Klingt eine Mono-Aufnahme auf dem iPhone schlechter als Stereo?

Es ist eine berechtigte Beobachtung. Musik wird in Stereo gestreamt, Filme werden in Surround abgemischt, und eine App, die nur einen Kanal anbietet, kann so wirken, als würde ihr etwas fehlen, das die anderen haben. Niemand wählt die auf dem Papier billiger wirkende Option, ohne sich zu fragen, was er dafür einbüßt. Die ehrliche Antwort hier lautet: Eine Sprachaufnahme büßt nichts ein, weil das, was Stereo hinzufügt, von vornherein gar nicht da war, um aufgenommen zu werden.

Was Stereo eigentlich aufnimmt

Eine Stereoaufnahme sind zwei Mikrofone, leicht auseinander platziert, die denselben Klang jeweils im selben Moment ein wenig unterschiedlich einfangen. Genau dieser winzige Unterschied — in der Ankunftszeit, in der Lautstärke, im Klangcharakter — ist das, woran die Ohren einen Klang im Raum verorten, und er ist der gesamte Inhalt eines Stereobilds. Spielt man ihn über zwei Lautsprecher oder Kopfhörer ab, rekonstruiert das Gehirn ein Gefühl dafür, wo sich etwas befand: eine Geige links, ein Cello rechts, ein Raum mit Größe und Tiefe um beide herum. Nimmt man diesen Unterschied weg, hat man nicht an Klarheit oder Detail verloren — man hat eine ganz bestimmte Art von räumlicher Information verloren, die es nur gab, weil zwei Mikrofone sich geringfügig darüber uneinig waren, was sie hörten.

Das ist bei der richtigen Quelle etwas Reales und Wertvolles zu erfassen. Es ist aber auch etwas, das nur existiert, wenn die beiden Mikrofone tatsächlich etwas Unterschiedliches hören — und das hängt vollständig davon ab, was aufgenommen wird und wie weit die Mikrofone auseinanderstehen, nicht davon, ob das Format es unterstützt.

Warum eine einzelne Stimme vor einem Telefon davon nichts zu erfassen hat

Ein Telefon, das jemanden beim Sprechen aufnimmt, erfasst eine einzelne Quelle aus kurzer Distanz, mit einem Gerät, dessen Mikrofon an genau einer Stelle sitzt. Es gibt keine zweite Hörposition ein paar Zentimeter weiter, die der ersten widerspricht — ein einzelnes Mikrofon hört eine einzelne Stimme von einem einzelnen Punkt aus, mehr nicht. Das in „Stereo“ aufzunehmen, erzeugt keine räumliche Information, die es nicht gab; es kopiert dasselbe identische Signal auf zwei Kanäle, und bei der Wiedergabe klingt das Ergebnis genau wie Mono, weil es unter der Bezeichnung genau das ist. Das Einzige, was eine Stereodatei in dieser Situation hinzufügt, ist Größe — das Format verdoppelt die gespeicherten Daten, um zwei Kopien eines Signals zu transportieren, das sich von Anfang an nie von sich selbst unterschieden hat.

Das unterscheidet sich von einer echten Stereoaufnahme, etwa von einem Raum voller Umgebungsgeräusche oder einer Bühne mit mehreren verteilten Instrumenten, wo zwei Mikrofone im Abstand von einigen Metern tatsächlich unterschiedliche Dinge hören. Ein Telefon nah an einem Mund ist dieser Aufbau nicht, egal wie die Datei beschriftet ist.

Was den Klang einer Sprachaufnahme tatsächlich verändert

Nichts davon ist die Kanalzahl. Ungefähr geordnet danach, wie stark sie bei einer gesprochenen Aufnahme ins Gewicht fallen:

• Die Entfernung zwischen sprechender Person und Mikrofon — mit weitem Abstand der größte Faktor.
• Der Nachhall des Raums — ein Raum mit harten Oberflächen fügt ein Echo hinzu, das ein weicher, möblierter nicht erzeugt.
• Hintergrundgeräusche — Verkehr, Klimaanlage, andere Gespräche, die um dasselbe Mikrofon konkurrieren.
• Übersteuerung — zu nah oder zu laut sprechen, sodass das Mikrofon es nicht sauber erfassen kann, was auf eine Weise verzerrt, die keine Kanalzahl im Nachhinein repariert.

Eine Mono-Aufnahme, nah an der sprechenden Person in einem ruhigen Raum gemacht, klingt jedes Mal besser als eine Stereoaufnahme, die quer durch einen lauten Raum entsteht. Die Kanalzahl taucht auf dieser Liste nirgends auf, weil sie nie das war, was zwischen einer Aufnahme und gutem Klang stand.

Wo Stereo sich seinen Platz wirklich verdient

Es lohnt sich, hier genau zu sein, statt Stereo pauschal abzutun, denn es ist eine echte Funktion für eine echte Kategorie von Aufnahmen. Field Recording — das tatsächliche Klangbild eines Ortes einzufangen, einen Wald, eine Straße, einen Konzertsaal — baut vollständig darauf auf, was zwei versetzte oder angewinkelte Mikrofone unterschiedlich hören, weil es genau um das Raumgefühl geht. Musik, die mit räumlich verteilten Musikern aufgenommen wird, profitiert genauso. Binaurale Aufnahmen und ASMR gehen noch weiter und verwenden Mikrofone, die geformt und positioniert sind, um menschliche Ohren nachzubilden, gerade damit die Kopfhörerwiedergabe dreidimensional wirkt. All das hat eines gemeinsam: Die Quelle selbst hat eine räumliche Anordnung, die es wert ist, erhalten zu bleiben. Eine Person, die in ein Telefon spricht, das wenige Zentimeter vom Mund entfernt gehalten wird, hat das nicht.

Der Platz, den man für eine Kopie von sich selbst zahlt

Weil eine Stereodatei für eine einzelne, nahe Stimme tatsächlich zwei identische Kopien desselben Signals sind, kostet sie etwa doppelt so viel Speicherplatz wie die entsprechende Mono-Datei — für einen Unterschied, den man bei der Wiedergabe nicht hört. Bei einer kurzen Notiz spielt das kaum eine Rolle; bei einer mehrstündigen Vorlesung, einem langen Interview oder etwas, das über Wochen aufgenommen wird, summiert sich das zu echtem Speicherplatz, der für nichts ausgegeben wird. Es ist das Audio-Äquivalent dazu, zwei identische Fotos nebeneinander zu speichern und das zweite eine Verbesserung zu nennen.

Wie Voice Studio damit umgeht

Voice Studio nimmt Mono-AAC in einer .m4a-Datei auf, mit 22,05, 44,1 oder 48 kHz je nach Qualitätsstufe Standard, Hoch oder Ultra. Es gibt keine Stereo-Option, und das ist eine bewusste Entscheidung, kein Sparen an der falschen Stelle — eine einzelne Stimme, die auf einem Telefon aufgenommen wird, hat keine Stereoinformation zu bewahren, sodass eine Stereodatei in dieser Situation immer nur eine schwerere Kopie desselben Mono-Signals wäre. Die Qualitätseinstellung, die tatsächlich zu wählen sich lohnt, ist die Abtastrate, die bestimmt, wie viel Detail innerhalb des einen Kanals erfasst wird, der zählt; die Kanalzahl war nie die Stelle, an der die eigentliche Entscheidung lag.

Häufige Fragen

Ist eine Mono-Sprachaufnahme von schlechterer Qualität als eine Stereoaufnahme?

Nicht bei einer einzelnen Stimme, die nah an einem Telefon aufgenommen wird. Stereo erfasst einen räumlichen Unterschied zwischen zwei Mikrofonpositionen; ein Telefon, das eine einzelne nahe Stimme aufnimmt, hat diesen Unterschied nicht zu erfassen, sodass eine Stereoversion dieser Aufnahme nur zwei identische Kopien desselben Signals wären, nicht eine Version mit höherer Klangtreue.

Warum klingt Stereo bei Musik besser, aber nicht beim Aufnehmen von Sprache?

Weil Musik und Umgebungsgeräusche tatsächlich eine räumliche Anordnung haben — Instrumente oder Klänge, die über einen Raum oder eine Bühne verteilt sind —, die zwei im Abstand stehende Mikrofone unterschiedlich einfangen. Ein einzelner Mund nah an einem einzelnen Telefonmikrofon hat keine vergleichbare Verteilung zu erfassen.

Macht eine Stereoaufnahme die Datei ohne Nutzen größer?

Bei einer nahen Aufnahme einer einzelnen Stimme ja. Die beiden Kanäle werden nahezu identisch, sodass das Format die gespeicherten Daten verdoppelt, um einen Unterschied zu transportieren, den es eigentlich gar nicht gibt.

Kann man mit Voice Studio in Stereo aufnehmen?

Nein, es nimmt nur in Mono auf, wahlweise mit drei Abtastraten. Das ist Absicht: Eine auf einem Telefon aufgenommene Stimme hat keine Stereoinformation zu bewahren, sodass eine Stereo-Option nur die Dateigröße erhöhen würde, nicht die Qualität.