Zwanzig Minuten Talking Head auf der Timeline sehen so aus: Zwischen den Sätzen hängen Pausen von einer bis anderthalb Sekunden, am Anfang jedes Gedankens ein „Ähm“ und „also ja“. Von Hand zu schneiden dauert ewig, und am Ende klingt die Sprache abgehackt. Hier gehe ich Schritt für Schritt durch, wie du Pausen aus einem Video entfernen, Füllwörter rausschneiden und Flüche piepen kannst — mit Blick auf jeden einzelnen Schnitt vor dem Zusammenbau, nicht im Vertrauen auf eine Wunder-Taste.
Kurz gesagt
- Am Ende: dasselbe Video ohne lange Hänger, ohne „Ähm/Äh“, Flüche gepiept oder stummgeschaltet
- Dazu ein SRT, neu auf die neuen Timings gerechnet — die Untertitel verrutschen nicht
- Kein Ein-Klick: erst Analyse mit Wort-Timeline, dann Bearbeitungsliste, dann Zusammenbau
- Drei unabhängige Schalter: Pausen, Füllwörter, Flüche — du schaltest nur ein, was du brauchst
Die Spracherkennung findet nicht alles, deshalb bleibt der Blick aufs fertige Video der letzte Schritt. Aber den größten Teil der stillen Sekunden und Hänger nimmt dir die Automatik ab, ohne dass du jeden Schnitt selbst in die Timeline setzt.
Was habe ich am Ende in der Hand?
Am Ende steht dasselbe Video, nur ohne die langen Hänger zwischen den Sätzen, ohne das Stocken bei „Ähm/Äh“ und mit gepiepten Flüchen. Dazu bekommst du ein SRT, das auf die neuen Timings neu gerechnet ist: Die Untertitel verrutschen nicht, nachdem aus der Tonspur Stücke rausgeschnitten wurden. Bild und Inhalt bleiben deine — es geht nur das Überflüssige raus.
Das läuft in zwei Schritten, nicht mit einem Klick. Zuerst zerlegt die Analyse das Video in eine Wort-Timeline mit Pausen, Füllwörtern und Flüchen. Dann gehst du die Liste durch: Du nimmst den Haken dort weg, wo eine Pause sinntragend ist, markierst per Klick Wörter zur Zensur und siehst das Ergebnis „es gehen N Sekunden“ — erst danach baust du das Video zusammen. Die drei Schalter — Pausen, Füllwörter, Flüche — arbeiten unabhängig, du kannst also nur die Stille rausnehmen und den Rest in Ruhe lassen.
Welche Pausen schneide ich raus, welche bleiben?
Nicht jede Pause ist überflüssig. Die Pause vor der Pointe oder nach einer Frage ans Publikum hält den Rhythmus und arbeitet für die Watchtime — die lässt du drin. Raus sollten die technischen Hänger: Jemand sammelt sich, stockt, holt zwischen zwei Sätzen Luft. Der Detektor findet sie, aber die Entscheidung „schneiden oder nicht“ bleibt bei dir — genau deshalb zeigt dir das Tool die Bearbeitungsliste vor dem Zusammenbau, statt still wegzuschneiden.
- Drin lassen: Pause vor dem Kerngedanken, nach einer Frage ans Publikum, beim Themenwechsel — das ist Rhythmus
- Rausschneiden: Hänger zwischen den Sätzen, langes Schweigen am Anfang und am Ende des Videos
- Schwelle ans eigene Tempo anpassen: schnelle Rede verträgt kürzere Pausen, langsame nicht
Die Stille-Schwelle ist keine feste Zahl, sondern richtet sich nach der Lautstärke des Videos selbst: Der Detektor nimmt den mittleren Pegel als Bezugspunkt und sucht, was deutlich leiser als die Sprache ist. Die Standardwerte stehen in den Einstellungen des Tools — die solltest du vor dem Zusammenbau einmal öffnen. An jeder Seite des Schnitts bleibt ein kleiner Puffer, damit der Atem und der Wortanfang nicht mit abgeschnitten werden, sonst entsteht am Übergang ein harter „Klick“ im ersten Laut des nächsten Satzes.
Warum werden Pausen über den Ton gesucht und nicht über die Wortabstände?
Es klingt naheliegend: Sprache erkennen, die Lücken zwischen den Wörtern finden, rausschneiden. In der Praxis schneidet das Sprache raus. Die Spracherkennung überspringt ein leises Stück oder verschiebt das Timing — und schon ist die Lücke im Text länger als die echte. Nach solchen Lücken zu schneiden hieße, Wörter rauszunehmen. Deshalb werden Pausen über die akustische Stille gesucht, nicht über die Löcher zwischen Wörtern.
Der Detektor sieht die echte Lautstärke, nicht das, was das neuronale Netz gerade mitgeschrieben hat. Aus dem gefundenen Stille-Abschnitt werden dann die erkannten Wörter abgezogen: Ein leises Wort kann der Detektor für Stille halten, aber der Text verrät, dass dort Sprache ist. So fällt nur das Schweigen raus — nicht ein überhörter Satz.
Prüfen kannst du das an deinem eigenen Video: Nimm 30 Sekunden deiner Aufnahme, lade sie ins Tool und öffne die Liste der gefundenen Pausen. Steht dort eine Stelle, an der du gesprochen und nicht geschwiegen hast, ist deine Stimme dort leiser als sonst — zieh die Stille-Schwelle nach oben und sieh dir die Liste noch einmal an.
Wie werde ich „Ähm“ und Füllwörter los, ohne dass es abgehackt klingt?
Stock-Laute und Füllwörter laufen nach verschiedenen Regeln. Die Stock-Laute — „äh“, „ähm“, „mmh“ — werden immer geschnitten, sobald der Schalter an ist: Sie tragen keinen Sinn. Füllwörter — „also“, „halt“, „quasi“, „sozusagen“, „im Grunde“ — gehen nur per Haken raus, weil sie sinntragend sein können. In „Also, was jetzt?“ ist das „also“ Teil des Satzes und kein Müll.
- Stock-Laute „äh/ähm/mmh“ — werden bei aktivem Schalter automatisch geschnitten
- Füllwörter — pro Haken, die Liste ist editierbar; Strittiges lässt du drin
- Jeder Schnitt läuft zwischen zwei Wörtern, der Übergang wird mit kurzer Überblendung geglättet
Damit das Video nicht abgehackt klingt, läuft der Schnitt eines Füllworts strikt zwischen den Nachbarwörtern, und an jeder Nahtstelle wird der Ton mit einer kurzen Überblendung zusammengeklebt. Die Naht hört man nicht: Der Übergang läuft nicht auf Stoß, sondern überlappend. Aus demselben Grund wird aus einem Dutzend hintereinander entfernter „Ähs“ keine Maschinengewehrsalve — die Stöße sind geglättet.
Wie zensiere ich Flüche — Piepton oder Stille?
Die Zensur läuft über eine Maske: Du siehst das Wort in der Bearbeitungsliste und wählst, womit du es abdeckst — mit einem Ton oder mit Stille. Im Untertitel bleibt das Wort ebenfalls abgedeckt, das SRT geht also sauber raus. Welche Varianten der Zensur es gibt, siehst du direkt in der Oberfläche des Tools, wenn du ein Wort markierst.
Es gibt einen Haken bei der Erkennung: Ein kurzes Schimpfwort, das nicht im erkannten Text steht, findet die Automatik nicht — für die Maschine existiert es schlicht nicht. Genau deshalb wird die Bearbeitungsliste vor dem Zusammenbau gezeigt: Eine strittige Stelle hörst du dir im Player an und markierst das Wort von Hand zur Zensur.
Wie mache ich das Schritt für Schritt selbst?
Nimm ein Video mit einem 40-Sekunden-Intro, in dem sich jemand zweimal verhaspelt. Nach der Bearbeitung ist das Intro gestrafft, aber kein Satz beginnt mitten im Wort — der Schnitt läuft zwischen den Wörtern, nicht nach Bildkader. Die folgenden Schritte in der Oberfläche sind der Weg, genau das zu bekommen.
- 1
Video geben
Öffne das Tool Stille & Flüche und lade dein Video — als Datei, aus der Mediathek oder per Link. Schalte ein, was du brauchst: Pausen, Füllwörter, Flüche.
- 2
Analyse abwarten
Die Spracherkennung zerlegt das Video in eine Wort-Timeline: markierte Pausen, Stock-Laute, Füllwörter und Wörter mit Fluch-Flag. Das ist der kostenpflichtige Schritt — hier arbeitet die Spracherkennung.
- 3
Bearbeitungsliste durchgehen
Nimm die Haken dort weg, wo eine Pause sinntragend ist oder ein Füllwort doch zum Satz gehört. Markiere per Klick die Wörter zur Zensur und wähle, womit du sie abdeckst. Das Ergebnis „es gehen N Sekunden“ wird bei jedem Zug am Schwellen-Regler neu berechnet.
- 4
Video und SRT zusammenbauen
Starte den Zusammenbau. Heraus kommt das Video ohne überflüssige Pausen und Hänger, mit gepiepten Flüchen und einem SRT, das auf die neuen Timings gerechnet ist. Prüf vor dem Veröffentlichen die Übergänge nach Gehör. Mit anderen Entscheidungen neu zusammenbauen geht ohne neue Analyse.
Was kostet das und wovon hängt die Dauer des Zusammenbaus ab?
Bezahlt wird das Tool mit Quellminuten aus deinem Tarif, über das Kontingent hinaus vom Guthaben. Kostenpflichtig ist der Analyse-Schritt, also die Spracherkennung — eine abgebrochene oder fehlgeschlagene Analyse gibt die Minuten zurück. Der Zusammenbau ist gratis und wiederholbar: Mit anderen Haken neu zusammenbauen kannst du beliebig oft, ohne neu zu analysieren. Was in welchem Tarif an Quellminuten enthalten ist, steht auf der Preisseite.
| Was du machst | Was mit dem Bild passiert |
|---|---|
| Nur Flüche gepiept, nichts geschnitten | Bild wird aus dem Original kopiert, ohne neu zu kodieren — zusammengebaut wird vor allem der Ton, das geht schnell |
| Pausen und Füllwörter geschnitten | Bild wird stückweise aus den behaltenen Abschnitten neu gebaut — das dauert länger |
| Hohe gegen niedrige Auflösung | Mehr Daten pro Stück, deshalb dauert der Zusammenbau länger |
Zeitlich hängt der Zusammenbau also daran, ob überhaupt geschnitten wird. Bearbeitest du nur die Flüche und schneidest nichts, wird das Bild ohne Umkodierung aus dem Original kopiert — zusammengebaut wird praktisch nur der Ton. Sobald Pausen- und Füllwort-Schnitte dazukommen, wird das Bild in Stücken neu gebaut, und ein Video in hoher Auflösung braucht dafür länger als in niedriger.
Wo lässt mich die Automatik im Stich?
Stock-Laute wie „äh“ findet die Erkennung wenig — und das ist kein Bug, sondern liegt in der Natur der Spracherkennung. Das Modell schreibt den Text sinngemäß, nicht wortwörtlich, deshalb landet ein verschlucktes „äh“ oft gar nicht im Text. In der Oberfläche steht das direkt: nicht alle Hänger werden gefunden. Ein Teil der langen „Ähs“ geht nicht als Füllwort weg, sondern als Stille — wenn sie leise sind, nimmt der Stille-Detektor sie ohnehin mit. Aber dass das Tool jedes einzelne „Äh“ über den Text einfängt, darauf solltest du nicht bauen.
Wie oft die Erkennung Stock-Laute und Flüche findet, hängt am Modell und am Material. Zwei verschiedene Erkennungsmodelle am selben Ton liefern unterschiedlich viele Treffer — mal eine Füllung auf mehrere Clips, mal keine einzige. Kurze Flüche, die das eine Modell mitschreibt und das andere überhört, sind der Grund, warum die Liste vor dem Zusammenbau steht. Prüf das Ergebnis deshalb an deinem eigenen Material: Lade einen typischen Ausschnitt und sieh dir an, wie viele Hänger und Flüche wirklich in der Liste auftauchen.
Wie prüfe ich es an meinem eigenen Video vor dem Veröffentlichen?
Öffne vor dem Veröffentlichen die Bearbeitungsliste und hör dir die strittigen Pausen im Player an — so siehst du, was genau rausgeht, bevor es endgültig ist. Die Stille-Schwelle passt du an dein Sprechtempo an: schnelle Rede verträgt kürzere Pausen, langsame nicht.
- Sinnpausen stehen — vor Pointen und nach Fragen ist nichts zusammengeklappt
- Flüche sind abgedeckt — wahrscheinliche Stellen nach Gehör geprüft, Übersprungenes von Hand markiert
- SRT passt — die Untertitel sind nach den Schnitten nicht verrutscht
- Video ganz gesehen — der letzte Blick, nicht nur die Bearbeitungsliste
Wie entferne ich automatisch Pausen aus einem Video?
Du lädst das Video ins Tool, die Analyse legt eine Wort-Timeline mit erkannten Stille-Abschnitten an, und du gehst die Bearbeitungsliste durch. Erst nach dem Haken-Setzen baust du das Video zusammen — die Pausen fallen dann raus, ohne dass du von Hand schneidest.
Wie bekomme ich „Ähm“ und „Äh“ aus dem Video raus?
Schalte den Füllwort-Schalter ein: Stock-Laute wie „äh“, „ähm“ und „mmh“ werden automatisch geschnitten. Nicht alle werden gefunden, weil die Erkennung sinngemäß schreibt — den Rest fängst du über die Liste oder er geht als leise Stille mit weg.
Was mache ich, wenn eine Pause bleiben soll, der Detektor sie aber schneidet?
Nimm den Haken bei dieser Pause in der Bearbeitungsliste vor dem Zusammenbau weg — dann bleibt sie im Video. Der Detektor schlägt die Schnitte nur vor, die letzte Entscheidung liegt bei dir.
Bekomme ich die Minuten zurück, wenn die Analyse fehlschlägt?
Ja. Die Minuten werden nach der tatsächlichen Länge der Analyse abgerechnet, eine abgebrochene oder fehlgeschlagene Analyse gibt sie zurück.
Kann ich das Video mit anderen Haken noch einmal zusammenbauen?
Ja, der Zusammenbau ist wiederholbar und gratis: Du änderst deine Entscheidungen und baust ohne neue Analyse neu zusammen.
Muss ich für den angepassten SRT extra zahlen?
Nein. Das SRT wird beim Zusammenbau auf die neuen Timings gerechnet, eine gesonderte Gebühr dafür gibt es nicht.
Wie viel Pause sollte ich beim Videoschnitt lassen?
Lass die Pausen, die den Rhythmus halten — vor der Pointe, nach einer Frage, beim Themenwechsel. Technische Hänger und langes Schweigen am Anfang und Ende gehen raus; die genaue Schwelle richtest du nach deinem Sprechtempo ein.
Wie zensiere ich Schimpfwörter im Video mit einem Piepton?
Markier das Wort in der Bearbeitungsliste und wähl als Maske einen Piepton oder Stille. Das Wort bleibt auch im SRT abgedeckt; kurze Flüche, die die Erkennung überhört, markierst du von Hand.
Pausen und Schimpfwörter
Sauberes Video ohne Stunde im Schnittprogramm
Stille, „Ähs“ und Flüche gehen über die Bearbeitungsliste raus, das SRT wird auf die neuen Timings gerechnet.
Zu Stille & FlücheDen Artikel mit KI durchgehen
Ein Chat öffnet sich mit fertigem Prompt – du schickst ihn selbst ab.
