Wie Sie Veo 2 Videos mit ElevenLabs-Voiceovers und Soundeffekten zum Leben erwecken

Mit Googles Veo 2 lassen sich fotorealistische Videos einfacher denn je erstellen — und es ist jetzt in der Gemini-Web-App verfügbar. Acht Sekunden lange Videos mit direkt von Gemini erweiterten Prompts ermöglichen einfache Bearbeitungen.

Bilder allein reichen jedoch nicht. Sound verwandelt eine stumme Sequenz in ein immersives Erlebnis. Hier kommt ElevenLabs ins Spiel. Mit ElevenLabs können Sie ein dynamisches KI-Voiceover in verschiedenen Sprachen erstellen oder Soundeffekte hinzufügen und so ein einfaches Video in eine fesselnde Geschichte verwandeln.

Genau das wollte ich ausprobieren, als ich Veo 2 aus Googles DeepMind-Labor nutzte, um die Geschichte einer Stadt zu erzählen, die niemals schläft. Ich erstellte 18 verschiedene Clips mit einer Länge von jeweils etwa 5–8 Sekunden und Fokus auf urbane Umgebungen. Die Clips zeigen Leuchtreklamen, Regen, einen Zug und verschiedene Straßenszenen. Um diese fragmentierten Momente zusammenzuführen, fügte ich mit ElevenLabs ein Voiceover und Soundeffekte hinzu.

Ein fesselndes Voiceover erstellen

Ein gut ausgearbeitetes KI-Voiceover gibt Ihrem Video Struktur und emotionale Tiefe. Veo 2 ist zwar möglicherweise der realistischste Videogenerator, doch seinen Clips fehlt oft Konsistenz zwischen Szenen und Charakteren. Eine Erzählstimme ist daher das ideale verbindende Element.

Statt Zuschauende fragmentierte Bilder selbst interpretieren zu lassen, sorgt ein sorgfältig gestaltetes Voiceover für Klarheit und führt sie durch die Geschichte. Sie können mit dem Voiceover-Skript beginnen und passende Clips erstellen. Oder Sie beginnen mit den Aufnahmen, meist auf Grundlage eines Storyboards, und schreiben danach das Skript. Für das Stadtvideo erstellte ich zuerst die Prompts.

Ihre Erzählung planen

Bevor Sie ein Voiceover erstellen, sollten Sie planen, wie die Erzählung Ihr Video ergänzt. Ist Ihre Veo-2-Sequenz wie meine eine filmische urbane Montage, kann ein Voiceover den Schauplatz etablieren, eine poetische Reflexion hinzufügen oder die Atmosphäre verstärken.

Mein Video enthält beispielsweise eine Szene mit neonbeleuchteten Straßen und flackernden Schildern. Daher schrieb ich: „Die Stadt schläft nie — sie blinzelt kaum. Sie atmet Abgase ein und Neonlicht aus, ein Wesen aus Stahl und Glas, pulsierend im Takt der Schritte von einer Million rastloser Seelen.“ Das verbindet mehrere Aufnahmen.

Ihr Voiceover skripten

Sobald Sie Ihre Erzählung skizziert haben, schreiben Sie das Skript für das gesamte Video. Ein gut geschriebenes Skript stellt sicher, dass Ihr Voiceover zum Timing Ihrer Clips passt. Da Veo-2-Szenen oft 5 bis 8 Sekunden lang sind, sollte Ihre Erzählung prägnant und gut getaktet sein. In einen 5-Sekunden-Clip passen etwa 12–15 Wörter, in einen 8-Sekunden-Clip ungefähr 20–25 Wörter.

Der Ton Ihrer Erzählung sollte zum Video passen — poetisch für atmosphärische Bilder, dokumentarisch für informative Sequenzen und filmisch für energiegeladenes Storytelling. Eine Zeitlupenaufnahme von Dampf, der aus einem Gully aufsteigt, könnte etwa begleitet werden von: „Die Stadt atmet aus, Dampf windet sich in die kalte Nachtluft.“ Bei einem Zug, der in einen Bahnhof einfährt, könnte es heißen: „Ein Windstoß. Das Kreischen von Metall. Ein weiterer Zug fährt ein, wie die Hunderte zuvor.“

Ihr Voiceover mit ElevenLabs erstellen

Sobald Ihr Skript fertig ist, können Sie Ihr KI-Voiceover mit ElevenLabs erstellen. Öffnen Sie in der ElevenLabs-App die Seite Text to Speech. Dort können Sie Ihr Skript einfügen oder direkt schreiben. Anschließend wählen Sie rechts eine Stimme und legen Geschwindigkeit, Stabilität und weitere Einstellungen fest. Ich füge gerne 10–20 % Stilübertreibung hinzu, da dies den Charakter stärker hervorhebt.

Ein tiefer, filmischer Ton eignet sich gut für dramatische urbane Sequenzen, während eine sanfte, nachdenkliche Stimme poetische Erzählungen unterstützt. Bei schnellen Bildern hält eine energiegeladene Darbietung den Rhythmus lebendig. Für mein Video verwendete ich Lamar Lincoln, eine Premium-Stimme, die der Geschichte einen natürlicheren Klang gab. Es sollte klingen, als würde jemand über etwas nachdenken, das ihm wichtig ist.

Nachdem Sie Ihr Skript eingegeben haben, passen Sie Geschwindigkeit und Emotion des Voiceovers an Ihre Bilder an. Ein langsameres, bewusstes Tempo passt zu dramatischen Momenten, während ein gesprächigerer Ton eine energiegeladene Montage ergänzt. Wenn Sie mit dem Ergebnis zufrieden sind, laden Sie die Audiodatei herunter und bereiten Sie die Synchronisierung mit Ihrem Video vor.

Ich verwende lieber nur einen oder zwei Sätze, um die Stimme abzustimmen, und erstelle dann das Audio mit dem vollständigen Skript. In diesem Fall bestand das Skript allerdings nur aus drei Absätzen, daher war die Verwendung des gesamten Skripts kein großes Problem. Es funktionierte auch sofort gut.

Ihr Voiceover synchronisieren

Das Synchronisieren des KI-Voiceovers mit Ihren Veo-2-Clips ist mit Schnittsoftware wie Adobe Premiere Pro, DaVinci Resolve, Final Cut Pro oder CapCut unkompliziert.

• Importieren Sie Ihre Videoclips, fügen Sie das Voiceover zur Timeline hinzu und passen Sie Start- und Endpunkte an die Bilder an.
• Nutzen Sie bei Bedarf Überblendungen oder Time-Stretching, damit Erzählung und Bewegung nahtlos ineinander übergehen.

Mit Soundeffekten aufwerten

Sobald das Voiceover steht, können Sie Ihr Video mit Soundeffekten aufwerten. KI-generierte Soundeffekte vervollständigen das Klangerlebnis und verleihen ihm Realismus und Struktur. Ein Videoclip allein kann so echt wirken wie eine Handyaufnahme. Ohne Sound gerät er jedoch in jene Kluft der Unwirklichkeit, die das Gefühl hinterlässt, dass etwas fehlt.

Soundeffekte mit ElevenLabs erstellen

Der Text-zu-SFX-Generator von ElevenLabs ermöglicht Ihnen, individuelle Audioelemente zu erstellen — von Stadtatmosphäre bis zu dezenten Umgebungsgeräuschen. Sie können mit einem komplexen Prompt eine vollständige Klanglandschaft beschreiben oder mehrere Dateien mit jeweils eigenen Sounds erstellen und diese in Ihrem Videoeditor übereinanderlegen.

Um Soundeffekte zu erstellen, öffnen Sie den ElevenLabs-SFX-Generator. Sie können eine Liste vorgefertigter Soundeffekte in unserer Bibliothek durchsuchen oder mit dem Text-zu-SFX-Generator einen individuellen Sound erstellen. Noch einfacher geht es mit unserem Video-zu-Sound-Experiment. Sie laden einen einzelnen Clip hoch und erhalten vier Soundeffekte zum Herunterladen.

Wenn Sie mehr Kontrolle über die Sounds wünschen, nutzen Sie den Soundeffekt-Generator. Geben Sie dort einen Prompt ein und klicken Sie auf „Generieren“. Über die Schaltfläche „Einstellungen“ können Sie außerdem die Cliplänge zwischen 0,5 und 22 Sekunden festlegen.

Zum schnellen Durchsuchen, Anhören und Sammeln fertiger Audiodateien bietet das Soundboard eine interaktive Oberfläche, in der Sie Soundeffekte direkt testen und mischen können — ganz ohne Prompts zu schreiben.

Prompts für Soundeffekte

TEXT ZU SOUND-EFFEKTE

Erstellen Sie individuelle Soundeffekte und Ambient-Audio mit unserem leistungsstarken KI-Soundeffekt-Generator.

Sie können zwar einen komplexen Prompt mit einer vollständigen Beschreibung der Klanglandschaft eingeben, doch meiner Erfahrung nach ist es besser, mehrere Prompts zu erstellen und sie übereinanderzulegen. So steuern Sie anhand des Videoinhalts, wann unterschiedliche Sounds abgespielt werden.

Ein gut platzierter Soundeffekt lässt eine Szene real wirken — Schritte, die in einer Gasse widerhallen, das entfernte Hupen eines Autos oder das rhythmische Tropfen von Regen auf Asphalt. In Kombination mit Ihren Bildern verstärken diese Sounds die Immersion und machen jedes Bild wirkungsvoller.

Zeigt Ihr Video ein flackerndes Neonschild, verstärkt ein leises elektrisches Summen im Hintergrund seine Wirkung. Kommt eine U-Bahn kreischend zum Stehen, sorgt übereinandergelegte Metall-auf-Metall-Reibung für mehr Authentizität.

Prompt-Beispiele:

• Beschreibender Prompt: „Leises Ticken des Sekundenzeigers einer Uhr, sanftes Rascheln eines sich bewegenden Mantelärmels, Stadtgeräusche im Hintergrund — gedämpfte Hupen, entfernte Gespräche, gelegentliches Flackern von Neonschildern, leichtes metallisches Schaben, während sich das Handgelenk dreht.“
• Übereinandergelegte Prompts:
• • „Leises Ticken des Sekundenzeigers einer Uhr“
  • „Sanftes Rascheln eines sich bewegenden Mantelärmels“
  • „Stadtgeräusche im Hintergrund“

Anschließend können Sie diese in Ihrem Videoeditor übereinanderlegen.

Sobald Sie die Sounds übereinandergelegt und die Lautstärke jedes Clips für das gewünschte Ergebnis eingestellt haben, exportieren und teilen Sie Ihr Video.

Ob Sie eine filmische Montage, eine poetische Reflexion über die Stadt oder einen dokumentarischen Kurzfilm erstellen: KI-generiertes Audio erweckt Ihre Vision zum Leben. Testen Sie ElevenLabs noch heute und verwandeln Sie Ihr Veo-2-Video mit der Kraft von Stimme und Sound in ein vollständig immersives Erlebnis.