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

Mit Googles Veo 2 lassen sich fotorealistische Videos so einfach wie nie erstellen — und jetzt ist es in der Gemini-Web-App verfügbar. Achtsekündige Videos mit direkt von Gemini optimierten Prompts ermöglichen einfache Bearbeitungen.

Bilder allein reichen jedoch nicht aus. Sound verwandelt eine stumme Sequenz in ein vollständig immersives Erlebnis – und genau hier kommt ElevenLabs ins Spiel. Mit ElevenLabs können Sie ein dynamisches KI-Voiceover in verschiedenen Sprachen erstellen oder Soundeffekte hinzufügen und so aus einem einfachen Video eine fesselnde Geschichte machen.

Genau das habe ich versucht, als ich Veo 2 aus Googles DeepMind-Labor nutzte, um die Geschichte einer Stadt zu erzählen, die niemals schläft. Ich erstellte 18 verschiedene Clips von jeweils etwa 5 bis 8 Sekunden Länge mit Fokus auf urbane Umgebungen. Die Clips zeigen Neonreklamen, 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 gestaltetes KI-Voiceover gibt Ihrem Video Struktur und emotionale Tiefe. Veo 2 ist zwar möglicherweise der realistischste Videogenerator, doch seinen Clips fehlt oft die Konsistenz bei Szenen oder Figuren. Dadurch wird die Erzählung zum perfekten verbindenden Element.

Statt Zuschauerinnen und Zuschauer 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 aus einem Storyboard, und schreiben anschließend dazu. Für das Stadtvideo habe ich zuerst die Prompts erstellt.

Ihre Erzählung planen

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

In meinem Video gibt es zum Beispiel eine Szene mit neonbeleuchteten Straßen und flackernden Schildern. Deshalb schrieb ich: „Die Stadt schläft nie — sie blinzelt kaum. Sie atmet Abgase ein und Neonlicht aus, ein Biest aus Stahl und Glas, das im Takt der Schritte einer Million ruheloser Seelen pulsiert.“ 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 häufig 5 bis 8 Sekunden lang sind, sollte Ihre Erzählung prägnant und gut getaktet sein. Ein 5-Sekunden-Clip bietet Platz für etwa 12 bis 15 Wörter, ein 8-Sekunden-Clip für etwa 20 bis 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 zum Beispiel begleitet werden von: „Die Stadt atmet aus, Dampf windet sich in die kalte Nachtluft.“ Bei einem Zug, der in einen Bahnhof einfährt, passt vielleicht: „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 die Seite Text to Speech in der ElevenLabs-App. Hier können Sie Ihr Skript einfügen oder direkt schreiben. Anschließend wählen Sie rechts eine Stimme und legen Geschwindigkeit, Stabilität und weitere Einstellungen fest. Ich stelle gern eine Stilübertreibung von 10 bis 20 % ein, da sie den Charakter stärker hervorhebt.

Ein tiefer, filmischer Ton eignet sich gut für dramatische urbane Sequenzen, während eine sanfte, nachdenkliche Stimme poetische Erzählungen verstärkt. Bei dynamischen Bildern hält eine energiegeladene Darbietung den Rhythmus spannend. Für mein Video habe ich Lamar Lincoln verwendet, eine Premium-Stimme, die der Geschichte ein natürlicheres Gefühl gab. Es sollte klingen, als denke jemand über etwas nach, das ihm wichtig ist.

Nachdem Sie Ihr Skript eingegeben haben, stimmen Sie Geschwindigkeit und Emotion des Voiceovers auf Ihre Bilder ab. 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 zum Feinabstimmen der Stimme lieber nur ein oder zwei Sätze und erstelle anschließend das vollständige Skript. In diesem Fall bestand das Skript jedoch nur aus drei Absätzen, daher war die Verwendung des gesamten Skripts kein großes Problem. Es funktionierte auch von Anfang an 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 verstärken

Sobald das Voiceover steht, können Sie Ihr Video mit Soundeffekten verstärken. KI-generierte Soundeffekte vervollständigen das Hörerlebnis durch mehr Realismus und Textur. Ein Videoclip allein kann so real wirken wie eine Handyaufnahme. Ohne Sound gerät er jedoch in diese Unwirklichkeit, bei der das Gefühl entsteht, dass etwas fehlt.

Soundeffekte mit ElevenLabs erstellen

Der Text-to-SFX-Generator von ElevenLabs ermöglicht Ihnen, individuelle Audioelemente zu erstellen – von Stadtatmosphäre bis zu subtilen Umgebungsgeräuschen. Sie können mit einem komplexen Prompt eine vollständige Klanglandschaft beschreiben oder mehrere Dateien mit jeweils einzelnen Sounds erstellen, die Sie dann in Ihrem Videoeditor übereinanderlegen.

Öffnen Sie zum Erstellen der Soundeffekte den ElevenLabs-SFX-Generator. Sie können eine Liste vorgefertigter Soundeffekte in unserer Bibliothek erkunden oder mit dem Text-to-SFX-Generator einen individuellen Sound erstellen. Sie können den Prozess auch vereinfachen, indem Sie unser Video-to-Sound-Experiment ausprobieren. Damit können Sie einen einzelnen Clip hochladen und erhalten vier Soundeffekte zum Herunterladen.

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

Um fertige Audiodateien schneller zu durchsuchen, vorzuhören und zu sammeln, bietet das Soundboard eine interaktive Oberfläche, auf der Sie Soundeffekte direkt testen und mischen können – ganz ohne Prompts.

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 umfassenden Beschreibung der gesamten Klanglandschaft verwenden, doch meiner Erfahrung nach ist es besser, mehrere Prompts zu erstellen und übereinanderzulegen. So steuern Sie anhand des Videoinhalts, wann die verschiedenen Sounds einsetzen.

Ein gut platzierter Soundeffekt lässt eine Szene echt wirken — Schritte, die in einer Gasse widerhallen, das entfernte Hupen eines Autos oder das rhythmische Tropfen von Regen auf dem Asphalt. Kombinieren Sie diese Sounds mit Ihren Bildern, um die Immersion zu steigern und jedes Bild wirkungsvoller zu machen.

Zeigt Ihr Video ein flackerndes Neonschild, unterstreicht ein leises elektrisches Summen im Hintergrund dessen Präsenz. Kommt eine U-Bahn quietschend zum Stehen, sorgt übereinandergelegte Metallreibung für mehr Authentizität.

Prompt-Beispiele:

• Beschreibender Prompt: „Leises Ticken des Sekundenzeigers einer Uhr, schwaches Rascheln eines sich bewegenden Mantelärmels, Stadtatmosphäre 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“
  • „Schwaches Rascheln eines sich bewegenden Mantelärmels“
  • „Stadtatmosphäre“

Diese können Sie anschließend in Ihrem Videoeditor übereinanderlegen.

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

Ob Sie eine filmische Montage, eine poetische Reflexion über eine 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.