu codiert. Dazu kommen 2 Audiospuren, die Übersetzung als Standard und das Original, sowie Untertitel in beiden Sprachen. In Playern wie VLC können Zuschauer zwischen den Spuren wechseln. Die Untertitel kannst du außerdem als SRT- und VTT-Dateien für YouTube oder deine Kursplattform herunterladen.

Was du übersetzen kannst

Nur Inhalte, die dir gehören oder für die du die Rechte hast: deine eigenen Videos und Kanalfolgen, Kurse und Webinare, Interviews, Podcasts sowie Dokumentationen, für die du eine Lizenz besitzt. Das bestätigst du per Kontrollkästchen, bevor die Verarbeitung beginnt. Filme und Fernsehsendungen, an denen du keine Rechte hast, sind ausgeschlossen.

• Länge von 1 Minute bis 2,5 Stunden, Dateien bis 6 GB.
• MP4, MOV, MKV oder WEBM mit H.264-, H.265-, AV1- oder VP9-Video. Nutzt deine Datei etwas anderes, konvertiere sie zuerst mit dem kostenlosen Videokonverter in MP4.
• 18 Sprachen in jede Richtung: Englisch, Spanisch, French, Deutsch, Italienisch, Portugiesisch, Polnisch, Türkisch, Niederländisch, Ukrainisch, Russisch, Japanisch, Koreanisch, Chinesisch, Arabisch, Hindi, Indonesisch und Vietnamesisch.
• Deutlich gesprochene Sprache lässt sich am besten transkribieren. Laute Musik über der Stimme oder gleichzeitig sprechende Personen bedeuten, dass du mehr Zeilen im Text korrigieren musst.

Schritt für Schritt

1. Öffne den Videoübersetzer und wechsle zu „Film, Vortrag, Folge – bis 2,5 h“.
2. Wähle ein Projekt: ein neues oder ein bestehendes, wenn dies die nächste Lektion oder Folge ist. Wähle die Zielsprache und lass die Originalsprache auf „Erkennen“.
3. Wähle die Ausgabe: „Voice-over“, „Vollständige Synchronisation“ oder „Nur Untertitel“. Für ein Voice-over wählst du die Stimmen: einen Erzähler, eine männliche und eine weibliche Stimme passend zu den jeweiligen Sprechern oder eine Stimme pro Figur.
4. Lade die Datei hoch oder füge einen Link dazu ein. Große Dateien werden in Teilen hochgeladen. Falls deine Verbindung abbricht, wähle dieselbe Datei erneut aus: Der Upload wird an der Stelle fortgesetzt, an der er unterbrochen wurde.
5. Bestätige, dass du die Rechte am Video hast, und klicke auf „Transkribieren und übersetzen“. Der Preis steht auf dem Button.
6. Prüfe die Sprecherliste, das Glossar und den Text. Zu jeder Zeile gibt es Wiedergabebuttons für das Original und die Übersetzung; jede Zeile lässt sich bearbeiten.
7. Klicke bei einem langen Video zuerst auf „Die ersten … Min. testen“: Vertont wird nur der Anfang, bis zu 2 Minuten über die erste Zeile hinaus. So kannst du die Stimmen anhören, bevor du für den Rest bezahlst.
8. Klicke auf „Gesamtes Video vertonen“, dann auf „Video herunterladen“ und, falls du sie brauchst, auf „Untertitel“.

Alles läuft auf unseren Servern. Du kannst den Tab also schließen und später zurückkommen: Ein Fortschrittsbalken zeigt dir die verbleibende Zeit. Wenn du die Vertonung mittendrin stoppst, bekommst du die Credits für den noch nicht vertonten Teil zurück. Das fertige Video wird außerdem unter „Meine Werke“ gespeichert.

Voice-over, vollständige Synchronisation oder Untertitel?

Bei der vollständigen Synchronisation trennt Demucs die Stimmen von Musik und Soundeffekten. Anschließend wird die neue Sprache über den Originalhintergrund gelegt. Jede Figur kann eine vorgefertigte Stimme erhalten, eine Stimme, die du für eine deiner Figuren gespeichert hast, oder „Stimme aus dem Video“ – eine Kopie der eigenen Stimme dieser Person, die in der neuen Sprache spricht. Kopiere nur deine eigene Stimme oder die Stimme einer Person, die zugestimmt hat. Das bestätigst du mit einem separaten Kontrollkästchen. Für Ukrainisch, Indonesisch und Vietnamesisch sind Stimmkopien noch nicht verfügbar; hier wird eine vorgefertigte Stimme verwendet.

Einen ganzen Kurs oder eine Podcast-Staffel übersetzen

Lege alle Folgen einer Serie in einem Projekt ab. Das Projekt merkt sich die Sprecherliste – bis zu 12 benannte Personen mit ihren Stimmen; alle übrigen werden als „Andere Männer“ und „Andere Frauen“ zusammengefasst – sowie ein Glossar mit Namen und Begriffen. In der nächsten Folge erkennt die KI wiederkehrende Personen an ihrer Stimme. So klingt dein Co-Host in Lektion 1 genauso wie in Lektion 10.

Fülle das Glossar nach der ersten Folge aus. Wenn ein Kochkurs „fold in“ auf 2 verschiedene Arten übersetzt hat, füge den Begriff mit deiner gewünschten Übersetzung hinzu und klicke auf „Erneut übersetzen“: Nur die Übersetzung wird neu erstellt; Zeilen, die du von Hand bearbeitet hast, bleiben unverändert.

Was es kostet

Du bezahlst jeden Schritt einzeln. Transkription und Übersetzung werden direkt nach dem Upload berechnet, die Vertonung erst, nachdem du den Text geprüft hast. Der Preis hängt von der Länge und dem Sprechanteil ab; jeder Button zeigt den genauen Betrag. Ungefähre Werte für ein Video mit viel gesprochener Sprache:

Unser 2-minütiger NASA-Clip kostete einschließlich Transkription etwa 20 Credits. Videos mit langen Pausen oder Musikpassagen kosten weniger, weil nur gesprochene Zeilen vertont werden. Korrigierst du später eine einzelne Zeile, bezahlst du nur für diese Zeile; beim erneuten Erstellen des Videos werden nur die geänderten Teile neu abgemischt.

Kurze Clips unter 5 Minuten laufen weiterhin über den regulären Modus desselben Tools. Er ergänzt Lippensynchronisation und fest ins Bild eingebrannte Untertitel. Für animierte Untertitel in einem Reel oder Short nutze „Auto-Untertitel“.