Emperor VR Projekt — Deutsche ADR Fassung

„Emperor“ ist eine 40-minütige interaktive VR-Erfahrung, die mitten in den Kopf eines Mannes führt, der nach einem Schlaganfall die Sprache verloren hat — erzählt aus der Perspektive seiner Tochter, die versucht, mit ihm zu kommunizieren und seine Vergangenheit zu entschlüsseln. Koproduziert von Reynard Films (Deutschland) mit ATLAS V und France Télévisions’ StoryLab, englisches Original erzählt von Olivia Cooke, ausgezeichnet unter anderem mit dem Achievement Prize der Venice Immersive 2023.

Warum bei einer Nachvertonung für Unity die Lippen das kleinste Problem sind

Für die deutsche Fassung hat VRTonung die Sprachaufnahme übernommen. Bei einem linearen Film wäre das ein klassischer Synchronjob: Lippen treffen, fertig. Bei „Emperor“ nicht — weil die Erfahrung in Unity läuft. Jede Sprachdatei ist dort ein eigenes Asset, das exakt so lang sein muss wie das englische Original, sonst verschiebt sich die gesamte choreografierte Szene: Animationen, Trigger, visuelle Übergänge. Nicht nur die Lippen mussten also passen, sondern die komplette Zeitleiste — auf die Frame genau.

Wie aus Referenzmaterial und zwei Hall-Schichten eine nahtlose deutsche Fassung wurde

Als Referenz dienten Screen Captures, die mit der Timeline-Funktion von YouTube erstellt wurden — so ließ sich jede Szene exakt timen, bevor überhaupt aufgenommen wurde. Das deckt sich mit einer Erfahrung, die sich durch viele 360°- und VR-Nachvertonungen zieht: Es reicht nicht, lippensynchron zu arbeiten. Man muss gleichzeitig räumlich synchron bleiben — nicht nur wohin sich eine Figur bewegt, sondern auch wie weit sie gerade entfernt ist. Bei „Emperor“ kam als zusätzliche Ebene hinzu, dass diese räumliche Synchronität nicht nur im Kopf des Zuhörers passieren musste, sondern technisch als exakt getimtes Asset an Unity geliefert werden musste.

Fertig war die Aufnahme damit aber nicht. Rohe Studioaufnahmen klingen in einer 3D-Szene sofort falsch — zu trocken, zu nah, zu sehr „im Mikrofon“. Deshalb bekam jede Sprachspur schon im Studio eine erste Hall-Schicht mit, die sie grob in die jeweilige Szene einbettet. Der Grund, warum dabei nicht alles der Engine überlassen wird: Echtzeit-Hall in Unity überzeugt bis heute nicht wirklich, weil die Komplexität eines echten Raums — Wandreflexionen, unterschiedliche Materialien, sich ständig ändernde Abstände — in Echtzeit kaum sauber zu berechnen ist. Mittelfristig geht die Entwicklung hier in Richtung Raytracing für Schall, das ist aber rechenintensiv und in Game-Engines noch nicht angekommen. Die praktikable Lösung liegt deshalb in der Kombination: eine gebackene Grundschicht Hall aus dem Studio, die die Stimme sauber in die Szene setzt, plus eine zusätzliche, dynamische Hall-Ebene, die Unity in Echtzeit obendrauf legt und die auf Bewegung und Position reagiert. Zwei Schichten statt einer — die eine liefert die Qualität, die Echtzeit-Verarbeitung allein nicht schafft, die andere die Reaktionsfähigkeit, die eine feste Studioaufnahme allein nicht hat.

Was am Ende entstanden ist

Am Ende steht eine deutsche Sprachfassung, die nicht nachträglich in „Emperor“ hineingepresst wurde, sondern als eigenständiges Asset-Set exakt in die bestehende Unity-Choreografie passt — Länge für Länge, Szene für Szene. Vorgestellt wurde die Erfahrung öffentlich unter anderem im Deutschen Museum München, im Rahmen einer Preview des Science Communication Lab, mit VR-Stationen und Live-Publikum.

International lief „Emperor“ über die großen Festivals: Venice Immersive (Achievement Prize), Stereopsia (Best UX Design), das Festival International du Court-Métrage de Clermont-Ferrand (Best VR Film), SXSW (Audience Award) und Annecy (Festival Connexion Special VR Award) — dazu eine Emmy-Nominierung in der Kategorie Outstanding Emerging Media. Seit September 2024 ist die Erfahrung kostenlos auf Meta Quest 2 und 3 verfügbar, mit einer Nutzerbewertung von 4,7 von 5 bei aktuell 40 Bewertungen.

Planst du eine VR- oder 360°-Produktion mit mehrsprachiger Sprachfassung?

Wenn Assets exakt synchron laufen müssen — lippen-, raum- und zeitgenau — lohnt sich das Gespräch, bevor die erste Aufnahme läuft.