Es liest die Zuordnungsdaten auf Wortebene, die zu einem auf dieser Seite erzeugten Song gehören. Es ist keine Spracherkennung über beliebiges Audio: Es gibt kein Upload-Feld, und eine Datei von der eigenen Festplatte hat keine Zuordnungsdaten, die sich nachschlagen ließen. Wer Zeitmarken für eine anderswo entstandene Aufnahme braucht, ist hier falsch.
Songtexte mit einer Zeitmarke auf jedem Wort
Hol dir Zeitmarken je Wort für den Songtext eines hier erzeugten Songs. Wähle einen fertigen Gesangstitel, prüfe die Zuordnung und exportiere eine Textdatei.
Wähle einen auf dieser Seite erzeugten Song und hol dir seinen Text zurück, mit Anfang und Ende auf jedem Wort. Beim Abspielen leuchtet das gerade gesungene Wort, ein Klick auf ein beliebiges Wort springt dorthin, und die Zeitmarken lassen sich als Text exportieren.
01
Was das Werkzeug zuordnet und was nicht
Zurück kommt eine Liste von Wörtern, jedes mit Anfangszeit, Endzeit und einer Markierung, ob genau dieses Wort erfolgreich zugeordnet wurde. Die Zuordnung erfolgt pro Wort und nicht pro Zeile, und das macht einen Unterschied: Ein zeilenweises Werkzeug sagt, wann eine Zeile beginnt, eine Zeitmarke pro Wort sagt, wo in der Zeile man gerade ist.
Weil die Daten am erzeugten Titel hängen, ist der zugeordnete Text genau der, aus dem der Song entstanden ist. Hier wird keine Darbietung abgetippt in der Hoffnung, dass die Wörter stimmen: Die Wörter stehen bereits fest, und die einzige offene Frage ist, wann jedes einzelne gesungen wird.
02
So kommst du an die Zeitmarken
Melde dich an, öffne das Werkzeug und wähle aus deiner Musikhistorie einen fertigen Song mit Gesang. Es erscheinen nur abgeschlossene Generierungen, denn ein Titel, der noch gerechnet wird, hat kein Audio, auf das sich etwas beziehen ließe. Jede Anfrage kostet 5 Credits.
Instrumentale Generierungen sind der übliche Grund für ein leeres Ergebnis. Es gibt keine Wörter zu platzieren, also kommt das Ergebnis leer zurück statt falsch. Bei einem leeren Ergebnis also zuerst prüfen, ob der gewählte Titel wirklich Gesang enthält.
Sind die Zeitmarken da, steht der Text neben dem Abspieler. Während der Song läuft, leuchtet das Wort an der aktuellen Wiedergabeposition, und ein Klick auf ein beliebiges Wort setzt den Abspieler auf dessen Anfangszeit. Dieser Klick ist der schnellste Weg, eine Stelle zu prüfen, ohne die Wellenform von Hand zu schieben.
03
Warum sich eine Kontrolle lohnt
Jedes Wort trägt eine Erfolgsmarkierung, und nicht jedes bekommt sie. Wörter, deren Zuordnung misslang, bleiben in der Liste, damit der Text lesbar bleibt, aber ihrer Zeitmarke sollte man ohne Hinhören nicht trauen. Erst diese Stellen zu suchen geht schneller, als den ganzen Text gegen das Audio zu lesen.
Drei Stellen gehen häufiger daneben als der Rest. Ein langer, über mehrere Silben gehaltener Ton sammelt seine Wörter gern am Anfang der Phrase, statt sie zu verteilen. Schnelle Passagen packen die Wörter so dicht, dass ein Nachbarwort die Position einnehmen kann. Und Ad-libs oder doppelte Stimmen hinter der Hauptstimme ziehen die Zeitmarke zur Hintergrundlinie.
Alles andere sitzt meist genau genug, um es so zu übernehmen. Praktisch heißt das: den Titel einmal von vorn abspielen, darauf achten, wo die Hervorhebung vom Gehörten abweicht, und nur diese Momente ansehen.
04
Die exportierte Datei
Der Export ist eine Textdatei mit einem Wort pro Zeile, geschrieben als Zeitmarke in eckigen Klammern gefolgt vom Wort selbst. Eine Zeile besteht aus einer Minuten-Sekunden-Angabe und einem einzelnen Wort, was die Datei leicht lesbar und leicht auswertbar macht.
Zwei Dinge sind wichtig, wenn die Datei weiterverarbeitet werden soll. Die Zeitmarken werden auf volle Sekunden abgerundet, in schnellen Passagen teilen sich also oft mehrere aufeinanderfolgende Wörter dieselbe Angabe. Und weil in einer Zeile ein Wort steht und keine Textzeile, muss man die Wörter beim Umwandeln in ein zeilenbasiertes Format selbst gruppieren.
Untertitel- und Karaokeformate werden nicht direkt exportiert. Aus diesen Daten eine LRC- oder SRT-Datei zu bauen ist unkompliziert, erfordert aber die Entscheidung, wo Zeilen umbrechen und wie lange jede stehen bleibt. Solche Entscheidungen trifft man besser bewusst, als sie ein Werkzeug raten zu lassen.
05
Der Platz zwischen den anderen Werkzeugen
Die Grenze liegt bei der Herkunft. Dieses Werkzeug arbeitet nur mit Songs, die auf dieser Seite erzeugt wurden, weil die Zuordnungsdaten zusammen mit der Generierung entstehen und beim Titel liegen. Für eine von außen mitgebrachte MP3 oder WAV gilt davon nichts.
Wer eine eigene Aufnahme hat und Wörter darauf legen will, betreibt Transkription und nicht Zuordnung: eine andere Aufgabe mit einer anderen Art von Genauigkeit. Wer die Wörter selbst statt ihrer Lage braucht, lässt sich vom Songtextgenerator aus einem Thema einen Text schreiben, und der Musikgenerator macht daraus einen gesungenen Titel.
Wer an einem Instrumental arbeitet und dessen Struktur statt seiner Wörter sucht, bekommt von der Tonart- und Tempoerkennung beides aus dem Audio. Das ist meist das, was Leute eigentlich meinen, wenn sie nach Zeitangaben zu einem Stück ohne Gesang fragen.
06
Fragen zu zeitgestempelten Songtexten
Kann ich eine eigene Audiodatei hochladen?
Nein. Das Werkzeug liest Zuordnungsdaten, die bei einem hier erzeugten Song gespeichert sind; für eine fremde Datei gibt es also nichts nachzuschlagen. Deshalb existiert kein Upload-Feld.
Gelten die Zeitmarken pro Zeile oder pro Wort?
Pro Wort. Jedes Wort kommt mit eigener Anfangs- und Endzeit zurück, und genau das erlaubt es, das gerade gesungene Wort hervorzuheben und per Klick dorthin zu springen.
Wie viele Credits kostet eine Anfrage?
Fünf Credits pro Anfrage, abgebucht beim Absenden eines fertigen Gesangstitels aus der Musikhistorie.
Warum kam meine Anfrage leer zurück?
Fast immer, weil der Titel keinen Gesang hat. Eine instrumentale Generierung hat keine Wörter zu platzieren, das Ergebnis ist also leer statt ungefähr. Wähle eine gesungene Generierung.
In welchem Format wird heruntergeladen?
Als Textdatei mit einem Wort pro Zeile, jeweils mit vorangestellter Zeitmarke in eckigen Klammern. Die Zeitmarken sind auf volle Sekunden abgerundet.
Kann ich LRC- oder SRT-Untertitel exportieren?
Nicht direkt. Der Textexport enthält dieselben Zeitmarken, aber daraus eine Untertiteldatei zu machen heißt, Wörter zu Zeilen zu gruppieren und deren Standzeit zu wählen – das überlässt das Werkzeug dir.
Einige Wörter wirken etwas zu früh. Woran liegt das?
Gehaltene Töne und schnelle Passagen sind die üblichen Ursachen, und jedes Wort trägt eine Markierung, ob die Zuordnung gelang. Hör dir die Stelle an und korrigiere diese Momente statt des ganzen Textes.
Funktioniert es in jeder Sprache, in der der Song ist?
Die Zuordnung folgt dem Text, aus dem der Song erzeugt wurde, ist also nicht auf Englisch beschränkt. Die Genauigkeit hängt in jeder Sprache davon ab, wie deutlich gesungen wird.