Der Sprechertext ist die Länge: wie lang ein Videoskript sein sollte

Die meisten Schnittprogramme behandeln die Dauer als Einstellung: Clip ziehen, Clip wird länger. PageToVid haben wir bewusst andersherum gebaut.

Der gesamte Sprechertext wird in einer durchgehenden Aufnahme gelesen, nicht als Einzelclip pro Szene, der hinterher zusammengeklebt wird. So behält die Stimme vom ersten bis zum letzten Wort denselben Rhythmus. Danach werden die Szenengrenzen auf echte Pausen in dieser Aufnahme gelegt, und die Untertitel werden aus demselben Audio geschnitten. Jede Szene ist ein Abschnitt einer einzigen Spur, und die Abschnitte ergeben immer das Ganze.

Deshalb hat eine besprochene Szene keine eigene Dauer. Kürzt du sie unter ihre Wörter, verschwinden die Sekunden nicht: Sie rutschen in die nächste Szene, deren Untertitel dann zu spät kommen. Braucht die Pipeline Platz, fügt sie an der Nahtstelle Stille ein; sie schneidet nie Ton heraus.

Feste Sekunden gibt es nur zwei Arten: die Eröffnungs- und die Schlusskarte, zusammen etwa vier Sekunden, plus einen kurzen Nachlauf nach dem letzten Wort, damit der letzte Untertitel lesbar bleibt. Eine Szene ohne Sprechertext ist eine stumme Karte und steht genau so lange, wie du festlegst.

Kurz: Laufzeit = Sprechdauer deiner Wörter + rund vier Sekunden.

Os Vinhos do Rapaz kuratiert portugiesische Weine: Geschenkboxen, monatliche Überraschungsweine, Angebote für Events und Firmengeschenke. Aus der Startseite entstanden zwei Filme im Seitenverhältnis 16:9.

Der englische Film läuft 46 Sekunden mit 89 Wörtern. Er beginnt mit „Still searching for the perfect Portuguese wine gift?“, benennt das Problem, gibt den Geschenkboxen, den Überraschungsweinen und den Event-Angeboten je eine Szene und endet mit der Bitte, ein persönliches Angebot anzufragen.

Der portugiesische Film läuft 26 Sekunden mit 33 Wörtern und beginnt mit „Celebre momentos especiais com vinhos portugueses únicos.“ Dieselbe Website, dasselbe Format, dieselbe Pipeline.

Die Rechnung ist lehrreich. Das englische Skript hat 2,7-mal so viele Wörter und läuft 1,8-mal so lang. Den Unterschied machen die festen Sekunden: Karten und Nachlauf kosten in beiden Filmen gleich viel, ein kleiner Anteil von 46 Sekunden, ein großer von 26. Ein sehr kurzer Film trägt also weniger Wörter, als ein Dreisatz vermuten lässt, und das Einzige, was die Länge beider Filme bestimmt hat, war ihre Wortzahl.

Mit diesen Budgets schreibt der Planer, abgeleitet aus den Tempotabellen in unserem Code und an fertigen Filmen geprüft. Die Karten sind schon abgezogen. Ein Film darf 15 bis 180 Sekunden lang sein; Standard sind 45.

Drei Dinge verschieben diese Zahlen. Die Sprache: Deutsch packt mehr Bedeutung in längere Wörter und braucht etwa ein Zehntel weniger davon; Französisch und Spanisch nutzen mehr, kürzere Wörter. Der Tonfall: Eine energische Lesung ist schneller, eine ruhige oder Premium-Lesung langsamer, im Code auf ungefähr ein Zehntel in jede Richtung begrenzt. Die Stimme: Jede Stimme hat ihr eigenes Tempo, das wir aus fertigen Filmen lernen; sie verschiebt die Schätzung erst nach mehreren Filmen und nie um mehr als etwa fünfzehn Prozent.

Die Szenenspalte zählt so viel wie die Wortspalte. Mit 10 bis 15 Wörtern pro Szene bleibt eine Idee einige Sekunden im Bild. Zwei Ideen in einer Szene sind der häufigste Grund, warum ein Film gehetzt wirkt (siehe den Storyboard-Leitfaden).

Das Wortbudget sagt voraus, die Sprachspur misst. Nach der Aufnahme vergleicht die Pipeline die Länge, die der Film damit hätte, mit dem Ziel:

1. 1Bis etwa 3 % Abweichung: nichts zu tun.
2. 23 bis 8 % daneben: Die Aufnahme wird in einem unhörbaren Fenster angepasst, höchstens rund 6 % schneller oder langsamer, Tonhöhe bleibt erhalten.
3. 3Mehr als 8 % daneben: Bei einem Film, den wir aus deiner Seite planen, wird der Sprechertext auf die Wortzahl umgeschrieben, die genau dieser Sprecher braucht, und neu gelesen.

Das meint der Satz „die Stimme wird auf die gewünschte Länge korrigiert, auf ±10 % genau“, und get_video zeigt, ob der fertige Film in dieser Toleranz liegt.

Ein Skript, das du selbst schreibst, läuft anders. Nichts schreibt deine Wörter um. Wenn du den Sprechertext selbst verfasst, im Editor oder mit create_animation über MCP, wird das Ziel zu einer Prüfung, die ein weit danebenliegendes Skript ablehnt, und ein neuer Render passt das Tempo an, schreibt aber nie um.

Die Methode, die wir selbst nutzen, wenn ein Film in einen festen Platz passen muss, etwa eine 45-Sekunden-Schleife auf einer Landingpage.

Ein neuer Render kostet 40 Credits, ob der Film 30 Sekunden oder 180 Sekunden läuft. Die Länge entscheidest du also für dein Publikum, nicht für dein Budget (siehe Preise). Wie du die Wörter einer einzelnen Szene änderst, ohne alles neu zu machen, steht in ein Video korrigieren, ohne es neu zu machen.

• 30 Sekunden bestellen und 150 Wörter einfügen. Der Film dauert so lange wie die Wörter. Gib dem Planer das Wortbudget, nicht nur die Sekunden.
• Ein kurzes Skript aufpolstern. „Entdecke mehr. Jetzt erkunden.“ füllt Sekunden und sagt nichts.
• Eine besprochene Szene in der Timeline kürzen. Ihre Wörter brauchen weiter ihre Zeit. Streich Wörter.
• Ein Skript für alle Sprachen. Wenn du einen Film übersetzt, wird jede Sprache neu vertont und neu getaktet: Prüf jede gemessene Länge.
• Die Karten in einem sehr kurzen Film vergessen. Vier Sekunden sind ein Viertel eines 15-Sekunden-Films.

Wie die Stimme selbst entsteht: was Text-to-Speech ist. Ein 45-Sekunden-Skript Szene für Szene: der Leitfaden zum SaaS-Demovideo. Das Format, an dem diese Budgets gemessen wurden: das Erklärvideo.