Auto-Mix: Gesang automatisch auf den Beat mixen
Lade einen Beat, eine Gesangsaufnahme oder beides hoch. Das Tool stellt die Pegel ein, korrigiert den Klang, komprimiert, entschärft Zischlaute, fügt Hall hinzu, stimmt auf Wunsch per Auto-Tune und mastert einen fertigen Song. Alle Regler werden auf einem Mischpult wie im Studio vorgestellt, und du stellst jeden Fader, EQ und Kompressor weiter nach. Jede Einstellung ist an 144 professionellen Mixen gemessen, nicht geraten. Deine Aufnahmen verlassen dein Gerät nicht.
- Aufnahmen bleiben auf deinem Gerät
- Mischpult, Auto-Tune, EQ, Kompressor
- WAV-Download mit −14 LUFS
1. Dateien ablegen
Beat (Instrumental)
Playback, Karaoke oder Instrumental
Leadgesang
Deine Gesangsaufnahme
Backgroundgesang
optional
Referenzsong
optional: ein Song, der dir gefällt; der Klang wird daran angeglichen
MP3, WAV, FLAC, M4A, OGG · bis 10 Minuten
2. Stil wählen
Stile sind Hörvorschläge, keine Messungen. «Natürlich» ist genau das, was gemessen wurde.
Lade mindestens eine Datei hoch: Beat, Gesang oder beides.
Wofür
- Deinen Cover-Gesang auf einen Karaoke-Beat legen und einen fertigen Song bekommen.
- Eine Demo-Aufnahme fertigstellen, wenn kein Mix-Engineer da ist.
- Eine A-cappella-Aufnahme oder einen Sprechertext allein bearbeiten oder einen Beat allein mastern.
- Beat und Gesang aus dem Vocal Remover oder AI Cover neu zusammenmischen.
So geht es
- Einen Beat, eine Gesangsaufnahme oder beides hochladen. Backgroundgesang und Referenzsong kommen in die anderen beiden Felder.
- Wähle einen Stil (Pop, Ballade, T-Pain …) oder lass Natürlich stehen: genau das, was gemessen wurde.
- Automatisch mixen klicken, Vorher / Nachher hören, die Regler nach Gehör einstellen und den Mix herunterladen. Jeder Regler einzeln: Mischpult öffnen.
Nimm in einem Raum mit wenig Hall auf, etwa eine Handbreit vom Mikrofon entfernt, und nie so laut, dass die Anzeige rot wird. Klang und Pegel lassen sich korrigieren, Raumhall oder eine verzerrte Aufnahme nicht.
Häufige Fragen
- Was macht der Auto-Mix?
- Der Reihe nach: Brummen unter 80 Hz entfernen, Rauschen zwischen den Phrasen ausblenden (nur wenn ein Rauschteppich gemessen wird), Auto-Tune (wenn eingeschaltet), Gesangs-EQ, De-Esser, Kompressor, Hall, den Gesang an den Beat angleichen, den Beat um 2,5 kHz leicht absenken, solange gesungen wird, damit der Text verständlich bleibt, den Klang an den Referenzsong angleichen (falls vorhanden) und auf −14 LUFS mit höchstens −1 dBTP True Peak mastern. Jeder Schritt lässt sich abschalten.
- Was, wenn ich nur Gesang oder nur einen Beat habe?
- Nur Gesang: Der Gesang wird bearbeitet (Filter, EQ, De-Esser, Kompressor, Hall, Auto-Tune wenn eingeschaltet) und gemastert, passend für A-cappella-Aufnahmen oder Sprechertexte. Nur Beat: Nur Lautheit und Spitzen werden gemastert, der Klang wird NICHT verändert, denn jedes Genre klingt anders und es gibt keinen gemeinsamen Standard, an den man einen Beat angleichen könnte. Soll auch der Klang angepasst werden, lade einen Referenzsong hoch.
- Was kann das Auto-Tune?
- Es misst die Tonhöhe alle 10 ms und zieht sie auf den nächsten Ton, auf die Töne der gewählten Tonart oder der erkannten Tonart. «Sanft» verschiebt nur die Mitte jedes Tons und lässt das Vibrato; «Hart» zwingt jeden Moment auf den Ton, für den Roboter-Klang. Gemessen an echtem Gesang, der um 30 Cent verstimmt war: zurück auf 12 Cent (sanft) und 6 Cent (hart). Der Preis ist eine etwas rauere Stimme, deshalb ist es standardmäßig aus.
- Wofür ist der Referenzsong?
- Das Tool misst den Klang (das Spektrum pro Oktave) des Referenzsongs und deines Mixes und zieht deinen Mix in dessen Richtung, höchstens ±4 dB pro Band. Die Lautheit bleibt bei −14 LUFS; die Lautheit der Referenz wird nicht kopiert. Wähle einen Song aus demselben Genre.
- Was heißt „an echten Mixen gemessen“?
- Wir haben 144 Songs aus dem Datensatz MUSDB18 genommen, in dem Gesang und Begleitung als getrennte Spuren vorliegen, und drei Dinge gemessen: wie laut der Gesang gegenüber der Musik ist, sein Spektrum pro Oktave und wie viel Hall er trägt. Der EQ korrigiert nur Bänder, in denen dein Gesang AUSSERHALB des Bereichs liegt, in dem die Hälfte dieser Mixe liegt. Klingt dein Gesang schon gut, bleibt er unverändert.
- Warum ist der Gesang standardmäßig lauter als die Musik?
- In diesen 144 Songs, überwiegend westlicher Pop und Rock, liegt der Gesang −2,2 LU unter der Musik (Median). In einem echten vietnamesischen Song, den wir getrennt und gemessen haben, lag er 2,3 LU darüber. Solche Proben haben wir noch wenige, deshalb ist der Gesang standardmäßig deutlich; schiebe den Regler nach links, wenn er sich einfügen soll.
- Werden meine Aufnahmen auf einen Server hochgeladen?
- Nein. Jeder Schritt läuft im Browser auf deinem Gerät. Keine Kopie wird verschickt, deshalb ist alles weg, wenn du den Tab schließt: Lade deinen Mix vorher herunter.
- Warum −14 LUFS?
- Auf diesen Pegel normalisieren YouTube und Spotify. Lautere Songs werden leiser gedreht, lauter mastern kostet also nur Dynamik, ohne lauter zu klingen.
- Was, wenn der Gesang nicht im Takt zum Beat liegt?
- Nutze den Slot „Offset“ im Kanalzug Gesang, in Schritten von 10 ms. Zum Schneiden und Verschieben von Abschnitten klicke nach dem Mixen auf „Zeitleiste öffnen“: Die bearbeiteten Spuren sind geladen, du kannst sie von Hand ziehen und schneiden.
Was dieses Tool macht
Lade einen Beat, eine Gesangsaufnahme oder beides hoch, dazu eine Harmoniestimme, falls du eine hast. Das Tool misst jede Datei, filtert dann, formt den Klang, komprimiert, entschärft Zischlaute, fügt Hall hinzu, gleicht Stimme und Musik aus und mastert alles zu einer fertigen WAV. Jede gewählte Einstellung erscheint auf einem Mischpult im Studiostil, sodass du weiter nachjustieren oder alles so lassen kannst.
Die gesamte Verarbeitung läuft in deinem Browser. Nichts wird auf einen Server hochgeladen, eine unveröffentlichte Aufnahme bleibt also von Anfang bis Ende auf deinem Computer.
Die Signalkette, der Reihe nach
- Low Cut auf dem Gesang, die Grenzfrequenz richtet sich nach dem tiefsten Ton dieser Stimme (70 bis 160 Hz).
- Rauschminderung zwischen den Phrasen, nur wenn echtes Hintergrundrauschen gemessen wird. Ein sauberer Gesang überspringt diese Stufe.
- Auto-Tune, wenn du es einschaltest.
- Oktavband-EQ: Korrigiert werden nur Bänder, die außerhalb des mittleren Bereichs professioneller Mixe liegen, und nur bis an den Rand dieses Bereichs, damit nicht jede Stimme in dieselbe Farbe getaucht wird.
- De-Essing und zweistufige Kompression, mit etwas Wärme.
- Hall wird Schritt für Schritt angepasst, bis die Stereobreite des Gesangs dem Median echter Mixe entspricht; das Echo folgt dem Tempo des Beats.
- Balance zwischen Stimme und Beat, danach eine sanfte Absenkung um 2,5 kHz im Beat, solange die Stimme singt, damit die Worte nicht untergehen.
- Master auf −14 LUFS mit einem True Peak von höchstens −1 dBTP.
Woher die Zielwerte kommen
Die Zielwerte wurden an einem öffentlichen Stem-Datensatz von 144 Songs gemessen, Mixe von Menschen, bei denen jede Spur einzeln vorliegt. In diesem Datensatz liegt der Gesang 2,2 LU unter der Musik (Median; die Hälfte der Songs liegt zwischen −4,3 und −1,0). Zielwerte aus den KI-Songs der eigenen Seite haben wir bewusst nicht übernommen, denn damit würden wir messen, wie eine Maschine mischt, und nicht, wie Menschen mischen.
Vietnamesischer Pop stellt die Stimme gern nach vorn: Die KI-Songs der Seite wurden mit +1,9 gemessen, ein echter vietnamesischer Song mit +2,3. Standardmäßig liegt die Stimme deshalb 2 LU über der Musik, der Schieberegler reicht ±4, und eine Markierung bei −2,2 zeigt den Median des Datensatzes. Um es klar zu sagen: Die vietnamesische Stichprobe besteht bisher aus einem einzigen Song.
Vier Modi und das Mischpult
| Du lieferst | Was das Tool macht |
|---|---|
| Beat und Gesang | Bearbeitet den Gesang, gleicht ihn mit dem Beat aus, mastert |
| Nur Gesang | Bearbeitet den Gesang, fügt Hall hinzu, mastert; die Harmoniestimme liegt 6 LU unter dem Leadgesang |
| Nur Beat | Mastert nur Lautheit und Pegelspitzen. Der Beat bekommt bewusst keinen automatischen EQ, weil jedes Genre anders ist |
| Dazu ein Referenztrack | Gleicht den Klang an den gewählten Song an, höchstens ±4 dB pro Band; die Lautheit wird nicht übernommen, sie bleibt bei −14 LUFS |
Es gibt sieben Presets. Das natürliche Preset entspricht genau den Einstellungen, die das Tool gewählt hat, während Lo-Fi leiser mastert, gemessen bei −16 LUFS. Auf dem Mischpult wirken Fader, Panorama, Mute und das Master-Ziel sofort, während du zuhörst; änderst du eine Plugin-Einstellung, wird nur dieser Kanal neu berechnet. Du kannst die gemischte Version mit einer unbearbeiteten Summe bei gleicher Lautheit vergleichen, damit eine lautere Version deinen Ohren nicht vorgaukelt, besser zu klingen.
Auto-Tune: Leicht, Mittel, T-Pain und der Preis
Das Tool erkennt die Tonart des Songs. Leicht verschiebt die Mitte jedes Tons und erhält das Vibrato; T-Pain rastet die Tonhöhe sofort ein und erzeugt den bekannten Roboterklang. Bei einer echten Stimme, die etwa 30 Cent danebenlag, maß ein unabhängiges Messwerkzeug nach leichter Korrektur 12,3 Cent und nach starker Korrektur 6,5 Cent. Die Einstellung T-Pain erreichte 87 %, nahe an der idealen Obergrenze von 89 %, die im selben Test gemessen wurde.
Der Preis ist eine etwas rauere Stimme: Der Jitter steigt um etwa 0,2 Prozentpunkte, die harmonische Klarheit sinkt um 0,5 bis 0,8 dB. Deshalb ist Auto-Tune standardmäßig aus und lohnt sich nur, wenn der Gesang danebenliegt. Bei einer Stimme, die bereits sauber intoniert, ändert der leichte Modus fast nichts.
Wie lange es dauert
Ein 4-minütiger Song mit Harmoniestimme braucht auf unseren Testrechnern etwa 10 bis 12 Sekunden zum Mischen; der abschließende Export kommt mit etwa 2 Sekunden hinzu. Da alles auf deinem Gerät läuft, braucht ein langsamerer Computer länger, dafür gibt es nie eine Server-Warteschlange.
Grenzen
- Eine verzerrte oder übersteuerte Aufnahme kann es nicht retten; es gleicht aus, färbt und säubert im vernünftigen Rahmen.
- Der EQ korrigiert nur Bänder, die im Vergleich zu echten Mixen deutlich danebenliegen. Für einen bestimmten Sound nutze einen Referenztrack oder justiere von Hand am Mischpult.
- Das Verhältnis von Stimme zu Musik beruht auf einem Datensatz, der größtenteils aus nicht vietnamesischer Musik besteht; die vietnamesische Stichprobe umfasst bisher einen Song.
- Ein Gesang, der nicht im Takt zum Beat aufgenommen wurde, wird nicht automatisch ausgerichtet; es gibt einen Versatzregler, um ihn von Hand zu verschieben.
- Dateien dürfen bis zu 10 Minuten lang sein.
Häufige Fragen
Wird meine Musik auf einen Server hochgeladen?
Nein. Jede Stufe läuft im Browser, und die WAV entsteht auf deinem Gerät. Schließt du den Tab, bleibt nichts zurück.
Ich habe nur einen fertig gemischten Song. Kann ich ihn zerlegen und neu mischen?
Ja. Trenne Beat und Gesang mit dem Stem Splitter und bring dann beides hierher.
Ist das Ergebnis bereit für Streaming-Plattformen?
Eine Lautheit von −14 LUFS mit einem True Peak von höchstens −1 dBTP ist ein gängiger Pegel fürs Streaming. Der Lautheitsmesser des Tools stimmte bei 10 von 10 Testdateien mit einem unabhängigen Messgerät überein, mit höchstens 0,05 Abweichung.
Ändert das Mischpult wirklich den Export, oder ist es nur Show?
Es ändert den Export. In unserem Test stieg die Korrelation zwischen Export und Beat von 0,723 auf 0,994, als wir den Gesangskanal stummgeschaltet und exportiert haben; die Datei war also tatsächlich der Beat ohne Stimme. Mehr zum Mischen findest du im Blog.
Verwandte Forschung
Lieber den Mix von Grund auf selbst bauen?
Im Mischpult kannst du jede Spur ziehen, schneiden und Lautstärke und Panorama einstellen.
Mischpult öffnen