Mein KI-Assistent
schneidet meine Roleplay-Streams.

01 / Die Aufgabe

Ein Stream ist noch keine Folge.

In meinen Roleplay-Streams entstehen Geschichten im Gespräch. Eine Figur wartet, jemand widerspricht, eine Bemerkung löst erst später eine Reaktion aus. Schneidet man nur die auffälligen Momente zusammen, fehlt schnell der Grund, warum eine Szene überhaupt wichtig ist.

Für meine YouTube-Folgen möchte ich zusammenhängende Handlungsbögen erhalten. Dazu gehören Gesprächseinstiege, Gegenrede und Nachreaktionen. Wartezeit darf verschwinden, wenn sie nichts zum Verständnis beiträgt. Eine Pause kann aber auch Spannung oder Unsicherheit zeigen. Diese Unterscheidung ist die eigentliche Schnittaufgabe.

Mein KI-Assistent hilft mir, das Material zu erschließen und Entscheidungen im Schnittprogramm umzusetzen. Den Maßstab dafür habe ich mit ihm an echten Folgen entwickelt.

02 / Die Umsetzung

So wird aus dem Rohmaterial eine editierbare Timeline.

1. Aufnahme und Kontext zusammenbringen

   Ich ordne die Aufnahmen und gebe dem Assistenten mit, welche Figuren, Gespräche und Ereignisse relevant sind. Originaldateien bleiben erhalten. Arbeitsstände und Exporte liegen getrennt davon.

2. Gespräche im Transkript finden

   Whisper macht das Gesprochene durchsuchbar. Wortzeitmarken zeigen, wo eine Passage im Video liegt. Bereits vorhandene Transkripte verwende ich weiter. Unklare Stellen werden gezielt nachgeprüft.

3. Einen vollständigen Bogen auswählen

   Der Assistent schlägt Quellbereiche vor: Was muss bleiben, was kann weg und welche Übergänge sind noch unklar? Die Auswahl richtet sich nach der Geschichte. Eine Folge bekommt keine künstliche Mindestlänge.

4. Den Schnitt in Resolve umsetzen

   Über die MCP-Anbindung importiert der Assistent Medien, baut die Timeline auf und prüft Clippositionen. Die Arbeit landet direkt in DaVinci Resolve Studio. Ich kann den Schnitt anschließend selbst weiterbearbeiten.

5. Bild, Ton und Zusammenhang prüfen

   Kurze Prüfausschnitte helfen bei Gesprächseinstiegen und Übergängen. Für offene audiovisuelle Fragen nutze ich ergänzend Gemini. Technische Prüfungen und mein eigenes Ansehen und Anhören gehören beide zum Ablauf.

03 / Mein Aufbau

Welche Werkzeuge welche Arbeit übernehmen.

Hermes Agent ist die Arbeitsumgebung. Das Sprachmodell plant und ruft Werkzeuge auf; Resolve ist das Schnittprogramm. Diese Rollen auseinanderzuhalten hilft, wenn man einen eigenen Aufbau entwickeln möchte.

Und die räumlichen Erkläranimationen?

Auch dabei hat KI geholfen. Die Animationen dieses Infovideos sind als programmierte 3D-Szenen mit Three.js entstanden, anschließend gerendert und in Resolve montiert worden. Für den eigentlichen Streamschnitt brauchst du diese Animationswerkzeuge nicht.

04 / Ein echtes Schnittbeispiel

73 Sekunden weniger. Die Diskussion bleibt.

Bei meiner Folge LF10, „Formation, Pferde und ein schwieriger Befehl“, hat der Assistent eine sprachfreie Wartephase von 73 Sekunden entfernt. Die folgende Diskussion blieb mit Gegenrede und Nachreaktionen erhalten.

Die beiden behaltenen Blöcke ergeben 42:58 Minuten Originalmaterial. Mit fünf Sekunden Titel und acht Sekunden Endkarte wurde daraus eine 43:11 Minuten lange Folge.

Das ist bewusst kein kurzer Highlight-Clip. In diesem Fall war der längere Gesprächsbogen das Ergebnis, das ich haben wollte. Genau daran messe ich den Schnitt: Kann man den Figuren folgen und verstehen, warum sie so reagieren?

05 / Mein Urteil

Ein erfolgreicher Export sagt noch nichts über die Geschichte.

Die KI kann einen technisch sauberen Schnitt liefern und trotzdem den Zusammenhang verfehlen. Wenn eine Figur auf einen Knall reagiert, muss auch das ursprüngliche Ereignis verständlich bleiben. Ein beliebiger nachträglich eingefügter Effekt repariert diesen Zusammenhang nicht.

Ich prüfe außerdem, ob ein Gespräch innerhalb der gespielten Rolle stattfindet oder ob die Spieler privat miteinander sprechen. Ein Nachgespräch außerhalb der Rolle darf durch Schnitt und Musik nicht plötzlich wie eine Entwicklung der Figur wirken.

Transkripte sind dabei Suchhilfen. Sie erkennen nicht jedes Wort richtig und treffen keine garantierten Silbengrenzen. Vorlauf, Wortenden und kurze Reaktionen brauchen Aufmerksamkeit. Auch erkannte Stille oder ein dunkles Bild sind zunächst Prüfkandidaten, keine automatischen Fehler.

Diese Regeln sind durch Rückmeldungen an fertigen Folgen entstanden. Der Assistent übernimmt viel von der Umsetzung. Ich entscheide, ob die Folge das zeigt, was ich erzählen möchte.

06 / Selbst ausprobieren

Fang mit einer überschaubaren Szene an.

Für einen ersten Versuch würde ich Hermes Agent, einen geeigneten Modellzugang und eine funktionierende Resolve-Anbindung nehmen. Dazu eine kurze Szene, deren Zusammenhang du selbst gut kennst. So kannst du beurteilen, ob der Assistent die wichtigen Momente erhält.

Wenn bereits ein Transkript vorliegt, nutze es. Lokale Transkription kannst du später ergänzen. Gemini, eine Musikbibliothek und ein zusätzlicher lokaler Modellserver sind keine Voraussetzungen für diesen ersten Test.

Mein Studio-PC ist eine Referenz, keine allgemeine Mindestanforderung. Modellzugang, Resolve Studio und gegebenenfalls Musik oder Cloudprüfungen verursachen Kosten. Einen belastbaren Pauschalpreis pro Folge kann ich daraus nicht ableiten.

Lokaler Schnitt bedeutet außerdem nicht, dass sämtliche KI-Verarbeitung lokal bleibt. Je nach Modellweg werden Text oder ausgewählte Videoausschnitte an einen Cloudanbieter übergeben. In meinem Aufbau nutze ich dafür gezielt begrenztes Material.

Wie wichtig verständlicher Originalton schon bei der Aufnahme ist, zeige ich auch in meinem Audio- und Streaming-Setup. Mehr über die Werkstatt hinter dem Kanal findest du in der Kapsel.