Standard, Hoch oder Ultra beim Aufnehmen am iPhone: Welche Qualität wählen?

Eine Qualitätsauswahl mit drei unerklärten Stufen weckt denselben Reflex wie jeder andere Einstellungsbildschirm: die oberste wählen, sicherheitshalber. Bei einer Sprachaufnahme verschwendet dieser Reflex meist nur Speicherplatz, ohne irgendetwas zu schützen — und es lohnt sich, genau zu wissen, warum, bevor man aus Vorsicht zur höchsten Stufe greift.

Was sich zwischen den drei Stufen wirklich ändert

In Voice Studio legen die drei Stufen — Standard, Hoch und Ultra — die Abtastrate fest: wie oft pro Sekunde das Mikrofonsignal gemessen wird. Standard nimmt mit 22,05 kHz auf, Hoch mit 44,1 kHz, Ultra mit 48 kHz. Alle drei speichern mono-AAC in einer .m4a-Datei. Sonst ändert sich nichts zwischen ihnen — gleicher Codec, gleiche Kanalzahl, gleicher Dateityp.

Eine höhere Abtastrate erfasst einen breiteren Ausschnitt des hörbaren Spektrums und ergibt, weil mehr gemessenes Signal zu kodieren ist, eine etwas größere Datei bei gleicher Aufnahmelänge. Das ist der ganze Tausch: etwas mehr Frequenzbereich und Dateigröße gegen nichts, worauf man verzichtet hätte.

Warum dieser "breitere Bereich" bei einer Stimme kaum eine Rolle spielt

Eine menschliche Stimme, mit allem, was Sprache verständlich macht, liegt größtenteils unter etwa 8 kHz. Um eine Frequenz sauber zu erfassen, muss ein Aufnahmegerät mit ungefähr der doppelten Rate abtasten, sodass selbst die Standard-Einstellung mit 22,05 kHz komfortabel über dem liegt, was eine gesprochene Stimme braucht. Hoch und Ultra erfassen mehr vom Detail im oberen Frequenzbereich des Raums — ein Stuhlknarren, das Rauschen einer Lüftungsöffnung, die Höhen eines Instruments — nicht mehr von der Stimme selbst, denn die Stimme war schon bei der niedrigsten der drei Stufen vollständig vorhanden.

Das heißt nicht, dass die drei Stufen bei allem gleich klingen. Es ist eine konkrete Aussage über gesprochenes Audio — und genau das nimmt ein Telefonmikrofon in der Hand oder auf dem Tisch die allermeiste Zeit auf.

Was eine Aufnahme wirklich beeinträchtigt — und was nicht

Keine der drei Einstellungen rührt an das, was eine Sprachaufnahme wirklich schwer anzuhören oder später schwer zu transkribieren macht: der Abstand zwischen Telefon und sprechender Person, wie sehr der Raum hallt, Hintergrundgeräusche von einem Ventilator oder Verkehr, und übersteuertes Audio, weil zu nah oder zu laut gesprochen wurde. All das erreicht die Aufnahme unabhängig von der gewählten Stufe gleichermaßen. Das Telefon zehn Zentimeter näher an die sprechende Person zu rücken bringt einer Aufnahme mehr als der Sprung von Standard auf Ultra jemals bringen wird.

Der eine Fall, in dem sich die höhere Stufe lohnt

Es gibt einen echten, engen Grund, zu Ultra zu greifen: eine Aufnahme, die in ein Videoprojekt mit 48 kHz eingeht. Die native Abtastrate des Audios an die der Video-Timeline anzupassen erspart später einen Resampling-Schritt — das ist eine Erleichterung für diesen speziellen Arbeitsablauf, kein für sich hörbarer Qualitätsunterschied. Außerhalb dieses Falls ist Ultra vor allem für alle gedacht, die aus Prinzip die klanglich hochwertigste Datei wollen, die die App produzieren kann, unabhängig davon, ob der Unterschied hörbar ist.

Was eine Stufe höher kostet

Eine höhere Abtastrate bedeutet mehr gemessenes Signal, das beim Encoder ankommt, und das schlägt sich in einer größeren Datei bei gleicher Aufnahmelänge nieder — der genaue Unterschied hängt vom Audio und vom Encoder ab, aber die Richtung bleibt gleich: Standard liefert von den dreien die kleinsten Dateien, Ultra die größten. Bei einer langen Aufnahme, oder bei der Gewohnheit, oft aufzunehmen, ist genau dieser Unterschied es, der später wirklich auffällt — als freier Speicherplatz auf dem Telefon, nicht als etwas, das man beim Abspielen bemerkt.

Eine einfache Faustregel

• Alltägliche Sprachnotizen, Besprechungsnotizen, Vorlesungen, Interviews: Hoch. Diese Stufe liegt komfortabel über dem Punkt, an dem die Sprachklarheit vom Encoder begrenzt wird, und macht sich beim Speicherplatz nicht so bemerkbar wie Ultra bei einer langen Aufnahme.
• Der Speicherplatz ist wirklich knapp, oder es wird viel aufgenommen und das meiste selten noch einmal gehört: Standard. Bei dieser Stufe fehlt nichts, was Sprache braucht — man verzichtet auf Spielraum, der ohnehin nicht genutzt wurde, nicht auf Klarheit, die man bemerkt hätte.
• Die Aufnahme geht in eine 48-kHz-Video-Timeline, oder man will grundsätzlich die klanglich hochwertigste Datei, unabhängig von der Quelle: Ultra.

Eine falsche Wahl im Sinne einer verdorbenen Aufnahme gibt es hier nicht — alle drei liefern eine saubere, brauchbare .m4a-Datei. Die einzige echte Kosten einer ungünstigen Wahl ist Speicherplatz, der auf einen Frequenzbereich verwendet wird, den eine Stimme ohnehin nie genutzt hätte.

Wie Voice Studio damit umgeht

Die Qualitätseinstellung ist eine kostenlose Wahl, nichts, was für Pro zurückgehalten wird — Standard, Hoch und Ultra stehen von Anfang an zur Verfügung, und die Einstellung lässt sich zwischen Aufnahmen jederzeit ändern. Hoch ist die Voreinstellung, was der obigen Empfehlung für die meisten gesprochenen Aufnahmen entspricht. Unabhängig von der gewählten Stufe verhält sich die Transkription gleich: Sie versucht zuerst den lokalen Durchgang auf dem Gerät, egal mit welcher Abtastrate aufgenommen wurde, denn die Qualitätseinstellung ist nicht Teil dessen, worauf eine Transkription aufbaut.

Häufige Fragen

Was ist der tatsächliche Unterschied zwischen Standard, Hoch und Ultra?

Die Abtastrate: 22,05 kHz bei Standard, 44,1 kHz bei Hoch und 48 kHz bei Ultra. Alle drei nehmen mono-AAC in derselben .m4a-Datei auf — sonst ändert sich nichts.

Klingt eine Sprachaufnahme bei höherer Qualitätseinstellung klarer?

Bei Sprache nicht in einer bemerkbaren Weise. Die Sprachverständlichkeit liegt in einem Frequenzbereich, den schon die Standard-Einstellung abdeckt. Was Klarheit wirklich beeinflusst, sind Abstand zur sprechenden Person, Raumgeräusche und Nachhall — nichts davon ändert sich mit der Qualitätseinstellung.

Welche Einstellung sollte man standardmäßig verwenden?

Hoch ist für fast jede gesprochene Aufnahme eine sinnvolle Voreinstellung. Standard ist eine vernünftige Wahl, wenn der Speicherplatz knapp ist, da nichts verloren geht, was Sprache braucht. Ultra lohnt sich vor allem, wenn das Audio in ein 48-kHz-Videoprojekt geht.

Wirkt sich die Qualitätseinstellung auf die Dateigröße aus?

Ja — eine höhere Abtastrate bedeutet mehr gemessenes Signal, das der Encoder speichern muss, sodass die Datei von Standard über Hoch zu Ultra bei gleicher Aufnahmelänge etwas größer wird. Das ist der eigentliche Hauptkompromiss zwischen den dreien.