Fällt etwas auf? Der Ton kommt vor dem Bild. Als visuelle Wesen vergessen wir gerne, dass auch Geräusche Botschaften vermitteln und dass man zwar die Augen, nicht aber die Ohren schließen kann. Besonders auffällig wird die Bedeutung des Tons, wenn man einen Kino-Blockbuster statt im Multiplexkino zuhause auf dem Flachbildschirm mit Quäke-Boxen hören muss.

Viele AV-Produzenten sind im Kern Fotografen, die sicher einen guten Blick fürs Motiv, Bildaufbau und Licht besitzen. Doch diese optischen Wunderwerke mit Geräuschen zu untermalen, ist eine Herausforderung. Es bedarf viel Erfahrung, eines Gefühls für Rhythmus, Musikstimmung und Musikrichtung, um die Stimmung des Bildes zu potenzieren.

Die Stimmung zu ruinieren ist schon einfacher. Das Bild einer spanischen Eisdiele mit „spanish eyes“ zu unterlegen ist kein Witz, sondern tatsächlich belegt – behaupten zumindest alte Hasen der AV-Szene. Hier bedarf es eines feinen Öhrchens und viel Zeit, die akustischen Fettnäpfe zu meiden.

Musik

Der Einsatz von Musik ist knifflig, sofern man sie nicht selbst komponiert. Einfache Keyboards ermöglichen aber schon, mal Klangteppiche, Effekte und kurze Melodien einzuspielen. Doch meist braucht man mehr. Verwertungsgesellschaften wie  die GEMA verhindern, dass sich jeder an käuflicher Musik und diesen aufwändig produzierten Liedern vergreifen kann und diese kostenlos nutzt. GEMA-Freie Musik gibt es für kleines Geld, kostenlos oder je nach Anwendungszweck lizensiert. Vieles ist Geschmacksache und eingängiges Gesäusel. Für dramatischere Musik muss dann doch etwas tiefer in die Tasche gegriffen werden. Nur im Privaten ist alles erlaubt, nur nicht das hochladen auf die eingängigen Videoplattformen.

NEU: Musik mit KI

Inzwischen gibt es die einfache Möglichkeit, instrumental- und Gesangs-Stücke mittels künstlicher Intelligenz schnell und günstig zu erstellen.

Stichpunkte (Keywords, Style) oder Beschreibung der gewünschten Musik reichen, um erstaunliche Ergebnisse zu produzieren. Bei Liedertexten muss gelegentlich die Schreibweise angepasst werden, sonst wird aus dem Fluss "Main" der amerikanischerscher Bundesstaat "Main", oder aus Steampank "Schtiehmpunk." 

Hier der Music Style meines Liedes "The Mosque of Schwetzingen" im zweiten Teil des Videos "TimeTraveling Classic Gala Schwetzingen 2025" (siehe unter meinem Video-Kanal)

Nimmt die böse KI nun anderen Menschen die Arbeit weg? Sicher nicht in der Amateur-AV-Szene, denn kein Liebhaber selbstgebauter Videos wird sich jemals ein Orchester, einen Komponisten und die Miete eines Tonstudios leisten können. Die monatlichen 9$ für 150 Lieder schon eher. 

Übrigens: Auch wenn die KI mit GEMA-pflichtiger Musik trainiert wurde, das Ergebnis ist GEMA-frei. Und selbst wenn deutsche Texte nach Helene und Co. klingen, bei YouTube wird da nichts glöscht und herausgefiltert. KI-Musik gilt als "was eigenes", wie ein Jodel-Diplom im Loriot-schen Sinne.

Sprache

Wer für seine AV-Projekte Sprachaufnahmen benötigt, steht vor dem nächsten Dilemma. Mensch selbst ist zwar authemtisch, aber selten ausgebildet und Dialekt-frei. Und man spricht als Laie vieles falsch aus, sobald man vor dem Mikrophon spricht:

"König" statt "könich", beispielsweise.

Neben einem Tonstudio und hochwertigen Mikrophonen fehlt es auch an ausgebildeten leicht verfügbaren kostenlosen Sprechern.

Aktuell gibt es aber gute Alternativen. Eine Plattform von freelancern namens fiverr offeriert für einen Fünfer Sprachaufnahmen für mal 40 oder mehr Worte. Eine einfache Suchfunktion findet Sprecher jeglicher Stimmlage mit Hörbeispielen. In wenigen Tagen lassen sich so eigene Texte von professionellen Sprechern vertonen. Und für Computerstimmen liefern kostenlose text-to-speach Programme erträgliche Qualität.

O-Ton und Geräusche

Originalton ist seit dem AUfkommen video-taglicher Kameras einfacher geworden. Ohne externes Austeckmikrophon mit "Dead Kitten" (Windschutz) verursacht alelrdings schon ein leises Lüftchen übles Kratzen und Dröhnen. Außerdem nehmen eingebaute Mikrophone gerne Schall von der Seite her auf (Nieren-Charakterisitik), was stört und bei belauschten Gesprächen illegal ist. Ein Richtmikrophon hilft dem ab.

Geräusche wie Wind, Brandung und technische Geräte gibt es auf CD oder auch kostenlos auf Internetseiten. Allerdings sind die eher us-basiert, da klingt die Polizei-Sirene eher nach "Straße von San Franzisco" und nicht nach "Ein Fall für Zwei".

Orthodoxe AV-Schaffende mögen es zudem gar nicht, wenn zu einem stehend Bild einer Person mit starren Lippen ein Text gesprochen wird. Und ja, es wirkt etwas komisch, genauso Brandungsrauschen zu einer stehenden Welle am Strand.