Visual Novels vertonen

Die Wirtschaftlichkeit, die das Genre geprägt hat

Visual Novels sind aus Tradition und aus Notwendigkeit textbasiert. Die Form ist in einem Markt gewachsen, in dem Sprachaufnahmen teuer und Zeilenzahlen riesig waren, und so wurde Teilvertonung zur Konvention: die Hauptroute vertont, Nebeninhalte still, die Hauptfigur stumm, damit Spielende in sie hineinschlüpfen können.

Im deutschsprachigen Raum kam eine zweite Hürde dazu. Die Szene ist aus der Anime- und Manga-Community gewachsen, viele Titel erreichen sie nur über englische oder japanische Fassungen, und deutsche Indie-Visual-Novels – auf itch.io, auf Steam, aus Game Jams – hatten für eine deutsche Sprachausgabe praktisch nie Budget. Auf Steam steht in der Sprachtabelle neben „Oberfläche“ und „Untertitel“ die Spalte „Vollständige Audioausgabe“, und für Deutsch bleibt sie bei kleinen Titeln fast immer leer.

Diese Konventionen sind inzwischen ebenso ästhetisch wie wirtschaftlich – viele Spielende mögen sie –, aber die Einschränkung darunter hat sich tatsächlich verschoben. Ein kleines Studio kann heute Material vertonen, das es früher still lassen musste, und das betrifft vor allem Nebenrouten und Nebenfiguren, weniger die Hauptlinie.

Verzweigung macht Konsistenz schwerer, als sie aussieht

Lineare Geschichten werden der Reihe nach und einmal gehört. Verzweigte Geschichten werden außer der Reihe, wiederholt und von Spielenden gehört, die Fassungen bewusst vergleichen. Eine Zeile aus dem zweiten Entwicklungsmonat und eine aus dem neunten werden von allen, die eine zweite Route spielen, direkt hintereinander gehört.

Dadurch fällt Abdriften der Stimme viel stärker auf als in einem linearen Spiel. Alles, was davon abhängt, dass sich jemand an eine Besetzungsentscheidung erinnert, scheitert irgendwann. Figuren leben hier innerhalb eines Projekts; die Prozessregel ist deshalb eine schriftliche Besetzungsliste: für jede Rolle in jedem Projekt derselbe Bibliotheks-Charakter mit demselben Kurzprofil, in derselben Reihenfolge angelegt, und vor dem Export die erste Zeile jeder Hauptfigur angehört, denn ein neues Projekt landet mit einer Figur nicht garantiert bei derselben Stimme.

Das Deutsche fügt eine Konsistenzfrage hinzu, die kein englisches Skript kennt: die Anrede. Wann eine Figur vom Sie zum Du wechselt, ist in einer Romance-Route oft ein Meilenstein. Wird dieser Wechsel in einer Route geschrieben und in einer anderen vergessen, stolpern Spielende genau dort – und in vertonter Form noch hörbarer als im Text.

Ein Render-Schritt in der Engine-Pipeline

Die praktische Integrationsfrage ist die Dateibenennung. Engines sprechen Audio über Kennungen an, und ein Render-Schritt, der Dateien nur durchnummeriert zurückgibt, hat deine Arbeit verlagert, nicht beseitigt. CastDub exportiert keine Datei pro Zeile, sondern pro Projekt einen MP3-Mix, in Pro eine Spur pro Figur und ab Plus eine SRT, in der jede Zeile als eigener Eintrag mit Zeitmarken steht. Wenn deine Zeilen im Skript in der Reihenfolge deiner IDs stehen, ist das Zerlegen in benannte Einzeldateien ein Skript, das du einmal schreibst und danach nur noch laufen lässt.

Die zweite Frage ist inkrementelles Rendern. Visual-Novel-Skripte ändern sich im Test viel stärker als die meisten anderen Spielinhalte, und bei jeder Änderung das ganze Projekt neu zu erzeugen, ist langsam und stört den Build. Hier werden nur geänderte Zeilen neu synthetisiert, aber ein Export umfasst immer das ganze Projekt, und jede Zeile nach einer Änderung kann sich zeitlich verschieben. Halt Projekte deshalb szenengroß, schneide nach der frischen SRT neu, und dein Audio-Verzeichnis bleibt zwischen zwei Builds stabil.

Spielenden sagen, was sie hören

Die Visual-Novel-Community hat feste Meinungen zur Sprachausgabe, auch weil Sprecherinnen und Sprecher ein sichtbarer und geliebter Teil der Genrekultur sind. Erzeugte Stimmen sind in diesem Umfeld nicht neutral, und wie sie aufgenommen werden, hängt stark davon ab, ob das Studio offen damit umgegangen ist.

Schreib es auf die Shopseite. Sag, welche Teile erzeugt sind und welche, falls überhaupt, aufgenommen. Studios, die das tun, werden weitgehend am Ergebnis gemessen; Studios, bei denen es später herauskommt, werden an der Verheimlichung gemessen, und dieses Urteil fällt viel härter aus.

Teilvertonung ist eine Designentscheidung

Seit eine Vollvertonung bezahlbar ist, wird die interessante Frage, ob du sie überhaupt willst. Spielende lesen schneller, als Stimmen sprechen, und eine vollständig vertonte Visual Novel zwingt Lesende entweder zum Warten oder lässt sie das Audio überspringen – womit die Vertonung sinnlos wird.

Das Muster, das funktioniert: vertonen, was von einer Darbietung profitiert – emotionale Szenen, Figureneinführungen, Höhepunkte der Routen –, und verbindenden Text still lassen, damit Lesende ihr eigenes Tempo gehen. Viele geschätzte kommerzielle Titel machen genau das, und zwar aus Absicht, nicht aus Budgetgründen.

Ein nützlicher Test: Existiert eine Zeile, um Information zu transportieren, ist Stille in Ordnung. Existiert sie, um zu zeigen, was eine Figur bei dieser Information empfindet, vertone sie.

Arbeiten mit einem Test-Build

Visual-Novel-Skripte ändern sich im Test stärker als die meisten Spielinhalte, weil Testspielende Verzweigungen finden, die nicht tragen, und die Autorinnen sie sofort umschreiben. Eine Vertonungspipeline, die nicht mithält, wird zum Grund, Dinge nicht zu reparieren – das schlechteste mögliche Ergebnis.

Die Eigenschaft, die das trägt, ist inkrementelles Rendern: acht Zeilen ändern, und nur diese acht werden neu erzeugt, alles andere behält sein Audio. Einen Export pro Zeile gibt es nicht, die Dateien entstehen also weiterhin durch Zerschneiden des exportierten Mixes an den SRT-Zeitmarken – halt jedes Projekt bei einer Szene oder einem kurzen Stapel, dann bleiben Neu-Export und Neu-Schnitt klein, das Audio-Verzeichnis bleibt zwischen Builds stabil, der Diff in der Versionsverwaltung bleibt lesbar, und niemand muss abwägen, ob eine Überarbeitung den Neu-Render wert ist.

Es lohnt sich, das einzurichten, bevor das Schreiben abgeschlossen ist, nicht danach. Wer wartet, bis das Skript final ist, stellt fest, dass es nie final wird.