Elysia Tools
Mobile Navigation
Workflow Playbook
Kartieren Sie, wo in der fertigen Aufnahme die Sprache lebt, transkribieren Sie sie in das Untertitelformat, das der Player erwartet, richten Sie das Untertitel-Timing auf die Sprache aus, mischen Sie die Audiodeskription mit Ducking unter das Programm und belegen Sie, dass die Botschaft beeinträchtigtem Hören standhält.
Neu in diesem Workflow? Folge den Schritten der Reihe nach und beginne mit dem ersten Tool unten. Weißt du schon, was du brauchst? Spring direkt zum passenden Schritt — alle Tools dieses Workflows findest du in der Vergleichstabelle.
Erstes Tool: Sprachaktivitäts-Segmentierung
Themen
| Tool | Was es macht | Kategorie |
|---|---|---|
| Sprachaktivitäts-Segmentierung | Erkennt wahrscheinliche Aktivität im Sprachband und exportiert Sprach-/Nichtsprachbereiche als JSON, CSV, SRT oder FFmpeg-Liste. | Media |
| Audio-zu-Text Transkriptor (KI) | Transkribiert Sprache aus Audio (wav/mp3/m4a/flac/ogg/webm/aac) in Text, SRT, VTT oder JSON mit grok-stt. Bis 10 Min. | AI Tools |
| Untertitel-Zeitverschieber | Verschiebt SRT- oder WebVTT-Untertitel zum wahrscheinlichen Sprachbeginn oder um einen manuellen Wert. | Media |
| Audiodeskriptions-Ducking | Mischt beschreibende Erzählung ein und senkt das Programm während der Erzählung. | Media |
Themen
| Hörunterstützungs-Verbesserer | Klären Sie Audio mit Tiefenbereinigung, Sprachpräsenz-EQ, Rauschminderung und Pegelschutz. | Media |
| Alarm-Verständlichkeitssimulator | Prüft Klarheit nach Bandbegrenzung, Kompression und Rauschen. | Media |
Ein fertiger gesprochener Schnitt dient Hörern mit stillen Räumen, scharfem Gehör und voller Aufmerksamkeit. Alle anderen verhandeln — gehörlose und schwerhörige Menschen brauchen die Worte als Text, blinde Hörer brauchen die visuelle Welt erzählt, Hörgerätenutzer brauchen eine Spur, die Pegel schützt und zugleich Sprache klärt, und eine öffentliche Warnung muss Telefonlautsprechern und Straßenlärm standhalten. Barrierefreiheit ist kein karitativer Anhang nach der Produktion — sie ist eine zweite Lieferoberfläche mit eigenen Artefakten, Formaten und Prüfungen. Dieser Workflow erzeugt diese Oberfläche aus einem fertigen Programm — eine Sprachkarte, Untertitel im Format des Ziels, unter Ducking gemischte Deskription und Verständlichkeit, die unter der rauhesten realistischen Wiedergabe hält.
Alles Weitere hängt daran zu wissen, wo die Sprache tatsächlich lebt. Die Sprachaktivitätssegmentierung durchläuft das fertige Programm und liefert Sprach- und Nichtsprachbereiche als JSON, CSV, SRT-Marker oder Schnittliste. Die Karte erledigt drei Aufgaben zugleich — sie begrenzt, was untertitelt werden muss, sie offenbart die sprachfreien Fenster, in denen die Deskriptionserzählung Platz findet, ohne sich mit Dialog zu balgen, und sie legt Totstellen bloß, durch die eine Hörspur niemanden zwingen sollte. Ein Untertitel, der über Stille schwebt, ist ein Mangel, den die Karte gefangen hätte — deshalb steht sie zuerst da.
Die Transkription macht aus Sprache Text, und die Formatentscheidung gehört dem Ziel — SRT oder VTT für Player mit Spur, reiner Text für Dokumente und Prüfung, JSON für Pipelines, die Untertitel weiterverarbeiten. Dann kommt der Schritt, der brauchbare Untertitel von peinlichen scheidet — die Timing-Ausrichtung. Durchgängig zu späte oder zu frühe wandern zum wahrscheinlichen Spracheinsatz; eine bekannte konstante Verzögerung, etwa Sendekette oder Player-Puffer, nimmt einen gemessenen manuellen Versatz. Fortschreitender Drift ist ein anderes Tier — er bedeutet, dass Untertiteldatei und Medium über die Zeit selbst uneins sind, meistens eine Bildrate, und die ehrliche Korrektur ist die Neugewinnung der Untertitel gegen die richtige Quelle. Die Prüfung ist billig und unverzichtbar — erster Untertitel, letzter, einer aus der Mitte.
Die Audiodeskription erzählt blinden Hörern die visuelle Welt, und sie reitet über einem Programm, das im Ducking ausweicht, während die Erzählung spricht. Das Handwerk liegt in zwei Reglern — Tiefe und Freigabe. Die Tiefe richtet sich nach der lautesten Stelle unter der Erzählung; wenn die Worte dort klar lesbar sind, sind sie es überall. Die Freigabe folgt dem eigenen Rhythmus des Programms — Musik und Dialog sollen zurückfedern, statt in ein Loch zu sinken. Der zu prüfende Fehlmodus ist der schlimmste Einzelfall, nicht der Durchschnitt — ein einziger unverständlicher Erzähleinsatz lässt die Deskriptionsversion aussetzen, genau dort, wo eine blinde Hörerin die Lücke nicht mit dem Bild schließen kann.
Der letzte Schritt beantwortet die Frage, die die Produktion selten stellt — funktioniert die Botschaft noch, wenn Hören Müße kostet? Für die Hörspur gilt konservative Verbesserung — sie reinigt das Bassfundament, neigt die Equalisierung zur Sprachpräsenz, entrüsst behutsam und schützt vor allem die Pegel, denn eine geklärte Spur, die clippt, hat eine Hürde gegen eine andere getauscht. Für öffentliche Warnungen ist der Beeinträchtigungstest absichtlich strenger — er schnürt das Band auf den Telefonlautsprecher, komprimiert, fügt Rauschen hinzu und meldet, ob die Sprachverständlichkeit der Warnung jeden Kanal übersteht. Eine Warnung, die nur auf Studiomonitoren funktioniert, ist nicht geprüft — sie ist nur beschworen worden.
Diese Seite erzeugt die Barrierefreiheitsschicht eines fertigen Programms. Die Nachbarn behalten die umliegenden Aufträge. Aufnahme, Schnitt und Lieferkonformität einer Episode gehören zum Podcast-Produktionsworkflow. Messen, Sichtbarmachen und Prüfen — Spektrogramme, Wellenform, Untertitel-Synchronprüfung — gehören zu den Audioanalyse-Seiten. Eine beschädigte Quellaufnahme — Klicks, Brummen, Wind — gehört vor jede Barrierefreiheitsarbeit in die Restaurierung, denn Untertitel eines unkorrigierten Tons erben seine Mängel. Untertiteln Sie das Programm hier — und wenn das Publikum wächst, skaliert die Disziplin mit.
Workflow-Leitfaden
Lassen Sie die Sprachaktivitätssegmentierung über das fertige Programm laufen, um Sprach- und Nichtsprachbereiche als JSON, CSV, SRT-Marker oder Schnittliste zu erhalten — die Karte sagt, was Untertitel braucht und wo die Deskriptionserzählung Platz findet.
Wandeln Sie die Sprache in Text um, mit Ausgabe als SRT, VTT, reinem Text oder JSON, und wählen Sie das Format, das das Ziel erwartet, statt die Voreinstellung hinzunehmen.
Verschieben Sie Untertitel zum wahrscheinlichen Spracheinsatz, wenn das Verrutschen gleichmäßig ist, oder legen Sie einen gemessenen manuellen Versatz an, wenn eine bekannte konstante Verzögerung vorliegt, und prüfen Sie am Anfang, in der Mitte und am Ende des Programms.
Blenden Sie die Deskriptionserzählung über das Programm, sodass das Programm duckt, während die Erzählung spricht, und zurückkehrt, wenn sie schweigt — jeder Einsatz bleibt über der lautesten darunterliegenden Stelle verständlich.
SRT und VTT passen zu Playern mit Untertitelspur, reiner Text passt zu Dokumenten und Prüfkopien, und JSON passt zu automatisierten Pipelines — wählen Sie nach dem Ort, wo die Untertitel gelesen werden, nicht nach dem, was der Transkriptor zufällig ausgab.
Das Verschieben zum wahrscheinlichen Spracheinsatz korrigiert durchgängig zu späte oder zu frühe Untertitel; ein gemessener manueller Versatz korrigiert eine bekannte konstante Verzögerung, etwa eine Sendekette oder einen Player-Puffer — ein über die Laufzeit wachsender Versatz deutet auf ein Quellenproblem, nicht auf ein weiteres Schieben.
Das Programm muss weit genug sinken, damit die Erzählung klar lesbar bleibt, und schnell genug freigeben, um Musik oder Dialog nicht zu durchlöchern — die Tiefe dient der Erzählung, die Freigabezeit dient dem Programm.
Für die Hörspur gilt konservative Verbesserung — Tieffrequenzreinigung, sprachprächtige Equalisierung, Pegelschutz; für öffentliche Warnungen gilt der Beeinträchtigungstest, der meldet, ob die Sprachverständlichkeit Telefonlautsprechern, Kompression und Rauschen standhält.