Hörspiel mit KI erstellen

Warum das Hörspiel gerade wieder wächst

Das deutschsprachige Publikum hat das Hören nie verlernt. Das Hörspiel ist fast so alt wie der Rundfunk selbst, die öffentlich-rechtlichen Hörspielredaktionen produzieren seit Jahrzehnten ohne Unterbrechung, und eine ganze Generation ist mit Kassettenserien eingeschlafen. Neu ist, wo gehört wird: Podcast-Apps, Mediatheken und Streamingdienste haben fiktionalen Serien ein Zuhause gegeben, und Audio bleibt das einzige Medium, das man beim Pendeln, Kochen oder Wäscheaufhängen nebenbei konsumieren kann.

Was sich lange nicht geändert hat, sind die Produktionskosten. Ein Hörspiel braucht mehrere Sprecherinnen und Sprecher, und mehrere Sprechende heißen Terminabsprachen, Studiozeit und jemanden, der Regie führt. Die freie Hörspielszene – Hobbyproduktionen, Fan-Hörspiele, Projekte aus Foren und Discord-Servern – hat das jahrelang mit Home-Recording und viel Geduld gelöst, und oft genug ist ein Projekt daran gescheitert, dass eine Stimme für Folge sieben nicht mehr erreichbar war.

Übrig blieben entweder gut finanzierte Produktionen oder Einzelne, die alle Rollen selbst lesen. Beides ist kein Hörspiel im eigentlichen Sinn. Der Reiz der Form ist, eine Szene zwischen Menschen zu hören, und eine Person, die vier Stimmen verstellt, ist ein Kompromiss, den Hörende hinnehmen, nicht genießen.

Erzeugte Darbietung ändert die Rechnung, nicht das Handwerk. Besetzung, Regie, Tempo und Buch zählen weiterhin – eher mehr als vorher, weil sie jetzt das Einzige sind, was ein gutes Hörspiel von einem schlechten trennt.

Die vier Entscheidungen, die ein Hörspiel tragen

Erstens: Besetzen auf Trennbarkeit. Hörende unterscheiden Sprechende vor allem an Tonlage und Sprechtempo, ganz ohne Bild. Zwei Figuren in derselben Lage verschwimmen, egal wie verschieden sie auf dem Papier angelegt sind. Spreiz deine Besetzung bewusst, und die Szene wird lesbar – oder besser: hörbar.

Zweitens: Zurückhaltung in der Regie. Die Versuchung ist groß, jede Zeile mit einer Emotion zu versehen, und das Ergebnis ist gleichförmiger Brei. Eine Szene mit zwei geführten und zwanzig neutralen Zeilen berührt weit mehr als eine, in der alles aufgedreht ist.

Drittens: Tempo. Beim Hören gibt es kein Überfliegen. Eine Szene, die sich auf dem Papier flott liest, dauert laut gern vier Minuten, und die Hörenden spüren jede Sekunde. Im Deutschen kommt der Satzbau dazu: Ein Schachtelsatz, dessen Verb erst am Ende eintrifft, zwingt die Stimme, einen Spannungsbogen über mehrere Einschübe zu halten, und das Ohr verliert unterwegs den Faden. Die Abhilfe ist fast immer Kürzen und Teilen, nicht schneller Sprechen.

Viertens: Stille. Die Pausen zwischen den Zeilen sind der Ort, an dem die Hörenden ihre Arbeit tun. In der klassischen Rundfunk-Hörspielregie wird mehr über Pausen verhandelt als über Betonungen, und für jemanden, der allein produziert, ist die Pause das am meisten unterschätzte Werkzeug.

Ein Ablauf, der Überarbeitungen übersteht

Hörspielprojekte scheitern selten am ersten Render. Sie scheitern an der zwanzigsten Überarbeitung, wenn eine geänderte Zeile bedeutet, eine Folge von Hand neu zusammenzusetzen. Jeder Ablauf, der Änderungen nicht billig macht, bricht irgendwann unter seinem eigenen Gewicht zusammen.

Die Struktur, die hält: ein Projekt pro Folge, für die wiederkehrenden Figuren in jedem Folgenprojekt dieselben Bibliotheks-Charaktere und Kurzprofile, und das Skript bleibt die einzige Wahrheit. Zeile ändern, diese Zeile neu erzeugen – sonst wird im Projekt nichts neu gerendert –, die Folge noch einmal exportieren und zurück in den Mix legen. Jeder Export zählt das ganze Projekt, und genau deshalb ist eine Folge, nicht eine Staffel, die richtige Größe dafür.

Daraus folgt: Misch erst, wenn das Buch steht. Es ist sehr verlockend, einer Szene, die gut klingt, schon Musik und Atmo unterzulegen, und sehr schmerzhaft, das nach einer Überarbeitung neu zu machen. Erst die Darbietung richtig machen, dann einmal vertonen.

Was das hier nicht tut

Es schreibt dein Skript nicht. Eine Geschichtengenerierung gibt es hier bewusst nicht – das interessante Problem am Hörspiel ist die Produktion, nicht die Idee, und ein erzeugtes Buch, gesprochen von erzeugten Stimmen, ist ein Produkt, nach dem niemand ein zweites Mal fragt.

Es mischt nicht. Keine Musikbetten, kein Hall, keine Atmo, keine Stereopositionierung. Das gehört in einen Audio-Editor, in dem du alles zusammen hörst, und jeder Versuch, es in ein Render-Werkzeug einzufalten, hat bisher etwas hervorgebracht, das schlechter war als beides getrennt.

Und es legt Dialog nicht in einem einzigen Render übereinander. Einander ins Wort zu fallen ist ein echtes dramatisches Mittel, aber es ist eine Mischaufgabe: Stems exportieren und gegeneinander verschieben. Das ist ein Handgriff in jedem Editor und das Realistischste, was du mit einer Streitszene anstellen kannst.