In der Postproduktion von Interview-Podcasts mit mehreren Sprechern ist die Bereinigung der Sprachspuren traditionell der zeitintensivste Arbeitsschritt. Ganz gleich, ob die Spuren remote über Plattformen wie Riverside, SquadCast oder Zoom aufgezeichnet wurden oder im Studio über separate Mikrofone: Die isolierten Kanäle von Host und Gästen weisen stets störende akustische Artefakte auf. Dazu zählen unwillkürliche Schmatzgeräusche und Lippenklicks (Mouth Clicks), schweres Atmen, Füllwörter („ähm“, „äh“, „halt“, „sozusagen“, „you know“) sowie unnatürlich lange Sprechpausen (Dead Air).
Diese Störgeräusche in einer Digital Audio Workstation (DAW) manuell aufzuspüren, herauszuschneiden und mit Überblendungen zu versehen, nimmt bei einer einstündigen Episode schnell drei bis vier Stunden in Anspruch. Die noch größere Hürde bei Mehrspur-Aufnahmen: Herkömmliche automatische Schnittfunktionen zerstören bei isolierter Anwendung die Synchronität der Spuren. Schneidet ein Tool auf Spur 1 eine Pause von 1,2 Sekunden heraus, während Spur 2 unberührt bleibt, geraten Reaktionen, Einwürfe und Zwischenrufe komplett aus dem Takt.
Cleanvoice löst dieses Kernproblem durch eine KI-gestützte Mehrspur-Synchronisation (Multitrack Synchronization). Audio-Editoren und Produzenten können mehrere getrennte Stems im Batch-Verfahren bereinigen, Schmatzer und Füllwörter eliminieren, Pausen straffen und dabei die absolute Phasen- und Zeitcode-Synchronität aller Spuren bewahren. Neben dem direkten Rendern bereinigter Audiodateien unterstützt Cleanvoice den Export von Markern (Markers) und EDL-Schnittlisten für Audacity, Adobe Audition, Adobe Premiere Pro, DaVinci Resolve und Reaper, um einen zerstörungsfreien Workflow in der vertrauten Schnittumgebung zu ermöglichen.
Das Mehrspur-Dilemma: Warum herkömmliche Automatisierungen scheitern
Um zu verstehen, warum Mehrspur-Projekte spezialisierte KI-Verfahren erfordern, muss man die Dynamik natürlicher Dialoge betrachten:
- Die Asynchronitätsfalle: Ein Interview ist ein interaktives Wechselspiel. Während ein Gast nachdenkt und drei Sekunden pausiert, reagiert der Moderator oft mit einem leisen zustimmenden „Mhm“. Löscht ein einfacher Algorithmus die Denkpause des Gastes isoliert heraus, rutscht dessen folgende Aussage um drei Sekunden nach vorne – und kollidiert direkt mit dem Moderator.
- Das Problem des „digitalen Vakuums“: Natürliche Sprache existiert niemals in absoluter Stille. Wenn eine Software Abschnitte mit Schmatzern oder Füllwörtern schlicht auf Nullpegel (-inf dB) stummschaltet, nimmt das menschliche Ohr ein abruptes Abreißen des Raumtons (Room Tone) wahr. Das Ergebnis klingt abgehackt, steril und unnatürlich.
- Übersprechen zwischen Mikrofonen (Crosstalk / Mic Bleed): Nehmen mehrere Personen im selben Raum auf oder kommen empfindliche Kondensatormikrofone zum Einsatz, gelangt die Stimme des Nachbarn leise auf das eigene Mikrofon. Unzureichende Algorithmen verwechseln dieses Übersprechen leicht mit Störgeräuschen und schneiden Silbenenden unsauber ab.
Cleanvoice begegnet diesen Herausforderungen mit spezialisierten neuronalen Netzen für jeden Fehlertyp und gleicht Lücken mit synthetisiertem Raumrauschen (Room Noise Insertion) ab, wodurch die akustische Kontinuität vollkommen gewahrt bleibt.
Die Erkennungsmodule von Cleanvoice im Überblick
Cleanvoice ist kein einfacher Noise-Gate-Filter, sondern kombiniert mehrere eigenständige Verarbeitungsmodule:
| KI-Modul | Adressierte Störgeräusche | Funktionsweise und Klangschutz |
|---|---|---|
| Filler Words Remover (Füllwörter-Entferner) | „Ähm“, „äh“, „halt“, „quasi“, „you know“, „like“ in über 20 Sprachen | Erkennt phonetische Wortgrenzen präzise, schneidet das Füllwort heraus und fügt Raumton mit weichen Mikro-Crossfades ein. |
| Mouth Sound & Breath Remover (Mund- und Atemgeräusche) | Speichelklicks, Schmatzer, Zungenschnalzen und übermäßige Atemzüge | Isoliert hochfrequente Mikrotransienten, ohne natürliche Sibilanten (wie „s“- und „z“-Laute) zu dämpfen oder die Sprachpräsenz zu beeinträchtigen. |
| Silence / Dead Air Remover (Pausenstraffung) | Ungewollt lange Denkpausen, Hänger und Sprechblockaden | Unterscheidet zwischen dramaturgisch sinnvollen Atempausen und toten Momenten; verkürzt die Lücke auf einen konfigurierbaren Wert statt radikalem Löschen. |
| Stutter Remover (Stotterer-Korrektur) | Silbenwiederholungen, Versprecher und Fehlstarts | Identifiziert gedoppelte Phoneme und entfernt den redundanten Stotterer, während das eigentliche Wort intakt bleibt. |
| Audio Enhancer & Studio Sound (Studio-Klangoptimierung) | Raumhall, Netzbrummen, Lüftergeräusche und Pegelschwankungen | Dämpft statischen Umgebungslärm und gleicht die Lautstärke der Sprecher an, um ein rundes Sendeton-Niveau zu erzielen. |
Schritt-für-Schritt-Workflow: Mehrspur-Interviews professionell bereinigen
Erfahrene Podcast-Teams integrieren Cleanvoice über einen vierstufigen Workflow in ihre Postproduktion.
Schritt 1: Spurausrichtung und Stem-Export
Bevor Dateien zu Cleanvoice hochgeladen werden, müssen alle Spuren denselben Startzeitpunkt teilen:
- In der Aufnahmeplattform (Riverside, SquadCast) oder der DAW werden die Anfänge aller Spuren auf den Timecode
00:00:00:00ausgerichtet. - Exportieren Sie jede Sprecherspur einzeln als unkomprimierte WAV-Datei (oder hochbitratiges MP3/M4A) mit eindeutiger Benennung (z. B.
Host_Spur01.wav,Gast_Spur02.wav). - Wichtig: Wenden Sie vor dem Upload keine harten Kompressoren oder Noise Gates an. Je natürlicher die Transienten erhalten bleiben, desto verlässlicher arbeitet die KI-Erkennung.
Schritt 2: Upload und Projektkonfiguration
- Melden Sie sich im Cleanvoice-Dashboard an und erstellen Sie ein neues Projekt.
- Ziehen Sie alle synchronisierten Spuren gleichzeitig in das Upload-Feld (unterstützt lokale Dateien, Google Drive, Dropbox oder Direktlinks).
- Multitrack-Modus aktivieren: Damit signalisieren Sie dem System, dass die Dateien zusammengehören und die Bearbeitung synchronisiert erfolgen muss.
- Reinigungsmodule konfigurieren:
- Aktivieren Sie den Filler Words Remover und wählen Sie die primäre Sprache.
- Schalten Sie Mouth Sounds Remover und Breath Remover ein.
- Legen Sie den Schwellenwert für Silence / Dead Air fest (Werte zwischen 1,2 und 1,8 Sekunden gelten bei Interviews als ideal).
- Aktivieren Sie die Raumton-Auffüllung (Room Noise), um digitale Nulllinien zu verhindern.
Schritt 3: Wahl des Ausgabeformats: Rendern vs. Marker-Export
Je nach Produktionsziel und Zeitbudget bietet Cleanvoice zwei grundlegende Übergabewege:
Pfad A: Direktes Rendern der Audiospuren (Fokus auf Schnelligkeit)
Optimal für tägliche Nachrichtenformate, wöchentliche Talk-Podcasts oder YouTube-Schnittfassungen mit knappem Abgabetermin:
- Nach der Analyse laden Sie die bereinigten, zeitsynchronen Einzelspuren (Cleaned Stems) oder einen zusammengefassten Mixdown (Merged Track) herunter.
- Cleanvoice hält alle Spuren synchron – entweder durch simultane Schnittverschiebungen oder durch Auffüllen mit Raumton.
- Sie importieren die Spuren in Ihre DAW für das finale Mastering, die Musikeinbettung und die Lautheitsnormalisierung (z. B. -16 LUFS für Stereo-Podcasts).
Pfad B: Marker- und EDL-Export (Zerstörungsfreie DAW-Präzision)
Empfohlen für narrative Produktionen, anspruchsvolle Auftragsproduktionen und Toningenieure, die jeden Schnitt selbst freigeben wollen:
- Marker-Export (zur Verwendung mit den bereinigten Spuren): Cleanvoice erzeugt Marker-Dateien für Audacity, Adobe Audition, Adobe Premiere Pro, DaVinci Resolve, Reaper oder .EDL-Schnittlisten. Wenn Sie das bearbeitete Audio und die Marker in die DAW laden, springen Sie per Tastenkombination gezielt zu jedem Eingriffspunkt der KI, um Blenden und Sprachrhythmus blitzschnell gegenzuhören.
- Timeline- / Timestamps-Export (zur Verwendung mit dem Rohaudio): Die Originalaufnahmen bleiben unberührt. Cleanvoice liefert eine Schnittliste, die fundierte Schnittvorschläge (Füllwörter, Stotterer, Schmatzer) auf der Original-Timeline markiert. Der Editor behält die volle Kontrolle und kann die Segmente im DAW per Ripple-Delete entfernen oder manuell feintrimmen.
Praxishinweis: Die Timestamps-Funktion markiert primär Füllwörter, Stotterer und Mundklicks auf der Originalspur. Die Verkürzung überlanger Pausen (Dead Air) wird am effektivsten über die automatische Trimmfunktion oder den vollständigen Timeline-Export abgebildet.
Schritt 4: Endkontrolle und Mastering in der DAW
Nach dem Laden der Spuren in die Schnittumgebung:
- Überschneidungen kontrollieren (Crosstalk): Hören Sie Passagen ab, in denen beide Sprecher gleichzeitig lachen oder einander ins Wort fallen, um sicherzustellen, dass das Raumrauschen stabil bleibt.
- Mikro-Blenden justieren: Falls ein Wortende minimal zu hart abgeschnitten wirkt, ziehen Sie den Schnittpunkt in der DAW um 10 bis 20 Millisekunden auf und wenden eine Equal-Power-Überblendung an.
- Summenbearbeitung: Finalisieren Sie den Mix mit Bus-EQ, De-Esser und Limiter auf den gewünschten Ziel-Lautheitswert.
Gegenüberstellung beider Arbeitsweisen
| Kriterium | Direktes Audio-Rendern (Pfad A) | Marker- & Timeline-Export (Pfad B) |
|---|---|---|
| Ergebnis | Bereinigte WAV/MP3-Stems oder Summenmix | EDL-Datei, DAW-Markerspur, Label-Spur |
| Wellenform-Eingriff | Destruktives KI-Rendern (inkl. Raumtonfüllung) | Nicht-destruktiv; Rohaudiodatei bleibt unangetastet |
| Schnittkontrolle | Globale Parameter im Web-Interface | Sample-genaue manuelle Justierung in der DAW |
| Beste Eignung | Enge Deadlines, Solo-Creator, hohes Volumen | Storytelling-Formate, High-End-Kundenaufträge |
| Kompatibilität | Jede Audiosoftware und Abspielumgebung | Audacity, Adobe Audition, Premiere Pro, DaVinci Resolve, Reaper, EDL-Tools |
| Zeitaufwand | 5 bis 10 Minuten automatischer Durchlauf | 5 Min. KI-Berechnung plus 15 bis 30 Min. Endkontrolle |
Cleanvoice-Preise und Abrechnung bei Mehrspur-Projekten
Cleanvoice rechnet nach der Gesamtdauer des verarbeiteten Audiomaterials ab. Bei Mehrspur-Projekten ist entscheidend: Das Kontingent wird aus der Summe aller hochgeladenen Einzelspuren berechnet. Ein einstündiges Interview mit zwei Sprechern auf getrennten Spuren verbraucht folglich zwei Audiostunden.
1. Monatliche Abonnements (mit Guthaben-Übertrag)
- Starter-Plan: 11 $ / Monat (~10 €) für 10 Stunden Audiokontingent (~1,10 $ / Stunde).
- Standard-Plan: 28 $ / Monat (~25 €) für 30 Stunden Audiokontingent (~0,93 $ / Stunde).
- Pro-Plan: 90 $ / Monat (~80 €) für 100 Stunden Audiokontingent (~0,90 $ / Stunde).
- Custom / Enterprise: Für Großvolumen ab 200 Stunden monatlich mit dedizierten API-Endpoints und Priority-Support.
- Guthaben-Übertrag (Roll-over): Nicht verbrauchte Monatsstunden verfallen nicht, sondern werden in den Folgemonat übertragen (bis zum Dreifachen des monatlichen Kontingents).
2. Pay-As-You-Go (Einmalpakete, 2 Jahre gültig)
Für Freelancer mit unregelmäßigen Aufträgen oder saisonale Produktionen:
- 5-Stunden-Paket: 11 $ (2,20 $ / Stunde).
- 10-Stunden-Paket: 20 $ (2,00 $ / Stunde).
- 30-Stunden-Paket: 45 $ (1,50 $ / Stunde).
- Gültigkeit: Einmalig erworbene Credits bleiben 2 Jahre ab Kaufdatum gültig.
3. Testphase und Speicherfristen
- Kostenlose Testversion: Neukunden erhalten 30 Minuten kostenloses Guthaben ohne Angabe von Kreditkartendaten.
- Dateiaufbewahrung: Cleanvoice speichert Original- und Ergebnisdateien aus Datenschutzgründen für 7 Tage auf abgesicherten Servern. Nach Ablauf dieser Frist werden die Daten unwiderruflich gelöscht.
Praxistipps für professionelle Audio-Editoren
- Raumton vor und nach dem Gespräch bewahren: Schneiden Sie Spuren niemals direkt an der ersten Silbe ab. Drei bis fünf Sekunden ungestörter Raumton am Anfang und Ende des Tracks liefern Cleanvoice die perfekte akustische Referenz für die Raumtonsynthese.
- Übermäßige Sterilität vermeiden: Menschliche Konversation lebt von Denkpausen und lebendiger Atmung. Setzen Sie die Pausenschwelle nicht unter 1,2 Sekunden und verzichten Sie darauf, jedes natürliche Atemholen zu tilgen.
- Im Kundenauftrag immer auf Marker setzen: Bei kommerziellen Produktionen spart Pfad B (Marker-Export) enorm Zeit: Die KI übernimmt das ermüdende Suchen nach Schmatzern und Füllwörtern, während der Toningenieur in der DAW die volle gestalterische Hoheit behält.
Quellen
- Cleanvoice AI | Edit Audio & Video Podcast in 10 Mins, in Clicks | AI Podcast Editor
- All Features — AI Podcast & Audio Editing | Cleanvoice AI
- Pricing — Start Free, Plans from €10/month | Cleanvoice AI
- Integrations — Connect Your Audio Workflow | Cleanvoice AI
- AI Filler Word Remover: Cut the Ums & Uhs | Cleanvoice AI
- AI Silence Remover for Audio & Video | Cleanvoice AI
- Mouth Noise Remover: Clicks & Lip Smacks | Cleanvoice AI