Warum klingt meine Stimme in einer iPhone-Aufnahme anders?

Fast jeder, der sich zum ersten Mal auf einer Aufnahme reden hört, reagiert gleich: Das bin doch nicht ich. Das passiert bei einem guten Mikrofon genauso zuverlässig wie bei einem schlechten, bei einem teuren Aufnahmegerät genauso wie bei einem Telefon — ein erster Hinweis darauf, dass die Datei so gut wie nie die eigentliche Erklärung ist.

Zwei Wege, während man spricht

Beim Sprechen erreicht der Schall die eigenen Ohren gleichzeitig auf zwei Wegen, und nur einer davon steht überhaupt jemand anderem zur Verfügung. Luftleitung ist der bekannte Weg: Schallwellen verlassen den Mund, durchqueren den Raum und treffen von außen auf das Trommelfell — derselbe Weg, den die eigene Stimme zu einem danebenstehenden Freund zurücklegt, oder zu einem Mikrofon auf dem Tisch.

Knochenleitung ist der andere Weg, und den gibt es nur für einen selbst. Die Schwingung der eigenen Stimmbänder wandert direkt durch die Knochen von Kiefer und Schädel zum Innenohr, ohne den Umweg über die Luft. Knochen leitet tiefe Frequenzen wirksamer als Luft, sodass der über Knochenleitung wahrgenommene Anteil in den Tiefen betont ist. Zusammen mit dem gleichzeitig über die Luft ankommenden Anteil klingt die Stimme, die man beim Sprechen selbst hört, voller und tiefer, als der Schall, der tatsächlich den Mund verlässt.

Was ein Mikrofon tatsächlich aufnimmt

Ein Telefon hat keinen Schädel, durch den etwas geleitet werden könnte. Sein Mikrofon empfängt ausschließlich das über die Luft übertragene Signal — den Schall, der durch den Raum gewandert ist, exakt dasselbe Signal, das ein danebenstehender Freund empfängt. Es hat nichts anderes, womit es das mischen könnte, also ist das Aufgenommene keine verzerrte Version der eigenen Stimme, sondern die einzige Version, die den Mund je tatsächlich verlassen hat. Die Diskrepanz, die man bei der Wiedergabe hört, besteht zwischen dieser Version und der volleren, durch Knochenleitung verstärkten Version, die man von innen zu hören gewohnt ist — nicht zwischen Aufnahme und Wirklichkeit.

Warum keine Einstellung das behebt

Ein Rekorder mit mehreren Qualitätsstufen — bei Voice Studio von Standard mit 22,05 kHz bis Ultra mit 48 kHz, alle mono in AAC — verändert, wie originalgetreu das Telefon den Raum erfasst. Er fügt den über Knochenleitung übertragenen Anteil weder hinzu, noch könnte er das, weil dieser Anteil den eigenen Körper nie verlassen hat. Im Raum gibt es dafür nichts, was irgendein Mikrofon aufnehmen könnte. Die höchste verfügbare Einstellung liefert eine originalgetreuere Erfassung der über die Luft übertragenen Stimme; sie sollte nie wie die Stimme im eigenen Kopf klingen, weil diese teilweise aus Schwingung besteht, nicht aus Schall.

Mit Wiederholung wirkt es weniger fremd

Menschen, die sich regelmäßig aufnehmen — Podcaster, Sprachlernende, alle, die eigene Vorträge durchsehen —, berichten häufig, dass die Reaktion mit der Zeit nachlässt. Nicht, weil sich der Klang bei späteren Aufnahmen ändert, sondern weil die ungewohnte Version durch häufigeres Hören zur vertrauten wird — ähnlich wie ein Foto von sich selbst irgendwann nicht mehr merkwürdig wirkt, wenn man genug davon gesehen hat.

Was sich tatsächlich lohnt zu beheben

Unabhängig davon kann eine Aufnahme auch wirklich schlecht klingen, und dieser Teil lohnt sich zu überprüfen, statt ihn als "so klinge ich eben" abzutun. Abstand zum Mikrofon, ein stark hallender Raum oder ein Telefon, das an etwas lehnt, das den Klang dämpft, verändern das tatsächlich aufgenommene Audio — nicht nur die eigene Reaktion beim Zuhören. Klingt eine Aufnahme zusätzlich zur Fremdheit dünn, dumpf oder entfernt, hat dieser zweite Teil eine behebbare Ursache: Platzierung und Raum, nicht die eigene Stimme.

Wie Voice Studio damit umgeht

Voice Studio nimmt AAC in Mono auf, in der gewählten Qualitätsstufe — Standard, Hoch oder Ultra —, und wendet nichts an, das den Klangcharakter einer Stimme verändert. Rauschunterdrückung, wo sie aktiviert ist, wirkt auf Hintergrundgeräusche, nicht als Filter über die eigene Stimme. Die Datei, die dabei herauskommt, ist eine originalgetreue Erfassung dessen, was ein Mikrofon in diesem Raum tatsächlich aufgenommen hat. Die Reaktion "das bin nicht ich", wenn sie auftritt, kommt daher, sich für einmal von außerhalb des eigenen Schädels zu hören — nicht davon, dass die App etwas mit dem Audio gemacht hätte.

Häufige Fragen

Ist eine Aufnahme meiner Stimme originalgetreuer als das, was ich beim Sprechen selbst höre?

In gewissem Sinne ja. Ein Mikrofon nimmt nur den Schall auf, der tatsächlich den Mund verlassen hat und in den Raum gelangt ist — dieselbe Version, die andere ohnehin schon hören. Was man beim Sprechen von innen hört, enthält über Knochenleitung übertragenen Schall, den ein Mikrofon unmöglich erfassen kann. Genau dieser Teil fehlt in einer Aufnahme, nicht etwas, das fälschlich hinzugefügt wurde.

Verändert eine höhere Aufnahmequalität, wie meine Stimme in der Datei klingt?

Sie erfasst den Raum originalgetreuer über einen breiteren Frequenzbereich, fügt aber nichts hinzu. Der vollere Klang, den man beim Sprechen selbst hört, kommt von der Knochenleitung, und keine Qualitätsstufe konnte das je aufnehmen — ein Mikrofon war dazu nie in der Lage.

Gewöhne ich mich daran, wie meine Stimme aufgenommen klingt?

Wer sich oft genug aufnimmt, berichtet genau das: Die Reaktion lässt mit Wiederholung nach, weil die ungewohnte Version mit der Zeit zur vertrauten wird — nicht, weil sich bei späteren Aufnahmen etwas ändert.

Wenn meine Aufnahme zusätzlich zu "das bin nicht ich" auch noch dumpf oder entfernt klingt, ist das dasselbe Problem?

Nein. Dumpfer oder entfernter Klang liegt meist an der Mikrofonplatzierung oder am Raum und lohnt sich, separat zu prüfen. Die Lücke zwischen der eigenen inneren Stimme und einer Aufnahme steckt in jeder sauberen Aufnahme, die je gemacht wurde; zusätzlich schwer zu hören zu sein, gehört nicht dazu — und dieser Teil lässt sich beheben.