Artikel

Audio für einen Podcast bereinigen und vorbereiten

Eine rohe Sprachaufnahme benötigt in der Regel drei Dinge, bevor sie veröffentlicht werden kann: einen konsistenten Lautstärkepegel, ein Format und eine Bitrate, die Streaming-Plattformen erwarten, und eine ehrliche Einschätzung, was Geräuschentfernung tatsächlich leisten kann. Dieser Artikel behandelt diese Schritte mit audio-volume, vocal-remover und audio-converter, die alle lokal im Browser laufen.

Verfasst von Bastien Sulyan · Veröffentlicht am 30. Juni 2026

Lautstärke vs. Spitzenpegel: warum LUFS wichtiger ist als der Spitzenpegel

Der Spitzenpegel misst das einzelne lauteste Sample in einer Audiodatei. Die Lautstärke, ausgedrückt in LUFS (Loudness Units relative to Full Scale), misst die wahrgenommene Energie über die Zeit. Ein Podcast, der bei -3 dBFS Spitzenpegel aufgenommen wurde, kann trotzdem leise klingen, wenn der Großteil des Signals viel niedriger liegt. Streaming-Plattformen und Podcast-Verzeichnisse normalisieren Audio bei der Wiedergabe auf eine Ziellautstärke, typischerweise -14 LUFS für Musikdienste und -16 LUFS für gesprochene Inhalte, sodass das Einreichen bei einem sehr anderen Pegel bedeutet, dass die Plattform Ihr Audio sowieso lauter oder leiser macht. Eine integrierte Lautstärke von -16 LUFS anzustreben liefert eine fertige Datei, die dem Plattformstandard entspricht, mit anderen Sendungen konsistent ist und etwas Headroom vor der digitalen Decke bei 0 dBFS lässt. Der wahre Spitzenpegel, der Inter-Sample-Überschreitungen berücksichtigt, wird in der Regel unter -1 dBTP gehalten. Das Anstreben dieser beiden Werte zusammen liefert ein saubereres Ergebnis als das alleinige Ansteuern eines Spitzenziels.

Eine Person mit Kopfhörern nimmt einen Podcast auf und spricht vor einem Computer in ein Tischmikrofon — Photo: Guillaume Bonzoms, CC0, via Wikimedia Commons

Gain und Normalisierung mit audio-volume

audio-volume ermöglicht das Anpassen des Gains einer Datei in Dezibel oder das Anwenden von Lautstärkenormalisierung. Wenn eine Aufnahme durchgehend zu leise ist, hebt das Hinzufügen von Gain in dB das gesamte Signal um einen festen Betrag an. Das Risiko ist Clipping: Wenn ein Spitzenpegel bereits nahe an 0 dBFS liegt, schiebt ein positiver Gain-Offset ihn darüber und führt digitale Verzerrung ein. Die Wellenform vor dem Anwenden von Gain prüfen und den wahren Spitzenpegel nach der Anpassung unter -1 dBFS halten. Die Lautstärkenormalisierung verfolgt einen anderen Ansatz. Das Tool nutzt den loudnorm-Filter von FFmpeg mit seinem Standardziel von -24 LUFS integrierter Lautstärke, statt der lauteren Zielwerte, die manche Podcast-Plattformen empfehlen. Einzeldurchgangs-Loudnorm ist ein dynamischer Prozess, kein flacher Gain-Offset: Er verfolgt die Lautstärke über die Zeit und passt das Signal an, um sich dem Ziel anzunähern, was sich bei einer unregelmäßigen Aufnahme etwas wie eine leichte Dynamikkompression verhalten kann. Für eine Sprachaufnahme mit großen Pegelsprüngen zwischen Sätzen liefert ein dedizierter Kompressor oder Limiter, der vor der Normalisierung angewendet wird, weiterhin ein kontrollierteres Ergebnis, aber diese Schritte liegen außerhalb dessen, was audio-volume behandelt.

Was Center-Channel-Auslöschung kann und was nicht

vocal-remover wendet eine Center-Channel-Auslöschungstechnik an. In einer Stereo-Datei wird ein Signal, das mit dem gleichen Pegel und der gleichen Phase identisch in beiden Kanälen, links und rechts, erscheint, als mittig gePanned bezeichnet. Das Subtrahieren des rechten Kanals vom linken entfernt alles, was in dieser mittigen Position sitzt, und hinterlässt hauptsächlich den seitlich gepannten Inhalt. Das erzeugt den Karaoke-Effekt bei einem kommerziell abgemischten Musiktitel, bei dem Leadgesang typischerweise mittig gepannt ist. Es erkennt oder trennt keine Stimmen mit einem Sprachmodell. Es entfernt keine Hintergrundgeräusche, Raumhall, HLK-Brummen oder Verkehr. Es isoliert Ihre Podcast-Stimme nicht von Umgebungsgeräuschen in einer einkanal- oder mono-Aufnahme, bei der es keinen Phasenunterschied zu nutzen gibt. Das Ergebnis verschlechtert auch die Stereobreite des beibehaltenen Inhalts. Für einen Podcast-Track, der in einem lauten Raum aufgenommen wurde, ist Center-Channel-Auslöschung das falsche Werkzeug. Akustische Behandlung, ein gerichtetes Mikrofon oder ein Gate-Plugin in einem dedizierten Audio-Editor sind die praktischen Optionen für Hintergrundgeräusche.

Diagramm einer Stereo-Audiodatei mit separat angezeigten linken und rechten Kanälen; das mittig gepannte Signal ist in beiden Kanälen identisch und wird subtrahiert, sodass der seitlich gepannte Inhalt übrig bleibt.

Export für die Verbreitung: Format, Bitrate und Mono vs. Stereo

Die meisten Podcast-Verzeichnisse akzeptieren MP3 und AAC. MP3 ist die kompatibelste Wahl; jeder Player und jede Plattform unterstützt es. AAC bei der gleichen Bitrate ist etwas effizienter, erfordert aber einen unterstützten Container wie .m4a. Für einen Einzel-Stimmen-Podcast sind 64 kbps Mono-MP3 in der Regel ausreichend: Sprache belegt einen engen Frequenzbereich, und Mono entfernt jede Kanalredundanz. Wenn Ihre Sendung Musik, Soundeffekte oder mehrere Moderatoren mit Panning hat, bietet 128 kbps Stereo den zusätzlichen Spielraum. Mehr als 128 kbps für Sprache bringt keine hörbaren Verbesserungen und erhöht die Dateigröße, was die Download-Zeit für Hörer mit langsamer Verbindung beeinflusst. Eine 60-minütige Episode bei 64 kbps Mono hat rund 28 MB; bei 128 kbps Stereo sind es etwa 56 MB. Vor dem Export auf Mono heruntermischen halbiert die Datenmenge im Vergleich zu Stereo bei gleicher Bitrate. audio-converter übernimmt die Format- und Bitratenauswahl. Die Samplerate auf 44,1 kHz für Kompatibilität setzen; 48 kHz ist eine Video-Konvention und für reine Audio-Verbreitung nicht erforderlich.

Lokal: keine Datei verlässt Ihr Gerät

audio-volume, vocal-remover und audio-converter laufen alle im Browser mit WebAssembly. Die Audioverarbeitung findet im Speicher des Browsers statt; die Datei wird von Ihrer lokalen Festplatte gelesen, vollständig auf Ihrem Gerät verarbeitet, und die Ausgabe wird als lokaler Download angeboten. Es wird nichts an einen Server gesendet. Das ist wichtig für die Podcast-Produktion, wenn der Inhalt vertraulich ist, ein vor der Veröffentlichung aufgezeichnetes Interview, ein unter Embargo stehendes Gespräch oder einfach eine Aufnahme, die Sie nicht auf einem Drittanbieter-Server haben möchten. Dieselbe Einschränkung gilt für Begrenzungen: Die Tools tun, was ihre Implementierung unterstützt, nicht mehr. audio-volume wendet Gain und Lautstärkenormalisierung an. vocal-remover wendet Center-Channel-Auslöschung an. audio-converter konvertiert Format und Bitrate. Jedes Tool macht eine definierte Sache, und die Ausgabe ist das, was Ihre lokale Hardware berechnen kann.

Tools in diesem Artikel

Häufige Fragen

Was ist -16 LUFS und warum ist es das Podcast-Ziel?

-16 LUFS ist der integrierte Lautstärkepegel, auf den die meisten Podcast-Apps und -Verzeichnisse bei der Wiedergabe normalisieren. Das Einreichen bei -16 LUFS bedeutet, dass Ihre Episode ungefähr mit dem von Ihnen beabsichtigten Pegel abgespielt wird, ohne dass die Plattform große automatische Korrekturen vornimmt. Der Wert stammt aus dem ITU-R BS.1770-Standard für Rundfunklautstärke, der von Apple Podcasts und Spotify für gesprochene Inhalte angepasst wurde.

Kann vocal-remover Hintergrundgeräusche aus meiner Podcast-Aufnahme entfernen?

Nein. vocal-remover wendet Center-Channel-Auslöschung an, die das Signal subtrahiert, das in beiden Stereokanälen identisch ist. Hintergrundgeräusche in einer Podcast-Aufnahme sind nicht so mittig gepannt, dass die Auslöschung sie gezielt erfassen könnte, und Mono-Aufnahmen haben keinen Kanalunterschied, der genutzt werden könnte. Für die Reduzierung von Hintergrundgeräuschen akustische Behandlung, ein gerichtetes Mikrofon oder ein dediziertes Noise-Gate oder Spektralreparatur-Tool in einem Audio-Editor verwenden.

Soll ich meinen Podcast in Mono oder Stereo exportieren?

Für eine Einzel-Stimmen-Aufnahme ist Mono bei 64 kbps MP3 die Standardwahl. Es halbiert die Dateigröße im Vergleich zu Stereo bei der gleichen Bitrate und hat für Sprache keinen hörbaren Nachteil. Stereo verwenden, wenn Ihre Episode Musik, mehrere absichtlich gepannte Moderatoren oder Sound-Design enthält, das von der Kanaltrennung abhängt.