Stimme und Hintergrundmusik mischen: Audio-Ducking, EQ und Pegel erklärt

Damit eine Stimme über Hintergrundmusik klar bleibt, senkst du die Musik um 12 bis 15 dB ab, sobald jemand spricht. Das nennt man Audio-Ducking, und ein Sidechain-Kompressor erledigt es automatisch. Eine kleine Absenkung in den Mitten der Musik und eine abschließende Lautheitsprüfung runden den Mix ab.

Warum Musik die Stimme überdeckt

Wenn eine Stimme über Musik schwer zu verstehen ist, hilft es selten, die Stimme lauter zu machen. Das Problem heißt Maskierung: Zwei Klänge im selben Frequenzbereich konkurrieren, und das Ohr folgt dem lauteren. Sprache wird vor allem über den Bereich von etwa 1 bis 4 kHz verstanden, in dem die Konsonanten liegen, und genau dort sind Gitarren, Klaviere, Synthesizer und Gesang am stärksten.

Maskierung ist eine gut erforschte Eigenschaft des Gehörs; das frei zugängliche Lehrbuch der University of Minnesota erklärt sie im Kapitel über kritische Bänder und Maskierung .

Es gibt zwei Wege, der Stimme Platz zu schaffen. Du kannst die gesamte Musikspur absenken, während jemand spricht (Ducking), oder nur den Teil der Musik absenken, der mit der Sprache konkurriert (EQ). Die meisten Podcast- und Videomischungen nutzen den ersten Weg und ergänzen bei Bedarf den zweiten.

Was ist Audio-Ducking?

Audio-Ducking bedeutet, einen Klang automatisch abzusenken, sobald ein anderer zu hören ist. Im Radio wird die Musik leiser, wenn der Moderator zu sprechen beginnt, und wieder lauter, wenn er aufhört: Das ist Ducking. Derselbe Effekt wird in Podcasts, YouTube-Videos, Hörbüchern mit Musik und bei Durchsagen in Geschäften und Bahnhöfen eingesetzt.

Das Werkzeug dahinter ist ein Sidechain-Kompressor. Ein normaler Kompressor senkt eine Spur ab, wenn diese Spur selbst laut wird. Ein Sidechain-Kompressor hört auf eine andere Spur: Er beobachtet die Stimme und senkt die Musik ab. Vier Regler bestimmen das Ergebnis:

• Schwellenwert (Threshold): wie laut die Stimme sein muss, damit die Musik abgesenkt wird. Stelle ihn so ein, dass normale Sprache den Effekt auslöst, Atmer und leise Geräusche aber nicht.
• Absenkung (Tiefe): um wie viele Dezibel die Musik leiser wird.
• Attack: wie schnell die Musik leiser wird, wenn die Sprache einsetzt.
• Release: wie schnell die Musik zurückkommt, wenn die Sprache aufhört.

Sidechain-Kompression und Ducking sind dieselbe Technik. In der Dance-Musik wird sie bewusst mit schnellen, tiefen Einstellungen eingesetzt, damit der ganze Track im Takt der Kick „pumpt“. Bei Sprache willst du das Gegenteil: eine Veränderung, die so sanft ist, dass sie niemandem auffällt.

Die besten Einstellungen für Audio-Ducking

Diese Ausgangswerte passen für die meisten gesprochenen Inhalte. Passe sie nach Gehör an: Die Musik soll zurücktreten, ohne dass es wirkt, als würde sie ausgeschaltet.

Eine zu kurze Release-Zeit lässt die Musik zwischen den Wörtern hochspringen, was Hörer als Pumpen wahrnehmen. Eine zu lange Release-Zeit hält die Musik in langen Pausen leise. Eine halbe Sekunde ist ein sicherer Mittelweg.

Stimme und Musik online mischen: Schritt für Schritt

Der Auto-Ducker nimmt eine Sprachspur und eine Musikspur und mischt sie mit automatischem Ducking. Beide Dateien bleiben in deinem Browser.

Manuelle Lautstärkeänderungen oder automatisches Ducking

Vor den Sidechain-Kompressoren haben Tontechniker „die Fader gefahren“: Sie zogen die Musik von Hand herunter, sobald jemand sprach. Das geht bis heute in jedem Editor, indem du Lautstärkeänderungen einzeichnest, und es bietet die meiste Kontrolle: Du kannst die Musik in einer dramatischen Pause anschwellen lassen oder sie während eines kurzen Atmers unten halten. Automatisches Ducking ist schneller und gleichmäßiger und damit die bessere Wahl für lange Aufnahmen wie eine 40-minütige Folge. Bei einem 30-Sekunden-Spot mit drei Sätzen geht es von Hand oft genauso schnell.

Mit dem EQ Platz für die Stimme schaffen

Manchmal soll die Musik auf gleichbleibendem Pegel bleiben, etwa unter einem schnell geschnittenen Video. Dann senkst du nur den Bereich ab, der mit der Sprache konkurriert. Öffne die Musikspur im 3-Band-EQ und senke das Mitten-Band um 2 bis 4 dB ab. Die Musik behält Bass und Glanz, lässt aber eine Lücke, in der die Stimme sitzt.

Bei der Stimme selbst entfernt ein Low-Cut bei 80 bis 100 Hz Rumpeln, das sich sonst mit dem Bass der Musik aufaddieren würde. Vermeide starke Anhebungen: In der Musik abzusenken ist sauberer, als die Stimme anzuheben. Der Leitfaden zu Bass, Mitten und Höhen erklärt die Bereiche genauer.

Häufige Fehler beim Mischen von Stimme und Musik

• Musik mit Gesang. Eine zweite Stimme konkurriert direkt mit deiner. Instrumentalstücke lassen sich viel leichter unter Sprache mischen.
• Zu tiefes Ducking. Wenn die Musik fast verschwindet und dann zurückspringt, lenkt der Effekt ab. Verringere die Tiefe, bevor du etwas anderes änderst.
• Zu kurze Release-Zeit. Die Musik pumpt zwischen den Wörtern hoch. Verlängere die Release-Zeit, bis der Pegel auch in kurzen Pausen unten bleibt.
• Unruhige Musik. Stücke mit markanter Leadmelodie oder vielen Instrumenten im Mittenbereich überdecken Sprache schon bei geringer Lautstärke. Schlichte, gleichmäßige Musikbetten funktionieren am besten.
• Nur mit Kopfhörern prüfen. Spiele den Mix einmal über einen Smartphone-Lautsprecher ab. Ist die Stimme dort klar, ist sie es überall.

Welche Musik darfst du verwenden?

Nutze Musik, die du selbst gemacht hast, lizenzierte Musik oder lizenzfreie Stücke, deren Lizenz deine Nutzung abdeckt. Wer einen kommerziellen Song unter seine Stimme legt und veröffentlicht, braucht dafür in der Regel die Erlaubnis des Rechteinhabers, und Plattformen können Videos, die Musik ohne diese Erlaubnis verwenden, stummschalten oder entfernen.