Auf welchen Geräten dein Ton wirklich ankommt

Der Ton ist gemischt, die Datei liegt vor, die Plattform nimmt sie an. Und trotzdem hört der Zuschauer etwas anderes als das, was ihr abgenommen habt. Diese Seite sagt, woran das liegt und welche Fragen vor dem Dreh geklärt sein müssen.

Plattformen zeigen dir die Bildqualität, aber nicht die Tonqualität

Bei jedem Video steht dran, ob es Full HD oder 4K ist. Die gleiche Information zum Ton liegt auf der Plattform vor und wird nicht ausgewiesen.

Das trifft nicht nur Zuschauer. Bei meinen eigenen Videos weiß ich, wie ich sie hochgeladen habe, aber nicht, was zurückkommt: eine flache Fassung, etwas bereits Binauralisiertes oder doch die Kanalfassung. Wenn ich das nicht sicher sagen kann, kann es der Produzent, der einmal im Jahr ein 360-Grad-Projekt macht, erst recht nicht.

Apple macht es an einer Stelle besser: Bei den Kopfhörern siehst du, ob gerade Dolby Atmos läuft. Das ist der Mindeststandard, den ich mir überall wünschen würde, und er ist selten.

Was auf dem Weg zum Ohr passiert

Zwischen deiner Mischung und dem Zuschauer liegen vier Stellen, an denen etwas wegfallen kann.

Der Container. Was die Plattform beim Upload überhaupt annimmt. Manche nehmen nur eine feste Kanalzahl und kein Hybridformat, in dem eine zusätzliche Spur mitläuft.

Der Codec. Ob das Zielgerät den Decoder überhaupt hat. Ein Format, das auf einem Gerät sauber läuft, kann auf dem nächsten schlicht nicht dekodiert werden.

Der Renderer. Was das Gerät aus dem Signal macht. Zwei Geräte mit demselben Format klingen unterschiedlich, weil sie unterschiedlich rendern.

Die Wiedergabe. Ob Head-Tracking aktiv ist, ob der Nutzer es abgeschaltet hat, und was mit dem Ton passiert, wenn er den Kopf dreht.

Die Lage bei den Geräten, Stand heute

Ich schreibe das bewusst mit Datum im Hinterkopf, weil sich dieser Abschnitt schneller ändert als der Rest der Seite.

Apple. Head-Tracking steckt inzwischen in fast allen Kopfhörern des Herstellers. Apple hat die Audioplattform für die Brille gebaut, bevor die Brille auf dem Markt war, und das erklärt die Reihenfolge, in der die Werkzeuge nachkommen. Auf den ersten Blick wirkt alles fertig. Wer damit wirklich produziert, merkt die Lücken sofort: instabile Exporte, Head-Tracking, das nicht anspringt, Objekte und Szenen, die sich unerwartet verhalten, und keine klaren Vorgaben dafür, was auf welcher Brille laufen soll.

Die Brillen-Landschaft. HTC baut keine VR-Brillen mehr. Über die letzten Jahre kamen und gingen viele Anbieter, auch große. Genau deshalb zögern Unternehmen beim Einstieg: Niemand weiß, ob er auf Meta, auf Apple oder auf die chinesische Konkurrenz setzen soll. Das ist kein diffuses Unsicherheitsgefühl, das ist eine nachvollziehbare Rechnung.

Video-Plattformen. Wer für 360 Grad ausliefert, arbeitet mit vier Kanälen und ohne die Möglichkeit, eine zusätzliche nicht mitdrehende Spur mitzuschicken. Genau auf dieser Spur liegen in vielen Produktionen Musik und Erzählerstimme.

Eclipsa und IAMF. IAMF steht für Immersive Audio Model and Formats, Eclipsa ist der Name, unter dem es auf Plattformen erscheint. Entwickelt von Google, Samsung und der Alliance for Open Media. Der entscheidende Unterschied zu Dolby Atmos ist wirtschaftlich, nicht klanglich: Es fallen keine Lizenzgebühren an. Für Hersteller ist das ein erheblicher Vorteil, und deshalb lohnt es sich, das Format im Blick zu behalten, auch wenn heute noch wenig darin ausgeliefert wird.

Woran Projekte in der Praxis hängenbleiben

Das ist keine Theorieliste. Das sind die Stellen, an denen bei mir Anfragen ankommen, nachdem etwas nicht funktioniert hat.

Der Export läuft auf dem einen Headset und auf dem anderen nicht. Für bestimmte Dateiketten scheint genau ein Schnittprogramm der einzige funktionierende Weg zu sein. Head-Tracking reagiert mit den einen Kopfhörern und mit den anderen nicht. Die Dokumentation ist lückenhaft, und der Arbeitsablauf ändert sich gefühlt im Wochentakt.

Die praktische Folge daraus ist unbequem, aber sie spart Geld: Man muss auf dem Zielgerät testen, bevor die Produktion abgeschlossen ist, nicht danach. Ein Testexport in Woche zwei kostet eine Stunde. Derselbe Fehler nach der Abnahme kostet einen zweiten Aufnahmetag.

Wie das praktisch aussieht, zeigt eine 360-Grad-Produktion, die ich dreifach ausgeliefert habe: einmal ohne Musik in einem herstellereigenen Format für den einen Player, einmal in Quad-Binaural für die zweite Plattform, einmal mit Musik und eigenem Routing in Ambisonics erster Ordnung für die Video-Plattform. Encodiert habe ich alles selbst. Das war keine Fleißarbeit, sondern die direkte Folge davon, dass jede Plattform ein anderes Format und eine andere Kanalzahl erwartet.

Für die Kalkulation heißt das: Die Auslieferungsvarianten gehören in die Aufwandsschätzung, nicht in die Nachforderung.

Die drei Fragen, die vor dem Dreh geklärt sein müssen

Auf welchem Gerät wird es abgenommen, und auf welchem wird es später wirklich gesehen? Das ist oft nicht dasselbe. Die Abnahme läuft am Laptop mit Kopfhörern, die Ausspielung im Headset.

Gibt es Musik oder eine Erzählerstimme, die nicht mitdrehen soll? Wenn ja, entscheidet das über die Plattformwahl, und zwar vor dem Dreh, nicht danach.

Wie viele Ausspielwege soll es geben? Eine Kuppel, ein Headset und ein Upload sind drei Mischungen. Nicht eine Mischung mit drei Exporten.

Ich sage das mit Nachdruck, weil es die üblichen Prioritäten umdreht: Ob der Ton auf einer Brille überhaupt sauber abgespielt wird, ist die schwierigere Frage. Schwieriger als alles, was in Aufnahme und Mischung passiert.

Der Grund steckt in diesem Abschnitt selbst. Ein Hersteller kann ein Format, das er selbst gekauft hat, ohne Ankündigung fallen lassen. Ein anderes läuft weiter, aber mit einer halben Sekunde Verzögerung, was bei Bewegtbild unbrauchbar ist. Deshalb gehört die Wiedergabekette vor die Konzeption geprüft und nicht danach, und deshalb hat jede Empfehlung auf dieser Seite eine Halbwertszeit.

Zwei Projekte, zwei Plattformprobleme

Beide habe ich beraten, aufgenommen und gemischt.

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.

Ich teste neue Formate mit eigenen Dateien, bevor ich sie einem Kunden empfehle. Für IAMF habe ich zwei Demodateien selbst gebaut, um zu sehen, was die Kette wirklich durchlässt. Das ist der Grund, warum ich zu diesem Abschnitt etwas sagen kann, das nicht aus einer Pressemitteilung stammt.

Was am Drehtag passieren muss, damit hier überhaupt etwas ankommt, steht auf Ton planen, bevor gedreht wird. Was du am Ende in die Hand bekommst, auf Was du am Ende bekommst.

Häufige Fragen

Wir liefern auf eine Video-Plattform aus. Reicht das?

Für 360 Grad ja, mit Einschränkungen. Prüft vorher, ob ihr eine nicht mitdrehende Spur für Musik und Sprache braucht. Wenn ja, ändert das die Planung.

Läuft unser Ton auf allen Headsets gleich?

Nein. Gleiches Format heißt nicht gleicher Renderer. Deshalb wird auf dem Zielgerät getestet, und zwar während der Produktion.

Sollen wir auf Eclipsa setzen?

Noch nicht ausschließlich. Beobachten lohnt sich, weil es lizenzfrei ist und Hersteller genau darauf reagieren. Als einzigen Auslieferungsweg würde ich es heute nicht wählen.

Wir wissen noch nicht, welches Gerät.

Dann legen wir die Aufnahme so an, dass mehrere Wege offen bleiben. Das kostet in der Planung fast nichts und in der Nachbesserung sehr viel.

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.