Agile Developer Hilfe-Center › Agile Render

Untertitel und KI-Stimme

Agile Render erzeugt Untertitel automatisch aus dem Ton Ihres Videos und spricht Texte mit einer KI-Stimme. Beides läuft beim Rendern, einen eigenen KI-Schlüssel brauchen Sie nicht.

Automatische Untertitel einfügen

  1. Öffnen Sie die Vorlage im Editor. Sie braucht ein Video- oder Audio-Element mit Ton, etwa ein Interview oder einen KI-Sprecher.
  2. Klicken Sie im Bereich Elemente auf Untertitel automatisch oder im Bereich KI auf Untertitel.
  3. Es entsteht ein Textelement „Subtitles“, das automatisch auf das erste Video- oder Audio-Element verweist.
  4. Passen Sie Position, Schrift, Größe und Farben wie bei jedem Textelement an.

Beim Rendern wird der Ton transkribiert, mit Zeitstempeln je Wort. Während dieser Phase zeigt der Render den Status „Untertitel entstehen“ (transcribing). Untertitel erscheinen nur in Video-Ausgaben (MP4, GIF).

Untertitel einstellen

Die Untertitel steuern Sie über diese Eigenschaften des Textelements, im Inspektor oder im RenderScript:

| Eigenschaft | Bedeutung |
|---|---|
| transcript_source | Name oder ID des Video- oder Audio-Elements, dessen Ton transkribiert wird |
| transcript_effect | Hervorhebung: highlight, karaoke, color, fade, bounce, slide oder enlarge |
| transcript_split | Einheit: none, line, word oder letter |
| transcript_placement | static, animate oder align |
| transcript_maximum_length | höchstens so viele Zeichen je Untertitel-Seite |
| transcript_color | Akzentfarbe, z. B. für das gerade gesprochene Wort |

Ohne transcript_maximum_length umfasst eine Seite bis zu 40 Zeichen; umgebrochen wird an Satzenden und bei Pausen über einer Sekunde. Für Stories und Reels sind 15 bis 20 Zeichen je Seite gut lesbar.

Beispiel:

{
  "type": "text",
  "name": "Untertitel",
  "transcript_source": "Interview",
  "transcript_effect": "highlight",
  "transcript_maximum_length": 18,
  "transcript_color": "#fbbf24",
  "y": "80%", "width": "86%", "height": "25%",
  "font_family": "Montserrat", "font_weight": "800", "font_size": "7 vmin",
  "fill_color": "#ffffff", "stroke_color": "#000000", "stroke_width": "1 vmin"
}

Kommt das Video per API (etwa mit "Interview": "https://…/video.mp4"), werden die Untertitel für jedes neue Video neu erzeugt.

KI-Stimme einfügen

  1. Klicken Sie im Bereich KI auf KI-Sprecher oder unter Elemente im Abschnitt KI auf KI-Sprecher.
  2. Es entsteht ein Audio-Element „Voiceover“. Sein Feld Quelle enthält den Text, der gesprochen wird.
  3. Ändern Sie den Text. Das Element ist bereits dynamisch, Sie können den Sprechtext also per API, Tabelle oder Formular übergeben.

Die Länge des Audios ergibt sich aus dem gesprochenen Text. Stellen Sie die übrigen Elemente auf eine automatische Dauer, dann passt sich das Video der Sprechdauer an (siehe Artikel „Zeitleiste und Animationen“). Ein Untertitel-Element, das auf den Sprecher verweist, zeigt den gesprochenen Text synchron an.

Die Stimme wählen

Welche Stimme spricht, legt die Eigenschaft provider des Audio-Elements fest. Der Sprechtext steht in source.

{
  "type": "audio",
  "name": "Voiceover",
  "provider": "agile voice=nova",
  "source": "Willkommen bei unserem Herbst-Sale. Jetzt entdecken!",
  "dynamic": true
}

Mögliche Angaben:

  • agile voice=nova – unsere Standardstimme. Optional mit speed=1.1 (Sprechtempo), instructions="ruhig und freundlich" (Sprechweise) und quality=premium für die Premium-Qualität.
  • openai model=gpt-4o-mini-tts voice=alloy – Standardqualität, ebenfalls mit instructions und speed.
  • openai model=tts-1 voice=alloy – Standardqualität.
  • openai model=tts-1-hd voice=alloy – Premium-Qualität.

Verfügbare Stimmen: alloy, ash, ballad, coral, echo, fable, nova, onyx, sage, shimmer, verse, marin und cedar. Die Stimmen sprechen Deutsch und viele weitere Sprachen; die Sprache ergibt sich aus dem Text. Ein Sprechtext darf höchstens 4.096 Zeichen lang sein.

Hinweis: Der Baustein KI-Sprecher im Editor ist mit openai model=tts-1-hd voice=nova vorbelegt, also in Premium-Qualität. Für die günstigere Standardqualität ändern Sie den Provider zum Beispiel auf agile voice=nova.

KI-Bilder

Ähnlich funktioniert ein KI-Bild: Ein Bildelement mit provider erhält als source eine Beschreibung, das Bild entsteht beim Rendern. Der Baustein KI-Bild fügt ein solches Element ein.

{ "type": "image", "provider": "openai model=gpt-image-1 size=1024x1536 quality=medium", "source": "Ein heller Arbeitsplatz mit Pflanzen, Fotostil" }

Mit quality=high entsteht ein HD-Bild. Der Baustein im Editor ist mit quality=high vorbelegt. Während KI-Inhalte entstehen, zeigt der Render den Status „Wartet auf KI“ (waiting).

Credits

  • Untertitel im Render: inklusive, 0 Credits
  • KI-Stimme Standard: 10 Credits je 1.000 Zeichen
  • KI-Stimme Premium: 30 Credits je 1.000 Zeichen
  • KI-Bild: 10 Credits, in HD 40 Credits

Diese Credits kommen zu den Credits für das Video hinzu. Vor dem Render sehen Sie die Schätzung unter Testrendern. Mehr im Artikel „Credits und Tarife“.

Wenn etwas nicht klappt

  • „Der zu sprechende Text ist leer“: Die Quelle des Sprechers ist leer, zum Beispiel weil ein Feld nicht gefüllt wurde.
  • „Die Transkript-Quelle wurde nicht gefunden“: transcript_source nennt keinen vorhandenen Elementnamen.
  • „Der Ton ist zu lang für die Transkription“: Kürzen Sie das Video oder teilen Sie es auf.

Mehr im Artikel „Fehler beheben“. Fragen? Support-Chat in der App unter Hilfe oder info@agiledeveloper.de.

War dieser Artikel hilfreich?

Zuletzt aktualisiert am 19. Oktober 2026

Weitere Artikel zu Agile Render

Nicht gefunden, was Sie suchen?Schreiben Sie uns. Wir helfen gern weiter.