Video-Pipeline: vom Transkript zum fertigen Predigtvideo

Der Ablauf

1. Transkript. ElevenLabs Scribe transkribiert die Aufnahme mit einem Zeitstempel für jedes Wort.
2. Versprecher finden. Verdächtige Stellen schneide ich heraus und lasse sie ein zweites Mal transkribieren. So fallen Versprecher auf, die im ersten Durchgang untergehen.
3. Schnitt. Den Schnittplan gebe ich vor jedem Lauf frei. Danach schneidet ffmpeg nach der Schnittliste.
4. Grafikebene. Zitate, Bibelverse und Szenen aus KI-Bildern und KI-Filmen liegen als eigene Ebene über dem Film, gebaut in Remotion. So läuft sie seit dem 1. Juli 2026; die erste Predigt damit dauerte 48 Minuten und 11 Sekunden.
5. Prüfen. Vor jedem vollen Rendern laufen maschinelle Prüfungen, unter anderem eine Kontrolle Bild für Bild.
6. Weitere Sprachen. Seit dem 21. August 2026 gehören Fassungen in Spanisch und Portugiesisch fest dazu, inzwischen auch in Englisch. Die Übersetzung wird neu vertont, das Original läuft 20 dB leiser darunter.

Die Werte im Schnitt

Jede Schnittliste enthält einen Block _padding_params mit den verwendeten Werten. Wer die Datei öffnet, sieht für jeden Schnitt, wo er gesetzt wurde und warum.

100 / 80 ms

mitten im Satz, nach dem letzten Wort und vor dem nächsten

200 / 130–150 ms

an Satzgrenzen

600–700 ms

am Videoende, nach dem tatsächlich letzten Wort

Warum eine eigene Vertonung

Ein fertiger Dienst für die Vertonung hat denselben Bibelvers in zwei Läufen zweimal verschieden übersetzt und einmal eine ganze Zeile erfunden. Für Predigten geht das nicht. Die eigene Vertonung trennt Übersetzung und Sprachausgabe: Die Übersetzung lässt sich prüfen und korrigieren, bevor eine Stimme sie spricht.

Ehrlich gemessen

Eine Ersparnis in Stunden nenne ich nicht, weil ich die Zeit vor der Pipeline nie gestoppt habe. Beim nächsten Video hole ich das nach.