AI-Voiceover in Beat2Cut ist keine separate Text-to-Speech-Seite, aus der du am Ende nur eine MP3 mitnimmst. Es ist ein Skript-Bereich innerhalb der Studio-Timeline: Du schreibst Narration neben deine Shots, wählst eine Stimme, und die erzeugte Sprache landet direkt auf einer Sprecher-Spur derselben Timeline, auf der auch Bild, Originalton und Musik liegen – als ein Clip pro Satz, mit den natürlichen Pausen zwischen Sätzen. Alle Werkzeuge erfordern ein kostenloses Konto. Audio-Beat-Erkennung und Beat-Schnittlisten sind dauerhaft kostenlos und unbegrenzt; Free-Konten erhalten einmalig 150 Credits bei der Registrierung für Szenen-/Stille-Erkennung, Narration und Exporte (im Pro-Abo enthalten).

Hier ist der Ablauf, warum das Satz-Clip-Modell wichtig ist und wo die Kosten wirklich liegen.

Warum "direkt in den Editor erzeugen" besser ist als "erzeugen, herunterladen, einfügen"

Der klassische Ablauf sieht so aus: Skript in einer TTS-Seite schreiben, erzeugen, MP3 speichern, in den Editor bringen, merken, dass das Timing nicht zum Bild passt, zurückgehen, neu erzeugen, erneut speichern. Jede Iteration springt zwischen zwei Tools und einem Download-Ordner.

Wenn die Erzeugung in der Timeline liegt, wird diese Schleife kürzer:

Die Narration landet neben den Shots, die sie beschreibt — du hörst sie sofort gegen das Bild.
Jeder Satz ist ein eigener Clip, also bedeutet Timing-Arbeit: Clips ziehen, nicht Takes neu aufnehmen.
Pausen, die du im Skript gesetzt hast (Satzenden, Absatz-Luft), kommen als echte Lücken zwischen Clips an — Inhalt, kein Füllmaterial, das später herausgedrückt werden muss.

Dieser letzte Punkt wird leicht unterschätzt. Eine einzige lange Narrationsdatei zwingt dich, blind hineinzuschneiden, sobald sich das Bild ändert. Satz-Clips geben dir Schnittpunkte genau dort, wo Sprache natürlich bricht.

Die Stimmen: mehrsprachig, von benannten Anbietern

Sprache wird von modernen neuronalen KI-Sprachmodellen synthetisiert. Du wählst Stimme und Sprache aus dem Katalog; die Liste lässt sich nach Sprache filtern. Du arbeitest nicht in einer Anbieter-Konsole, und der Katalog wächst, wenn neue Stimmen hinzukommen.

Zwei Transparenzpunkte, weil sie die echten Fragen beantworten:

Was geht online? Dein Skripttext und die Erzeugungseinstellungen werden an den Sprachanbieter gesendet; das erzeugte Audio wird mit deinem Konto gespeichert, damit Projekte es wieder laden können. Deine Video- und Musikdateien gehen nicht mit — sie bleiben für Erkennung, Bearbeitung und Export-Encoding im Browser.
Training? Deine Skripte und erzeugten Audios werden nicht zum Trainieren unserer eigenen Sprachmodelle verwendet.

Schritt für Schritt: vom Skript zur gesprochenen Timeline

1. Video öffnen

Öffne ein Video in der Studio-Timeline. Es wird zu einer Bildspur plus Originalton als separatem Clip, den du stumm schalten, trimmen oder gegen die Narration mischen kannst.

2. Szenenerkennung als Gliederung nutzen

Starte die Szenenerkennung (5 Credits im Free-Tarif, im Pro-Abo enthalten), und das Video wird zu einer Shot-für-Shot-Liste – jede erkannte Einstellung ist eine Zeile, neben der du Narration schreiben kannst. Überspringe das, wenn du lieber ein durchgehendes Skript schreibst; die Shot-Zeilen sind ein Gerüst, keine Pflicht.

3. Schreiben, Stimme wählen, erzeugen

Schreibe oder füge Narration ein, wähle Sprache und Stimme und starte die Erzeugung. Sie erfordert Anmeldung und nutzt Credits, die vor dem Lauf gegen dein Guthaben angeboten werden. Das Ergebnis landet auf einer Sprecher-Spur: ein Clip pro Satz, echte Pausen zwischen Sätzen bleiben erhalten.

4. Wie Clips bearbeiten, weil es Clips sind

Ziehe einen Satz genau auf einen Szenenwechsel. Kürze eine Lücke. Teile dort, wo ein Moment Stille sitzen soll. Passe Clip-Lautstärke an, blende einen Satz unter Musik ein. Alles, was du mit einem Timeline-Clip tun kannst, kannst du mit einem Satz Narration tun.

5. Dasselbe Video in anderen Sprachen?

Der gleiche Skript-Bereich verarbeitet mehrsprachige Versionen: Das Skript wird in einen editierbaren Entwurf je Sprache übersetzt (Englisch, Chinesisch, Spanisch und Japanisch sind aktuell im Katalog), du prüfst und korrigierst jeden Entwurf, dann erzeugt jede Sprache eine eigene Sprecher-Spur — und der Export enthält jeweils eine ausgewählte Sprache. Die komplette Anleitung steht im Guide zu mehrsprachigen Voiceover-Versionen.

6. Export

SRT-/VTT-Untertitel – erzeugt aus den Narrationsclips und ihrem echten Timing (5 Credits pro Export im Free-Tarif, im Pro-Abo enthalten).
WAV-/MP3-Mixdown – der Audiomix der Timeline als eine Datei, für jedes Schnittprogramm (5 Credits pro Export im Free-Tarif, im Pro-Abo enthalten).
Zusammengeführtes MP4 – der fertige Schnitt mit erhaltener Bildqualität und gemischtem Audio: 10 Credits im Free-Tarif, im Pro-Abo enthalten.

Was es ehrlich kostet

Bereich	Preis
Beat-Erkennung und Beat-Schnittlisten	Kostenlos & unbegrenzt (nach Anmeldung)
Szenenerkennung, Stille-Entfernung, Schnittlisten-Export	5 Credits im Free-Tarif, im Pro-Abo enthalten
AI-Narration	Anmeldung + Credits, pro Erzeugung berechnet und vorher angeboten
Skriptübersetzung für Sprachversionen	Anmeldung + Credits, nach Skriptlänge × Zielsprachen
SRT/VTT, WAV/MP3	5 Credits pro Export im Free-Tarif, im Pro-Abo enthalten
Zusammengeführtes MP4	10 Credits im Free-Tarif; im Pro-Abo enthalten

Neue Konten erhalten einmalig 150 Credits bei der Registrierung (werden nicht wieder aufgefüllt) – genug, um ein echtes kurzes Skript in ein paar Stimmen zu hören und die Vorbearbeitung abzuschließen. Ein Pro-Abo bietet 10.000 Credits pro 5-Stunden-Fenster und enthält unbegrenzte Szenenerkennung, Stille-Entfernung und MP4-Exporte.

Für wen das passt

Tutorial- und Kurs-Creator — zum exakten Bild narrieren und Untertitel aus denselben Clips exportieren.
Produkt- und Marketingteams — Skriptformulierungen gegen das Bild iterieren, ohne Studio-Buchung.
Mehrsprachige Kanäle — ein Skript, geprüfte Übersetzungen, Sprecher-Spuren pro Sprache: Spanische und japanische Versionen werden nicht zu einer zweiten Produktion.
Editoren, die anderswo finishen — Narration hier erzeugen und timen, WAV plus SRT exportieren und in Premiere, Resolve oder Final Cut mit Schnittliste weiterarbeiten.

FAQ

Brauche ich ein Konto, um den Editor zu testen?

Ja, jede Funktion erfordert ein kostenloses Konto, außer der Beat-Erkennung, die vor der Anmeldung läuft. Im Free-Tarif kosten Szenenerkennung, Stille-Entfernung und Schnittlisten-Export jeweils 5 Credits aus deinen einmaligen 150 kostenlosen Credits; Pro enthält sie. Narration verbraucht in jedem Tarif Credits, da die Sprachsynthese über Drittanbieter läuft.

Kann ich einen einzelnen Satz korrigieren, ohne alles neu zu erzeugen?

Jeder Satz ist ein eigener Clip, deshalb sind Timing- und Anordnungsänderungen direkte Bearbeitung: ziehen, trimmen, teilen, löschen. Für Textänderungen bearbeitest du das Skript und erzeugst neu; die Abrechnung erfolgt pro Erzeugung und wird vorher angeboten.

Welche Anbieter erzeugen die Stimmen?

Die Plattform bietet studioerprobte mehrsprachige neuronale Stimmen. Du wählst Stimmen und Sprachen direkt an der Timeline, ganz ohne externe Anbieter-Konsolen.

Wird mein Footage bei Narration an einen Server gesendet?

Nein. Narration sendet Skripttext und Einstellungen an den Sprachanbieter. Quellvideo und Originalaudio bleiben für Erkennung, Bearbeitung und Export-Encoding im Browser; erzeugtes Narrationsaudio wird mit deinem Konto gespeichert.

Höre dein Skript gegen dein Bild: Studio-Skriptbereich öffnen. Neue Konten starten mit einmalig 150 kostenlosen Credits.

AI-Voiceover auf der Studio-Timeline: Skript-zu-Sprache-Leitfaden (2026)