Eine klassische Synchronisation mit Sprecherinnen und Sprechern für jede Sprache ist aufwendig und lohnt sich für viele Unternehmensvideos nicht. KI-Dubbing macht mehrsprachige Vertonung auch für Produktvideos, Schulungen, Imagefilme oder Social-Media-Clips erreichbar. Dabei wird der gesprochene Text erkannt, übersetzt und mit einer synthetischen Stimme neu eingesprochen.
Wir produzieren solche mehrsprachigen Vertonungen für Websites, Kampagnen und Social Media. Unser Anspruch: Die neue Fassung soll nicht nach Maschine klingen. Deshalb prüfen wir Übersetzung, Betonung und Timing für jede Sprache.
Am Anfang steht die Transkription: Eine Spracherkennung schreibt mit, was im Video gesagt wird, samt Zeitmarken. Danach wird der Text übersetzt und an die Länge der Szenen angepasst, denn eine Übersetzung ist selten genauso lang wie das Original. Eine Sprachsynthese spricht die neue Fassung anschließend ein, wahlweise mit einer passenden Stimme aus einer Auswahl oder mit einer Stimme, die dem Original nachempfunden ist.
Zum Schluss werden neue Sprachspur, Musik und Geräusche zusammengemischt. Je nach Material und Einsatzzweck kann zusätzlich eine Lippensynchronisation sinnvoll sein, bei der die Mundbewegungen an die neue Sprache angepasst werden.
Besonders überzeugend ist es, wenn die Person im Video in jeder Sprache mit ihrer eigenen Stimme spricht. Moderne Sprachsynthese kann aus Aufnahmen einer Stimme ein Stimmmodell erstellen, das auch Sprachen spricht, die die Person selbst nicht beherrscht. So bleibt die Geschäftsführerin oder der Ausbilder in allen Fassungen erkennbar.
Eine Stimme ist allerdings ein sehr persönliches Merkmal. Wir erstellen Stimmmodelle deshalb nur mit ausdrücklicher Einwilligung der Person, klären vorab, wofür die Stimme verwendet werden darf, und nutzen sie ausschließlich für die vereinbarten Projekte. Alternativ wählen wir neutrale synthetische Stimmen, die zu Marke und Inhalt passen.
Die Technik ist nur so gut wie die Prüfung danach. Fachbegriffe, Produktnamen und Eigennamen werden von Spracherkennung und Übersetzung leicht falsch verstanden. Wir legen deshalb vorab ein Glossar mit Begriffen an, die gleich bleiben oder auf eine bestimmte Weise übersetzt werden sollen, und hören jede Fassung vollständig ab.
Für Sprachen, die wir nicht selbst sicher beurteilen können, empfehlen wir eine Durchsicht durch Muttersprachler, etwa aus Ihrem Team. Untertitel erstellen wir auf Wunsch gleich mit; sie helfen allen, die Videos ohne Ton ansehen, und machen Inhalte zugänglicher – ein Baustein für barrierefreies Webdesign.
KI-Dubbing eignet sich für Videos, die über Sprachgrenzen hinweg dieselbe Botschaft transportieren sollen: Produktvorstellungen, Anleitungen, Schulungen und Onboarding, Recruiting-Videos oder Beiträge für Social Media. In Kombination mit unseren KI-Videos entstehen ganze Produktionen in mehreren Sprachfassungen.
Synthetische Stimmen, die eine reale Person täuschend echt nachbilden, können unter die Transparenzpflichten des EU AI Act fallen. Wir besprechen mit Ihnen, wie die Fassungen sinnvoll gekennzeichnet werden, etwa im Abspann oder in der Videobeschreibung. Das ersetzt keine Rechtsberatung, schafft aber Klarheit gegenüber Ihrem Publikum.
Schicken Sie uns einen Link zu Ihrem Video und nennen Sie die Zielsprachen. Wir sagen Ihnen, wie wir es vertonen würden und worauf es dabei ankommt.
Unser Studio liegt in Königstein im Taunus. Wir kommen zu Ihnen oder sprechen per Video-Call – hier finden Sie unsere Seiten für Ihren Ort:
Aktuelle Sprachsynthese deckt viele Sprachen ab, darunter die großen europäischen Sprachen. Die Qualität unterscheidet sich je nach Sprache und Stimme. Für Ihr Projekt testen wir die gewünschten Sprachen vorab mit einem kurzen Ausschnitt.
Synthetische Stimmen klingen heute deutlich natürlicher als noch vor wenigen Jahren. Grenzen zeigen sich bei starken Emotionen, Dialekten oder sehr schnellem Sprechen. Wir wählen Stimme und Sprechtempo passend zum Inhalt und korrigieren Betonungen, wo nötig.
Am besten das Video in guter Qualität, idealerweise mit getrennter Sprach- und Musikspur, dazu ein Skript, falls vorhanden, und eine Liste wichtiger Fachbegriffe. Soll die eigene Stimme verwendet werden, benötigen wir die Einwilligung der Person und einige saubere Sprachaufnahmen.
