Ratgeber · Visuals
Lyric-Video statt Musikvideo: Textsynchronisation ohne Studio
Ein Musikvideo mit Darstellern ist für ein anonymes KI-Projekt keine Option. Ein Lyric-Video schon – es ist das Format, das YouTube für Musik ohne Gesicht ohnehin bevorzugt, und es macht aus einem Album ein 40-Minuten-Video, das Hörer in einer Sitzung durchlaufen lassen. Der erste Versuch bei uns war langweilig; der zweite funktioniert. Das hier ist der zweite.
Was den ersten Versuch langweilig gemacht hat
Ein Motiv pro Song, vor- und rückwärts geloopt, Text darüber. Technisch sauber, nach 90 Sekunden ermüdend. Die Lehre: Ein Lyric-Video braucht Schnitt. Nicht Action, aber Wechsel – ungefähr alle vier Takte ein neues Bild.
Motivvorrat: elf Bilder pro Song
Pro Song entstehen rund zehn Motive, die alle aus der Welt des Songs stammen, aber nie dasselbe zeigen: Jacke über dem Stuhl, Schuhe an der Tür, Skyline durchs Fenster, Regen an der Scheibe. Etwa die Hälfte als bewegte Clips (Bild-zu-Video), die andere Hälfte als Standbilder mit langsamer Kamerafahrt – die kosten nur Sekunden Rechenzeit und stehen neben den Clips gleichwertig da. Bewegte Motive kommen in die Refrains, ruhige in Strophen und Bridge.
Schnittraster aus dem Song
- Tempo des Songs bestimmen (die meisten Audio-Werkzeuge schätzen BPM automatisch) und daraus die Taktlänge ableiten.
- Abschnitte markieren: Intro, Strophe, Pre-Chorus, Refrain, Bridge, Outro – auf Taktgrenzen gerundet.
- Jeden Abschnitt in Blöcke von höchstens vier Takten teilen, jeder Block bekommt ein anderes Motiv aus der Rotation des Abschnitts.
- Einstellungen nur vorwärts laufen lassen, nie Ping-Pong; Übergänge als kurze Überblendung (0,6 s).
Ergebnis bei einem Vier-Minuten-Song: rund 30 Einstellungen. Das klingt nach viel Arbeit, ist aber eine Tabelle – und die Tabelle wird beim nächsten Song wiederverwendet.
Text setzen: die Regeln, die sich bewährt haben
- Immer zwei Zeilen, nie über eine Strophengrenze hinweg. Die zweite Zeile erscheint etwa 0,4 Sekunden nach der ersten – das wirkt gesprochen, nicht gestempelt.
- Refrain anders als Strophe: größer und in der Markenfarbe, Strophen kleiner in einem helleren Ton. So sieht man die Form des Songs, ohne sie zu kennen.
- Lesbar über hellen Bildern: kein harter Schlagschatten, sondern ein weicher, undurchsichtiger Rand um die Buchstaben. Schlagschatten verschwinden auf Skylines; der Rand bleibt.
- Lower Third statt Vollbildkarte: Nummer, Linie, Titel links unten beim Songwechsel. Eine Vollbildkarte unterbricht; ein Lower Third begleitet.
- Markenname klein, dauerhaft unten rechts. Nicht als Logo, als Schriftzug.
Zeitstempel ohne wortgenaue Transkription
Die Hürde beim Lyric-Video sind die Zeiten: Wann erscheint welche Zeile? Spracherkennung liefert Segmentzeiten, aber bei gesungenem Text oft falsche Wörter. Der Weg, der funktioniert: Die Erkennung nur für die Zeiten nutzen, nicht für den Text. Wortzeiten innerhalb eines Segments gleichmäßig schätzen (gesungen sind es etwa zwei bis drei Wörter pro Sekunde) und diese Schätzung gegen den echten, selbst geschriebenen Songtext ausrichten. Das trifft auf eine halbe Sekunde genau – für zweizeilige Einblender völlig ausreichend. Wortgenaue Karaoke-Effekte braucht niemand.
Refrain automatisch erkennen
Eine Zeile, die im Songtext mindestens dreimal vorkommt, ist Refrain. Diese simple Regel reicht, um Refrains groß und golden zu setzen und ihnen die bewegten Motive zuzuteilen – ohne jeden Song von Hand zu markieren.
Was wir noch gelernt haben
- Bild-zu-Video-Modelle machen aus einem fahrenden Auto gern zwei. Bewegte Fahrzeuge als Standbild mit Kamerafahrt lösen.
- Bei Bar- und Clubmotiven greift gegen Ende oft eine Hand ins Bild. Clips vor dem Ende abschneiden oder Hände in die Negativliste.
- Für ein ganzes Album die Einstellungen einzeln rendern und am Ende zusammensetzen – abgebrochene Renderläufe hinterlassen sonst unbrauchbare Dateien, die erst beim Zusammenbau auffallen.
- Kapitelmarken in die Videobeschreibung: Zeitstempel je Song. YouTube zeigt sie als Kapitel, und Hörer springen direkt zu ihrem Lieblingstitel.
Ein Lyric-Video ist Typografie mit Hintergrund. Wer die Schrift richtig setzt, kommt mit sehr wenig Bild sehr weit.
Alle Ratgeber sind bewusst allgemein gehalten: welche Modelle und Werkzeuge bei dir laufen, hängt von deiner Hardware ab. Fragen oder Korrekturen? Schreib uns.