Jedes Wort von Hand getimt, 100 Minuten pro Song. Jetzt macht das ein Skript.

So sieht die Arbeit aus, um die es geht. Für jedes gesungene Wort braucht Kamil eine eigene Textebene, und jede Ebene muss genau dann beginnen und enden, wenn das Wort gesungen wird. Bisher hieß das: Ebene anlegen, mit dem Texttool oder über das Menü, fünf, sechs Klicks, das Wort eintippen. Dann die Stelle im Song suchen, den Anfang setzen, das Ende setzen. Dann das nächste Wort.

Wie lange das dauert, hat Kamil selbst aufgeschrieben:

Ein Song hat je nach Länge und Genre 250 bis 600 Wörter, bei viel Rap eher am oberen Ende. Bei 300 Wörtern kommen so rund 100 Minuten zusammen, nur damit der Text an der richtigen Stelle steht. Gestaltet ist zu dem Zeitpunkt noch nichts.

Song und Text rein, fertige Ebenen raus

Heute legt Kamil den Song als MP3 und den Songtext als Textdatei in einen Ordner und startet das Skript in After Effects. Ein kleines Fenster fragt, wie die Ebenen aussehen sollen: Wort für Wort oder Zeile für Zeile, jeweils mit oder ohne Timing. Zeile für Zeile ist dabei, weil manche seiner Kunden lieber ganze Textzeilen sehen als einzelne Wörter.

Das Timing errechnet die Spracherkennung Whisper, und zwar lokal auf Kamils Rechner. Der Song muss dafür nirgends hochgeladen werden. Nach 10 bis 20 Sekunden steht das Projekt: jedes Wort eine eigene Ebene, schon auf den Gesang gelegt.

Ganz ohne Kontrolle geht es nicht. Kamil hört den Song einmal durch, meist sitzen ein bis fünf Wörter nicht ganz. Wie viele, hängt vom Gesangsstil ab und davon, wie klar die Stimme zu hören ist. Nach fünf bis zehn Minuten ist das erledigt.

Gebaut mit KI, bedient ohne

Das Skript haben wir bei mir mit Claude Code gebaut, einem KI-Werkzeug, das Programmcode schreibt. Ich habe getestet, bis das Format stimmte, das Kamil in After Effects braucht. Bei ihm haben wir es dann in ein paar Runden angepasst.

Im Alltag schreibt Kamil keinen Prompt. Er startet das Skript und wählt einen Modus. KI steckt im Bau des Werkzeugs und in der Spracherkennung, die das Timing berechnet.

Die 100 Minuten betreffen nur das Setzen der Lyrics. Für das ganze Projekt nennt Kamil in seiner Bewertung eine andere Zahl, sie gilt für die After-Effects-Skripte, die wir zusammen gebaut haben:

Woran man so eine Aufgabe erkennt

Kamils Aufgabe ist sehr speziell, ihr Muster kommt aber oft vor. Sie fällt in jedem Lyric-Video wieder an, sie kostet viel Zeit, sie folgt immer denselben Regeln, und ob das Ergebnis stimmt, hört er beim ersten Durchhören. Wenn eine Aufgabe in deiner Arbeit diese vier Eigenschaften hat, lohnt sich die Frage, ob ein Werkzeug sie übernehmen kann.

Bei Coaches, Beratern und Trainern sind es eher Angebote, Protokolle nach Gesprächen oder Workshop-Unterlagen, die jedes Mal nach demselben Muster entstehen. Dafür reicht oft eine feste Vorlage oder ein eingerichteter Ablauf im Chat, ein Skript wie bei Kamil braucht es nicht immer. Welcher Weg wann passt, steht im Ratgeber ChatGPT, Claude oder Gemini? Die Aufgabe entscheidet, nicht das Modell.