Beim Filmen eines Videos am iPhone eine separate Tonspur aufnehmen

Das Bild ist meist das, was vor dem Filmen kontrolliert wird — stimmt der Ausschnitt, reicht das Licht —, und der Ton ist der, den das Telefon von dort aufnimmt, wo es zufällig gelandet ist. Das ist genau falsch herum, sobald eine sprechende Person der eigentliche Inhalt ist: ein Interview, ein Testimonial, eine Ansprache in die Kamera, ein Tutorial. Die Lösung ist keine bessere Kamera-App. Es ist, den Ton eigenständig aufzunehmen, aus einer Position, die dafür gewählt ist, diese Person gut zu hören, und den eigenen Ton des Videos als Referenzspur zu behandeln, die am Ende vielleicht gar nicht verwendet wird.

Warum der eingebaute Ton meist die Schwachstelle ist

Ein Telefon, das ein Video filmt, erledigt zwei Aufgaben mit einem einzigen Mikrofon an einer einzigen Stelle: ein Bild einfangen, das von diesem Ausschnitt aus stimmt, und Ton von genau derselben Stelle aufnehmen, ob das dem Ton nun zupasskommt oder nicht. Diese beiden Positionen sind selten dieselbe. Ein Telefon, das weit genug zurücksteht, um jemanden ins Bild zu bekommen, ist oft weiter von dessen Mund entfernt, als eine Aufnahme, die nur diese Stimme einfangen soll, jemals hinnehmen würde — und die Entfernung ist der Faktor, der am stärksten bestimmt, wie eine Aufnahme klingt, weit vor dem aufnehmenden Mikrofon oder irgendeiner Qualitätsstufe. Das Bild des Videos kann genau richtig sein, während der Ton die Aufnahme eines Raums ist, in dem irgendwo jemand spricht.

Nichts davon ist ein Fehler einer bestimmten App. Es ist dasselbe Telefon mit demselben einen Mikrofon, das eine Aufgabe erledigt, für die es nicht positioniert war, weil es nicht an zwei Orten zugleich sein konnte.

Warum es ein zweites Gerät braucht, keine zweite App

Die naheliegend wirkende Abkürzung ist, eine Sprachaufnahme-App und die Kamera-App gleichzeitig auf demselben iPhone laufen zu lassen. Das funktioniert nicht: Der Start eines Videos fordert bei iOS die Kontrolle über das Mikrofon an, und ein Recorder, der auf demselben Telefon bereits läuft, wird für die gesamte Dauer des Videos pausiert, genau wie es ein Anruf tun würde. Nur eine App kann auf einem gegebenen iPhone zu einem Zeitpunkt das Mikrofon halten — zwei unabhängige, ununterbrochene Aufnahmen desselben Moments auf einem einzigen Gerät sind deshalb schlicht nicht das, was die Hardware zulässt, egal welches App-Paar man wählt.

Ein zweites, getrenntes Gerät umgeht das Problem vollständig, weil jetzt zwei Mikrofone statt eines um dieselbe Eingabe konkurrieren. Ein Telefon filmt und hält den Bildausschnitt; ein zweites Telefon, ein iPad oder ein beliebiges anderes Gerät mit einer Sprachaufnahme-App steht dort, wo der Ton wirklich gut ist — nahe an der sprechenden Person — und nimmt nur Ton auf, so lange wie nötig, ohne dass irgendeine Videositzung in der Nähe sie unterbrechen könnte.

Wo das zweite Gerät hingehört

Positioniere es so, wie bei jeder Aufnahme, bei der Nähe wichtiger ist als alles andere: nah an der sprechenden Person, zum Mund hin ausgerichtet statt flach auf einem Tisch liegend und den ganzen Raum aufnehmend, und außerhalb des Bildausschnitts, den die Kamera einfängt. Ein paar Schritte näher, als nötig erscheint, ist meist immer noch nicht zu nah — die Lücke zwischen „im Bild" und „klingt gut genug" ist genau das, wofür dieses zweite Gerät da ist.

Sprechen mehrere Personen — ein Interview mit zwei Stühlen, ein Gespräch über einen Tisch hinweg —, gilt dieselbe Logik wie beim Aufnehmen eines Meetings: ein Gerät nahe an jeder sprechenden Person schlägt eines, das versucht, beide aus der Mitte heraus zu hören.

Einen Sync-Punkt bekommen

Sobald Bild und Ton zwei getrennte Dateien sind, muss der Schnittsoftware gesagt werden, wie sie zeitlich zusammenpassen — und das macht hier nichts automatisch. Es gibt keine Funktion, die eine Videodatei liest und sie eigenständig einer separaten Audioaufnahme zuordnet. Der klassische Trick funktioniert an einem Telefon nach wie vor: ein einziges scharfes, klares Geräusch ganz am Anfang, das sowohl der eigene Ton der Kamera als auch die separate Aufnahme im selben Moment einfangen — ein Klatschen, ein Fingerschnippen, ein Klopfen auf den Tisch. Wird dieser eine Ausschlag in der Schnittsoftware auf beiden Wellenformen ausgerichtet, folgt der Rest der Zeitleiste von selbst.

Einen Marker genau im Moment des Klatschens zu setzen, liefert einen Anhaltspunkt direkt in der Audioaufnahme selbst — den genauen Moment später wiederzufinden ist dann ein Tipp auf den Marker statt ein Durchhören der ganzen Aufnahme auf der Suche danach.

Welche Qualitätsstufe hier wirklich zählt

Für eine sprechende Person reicht die Standardstufe normalerweise aus — die Grenze der Klarheit für Sprache setzen Entfernung und Raum lange bevor sie die Abtastrate setzt, und eine nahe, leise Aufnahme in Standardqualität schlägt eine entfernte, laute in Ultra jedes Mal. Die höheren Stufen sind für Fälle gedacht, in denen die Aufnahme selbst über reine Sprache hinaus von Interesse ist; sie lohnen sich, wenn es einen konkreten Grund für den zusätzlichen Spielraum gibt, statt standardmäßig zur höchsten Stufe zu greifen. Jede Stufe nimmt mono AAC in einer .m4a-Datei auf — genau das, was eine Schnittsoftware braucht, um sie als eigene Tonspur einzufügen. Nichts an der Anpassung ans Bild verlangt Stereo oder ein anderes Format.

Den Ton in den Schnitt bringen

Die .m4a-Datei kommt genauso heraus wie jede andere Aufnahme: direkt aus der App geteilt oder exportiert, per AirDrop oder der Dateien-App auf einen Computer übertragen, oder zusammen mit dem Rest eines Ordners geholt, wenn das für mehrere Clips auf einmal einfacher ist. Von dort geht sie in die Software, die das Video schneidet, als eigene Tonspur — synchronisiert auf das Klatschen und ab diesem Punkt als der eigentliche Ton behandelt, während die eingebaute Tonspur des Videos stummgeschaltet oder nur als Reserve behalten wird.

Wie Voice Studio dazu passt

Voice Studio nimmt mono AAC in einer .m4a-Datei mit der gewählten Qualitätsstufe eigenständig auf, ohne dass sonst noch etwas nötig wäre, um sie andernorts nutzbar zu machen — kein separater Exportschritt zu einer reinen Audiodatei, weil sie das bereits ist. Ein Marker im Moment des Klatschens liefert den Sync-Punkt, ohne ihn später erst per Gehör suchen zu müssen, und weil die App für Audio im Hintergrund deklariert ist, kann das zweite Telefon während der gesamten Aufnahme mit dem Display nach unten liegen oder gesperrt sein, ohne dass die Aufnahme stoppt. Eigene Videofunktionen hat sie nicht — sie mit dem zu koppeln, was auf einem zweiten Gerät filmt, ist die ganze Methode.

Häufige Fragen

Kann ich Ton und Video gleichzeitig auf demselben iPhone aufnehmen?

Nicht mit zwei getrennten Apps. Der Start eines Videos übernimmt die Kontrolle über das Mikrofon, was eine bereits laufende Sprachaufnahme-App auf demselben Telefon für die Dauer des Videos pausiert — nur eine App kann das Mikrofon eines gegebenen iPhones gleichzeitig halten.

Welche Qualitätsstufe sollte ich für eine separate Tonspur wählen?

Standard reicht meist für eine sprechende Person — nah am Mikrofon zu sein zählt weit mehr als die Qualitätsstufe. Hebe die höheren Stufen für Fälle auf, in denen ein konkreter Grund für mehr Spielraum besteht, als Sprache normalerweise braucht.

Wie passe ich eine separat aufgenommene Tonspur später an das Video an?

Mit einem gemeinsamen Sync-Punkt — einem Klatschen oder einem scharfen Geräusch am Anfang, das sowohl der eigene Ton der Kamera als auch die separate Aufnahme einfangen. Diesen Ausschlag in einer Schnittsoftware auf beiden Wellenformen auszurichten synchronisiert den Rest der Zeitleiste.

Muss die separate Aufnahme in Stereo sein, um zum Video zu passen?

Nein. Jede Qualitätsstufe nimmt mono auf, und eine einzelne Mono-Spur fügt sich in einen Videoschnitt als eigene Tonspur ein wie jede andere Tonspur auch, unabhängig davon, wie der eigene Ton des Videos aufgenommen wurde.