Wird ein Breitbildvideo einfach auf Hochformat zugeschnitten, bleibt meist die Mitte des Bildes stehen: der Tisch, das Mikro, eine Schulter – während die sprechende Person aus dem Bild rutscht. Zeigt man dagegen den ganzen Rahmen, wirkt alles winzig klein. Was man eigentlich braucht, ist ein Bildausschnitt, der mit dem Gespräch mitwandert – und das von Hand im Schnittprogramm zu machen, kostet Stunden.
Lade ein Video von bis zu 10 Minuten hoch: ein Interview, einen Podcast, einen Vortrag, ein Gespräch vor der Kamera. ElevenLabs Scribe transkribiert die Sprache und kennzeichnet die Sprecher, dann erkennt die KI die Gesichter im Bild und ordnet sie den Stimmen zu. Im Auto-Modus füllt die sprechende Person den Bildschirm, zwei Personen, die gleichzeitig reden, teilen sich einen Split-Screen, und Totalen sowie Folien werden vollständig vor unscharfem Hintergrund gezeigt. Ist das Gesicht des Sprechers etwa durch ein Mikro verdeckt oder lässt sich eine Stimme nicht sicher zuordnen, wird das Video ebenfalls vollständig gezeigt, damit niemand abgeschnitten wird. Du kannst den Modus auch selbst festlegen: immer dem Sprecher folgen, zwei Personen im Bild oder das gesamte Bild.
Untertitel sind nur einen Klick entfernt: 5 Stile, mit Wörtern, die im Takt der Sprache erscheinen. Du erhältst ein 1080×1920-MP4 mit dem Originalton – bereit für Reels, YouTube Shorts und TikTok.
Das Tool funktioniert im Web und in unserer mobilen App. Schlägt die Verarbeitung fehl, erhältst du deine Credits zurück. Um aus einem langen Video mehrere Clips herauszuschneiden, nutze stattdessen den AI Clip Maker.