Zwei Zeitmarken regeln das Timing. [pause 2s] fügt eine exakte Stille ein, und [at 0:12] lässt den nächsten Satz bei Sekunde 12 der Audiodatei beginnen. So sitzt der Sprechertext genau auf deinen Folienwechseln und Schnitten.

Dieser Ratgeber wurde mit KI aus dem englischen Original übersetzt. Bei Abweichungen gilt das Original.

Die Kurzfassung

Schreib dein Skript und setz [pause 1s] überall dort, wo du eine exakte Stille willst.
Setz [at 0:12] vor einen Satz, der bei 0:12 beginnen muss, zum Beispiel bei einem Folienwechsel oder Schnitt.
Generiere mit einer fertigen oder gespeicherten Stimme und lade die WAV-Datei herunter.
Leg die Datei auf 0:00 in deinem Schnittprogramm: Jeder markierte Satz beginnt genau an seiner Marke.

Willkommen zum Quartalsbericht. [at 0:08] Folie zwei zeigt die Zahlen dieses Jahres. [pause 2s] Und das war’s für heute.

Hier beginnt der zweite Satz genau bei Sekunde 8, und vor dem letzten liegen 2 Sekunden Stille. Zeitmarken werden nicht gesprochen und kosten keine Zeichen. Tippen musst du sie nicht: Im Studio fügen die Buttons + Pause und + Start at unter dem Textfeld sie für dich ein.

Die vier Schreibweisen, die du kennen solltest

Du schreibst	Was passiert
`[pause 1.5s]`	1,5 Sekunden Stille
`<break time="500ms"/>`	dasselbe in SSML, falls dein Skript das schon verwendet
`[at 1:23]`	der nächste Satz beginnt bei 1:23
`[02:23.55]`	dasselbe als einfacher Zeitstempel aus einem Skript oder Transkript

Viele andere Schreibweisen für Pausen und Zeiten funktionieren auch, in allen 10 Sprachen. Ein Skript, das du schon hast, funktioniert also meist so, wie es ist. Die vollständige Liste steht ganz unten unter alle akzeptierten Schreibweisen.

Exakte Pausen

Die Pause ist die Lücke zwischen dem letzten Laut davor und dem ersten Laut danach. Sie ist auf etwa eine Zwanzigstelsekunde genau, und jede einzelne darf bis zu 60 Sekunden lang sein.

Auch ohne Zeitmarken macht VoiceAct natürliche Pausen: bei Kommas und Punkten, so wie die Stimme liest, und bei einer Leerzeile zwischen Absätzen. Zeitmarken brauchst du, wenn es auf die exakte Länge ankommt.

Einen Satz zu einer festen Zeit beginnen lassen

Mit [at 0:12] beginnt der Text nach der Marke bei Sekunde 12 der Audiodatei, und VoiceAct füllt die Zeit davor mit Stille auf.

Lass genug Platz. Läuft der Text vor einer Marke über ihre Zeit hinaus, beginnt der nächste Satz, sobald dieser Text zu Ende ist, also etwas zu spät. Englisch wird mit etwa 13–15 Zeichen pro Sekunde gesprochen, 100 Zeichen brauchen also rund 7 Sekunden. Langsamere Stimmen brauchen mehr.

So gehst du bei Videos und Folien vor

Notier dir die Zeiten deiner Schnitte oder Folienwechsel aus dem Schnittprogramm, zum Beispiel 0:00, 0:08, 0:21, 0:35.
Schreib einen Block pro Folie und setz die passende Marke [at …] vor jeden Block.
Generiere mit einer fertigen Stimme oder einer aus My Voices und lade dann die WAV-Datei (beste Qualität) oder MP3 herunter. Die SRT-Untertitel sind Wort für Wort auf dieselbe Aufnahme abgestimmt und wenige Sekunden nach ihr fertig.
Leg die Datei auf 0:00 in deiner Zeitleiste. Beginnt ein Block zu spät, kürz den Block davor oder verschieb seine Marke nach hinten.

Grenzen

Bis zu 30 Zeitmarken pro Generierung; Pausen und Startzeiten ergeben zusammen höchstens 10 Minuten Stille.
Eine Marke ganz am Anfang fügt Stille vor dem ersten Wort ein: Steht [at 0:30] am Anfang, beginnt die Stimme bei 0:30 in der Datei. Eine Marke ganz am Ende wird ignoriert.
Wenn du Voice Design nutzt, ohne die Stimme zu speichern, legt VoiceAct die neue Stimme anhand deiner ersten ein, zwei Sätze fest und überspringt alle Marken in diesem Anfangsteil. Für exaktes Timing ab dem ersten Wort speicherst du die Stimme und generierst mit ihr.
Jede Marke beginnt einen neuen Take, die Stimme setzt danach also mit frischer Satzmelodie an. Setz Marken zwischen Sätze, nicht mitten in einen.

Häufige Probleme

Problem	Das hilft
Ein Satz beginnt später als seine Marke	Der Text davor ist zu lang für die Lücke. Kürz ihn oder verschieb die Marke nach hinten.
Die Marke wurde vorgelesen	Prüf die Klammern: eckige oder runde, zum Beispiel `[pause 2s]` oder `[at 0:12]`. Geschweifte Klammern sind keine Marken.
Eine Zeit wie 3:16 wurde vorgelesen	Ein `[3:16]` ohne „at“ könnte ein Verweis sein und bleibt deshalb Text. Schreib `[at 3:16]`.
Keine Pause am Anfang der Aufnahme	Setz `[pause 2s]` oder `[at 0:05]` vor das erste Wort; andere Stille am Anfang und Ende wird abgeschnitten.
Die Pause klingt kürzer als eingestellt	Lange Atemzüge zählen als Laut. Achte auf die Lücke zwischen den Wörtern; sie entspricht der Marke.

Alle akzeptierten Schreibweisen und was keine Marke ist

Pausen

Du schreibst	Stille
`[pause]`	0,5 s
`[short pause]`	0,3 s
`[long pause]`	1 s
`[pause 2s]`, `[pause 1.5 seconds]`, `[pause 750ms]`, `(pause 2s)`	wie angegeben, jeweils bis 60 s
`<break time="1.5s"/>`, `<break time="250ms"/>` (SSML)	wie angegeben
`[Pause 2 Sekunden]`, `（停顿2秒）` und dasselbe in den anderen Sprachen	wie angegeben

Startzeiten

[at 0:12], [at 1:02.5], [at 0:01:05], [at 75s], [@ 0:12] und einfache Zeitstempel: [02:34], [01:02:34], [00:09.25], [0:15.25], [0:15].

Keine Marke

[3:16] und Ähnliches: könnte ein Vers- oder Kapitelverweis sein und wird deshalb als Text gelesen. Für eine Zeit schreibst du [at 3:16].
Geschweifte Klammern wie {pause 2s}: werden so vorgelesen, wie sie dastehen.
Eine Marke nach dem letzten Satz: wird ignoriert (die Datei endet mit der Sprache).

Du suchst noch eine Stimme? Lies, wie du eine Stimme aus einer Textbeschreibung erstellst.

So setzt du exakte Pausen und legst Sprache passgenau auf dein Video