Kann ich die Stimme, die Musik und den Soundeffekt an einem Ort erstellen?

Ja. Der Audio-Composer hat Aufgaben für Voiceover, Musik und Soundeffekte, jeweils mit eigenen Modellen, und jedes Ergebnis ist ein Audio-Asset in deiner Mediathek.

Wie werden Audiodateien berechnet?

Sprache wird nach den Zeichen in deinem Skript abgerechnet, mit einem kleinen Mindestbetrag; die Schaltfläche zeigt den Preis an, während du tippst. Musik und Soundeffekte sind eine pauschale Gebühr pro Anfrage, die auf der Schaltfläche vor der Generierung angezeigt wird.

Richtet sich die Erzählung automatisch am Bild aus?

Nein. Du platzierst sie. Im Studio ist jedes Audio-Asset ein eigenes Element auf einer Audiospur, also schiebst du die Aufnahme zum gewünschten Frame und schneidest die Musik auf den Clip zu.

Soll ich das Video-Modell einfach den Sound erzeugen lassen?

Einige Modelle können das, und es geht schnell. Du verlierst aber die Möglichkeit, einen einzelnen Sound zu ändern, ohne das Bild neu zu generieren. Renderst du stumm, hast du volle Kontrolle über den Mix.

Kostet das Exportieren aus dem Studio Credits?

Nein. Das MP4-Rendering wird nicht berechnet; nur die Generierungen, die den Clip und die Sounds erstellt haben, wurden berechnet.

Kann ein Prompt zwei Soundeffekte erzeugen?

Es wird eine Mischung zurückgegeben. Erstelle jeden Cue als eigene Generierung und platziere sie dann separat.

Anleitungen / Audio

Stimme, Musik und Soundeffekte für dein Video

Ein Clip ohne Ton ist nur ein halber Clip. Der Audio-Composer erstellt die drei Elemente, die ein Soundtrack braucht, einzeln nacheinander, und Studio legt sie unter das Bild.

10 Min. Lesezeit
24. September 2026

Automatisch aus dem Englischen übersetzt. Original lesen

Was du erstellst, der Reihe nach. Tippe auf eins, um zu seinem Schritt zu springen.

Du erstellst eine Stimme, eine Musikunterlegung und einen Soundeffekt als drei separate Generierungen im Audio-Composer, jeweils auf dem dafür vorgesehenen Modell, und legst sie in Studio unter deinen Clip. Die Voiceover-Aufgabe des Composers wandelt ein Skript in Sprache um, Music schreibt einen Track aus einer Beschreibung, und Sound effect erzeugt einen einmaligen Cue oder eine Atmosphäre. Keines davon benötigt das Video; sie sind Audio-Assets in deiner Mediathek, bis du sie auf einer Timeline anordnest.

Dieser Guide folgt einem stummen Clip, einem Duftwerbespot, der mit Seedance 2.5 ohne Audio erstellt wurde, von nichts zu einem gemischten Soundtrack. Jeder Clip, den du hier abspielen kannst, ist echtes Output, und die Preise stammen aus dem Live-Katalog, wenn die Seite geladen wird.

Was schiefgeht, und die Korrektur

Fehler	Warum es stört	Korrigieren
Ein Video-Modell nach dem gesamten Soundtrack fragen	Ein Modell mit nativem Sound schreibt seine eigene Musik und Effekte, und du kannst eines nicht ändern, ohne das Bild neu zu generieren	Rendere den Clip stumm, erstelle dann jeden Sound im Audio-Composer und mische in Studio
Ein langer Musik-Prompt mit einer Stimme darin	Musik-Modelle singen, was du beschreibst; eine Erzählzeile kommt als Songtext zurück	Behalte das Skript in Voiceover und die Stimmung in Music
Ein vollständiger Satz für einen Soundeffekt	Das Effektemodell liest eine Szene und erzeugt eine Geräuschfläche	Beschreibe den einen Sound, sein Material und seinen Raum in einer kurzen Zeile
Die Stimme nur nach Namen auswählen	Zwei benannte Stimmen auf demselben Modell lesen denselben Text in sehr unterschiedlichem Tempo	Spiele die kostenlose Vorschau ab, bevor du Credits ausgibst, und nutze das Geschwindigkeitsfeld in der API, wenn die Aufnahme zu lang ist
Erneutes Aufnehmen der Erzählung, um den Schnitt zu treffen	Jeder erneute Durchlauf kostet erneut Zeichen	Schneide und verschiebe die Aufnahme im Studio; der Clip kann stattdessen gehalten oder verlängert werden

Bevor du beginnst

Ein Clip in deiner Mediathek. Für diesen Leitfaden sind es fünf Sekunden eines Parfümflakons im Licht einer einzelnen Lampe, erstellt mit Seedance 2.5 mit deaktiviertem Audio, damit nichts mit dem Soundtrack kollidiert.
Dein ausformulierter Skript. Sprache wird pro Zeichen abgerechnet, also kürze es vor der Generierung, nicht danach.
Je eine Zeile für die Musik und den Effekt. Die Modelle nehmen eine Beschreibung, keine Datei.
Jeder Plan. Jedes Audiomodell ist in jedem Plan verfügbar, und Sprache beginnt bei einem Minimum von zwei Credits im empfohlenen Modell.

Ein facettierter bernsteinfarbener Glasparfümflakon mit einer gebürsteten Messingkappe auf einer dunklen, marmorierten Schminktischplatte bei Nacht, eine warme Lampe wirft einen Lichtkegel über den Marmor, Staub schwebt im Strahl, die Kamera fährt langsam heran — **Die stille Quelle.** Erstellt mit Seedance 2.5, Audio aus, fünf Sekunden. Dies ist der Clip, für den jeder unten genannte Sound erstellt wurde.

Erstelle die Erzählung

Öffne den Audio-Composer. Unter Was brauchst du? ist die Voiceover-Aufgabe standardmäßig ausgewählt, mit ElevenLabs v3 als empfohlenem Modell und einer Stimme-Liste mit zehn benannten Stimmen. Tippe den Text so ein, wie er gelesen werden soll, und wähle eine Stimme; wir haben Roger verwendet. Die Schaltfläche lautet Audio generieren mit dem aktuellen Preis, und der Preis passt sich deinem Skript an, während du tippst. Ein Klick generiert.

Das Skript, genau wie gesendet

Some nights do not ask for permission.

Der Audio-Composer mit fünf nummerierten Markierungen: Voiceover, das im Prompt-Feld eingegebene Skript, ElevenLabs v3 als Modell, die auf Roger eingestellte Stimme und die Schaltfläche Audio generieren mit ihrem Preis — **Voiceover auf ElevenLabs v3.** (1) Voiceover. (2) Der Text, wie er gelesen werden soll. (3) Das Modell. (4) Die Stimme, hier Roger; die Wiedergabetaste daneben spielt eine kostenlose Probe ab. (5) Der Preis für dieses exakte Skript.

Tipp:Stimme kostenlos testen. Jede benannte Stimme auf ElevenLabs und Kokoro hat eine kurze aufgenommene Probe. Spiele sie im Stimmendialog auf der Characters-Seite ab, bevor du Credits für eine Aufnahme ausgibst.

Erstelle die Musikunterlegung

Wechsle die Aufgabe zu Musik. Lyria 3.5 ist das empfohlene Modell, und der Preis ist eine feste Gebühr pro Track, unabhängig davon, was du eingibst. Beschreibe die Stimmung, die Instrumente, das Tempo und wie sich der Track entwickeln soll; gib no vocals an, wenn du keinen Gesang möchtest. Du erhältst einen Track, der länger als der Clip ist, das ist in Ordnung: Du schneidest ihn in Studio zurecht.

Der Musik-Prompt, genau so gesendet

Dark minimal electronic pulse for a fragrance commercial: a deep sub bass heartbeat, sparse glassy synth stabs, a slow rising pad, 90 bpm, cinematic and expensive, no vocals, no drums until the last two seconds.

Der Audio-Composer im Modus Musik mit vier nummerierten Markierungen: Musik, die Track-Beschreibung, Lyria 3.5 als Modell und die Schaltfläche Audio generieren mit ihrem Festpreis — **Musik auf Lyria 3.5.** (1) Musik. (2) Die Stimmung, die Instrumente, das Tempo und kein Gesang. (3) Lyria 3.5. (4) Eine feste Gebühr, unabhängig von deiner Eingabe. Unser Ergebnis war zwei Minuten lang.

Erstelle den Soundeffekt

Wechsle zu Soundeffekt. ElevenLabs Sound Effects v2 ist das empfohlene Modell, eine feste Gebühr pro Anfrage, und es akzeptiert einen kurzen Prompt mit maximal 450 Zeichen. Nenne den Klang, das Material und den Raum, in dem er stattfindet. Ein Klang pro Generierung: Ein zweiter Effekt erfordert einen zweiten Durchlauf.

Der Effekt-Prompt, genau so gesendet

A single deep glass chime with a low reverberant thud underneath, decaying slowly in a large empty hall.

Der Audio-Composer im Sound-Effect-Modus mit vier nummerierten Markierungen: Sound-Effekt, der im Prompt beschriebene Chime, ElevenLabs SFX als Modell und die Schaltfläche Audio generieren mit ihrem Festpreis — **Sound-Effekt auf ElevenLabs Sound Effects v2.** (1) Sound-Effekt. (2) Ein Klang, sein Material und sein Raum, bis zu 450 Zeichen. (3) Das Modell, angezeigt als ElevenLabs SFX. (4) Eine pauschale Gebühr pro Anfrage. Unser Ergebnis war eine Sekunde lang, was für einen Chime ausreicht.

Achtung:MMAudio v2 arbeitet vom Bild aus, nicht nur von Worten. Das zweite Modell in der Sound-Effekt-Liste, MMAudio v2, ist ein Video-zu-Audio-Modell: Es analysiert einen Clip und erstellt eine passende Spur. Es ist die richtige Wahl, wenn du den Raum und die Bewegung automatisch vertont haben möchtest, nicht einen bestimmten Cue.

Füge es unter den Clip in Studio ein

Öffne Timelines, drücke Neue Timeline, wähle ein Projekt aus oder benenne ein neues, gib der Timeline einen Namen und drücke Erstellen. Studio öffnet sich darauf. Wechsle im linken Panel von Projektmedien zu Mediathek: Das ist deine gesamte Mediathek, mit Suchfeld und Typfiltern. Jede Karte hat ein +, das sie an der Playhead-Position hinzufügt.

Suche den Clip und drücke sein +. Er landet in der ersten Videospur bei 0.
Klicke auf die Musikkarte, damit sie in der Quellvorschau über der Liste geladen wird. Ziehe den Scrubber der Vorschau auf 0 und drücke Mark In, dann auf 5 Sekunden und drücke Mark Out, danach drücke +. Die Musikunterlegung landet auf einer Audiospur, die auf den Clip zugeschnitten ist; der Rest des zwei Minuten langen Tracks erreicht die Timeline nie.
Ziehe den Timeline-Scrubber auf 1,6 Sekunden und drücke + bei der Erzählung; sie landet auf ihrer eigenen Audiospur am Playhead.
Ziehe auf 3,9 Sekunden und drücke + beim Klangsignal.

Studio mit fünf nummerierten Markierungen: der Duftclip auf V1, die zugeschnittene Musikunterlegung auf A1 ab dem ersten Frame, die Erzählung auf A2 ab 1,6 Sekunden, das Klangsignal auf A3 nahe dem Ende und die Schaltfläche Video exportieren — **Eine Videospur, drei Audiospuren.** (1) Der Clip auf V1. (2) Die Musikunterlegung auf A1, zugeschnitten auf den Clip. (3) Die Erzählung bei 1,6 Sekunden. (4) Das Klangsignal bei 3,9 Sekunden. (5) Video exportieren. Jeder Sound bleibt ein eigenes Element, sodass du einen verschieben oder stummschalten kannst, ohne die anderen zu berühren.

Der Audio-Inspektor für die Musikunterlegung mit vier nummerierten Markierungen: Clip-Lautstärke, Einblenden und Ausblenden, Unter der Stimme ducken und Spur-Lautstärke; die Zusammenfassung lautet: spielt auf eigener Ebene, blendet 1,3 s aus, taucht 12 dB unter die Stimme — **Der Audio-Inspektor, auf der Musikspur.** (1) Clip-Lautstärke. (2) Einblenden und Ausblenden. (3) Unter Stimme ducken: standardmäßig aktiviert für Musik, senkt die Spur um 12 dB, während jemand spricht. (4) Spur-Lautstärke, für die gesamte Spur.

Klicke oben auf Video exportieren. Die MP4-Datei wird auf dem Server gerendert, landet in deiner Mediathek mit dem Tag "Render" und wird unter den letzten Exporten des Projekts aufgelistet. Der Export wird nicht berechnet.

Tipp:Die Zeile "Bearbeitungen ausstehend" blockiert den Export nicht. Nachdem du Elemente hinzugefügt hast, zeigt Studio eine Zeile an, die besagt, dass Bearbeitungen darauf warten, vom NOLGIA Agent angewendet zu werden. Das betrifft das Schreiben in das autorisierte Dokument der Timeline. Der Export enthält sie bereits: Unser Render hat alle drei Sounds übernommen.

Der stumme Duft-Clip — Dieselben fünf Sekunden, exportiert aus Studio. Spiele den rechten ab, um die Musikspur, den Satz und das Klangsignal zusammen zu hören.

Derselbe Duft-Clip mit Erzählung, Musikspur und Klangsignal darunter gemischt — Dieselben fünf Sekunden, exportiert aus Studio. Spiele den rechten ab, um die Musikspur, den Satz und das Klangsignal zusammen zu hören.

Welches Modell für welchen Job

Du brauchst	Aufgabe	Starte mit	Auch in der Liste
Ein Erzähler oder eine Dialogzeile	Voiceover	ElevenLabs v3, zehn benannte Stimmen	v3 Conversational mit halber Rate, Multilingual v2, Turbo v2.5, Kokoro mit zwanzig Stimmen, MiniMax Speech, Inworld, Dia, Orpheus
Eine Musikunterlegung ohne Text	Musik	Lyria 3.5	MiniMax Music 2.6, ElevenLabs Music, Stable Audio 3 Medium und 2.5
Ein einzelner Sound: ein Hit, ein Whoosh, eine Tür	Soundeffekt	ElevenLabs Sound Effects v2	MMAudio v2, wenn der Track einem Clip folgen soll
Sound, der dem Bild folgt	Soundeffekt	MMAudio v2	Oder ein Videomodell mit nativem Audio, auf Kosten der Kontrolle

Die Listen, wie der Composer sie heute anzeigt. Das empfohlene Modell ist im Picker markiert.

Wo du noch einmal generierst

Lautstärken. Der Export erledigt die Grundmischung für dich: Er senkt die Musik unter der Stimme ab, blendet die Unterlegung am Ende aus und gleicht die Lautstärke an; unsere kam bei -14.2 LUFS heraus. Um das zu ändern, wähle einen Sound und öffne das Audio-Inspektor-Fenster: Clip-Lautstärke, Einblenden und Ausblenden, Unter der Stimme absenken sowie die Spurlautstärke der Spur.
Eine Stimme, die du behalten möchtest. Benannte Stimmen gibt es nur bei ElevenLabs und Kokoro; MiniMax Speech, Inworld, Dia und Orpheus veröffentlichen hier keine Stimmenliste, daher kann eine erneute Generierung bei diesen Modellen anders klingen. Die gleiche Stimme in jedem Video zeigt, wie du eine festlegst.
Geschwindigkeit. Die Einstellung für die Geschwindigkeit (0,7 bis 1,2 bei ElevenLabs-Stimmen) ist ein API-Feld; der Composer hat noch keinen Regler, daher wird eine Aufnahme, die zu lang ist, neu geschrieben oder gekürzt.
Exaktes Timing. Musik kommt länger zurück als der Clip, bei uns zwei Minuten für fünf Sekunden Bild, und der Beat landet dort, wo das Modell ihn setzt. Du setzt In- und Out-Point am Clip, nicht umgekehrt.
Ein Effekt pro Durchlauf. Ein Prompt mit drei Sounds darin liefert eine Mischung zurück.

Was es kostet

Sprache wird pro Zeichen abgerechnet, mit einem Minimum für kurze Zeilen; Musik und Effekte werden pro Anfrage einmal berechnet. Der Clip wird nach seiner Länge bepreist. Aktuelle Preise für die in diesem Leitfaden verwendeten Modelle:

ElevenLabs v3Every plan
Per 1,000 characters
Standard 6 Credits
Lyria 3.5Every plan
Per generation
Standard 5 Credits
ElevenLabs SFXEvery plan
Per generation
Standard 4 Credits
Seedance 2.5Pro and up
Per 5s clip
480p 26 Credits · 720p 56 Credits · 1080p 137 Credits
1080p renders at 16:9 and 9:16

Live aus dem Katalog gelesen, wenn diese Seite lädt. Jeder Preis wird angezeigt, bevor du generierst. Alle Tarife ansehen.

Der Studio-Export wird nicht berechnet. Neue Konten starten mit 350 kostenlosen Credits.

Probiere es selbst

Der Quellclip und die drei Prompts

Duft-Clip, stumm, 5 s, 1280x720MP4-Video · 1280x720 · 624 KBHerunterladen

Lade den Clip in deine Mediathek hoch, führe die drei obigen Prompts auf den empfohlenen Modellen aus und füge dann alle vier an der Playhead-Position in Studio hinzu.

Skript in Voiceover auf ElevenLabs v3, jede benannte Stimme; unsere war Roger.
Musik-Prompt in Music auf Lyria 3.5. Erwarte eine Spur, die länger als der Clip ist.
Effekt-Prompt in Sound effect auf ElevenLabs Sound Effects v2.
Timelines, Neue Timeline, dann im Studio das linke Panel auf Mediathek umschalten: Clip zuerst mit dem +, dann die Musik über Mark In und Mark Out in der Source-Vorschau, dann die Erzählung und den Klang an der Playhead-Position. Video exportieren.

Fragen und Antworten

Kann ich die Stimme, die Musik und den Soundeffekt an einem Ort erstellen?: Ja. Der Audio-Composer hat Aufgaben für Voiceover, Musik und Soundeffekte, jeweils mit eigenen Modellen, und jedes Ergebnis ist ein Audio-Asset in deiner Mediathek.
Wie werden Audiodateien berechnet?: Sprache wird nach den Zeichen in deinem Skript abgerechnet, mit einem kleinen Mindestbetrag; die Schaltfläche zeigt den Preis an, während du tippst. Musik und Soundeffekte sind eine pauschale Gebühr pro Anfrage, die auf der Schaltfläche vor der Generierung angezeigt wird.
Richtet sich die Erzählung automatisch am Bild aus?: Nein. Du platzierst sie. Im Studio ist jedes Audio-Asset ein eigenes Element auf einer Audiospur, also schiebst du die Aufnahme zum gewünschten Frame und schneidest die Musik auf den Clip zu.
Soll ich das Video-Modell einfach den Sound erzeugen lassen?: Einige Modelle können das, und es geht schnell. Du verlierst aber die Möglichkeit, einen einzelnen Sound zu ändern, ohne das Bild neu zu generieren. Renderst du stumm, hast du volle Kontrolle über den Mix.
Kostet das Exportieren aus dem Studio Credits?: Nein. Das MP4-Rendering wird nicht berechnet; nur die Generierungen, die den Clip und die Sounds erstellt haben, wurden berechnet.
Kann ein Prompt zwei Soundeffekte erzeugen?: Es wird eine Mischung zurückgegeben. Erstelle jeden Cue als eigene Generierung und platziere sie dann separat.

Gib deinem Clip einen Soundtrack

Audio-Composer öffnen

Audio

Die gleiche Stimme in jedem Video

Speichere eine Katalog-Stimme auf einem Charakter, lies jede Zeile mit „Als sprechen“ vor und lege in Studio eine Musikunterlegung und einen Sound-Cue darunter. Ein Erzähler, drei Clips, echt gemacht.

24. September 2026 · 11 Min. Lesezeit

Kanäle

Ein gesichtloser, narrativer Kanal: Tools, Workflow und die nächste Episode

Skript, eine gespeicherte Erzählerstimme, B-Roll in einem festen Look aus dem Video-Composer, der Schnitt in Studio und der NOLGIA Agent für die nächste Episode. Zwei kurze Episoden, real produziert.

14. Oktober 2026 · 12 Min. Lesezeit

Credits

So funktionieren Credits und was passiert, wenn ein Render fehlschlägt

Der Preis steht auf der Schaltfläche „Generieren“, der Auftrag hält ihn zurück, während er arbeitet, und die Reservierung wird zu einer Abbuchung oder einer Erstattung. Hier erfährst du, wann Credits nach einem Fehler, einer Ablehnung oder einer Stornierung zurückkommen.

14. Oktober 2026 · 6 Min. Lesezeit