Was du am Ende bekommst, und warum es keine einzelne Datei ist

Die häufigste Frage nach dem Angebot ist, ob am Ende eine Datei kommt, die man einfach unter das Video legt. Manchmal ja. Meistens ist es etwas anderes, und der Unterschied entscheidet darüber, ob die Arbeit beim Zuschauer ankommt.

Warum die Frage überhaupt gestellt wird

Im klassischen Film ist die Antwort einfach. Es kommt eine Mischung, sie hat zwei oder sechs Kanäle, sie wird unter das Bild gelegt, fertig. Diese Erwartung bringen fast alle mit, und sie ist nicht falsch, sie passt nur nicht überall.

Bei räumlichem Ton hängt die Antwort davon ab, wo das Ergebnis läuft. Das Abspielgerät rechnet die Mischung im Moment der Wiedergabe zusammen, nicht das Studio. Damit verschiebt sich, was ein Master überhaupt ist.

Der Unterschied zwischen einer Mischung und einer Auslieferung

Bei objektbasierten Verfahren produzierst du im größten Setup, und die Anpassung an kleinere Konfigurationen übernimmt ein Algorithmus im Endgerät. Für den Weg von einer großen auf eine kleine Konfiguration müssen also keine neuen Dateien mehr angelegt werden. Das ist der Grund, warum aus einer Produktion oft eine Datei plus Metadaten wird und nicht fünf fertige Mischungen.

Das gilt nicht überall gleich. Wo Objekte gerendert werden, brauchst du Metadaten, die mitreisen. Wo szenenbasiert gearbeitet wird, brauchst du die richtige Kanalordnung und die richtige Normalisierung, sonst dreht sich der Raum in die falsche Richtung. Und es gibt Ketten, in denen Mehrkanal nur mit Handarbeit herauskommt, weil die gängigen Layouts nicht als Voreinstellung vorhanden sind.

Die Stelle, an der es in der Praxis reißt

Genau hier gehen Projekte kaputt, und fast immer an derselben Stelle: Die Mehrkanaldaten kommen beim Renderer nicht an. Der Ton ist gemischt, die Datei liegt vor, die Plattform nimmt sie an, und trotzdem hört der Zuschauer eine flache Fassung.

Ein Beispiel, das ich seit Jahren erkläre: Eine Mischung aus der alten Facebook-Werkzeugkette besteht aus einer achtkanaligen Ambisonics-Datei plus einer optionalen zweiten Spur für Musik und Erzählerstimme, die sich bei Kopfbewegung nicht mitdreht. Facebook nahm beides. YouTube nimmt vier Kanäle und keine Hybridformate, also fällt genau die Spur weg, auf der Musik und Voiceover liegen. Wer das nicht vorher weiß, lädt hoch und wundert sich.

Deshalb steht die Frage nach dem Abspielweg bei mir am Anfang und nicht am Ende. Wenn zum Produktionszeitpunkt noch niemand weiß, wo das Ergebnis läuft, ist das kein Hindernis. Es ist eine Entscheidung, die man bewusst offenhalten kann, wenn man die Aufnahme entsprechend anlegt.

Was in meiner Übergabe steht

Die Masterdateien im Zielformat, benannt nach Plattform, nicht nach Projektphase. Wer sie ein Jahr später wiederfindet, weiß sofort, welche wohin gehört.

Die Stems, also die getrennten Ebenen. Wenn später ein Text neu gesprochen wird oder eine Fassung in eine andere Sprache geht, muss dafür niemand die Mischung neu bauen.

Eine Notiz zur Wiedergabe. Welcher Kanalordnung die Datei folgt, welche Normalisierung, was der Renderer der Zielplattform daraus macht, und woran man erkennt, dass es richtig ankommt.

Eine Fassung zum Vorführen. Für die interne Abnahme, die fast immer auf Kopfhörern am Laptop stattfindet und nicht in der Zielumgebung.

Der Einwand: Können wir nicht einfach flach ausliefern?

Könnt ihr. Nur macht eine einzige flache Auslieferung die ganze räumliche Arbeit unsichtbar, und zwar dauerhaft. Wer sie einmal gesehen hat, hat keinen Vergleich mehr und keinen Grund, beim nächsten Mal anders zu entscheiden.

Wenn das Budget knapp ist, ist der bessere Hebel, weniger Quellen einzeln zu behandeln, statt am Ende die räumliche Ebene wegzulassen. Weniger Objekte in guter Qualität schlagen viele Objekte in einer Fassung, die niemand hört.

Und noch etwas, das ich früh sage: 360-Grad-Video ist nicht dasselbe wie VR. Es bleibt linear. Man arbeitet mit normalen Werkzeugen, es gibt eine Datei, die läuft von vorne bis hinten durch. Der einzige Unterschied zum klassischen Film ist, wohin der Zuschauer schaut. Das macht die Auslieferung berechenbarer, als die meisten erwarten.

Zwei Auslieferungen, zwei völlig verschiedene Antworten

Beide habe ich beraten, aufgenommen und gemischt.

Ne Pleure Pas Devant Ma Tombe

Eine 6DoF-Erzählung über das Leben von Margarete, einer deutschen Jüdin, im Zeitraum von 1932 zurück bis 1906. Die Stadt im Papierset ist menschenleer, der virtuelle Himmel wandert im Verlauf von einem stürmischen Tag in eine ruhige Nacht. Der Ton musste die Anwesenheit unsichtbarer Bewohner tragen und gleichzeitig die Rezitation des Gedichts als roten Faden halten, mehrsprachig.

Hier gab es keine Masterdatei. Umgesetzt wurde es in Unity mit FMOD als Audio-Middleware, also der Ebene, die Unity allein nicht liefert. Ausgeliefert habe ich eine Session mit Ereignissen, Parametern und Regeln, keine Mischung. Wer bei so einem Projekt eine WAV erwartet, plant den letzten Arbeitsschritt gar nicht ein.

Wer das macht

Ich bin Martin Rieger, Tonmeister aus München, und seit zehn Jahren mache ich nichts anderes als Ton für immersive Medien. Über hundert Projekte, darunter Audi, BMW mit Harman/Kardon, Bugatti, Lufthansa Technik, die Deutsche Zentrale für Tourismus, die Europäische Kommission und Corridor Digital in Los Angeles.

Weil ich Beratung, Aufnahme und Postproduktion selbst mache, wird die Auslieferung nicht am Ende zum Problem. Sie ist die Entscheidung, mit der ich am Anfang anfange.

Auf welchen Geräten das am Ende ankommt, steht auf Auf welchen Geräten dein Ton wirklich ankommt. Wie du das vor dem Dreh festlegst, auf Ton planen, bevor gedreht wird.

Häufige Fragen

Bekommen wir eine WAV, die wir unter das Video legen können?

Bei 360-Grad-Video oft ja, mit der richtigen Kanalordnung. Bei interaktiven Anwendungen nein, dort bekommt ihr eine Session mit Ereignissen und Regeln.

Wir wissen noch nicht, wo das Ergebnis läuft.

Kein Problem, solange die Aufnahme so angelegt wird, dass mehrere Wege offen bleiben. Teuer wird es, wenn diese Entscheidung nach dem Dreh nachgeholt werden muss.

Können wir später eine weitere Sprachfassung ergänzen?

Ja, wenn ihr die Stems habt. Deshalb liegen sie standardmäßig bei. Ohne sie ist es eine neue Mischung.

Woran merken wir, dass es richtig ankommt?

In der Übergabe steht eine Prüfanleitung mit dem, was zu hören sein muss. Das dauert zwei Minuten und erspart die Diskussion drei Wochen später.

Wir sitzen nicht in München.

Das Gespräch läuft über Google Meet. Der Ort spielt keine Rolle.

Wie wir anfangen

Bevor wir über Formate reden, klären wir in einer Viertelstunde das Wesentliche: worum es geht, wo es später läuft, wann der Drehtag ist und wer bei euch entscheidet. Danach weiß ich, ob ich der Richtige bin, und du weißt, was es braucht.