Skript, dann vertonen — ohne Gesicht im Bild | AI Video Factory

Sie wollen einen erklärenden Clip und nicht ins Bild. Zuerst ein getimtes Sprecherskript, dann Stimme auf derselben Uhr. Das Skript braucht kein Video. Die Vertonung braucht ein Bild etwa so lang wie das Skript — Leerköpfe, Screenrecording, Stock. Nicht sich selbst drehen und Text hinterher kleben.

Zuerst Takte, dann Bild

Ein ganzer Aufsatz ohne In/Out wird von vorn bis hinten gelesen, die Länge ist geraten. Reihenfolge nicht umdrehen:

1. Im Skript Thema, Stil und Dauer festlegen (oft 15 / 30 / 45 / 60 / 90 Sekunden).
2. Nach der Erzeugung Hook richten, lange Takte teilen, laut lesen.
3. Mit Synchronisation fortfahren — die aktuellen Takte gehen in die Vertonung. Kein zweites Projekt zum Abtippen.
4. Eine lokale MP4 / MOV ablegen, nicht kürzer als das Skript.

Nur Skript, dann selbst vor die Kamera: Skript vor dem Dreh. Die Datei hat schon eine Stimme: Zehn-Minuten-Untertitel — kein Skript schreiben und zurückkleben.

Ein Pfad ohne Gesicht

1. Skript im Studio öffnen. Dieser Schritt lädt kein Video.
2. Thema konkret. Stil: Erklärung, Vergleich, Tutorial. Erzeugung: Auto. Text richten, dann Mit Synchronisation fortfahren.
3. Lokales Bild ablegen. Die Datei bleibt im Browser. Chinesisch: 晓晴. Keine englische Stimme auf ein chinesisches Skript sperren.
4. Keine Stimme im Bild, die bleiben soll: Originalton aus, damit ein Stock-Sprecher nicht stapelt. Nur für nutzbares Raumrauschen an.
5. Tempo folgt jedem Takt. Eine Zeile dünn und eilig: Wörter oder In/Out dieses Takts ändern.
6. Durchhören, dann exportieren. Untertitel brennen: dieselben Cues, zuerst mischen — SRT oder einbrennen.

Der Free-Plan hat je einen Skript- und einen Vertonungslauf pro Monat. Stile, Stimmen, Limits: Funktionen und Preise.

Nur drei Checks

• Erste drei Sekunden: der Öffnungstakt braucht einen Hook. „Hallo zusammen, heute reden wir über“ streichen.
• Bild lang genug: endet die Datei vor dem letzten Takt, wird der Rest nicht gesprochen. Lieber ein etwas langer Leerkopf als ein kurzer.
• Ein Atem pro Takt: zwei Sätze in einem Takt, die Stimme holt Luft am falschen Ort.

Was meist bricht

TXT laden und in die Vertonung tippen löscht die Uhr. Mit Synchronisation fortfahren. Ein sprechendes Stockfile mit Originalton stapelt zwei Stimmen. Cover im Plattformverhältnis extra; nicht das erste Leerframe — Cover aus dem Clip.