Videoschnitt zu Shorts, Reels und Clips

Weil ein zweistündiger Podcast länger in die Cloud reist, als das Schneiden dauert. FFmpeg über WebAssembly holt den Ton, WebCodecs baut die Bilder neu — auf einem normalen Laptop ist das schneller, als auf das Ende eines Uploads zu warten. Im Modus „Kluge Auswahl“ geht der Transkripttext mit Zeiten an den Server, nicht das Video; die Empfänger stehen auf der Seite der KI-Anbieter.

Weil niemand gezeigt hat, dass ein solcher Wert Aufrufe vorhersagt. Die bisher veröffentlichten Vergleiche stammen von den Clip-Diensten selbst, und darin schlugen hoch bewertete Clips niedrig bewertete nicht zuverlässig. Eine Zahl, die man nicht prüfen kann, sieht wie Wissen aus und ist keins — deshalb zeigt jeder Moment hier sein Zitat und den Grund der Auswahl: abgeschlossener Satz, Frage mit Antwort, dichte Rede. Das prüft man in zwei Sekunden mit eigenen Augen.

Die Person, die spricht. In jedem Moment findet das Werkzeug die Gesichter, misst, wie stark sich jeder Mund bewegt, während gesprochen wird, und schneidet das 9:16-Bild auf den aktiven Sprecher; eine Einstellung hält mindestens anderthalb Sekunden, damit das Bild nicht bei jedem Nicken springt. Wer beide sehen will, wählt „Zwei Personen übereinander“: Jede bekommt die halbe Bildfläche im gleichen Maßstab. Ohne Gesicht im Moment — Folien, Bildschirmaufnahme — kommt das ganze Bild auf einen unscharfen Hintergrund.

Erkennung und Bau belasten das Gerät, und ein Handy friert einen Tab im Hintergrund ein: Lange Durchläufe kommen dort seltener ans Ende als am Computer. Ist ein Video für ein Handy lang, sagt das Werkzeug es vor Beginn der Arbeit. Der Ausweg: fertige SRT- oder VTT-Untertitel mitbringen — dann entfällt die Erkennung ganz und nur die gewählten Momente werden gebaut.

Die Grenzen kommen aus dem Transkript: Der Anfang liegt nach einem abgeschlossenen Satz, das Ende am Ende eines Satzes. Neben jedem Moment gibt es Tasten − und + für Anfang und Ende: Jeder Druck verschiebt die Grenze um einen ganzen Satz, sodass der Clip weiter auf einer Pause beginnt und endet. Wurde die Sprache schlecht erkannt (verrauschte Aufnahme, Musik, mehrere Stimmen), hilft es, die Sprache von Hand zu wählen oder eigene Untertitel mitzubringen.

Die Untertitel stammen aus demselben Transkript, aus dem die Momente gewählt wurden, daher erscheinen Erkennungsfehler auch im Bild. Russische Sprache erkennt GigaAM, andere Sprachen whisper. Braucht das Bild geprüften Text, bringen Sie Ihre eigene Untertiteldatei mit — genau dieser Text landet im Clip.