Ist das Einbildung oder ist Max Audio entscheidend leiser als beide Gäste? Hat das mit den beim Intro erwähnten Problemen zu tun? Hab viel unterwegs gehört und mit Verkehrslärm und so ist das echt anstrengend.
@wechselgeruecht War mir jetzt nicht aufgefallen. Es ist ja keine live Aufnahme in eine Spur, sondern alle Beteiligten nehmen ihre Stimme lokal auf, schicken das zu Max, der synchronisiert das, dann kommt Mix, Mastering, Rendern, und hochladen.
Ich hab nochmal rein gehört. So wie ich Max verstanden habe hatte er technische Probleme mit Ultraschall, wenn ich das richtig geduckt hab einer Open source Podcast Software, und zwar mit den Einspielern, in dem Fall das Intro und das Zitat darüber. Die sind eben live eingespielt und keine Postproduktion, damit sie auch die Gäst*innen am Anfang der Aufnahme hören. Macht auch Sinn, weil ja oft in der Begrüßung drauf referenziert wird. Und es fühlt sich eben mehr wie Radio an.
Das hat aber erstmal nichts mit den Levels, also den Lautstärken der einzelnen Spuren im Endprodukt zu tun, weil das erst im Mastering passiert. Aufnahme ist lokal bei allen Beteiligten, die Spuren gehen als Audiodatei zu Max, der synchronisiert sie, dann wird geschnitten, gemixt, gemastert, gerendert, und veröffentlicht.
Bis zum Rendern sind alle Spuren noch separat und können in der Lautstärke angehoben werden, und mit Effekten bearbeitet werden. Kompression, also die Lautstärkenspitzen und täler angleichen, Frequenzbereiche abschneiden oder boosten, Hall, Reverb, was es so alles gibt.
Ich hab als Hobbymucker*in schon selbst ein Studio von innen gesehen hat und mit nem echten Toning ne Handvoll Songs aufgenommen, gemischt und gemastert. Das als caveat, alles weitere ist (barely) educated guesswork. Lautstärke ist eine sehr diffuse und individuelle Wahrnehmung. Wenn eins nur einfach alle Spuren auf die gleichen dB Werte einpegelt hört sich das am Ende noch lange nicht „gleich laut“ an. Was ich höre ist, dass die Levels erstmal passen, aber die unterschiedlichen Spuren hörbar unterschiedliche Qualität haben. Weil eben in drei unterschiedlichen Räumen, mit unterschiedlichen Mics, von drei Personen aufgenommen.
Max’ Spur ist Profiqualität. Kein Raumklang, keine Umgebungsgeräusche, keine Frequenzspitzen bei bestimmten Lauten. Da passt alles. Der Raum, das Mic, das Setup, der Abstand des Sprechenden zum Mic, die Ausrichtung des Mics.
Im Gegensatz dazu haben die Spuren der Gästinnen mehr… boh… wie sag ich das jetzt. Expert*in könnte sich da jetzt einmal die einzelnen Spuren im Master anhören und dir zehn Sachen aufzählen. Sie haben mehr Feel. Es sind Umgebungsgeräusche da, bestimmte Frequenzen hallen im Raum, wahrscheinlich weil nicht genug physikalische Dämmung da ist und das Mic dann eben Reflektionen mit aufnimmt. Und dann ist, und das ist glaube ich das größte Problem, die Mikrofontechnik von beiden Gästinnen nicht so gut wie von Max.
Sprecher*\innen und Sänger*innen sind ein Graus für Toningenieur*innen. Das Grund Problem ist erstmal ein konstantes Signal zu bekommen. Und dafür ist es essentiell gut wenn Mic und Lärmquelle in einem konstanten Abstand bleiben. Bei fast allen Instrumenten haben wir da inzwischen Lösungen für. Clip dran, Stand davor. Aber ein Gitarrenamp hat eben keine Gefühle. Da kann ich zwei stück tape auf den Grill machen, den mic stand am Boden festtapen, und das SM57 millimetergenau auf den sweet spot des Lautsprechers platzieren. Und wenn nicht irgend ein*e Schlagzeuger* auf dem Weg zur Zugang dagegen tritt, dann bleibt das für das ganze Konzert so.
Menschen wollen sich bewegen. Und reagieren im Zweifel nicht gut auf Gaffa. Für Stimme ist deshalb eigentlich immer noch Standard, dass das Mic im Raum fix platziert wird, und der*die Sprechende für die richtige Positionierung von Mund zu Mic sorgt. Und das ist deutlich anapruchsvoller als es sich anhört. Das ist ein skill.
Wenn eins zu nach dran ist, oder sich viel bewegt, links rechts vor zurück, dann landen einzelne Laute oder Silben deutlich lauter auf der Aufnahme als andere. Plosive sind da ein ganz klassisches Problem. Die perkussiven Lippengeräusche von harten Ps zum Beispiel.
Und weil Spuren mit wenig Micdisziplin vorallem inkonsistent sind musst du grundsätzlich erstmal komprimieren. Angleichen. Laute Stellen werden leiser, leise Stellen werden lauter. Und komprimierte Spuren hören sich, bei gleichem physikalischen Pegel, lauter an. Ich höre auf beiden Gäst*innenstimmen mehr Kompression als bei Max, und Überbleibsel von inkonsistenter Micdisziplin. Laute Plosive.
Und das sorgt dafür, dass eins diese Stimmen, trotz einem Mix der auf den ersten und zweiten Blick gut aussieht und sich im Studiokopfhörer brauchbar anhört, lauter hören kann. Vorallem wenn die Umgebung eine andere ist, bei dir wie du sagst viel Hintergrundgeräusch. Und, wenn du selbst gefahren bist, dann auch erhöhte Konzentration auf andere kognitive Prozesse. Weil die beiden Spuren mehr EQ drauf haben, also mehr dran rum geschraubt wurde, und mehr Kompression drauf ist, und das Ohr auch mehr Aufmerksamkeitsspitzen hat an denen es sich festhalten kann: Plosive. Hintergrundgeräusche. Fülllaute.
Und diese Qualitätsunterschiede „kann“ eins mit mehr Technik und Processing noch besser aus dem Mix und Master wieder „raus“ bekommen als Max das, so wie ich das raushöre, eh schon gemacht hat. Aber das ist eben viel Arbeit. Da gelten, wie bei allen technischen Produktionsprozessen, die 1/10/100 Regel, und die 80/20 Regel:
- Um den gleichen Fehler am Endprodukt zu eliminieren brauchst du in der Vorbereitung 1h, während der Aufnahme 10h, und in der Postproduktion 100h.
- Und für die letzten 20% Ergebnis gehen 80% der Arbeit drauf.
Soviel zur Analyse. Jetzt wirds ganz hypothetisch. Ich vermute für dein Hörerlebnis ist das Problem an der Produktion dieser Episode nicht die Gäst*innenstimmen. Sondern Max. Seine Spur ist zu gut. Zu clean. Zu wenig komprimiert. Und geht deshalb im Mix etwa unter. In etwa wie eine sehr sauber aufgenommene und diszipliniert gespielte Geige in einer schrammeligen Garagenband.
1 „Gefällt mir“
Interessanterweise habe ich in der Audiokette dieses Mal etwas Neues probiert, da aber am Ende derselbe Leveler wie immer drübergelaufen ist, dürfte es keine Lautstärkenunterschiede geben.
Was aber richtig ist: Die beiden Tonspuren der Gäste hatten so viel Hall drauf, dass ich da ziemlich eingreifen musste, damit es näher ans Optimum kommt. Aber ich habe das nur so weit gemacht, wie es nicht unnatürlich klingt und deshalb kriegst du bei den Gästen mehr Nebengeräusche mit als bei mir (was aber eigentlich mich lauter machen sollte, also subjektiv).
Die technischen Probleme waren schlechtes Internet, wir mussten deshalb neu starten und konnten die Sendung nur durchziehen, weil der entsprechende Gast einen Handy-Hotspot aufgemacht hat. Deutschland halt…
1 „Gefällt mir“
Huh, interessant. Komprimierst du die Spuren auch einzeln, oder nur am Ende alles zusammen? Ist sehr anekdotisch, aber mit hat das damals™ am Mischpult schon n bisschen die Ohren geöffnet. Du konntest allein mit dem Anteil Kompression auf einzelnen Instrumenten die Präsenz im Mix und die subjektive Lautstärke des gesamten Songs beeinflussen, ohne irgendwas an den levels zu machen.
Im Zweifel macht aber eh die Signalkette und Hörumgebung bei der Wiedergabe den Unterschied.
Immer alles einzeln, aber ich weiß auch nicht, ob komprimieren da der richtige Begriff ist. Im “alten” Setup läuft am Ende ein Dynamics-Effekt drüber, den ich manchmal noch leicht anpasse (vor allem den Noisefloor) und dann levelt Auphonic jede Spur einzeln nochmal auf -16 LUFS (glaube zumindest dass es 16 sind, ist grad alles aus dem Kopf).
1 „Gefällt mir“
Hm… Dann sollte es daran eigentlich tatsächlich nicht liegen, zumindest soviel wie ich davon verstehe. Was, zugegeben, gerade soviel ist um gefährlich zu sein😅
Ich hab’ jetzt nur mal über Deinen längeren Beitrag drübergelesen, aber das ist schon ok, was Du da schreibst. Ob es hier zutreffend ist, also ob der Herr Gnetzer so arbeitet, ist dann ja immer eine andere Frage.
Ach, die schöne, neue KI-Welt.
Bei LUFS gibt es drei Kategorien: Short, Momentary und Integrated. Also einfach nur LUFS ist etwas ungenau. Ich tippe mal, da geht es um Integrated. Dazu wäre die Angabe der Dynamic Range noch hilfreich. Die Dynamikspannbreite sollte bei den einzelnen Stimmspuren auch ähnlich sein. Aber da das Tool auf „automatik“ läuft, wird es schon wissen, was es tut. Ich komme noch aus der Welt, wo man das per Hand macht.
Für einzelne Spuren ist der absolute Pegel-Wert gar nicht so wichtig, sondern dass die Spuren relativ zueinander gleich sind. Es ist also egal, ob die Einzelspuren -16 oder -5 oder -23LUFS haben. Hauptsache alle gleich. Um den absoluten Wert kümmert man sich erst bei der Ausspielung der Gesamtmischung. Keine Ahnung, ob Dir dieser Hinweis Arbeit erspart.
Wenn man für die Sendungen mehr Zeit hätte, wrde man sicherlich nicht mit der Vollautomatik arbeiten, sondern lieber einiges per Hand machen. Dann mit Plugins in einer DAW. Da gibt es tolle Lösungen für das Freistellen der Stimme. Manchmal findet man so etwas auch im Videoschnitt-Programm.
Für die Lautstärken, Zisch- und Plopgeräusche nehmen die Profis mittlerweile DynAssist.
Da das alles aber sowohl Geld als auch Zeit kostet, sollten wir uns vielleicht alle mit der vorhandenen Qualität anfreunden und uns darüber freuen, dass Max einen schnelleren Output hat.
Wenn Max alle seine Gäste überreden könnte, sich ein vernünftiges Mikrofon zuzulegen (bitte kein Shure SM57, zu teuer), hätte er auch viel weniger Arbeit am Ende. Aber das ist von den Gästen etwas viel verlangt.
1 „Gefällt mir“
Du ziehst ein paar falsche Schlüsse, aber ich werde nicht den Fehler machen, mit einem Profi in die Diskussion gehen zu wollen. Nur soviel: Wenn ich nur -16 LUFS schreibe, dann kann es doch auch sein, dass ich von den Modi nichts weiß. Mit KI hat das aber dennoch nichts zu tun.
Ich nehme gerne wohlwollend formulierte Tipps entgegen zur Produktionskette des Rasenfunks, sie müssen aber folgende Grundvoraussetzung erfüllen: Im Bestfall läuft eine Viertelstunde nach Ende der Liveaufzeichnung bereits das Rendering der einzelnen Stems. Arg viel länger darf die Postproduktion nicht dauern, wenn ich mal eine halbe Stunde dran sitze, dann ist das schon richtig lang. Denn für mich kommt nach dem Rausrendern noch einiges an Arbeit, zudem warten die Hörer:innen auf die Sendung (vor allem wenn ich Montagvormittag aufzeichne).
Wenn also ein Plugin oder eine Art der Nachbearbeitung dazu passt: Raus damit.
Ultraschall basiert auf Reaper, ich hab also Zugriff auf eine ganz normale DAW. Auphonic lasse ich von Podigee aus nochmal drüberlaufen, aber eher zur Sicherheit, damit der Podcast klar verständlich zu hören ist. Dabei ist für Auphonic nur der Leveler aktiv, eventuelle Brummgeräusche, etc. nehme ich mit einem DeNoise-Plugin manuell raus, meiner Erfahrung nach geht das nur so minimalinvasiv, sämtliche DeNoise-Tools lassen komische Artefakte übrig oder verkünstlichen den Auftakt der ersten Silbe der Gäste.
Und zur Mikrofonierung der Gäste: Wir haben Headsets im Einsatz, die wir manchmal verschicken, eine Zeit lang habe ich das exzessiv gemacht (mit insgesamt sechs Stück), seit Corona sind die meisten Gesprächspartner:innen besser ausgestattet und das eigentliche Problem lässt sich nicht beheben: Die Räume, in denen sie aufzeichnen.
3 „Gefällt mir“
Das mit der KI kommt daher, dass ich auf die Auphonic-Webseite gegangen bin, um mich über dieses mir noch unbekannte Tool zu informieren. Da steht dann gleich als erstes und in groß
Das hat mich wohl dazu verleitet, anzunehmen, es handelt sich um ein Werkzeug bzw. einen Service, wo KI eingesetzt wird.
Und dass zu LUFS noch die Angabe S, M oder I gehört, muss man nicht wissen. Ich lerne hier in Sachen Fussball dazu und da dachte ich, dass ich doch mal umgekehrt etwas zurückgeben kann. ich schrieb ja auch, dass ich nicht weiß, ob Dir meine Bemerkung irgendetwas bringt.
Ich habe Reaper in Deinem Screenshot schon erkennen können. Da gibt es 10000 von Benutzern erzeugten Modifikationen und vielleicht ist Ultraschall ja eine davon. Da kenne ich mich nicht so gut aus.
Ich kann nicht sagen, ob Dir das etwas bringt, da ich Dir ja nicht über die Schulter schaue. Vielleicht bekämest Du damit bei gleichem Zeitaufwand eine bessere Qualität raus, vielleicht braucht es aber zu viel Zeit für Deine Anforderung.
Mit Profis sind hier übrigens nicht Podcaster-Profis sondern Toningenieure gemeint. Von der Bedienung her ist es aber recht einfach und hochgradig automatisiert.
Da hilft eventuell dieses Plugin:
Ich hatte das mal ausprobiert, als es noch in der Beta-Phase war und fand es echt gut und einfach zu bedienen.
Wegen Mikrofonen: Den besten Klang haben Kondensatormikrofone. Obwohl es da Budget-Lösungen gibt, ist es wohl nicht so realistisch, dass sich ein Gast/eine Gästin so etwas zulegt. Falls doch benötigt das Audiointerface eine 48V Phantomspeisung. Vorteil: Wenn die Umgebung ruhig ist (keine Kinder, Katzen, Krankenwagen, etc.) und man 20-30cm Abstand zum Mund hat, kommen recht wenig Raumanteile mit auf die Aufnahme.
Bei vielen Umgebungsgeräuschen greift man gerne zu einem Kondensatormikrofon und hier zum von @PalmAndNeedle erwähnten Shure SM57. Ich würde aber eher das SM58(Beta) empfehlen. Klanglich ist es fast gleich und keinesfalls schlechter, es kostet aber viel weniger. Aber: Bei diesen Mikrofonen muss man richtig dicht an den Mund gehen und das sieht im Video-Stream dann nicht so schön aus. Bleibt man 20cm oder weiter weg, muss man den Vorverstärker hochdrehen und bekommt dann wieder Raumanteile mit rein.
Falls Deine Gäste jede(r) immer mit dem gleichen Mikro im gleichen Raum sitzt, könnte man überlegen, ein EQ-Preset für jeden anzulegen. Das kann man gut als Produktionsvorbereitung machen und, falls Geld vorhanden ist, als Auftrag an einen Dritten geben. (Nein, nicht an mich. Ich würde so etwas nur kostenlos machen. 
)
2 „Gefällt mir“