Redaktionen, die Videos in ihre Angebote integrieren möchten, werden sich auch mit der Frage auseinandersetzen, in welchem Format sie ihr Material veröffentlichen. Denn es gibt ganz unterschiedliche Encoding- und Streaming-Technologien, die jeweils Vor- und Nachteile haben.

Eine aktuelle Studie der Indiana University-Purdue University Indianapolis ist da eine gute Enscheidungshilfe, denn sie bewertet ausführlich die fünf verschiedenen Technologien

• Adobe Flash 8 On2 VP6 Video Encoder
• Apple QuickTime Pro 7
• Microsoft Windows Media Encoder 9 Series
• Real Network RealProducer Plus 11
• VX30 Zentu Encoder 1.0

unter folgenden Fragestellungen:

• Lassen sich die Videos für User problemlos abspielen? Wie verbreitet sind die Player?
• Wie schnell startet der Stream und wie oft treten Verzögerungen während des Abspielens auf?
• Wie hoch ist die dargestellte Qualität der Videos?
• Wie hoch sind die Kosten für das Encoding und die evtl. vorausgesetzte Server-Software?
• Wie lange dauert es, verschiedene Versionen der Videos für unterschiedliche Bandbreiten zu kodieren?
• Wie groß sind die kodierten Dateien?

Die Studie bescheinigt der VX30-Technologie das größte Potenzial: VX30 kommt ohne speziellen Player aus (das Video wird über ein Java-Applet abgespielt), das Streaming kann über HTTP (also ohne speziellen Server) erfolgen und der Encoder arbeitet sehr zügig. Mir ist allerdings keine Redaktion bekannt, die auf VX30 setzt.

Anders sieht es bei der Flash-Technologie aus, dem Zweitplatzierten der Studie. Flash ist nach Angaben des Herstellers Adobe ziemlich weit verbreitet.

Der Studie zufolge ist die Qualität von Flash-Videos hoch, was jedoch erkauft werde durch hohe Kosten für den Betrieb spezieller Streaming-Server (auch wenn Flash Pseudo-Streaming über HTTP beherrscht). Zudem dauere das Encoding ziemlich lange und die generierten Dateien seien sehr groß.

Auf den Plätzen folgen Windows Media, Real und Quicktime. Getestet wurde sowohl auf einem Windows-PC als auch auf einem Mac.

Auf der Website der Studie haben die Macher für jede getestete Technologie ein Tutorial veröffentlicht. Darin geht es um die Wahl der richtigen Parameter wie etwa Bitrate, Framerate, Sound-Settings usw.

Gefunden bei Mindy McAdams.

Wenn es die Zeit meiner Interview-Partner zulässt, dann nehme ich das Gespräch mit ihnen am liebsten in ruhiger Atmosphäre auf, möglichst im Sitzen und adäquat ausgeleuchtet.

Telefonisch kläre ich vorher natürlich ab, ob soviel Zeit vorhanden ist. Denn allein für Auf- und Abbau der Technik gehen locker mindestens 20 Minuten drauf, wenn nichts Unvorhergesehenes passiert und die Konzentration hoch ist.

Für solche Fälle nehme ich folgendes Equipment mit:

• die Kamera samt Akkus, Tapes, Kabeln und Mikrofonen
• einen sehr kompakten Lichtkoffer mit drei 300-Watt-Leuchten und verschiedenen Filter-Folien, die mit Wäscheklammern an den Flügeltoren vor den Leuchten befestigt werden können
• das Stativ für die Kamera
• drei leichte Lampen-Stative

Das alles sollte natürlich möglichst gut und transportabel verpackt sein. Der Transport des gesamten Equipments ohne Auto ist auch solo zwar möglich, aber sehr anstrengend und absolut nicht empfehlenswert.

Dieses Equipment ist an einem ganz normalen Drehtag dabei.

Heute morgen hatte ich das gesamte Equipment dabei, als ich kurz einen O-Ton für einen Beitrag aufzeichnen wollte. Doch mein Interview-Partner hatte leider nur 15 Minuten Zeit, womit ich nicht gerechnet hatte. Viel zu wenig Zeit auf jeden Fall, um den ganzen Lichtaufbau vernünftig hinzukriegen.

Wir zeichneten den O-Ton dann im Stehen auf, und zwar auf einem langen Flur in dem Verwaltungsgebäude, in dem wir uns befanden. In der kurzen Zeit ist mir leider kein besserer Ort eingefallen.

Dort waren unter der Decke in regelmäßigen Abständen relativ schwache Leuchten platziert, an einer Stelle fiel links durch ein Fenster natürliches Licht.

Ich bat meinen Interview-Partner, sich direkt unter eine der Deckenleuchten seitlich in die Nähe dieses Fensters zu stellen. Dort vermischten sich zwar Tages- und Kunstlicht, was jedoch durch einen Weißabgleich in den Griff zu bekommen ist.

Auf die Kamera habe ich dann schnell noch eine kleine 20-Watt-Kopfleuchte installiert, mit der ich das Gesicht des Interview-Partners etwas aufhellen konnte.

Der Workflow in dieser Situation war wie folgt:

• einen vernünftigen Hintergrund finden (in diesem Fall die Flucht des langen Flures)
• Lichtquellen am Ort finden, die das Gesicht des Interview-Partners möglichst gut ausleuchten
• die Kamera auf dem Stativ auf Augenhöhe des Interview-Partners bringen und ihn kurz darum bitten, sich während des Gesprächs nicht zuviel zu bewegen, da man die Kamera während des Gesprächs nicht bedienen kann
• Kopflicht zuschalten
• Weißabgleich direkt vor dem Gesicht des Interview-Partners
• Sprechprobe nehmen, Ton pegeln
• optimale Blendenzahl wählen und fest einstellen (dazu die Zebra-Funktion nutzen: bei 80 Prozent Intensität sollte der hellste Teil des Gesichts, zum Beispiel die Nase oder die Stirn, mit einem Zebra dargestellt werden)
• den Fokus auf manuell schalten und die Schärfe ziehen (dazu möglichst nah auf die Augenpartie zoomen, dann scharf stellen und wieder aufziehen auf den optimalen Bildausschnitt)
• Aufnahme starten und möglichst schlaue Fragen stellen

Während des Interviews stand ich – wie meistens – links hinter der Kamera, denn dort habe ich den besten Blick auf das ausklappbare Display. So kann ich den Bildausschnitt sowie die Tonpegel ständig aus dem Augenwinkel kontrollieren.

Das Mikrofon (in diesem Fall das Richtmikro Sennheiser ME66) halte ich in solchen Situationen nicht mit der bloßen Hand, sondern mit einer kleinen Tonangel, quasi ein verlängerter Arm. An deren Ende ist eine Spinne befestigt, die das Mikro hält.

So werden einerseits störende Griffgeräusche unterbunden (das ME66 ist da sehr empfindlich). Andererseits kann ich eine entspannte Körperhaltung einnehmen und bequem hinter der Kamera stehen bleiben, weil ich das Mikro auch über ein wenig Distanz an den Interview-Partner heranführen kann.

Wie bereits vor ein paar Tagen berichtet, nimmt die Video-Offensive bei Focus Online Formen an. Neu ist dort auch die Rubrik “Film der Woche”, in der jeden Donnerstag ein aktuelles Kino-Highlight als Video vorgestellt werden soll.

Aktuell wird dort ein Stück über die Komödie “Trennung mit Hindernissen” gezeigt. Als ich mir das Video ansah, dachte ich zuerst: Gewagt getextet. Denn zu dem Bilderteppich im Hintergrund (ausschließlich Szenen des Films) läuft ein sehr komplizierter, wortfülliger Off-Text, der kaum zu den Bildern passt. Im Grunde genommen eine einzige Text-Bild-Schere.

Wie man zu so einem Off-Text kommt, ist mir dann erst später klar geworden. Wer will, kann sich das Video ja mal anschauen und parallel dazu diese Seite öffnen.

Allen, die sich mit der passenden Sprache für Bewegtbilder auseinandersetzen wollen, kann ich nur das Buch “Texten für TV” von Martin Ordolff und Stefan Wachtel empfehlen. Darin lassen die Autoren unter anderem diesen Satz fallen:

Es ist wie beim Punktschweißen: Der Text muss in kurzen Abständen am Bild festgemacht werden.

Und das trifft’s eigentlich sehr genau. Eine metaphernüberladene Sprache ist eher was für gedruckte Texte. Oder die Tagesthemen.

Update (07. März 2007): Der nachfolgend beschriebene Fehler wurde in der Sorenson Squeeze-Version 4.5 behoben, siehe hier.

Wenn ich Videomaterial für das Fernsehen oder das Web kodiere, nutze ich dazu Sorenson Squeeze in der aktuellen Version 4.3. Mit der Software lassen sich Videos in alle möglichen Formate kodieren, unter anderem MPEG2, Windows Media, Quicktime, Real Media oder Flash Video.

Als ich vor einigen Tagen ein Preview unseres Dokumentarfilms auf DVD brennen wollte, ist mir ein gravierender Fehler in der Software aufgefallen. Ein Workaround hat mich zwei Tage geduldigen Experimentierens gekostet – eine Lösung im Web habe ich nicht gefunden, obwohl andere User offenbar ganz ähnliche Probleme hatten.

Falls jemand mal selbst Opfer dieses Problems werden sollte: Hier ist mein Lösungsansatz.

Zur Problembeschreibung: Aus dem Avid exportiere ich mein geschnittenes Material (also in diesem Fall den gesamten Dokumentarfilm) als Quicktime Reference. Zwei Dateien werden dabei gespeichert: Eine WAVE- oder AIFF-Datei für den Ton sowie ein kurzes Quicktime-Movie. Letzteres enthält aber keinerlei Videodaten, sondern lediglich Meta-Daten, die auf das Video-Rohmaterial auf der Festplatte zeigen.

Bei dieser Vorgehensweise ist also gewährleistet, dass ich stets mit der besten Qualität der Daten arbeite, weil ich nicht den Umweg über den Export in ein qualitätsverlustbehaftetes Format gehe.

Die Quicktime Reference-Datei importiere ich sodann in Sorenson Squeeze, um sie in einen DVD-kompatiblem MPEG2-Videostream zu konvertieren. Das hat bisher immer prima geklappt, zumindest bei Videos mit Längen um etwa fünf Minuten.

Unser Dokumentarfilm ist in seiner jetzigen Preview-Version hingegen länger als 48 Minuten. Und das ist das Problem: Mit so langen Dateien beim Quicktime Reference-Format kommt Sorenson Squeeze offenbar nicht klar. Nach etwa 10 Stunden Kodieren erschien folgende Fehlermeldung:

Dabei bleibt einem letztlich nur die Möglichkeit, auf “Abbrechen” zu drücken. “Suchen” bleibt erfolglos – denn wonach?

Bei der Suche nach einer Lösung im Web folgte ich zuerst der Argumentation in diesem Thread, dass es an der Komplexität der Timeline in Avid liegen könnte. Klar, Squeeze wird viel zu tun haben, wenn es für jeden einzelnen Schnitt den entsprechenden Dateischnipsel im Rohmaterial auf der Festplatte suchen muss. Zumal die Timeline mit drei Videospuren und acht Audiospuren recht umfangreich ist.

Also spielte ich den Film einmal komplett auf Tape aus und importierte ihn dann wieder. Alternativ hätte ich auch einen Audio- und Video-Mixdown machen können. Das Resultat ist jedenfalls dasselbe: Der Film besteht auf der Timeline nur noch aus einer Videospur sowie zwei Audiospuren. Die habe ich dann erneut als Quicktime Reference exportiert und mit Sorenson Squeeze kodiert.

Das ging tatsächlich viel schneller. Aus den anfangs angezeigten 18 Stunden Kodierdauer wurden jetzt nur noch knapp drei. Das Problem blieb aber dasselbe: Nach etwa 25 Prozent tauchte derselbe Fehler wie oben erneut auf.

Anschließend exportierte ich den Film in drei Teilen zu jeweils ca. 16 Minuten Länge, um sie einzeln zu kodieren. Auch das half nichts, der Fehler trat wieder auf.

Am Ende habe ich den Film in insgesamt elf Teilen zu je vier bis fünf Minuten Länge exportiert und mit Sorenson kodiert. Das funktionierte. Das Problem ist also soweit eingeengt, dass es ganz offensichtlich an der Länge in Minuten der exportierten Timeline liegt. Wo genau die magische Grenze liegt, weiß ich nicht.

Die elf MPEG2-Dateien habe ich anschließend mit dem “Merge & Cut”-Tool von TMPGEnc wieder zusammengefügt, ohne sie dabei Rekodieren zu müssen.

Ich hoffe, dass Sorenson bald einen kostenlosen Bug-Fix zur Verfügung stellen wird, da die Arbeit mit Quicktime Reference-Dateien täglich Brot nicht nur für Videojournalisten ist.

Wenn ich ein Interview aufzeichne, will ich mich so gut wie möglich auf den Gesprächspartner einlassen können. Das setzt voraus, dass die Bedienung der Technik dabei möglichst zur Nebensache wird und – einmal passend eingestellt – verlässlich im Hintergrund läuft.

Die meisten DV-Kameras bieten die Möglichkeit, den Eingangspegel für den Ton automatisch oder manuell auszusteuern. Automatisch hat den Vorteil, dass das aufgezeichnete Signal selten zu laut oder zu leise ist.

Spricht der Interview-Partner aber zum Beispiel insgesamt relativ leise und wird dann plötzlich mal sehr laut, kommt die Automatik der Kamera nicht hinterher – mit dem Resultat, dass der aufgezeichnete Ton an dieser Stelle vermutlich übersteuert ist.

Um ein gutes, sauberes Tonsignal aufzuzeichnen, gehe ich daher folgendermaßen vor: Das jeweils eingesetzte Mikrofon schließe ich stets an der unteren der beiden XLR-Buchsen meiner Kamera an.

Anschließend lege ich die Eingangssignale für Kanal 1 und Kanal 2 zusammen auf den unteren XLR-Anschluss und pegle sie unterschiedlich aus – den ersten etwas stärker, den zweiten schwächer.

Mögliche Einstellungen für die Aufnahme eines O-Tons mit der Panasonic DVX 100.

Dazu lasse ich den Interview-Partner natürlich ein paar Worte sagen. Am besten klappt es, so meine Erfahrung, wenn man eine ernst gemeinte Frage stellt (“Was haben Sie heute morgen gefrühstückt?”). Oft spricht er/sie dann frei von der Leber weg und mit einer vergleichbaren Lautstärke wie bei der anschließenden Aufzeichnung.

Die DVX hat einen Headroom von 12 dB – das heißt: Die Balken der Pegel-Anzeige auf dem Display für Kanal 1 und 2 werden ab einem Eingangssignal von -12 dB rot. Erst bei 0 dB, also dem Ende des roten Balkens, setzt das sogenannte Clipping, also die digitale Verzerrung ein. Das aufgezeichnete Signal ist ab dort unbrauchbar. Das bestmöglich aufgezeichnete Signal ist kurz vor 0 dB.

Tonpegel-Anzeige im Display der Panasonic DVX 100. Das Eingangssignal auf Kanal 1 ist in diesem Fall am Ende des Headrooms angekommen und übersteuert, das Signal auf Kanal 2 liegt genau am Anfang des Headrooms, also -12 dB.

Auf diese Weise erhöhe ich die Wahrscheinlichkeit, mindestens eine gute Tonspur aufzunehmen. Anschließend im Schnitt nehme ich dann die bessere der beiden.