Aus einem Stream-VOD vertikale Clips machen

Warum ist ein Stream-VOD schwerer zu clippen als ein Talking Head?

Weil der interessante Teil fast nie in der Bildmitte liegt.

Ein Stream wird zusammengesetzt, bevor er überhaupt aufgenommen wird. Gameplay, ein geteilter Bildschirm oder ein Browser füllt die volle 16:9-Breite, und der Streamer sitzt in einer kleinen Webcam-Box in einer Ecke — unten links, unten rechts, wo auch immer das HUD nicht ist. Diese eine Layout-Entscheidung bricht die Annahme, die jeder generische Clipper trifft. Schneidest du die Mitte zu, bekommst du die Mitte einer Spielkarte ohne Gesicht, ohne Reaktion und ohne Ahnung, wer spricht. Verfolgst du stattdessen das Gesicht, bekommst du eine stark hochskalierte Eckbox, bei der das Gameplay, auf das sie reagierte, weggeschnitten ist.

Das zweite Problem ist die Länge. Ein Talking-Head-Video ist Minuten lang; ein VOD ist Stunden lang. Der Moment, der sich zu clippen lohnt, sind vier Minuten irgendwo innerhalb von vier Stunden, und ihn durch Spulen zu finden ist der Grund, warum die VODs der meisten Streamer nie geclippt werden. Dieses Archiv ist der klarste Fall von unveröffentlichtem Bestand, den es gibt: Stunden aufgezeichneten Materials, das die Leute erreicht hat, die ohnehin live zuschauen, und sonst niemanden.

Das dritte ist, dass das Audio durchgehend läuft. Es gibt keine Kapitelmarken, keine Schnitte und keine natürlichen Grenzen, die Schnittpunkte müssen also aus dem Transkript und den visuellen Szenenwechseln kommen und nicht aus einer Struktur, die nicht da ist.

Wie baut Clippen ein Stream-Layout neu auf?

Mit einem Modus namens INSET, und er ist es wert, erklärt zu werden, denn die Erkennung ist der interessante Teil.

Clippen fragt kein Sprachmodell, ob das Bild eine Webcam-Box hat — das Fragen machte die Wahl des Gesamtlayouts schlechter. Es findet das Inset geometrisch, mit drei Tests, die eine Eck-Webcam besteht und ein Talking Head nicht. Das Motiv ist im Bild klein. Das Motiv sitzt horizontal außermittig — ein Talking Head kann hoch im Bild sitzen, ist aber fast immer zentriert, die vertikale Position allein genügt also nicht. Und die Box des Motivs bewegt sich zwischen den Stichproben kaum: Ein Webcam-Overlay ist an dieselben Pixel geheftet und driftet über einen Clip um ein paar Pixel, während sich eine echte Person in einem Raum um Hunderte bewegt.

Wenn alle drei zutreffen, wird der Clip neu aufgebaut statt zugeschnitten: Der Bildschirm läuft in voller Breite über den oberen Teil des 9:16-Bildes, und die Webcam-Box wird darunter vergrößert. Beide Hälften der ursprünglichen Komposition bleiben erhalten — du kannst lesen, was auf dem Bildschirm ist, und die Reaktion darauf in lesbarer Größe sehen.

Der verwandte SCREENCAST-Modus deckt die andere Form desselben Problems ab: einen geteilten Bildschirm oder ein Foliendeck, das den Großteil der Breite einnimmt, mit der Person am Mikrofon daneben statt darüber. Inhalt, der schmaler als das halbe Bild ist, bleibt unberührt, denn ein Ticker in der Ecke oder ein Bauchbinden-Einblender übersteht einen Zuschnitt völlig problemlos, und ein Neustapeln wäre schlechter als nichts zu tun.

Was kostet ein VOD von vier Stunden?

240 Credits. Clippen rechnet nach der Länge der Quelle ab, und ein Credit ist eine Minute davon, also sind vier Stunden 240 Minuten sind 240 Credits — einmalig berechnet, für den ganzen Durchlauf, egal wie viele Clips zurückkommen.

Clippen ist ein kostenpflichtiges Tool und rechnet nach der Länge dessen ab, was du einspeist: Ein Credit ist eine Minute Quellvideo, und diese eine Abbuchung deckt den ganzen Durchlauf ab — alle Clips, die das Video ergibt, das vertikale Reframing, die Untertitel und den Hook. Ein Podcast von 60 Minuten kostet 60 Credits, egal ob er mit sechs oder zwölf Clips zurückkommt. Die Tarife beginnen bei 19,99 $ im Monat für 150 Credits (11,66 $ im Monat bei jährlicher Abrechnung) und reichen bis 59,99 $ im Monat für 800 Credits. Es gibt keinen kostenlosen Tarif.

Das lohnt sich, bei jedem Tool, das du vergleichst, genau zu prüfen, denn die Abrechnung pro Minute und die pro Clip ergeben für dasselbe VOD stark abweichende Zahlen. Ein Stream von vier Stunden, der zwölf Clips ergibt, kostet hier dieselben 240 Credits wie einer, der acht ergibt. Ein Monatslimit für fertige Clips bepreist dasselbe VOD nach einem Ergebnis, das niemand vor dem Drücken auf Start vorhersagen kann.

Die praktische Folge für Streamer ist, dass das Kürzen der Quelle der Hebel ist, der zählt. Wenn du weißt, dass die erste Stunde Aufbau und Chat war, reiche die hinteren drei Stunden ein und zahle 180 statt 240. Sonst ändert sich am Durchlauf nichts.

Wie lange dauert es, und was kommt zurück?

Wir schicken dir eine E-Mail, sobald sie fertig sind. Der Auftrag läuft serverseitig: Reiche das VOD ein, wenn der Stream endet, und geh schlafen.

etwa 10 Clips aus einer Einreichung, egal wie lang sie ist, jeweils 15 bis 60 Sekunden, und die Anzahl richtet sich nach dem, was im Material steckt — Leerlauf und Aufbau erzeugen keine Clips, nur um eine Zahl zu erreichen. Jeder kommt fertig an:

• 1080×1920 vertikal, mit 9:16, 1:1 und 16:9 aus demselben Durchlauf verfügbar.
• Eingebrannte Untertitel auf Wortebene mit hervorgehobenem gesprochenem Wort, Sprache automatisch erkannt.
• Eine von der KI geschriebene Hook-Überschrift über den ersten Sekunden.
• Ein Layout pro Szene: INSET für Webcam in der Ecke, SCREENCAST für einen geteilten Bildschirm neben der Person am Mikrofon, TRACK für ein Facecam-Segment im Vollbild, SPLIT für eine Zweiereinstellung beim gemeinsamen Streamen.
• Optionale Punch-ins auf den Beats, damit eine feste Webcam keinen festen Clip ergibt.
• Herunterladen oder aus dem Dashboard auf TikTok, Instagram Reels und YouTube Shorts posten.

Bei Streams ganz ohne Gesicht im Bild — einer Vollbild-Spieleaufnahme nur mit Stimme — gibt es kein Inset zu finden und kein Motiv zu verfolgen, diese Szenen werden also als Layouts in voller Breite behandelt, wobei Audio und Untertitel den Clip tragen. Das Reframing kann keine Reaktionseinstellung erfinden, die nie aufgenommen wurde.