Twitch-Streams clippen: aus einem 3-Stunden-VOD Clips machen

Drei Stunden Stream liegen hinter dir. Irgendwo in dieser Datei stecken vielleicht zehn Momente, die einen Post wert sind: ein Clutch, ein Raid, der eingeschlagen hat, ein Spruch, der Views bringt. Gute Momente zu erkennen ist nicht das Schwierige. Sie aus drei Stunden Aufnahme herauszugraben schon. Genau deshalb hört der meiste Rat zum Thema Twitch-Streams clippen genau da auf, wo er nützlich würde, und deshalb ist Twitch-VODs in Clips verwandeln für die meisten, die es versuchen, immer noch Arbeit für einen ganzen Abend.

Hier die praktische Fassung: wie das VOD von Twitch auf die eigene Platte kommt, was mit einer Datei von drei bis sechs Stunden wirklich zu tun ist, wonach sich entscheidet, welche fünfzehn Sekunden zählen, welcher Clip zuerst rausgeht und wie lange jeder Schritt dauert. Die meisten Anleitungen enden bei „in den Editor laden und durchscrubben“. Genau dieser Teil gehört ersetzt.

Kurzfassung: rund zwanzig Minuten Aufmerksamkeit pro Session, dazu ein paar Stunden Rechenzeit, bei denen niemand dabeisitzen muss.

Schritt 1: das VOD auf die eigene Platte holen

Alles Weitere setzt eine Datei auf der eigenen Platte voraus. Drei Wege führen dorthin, und sie taugen nicht gleich viel.

1. Vergangene Übertragung bei Twitch herunterladen. Im Creator-Dashboard unter „Inhalt“ hat jede vergangene Übertragung eine Download-Option, die eine MP4 ausgibt. Vorher in den Stream-Einstellungen „Vergangene Übertragungen speichern“ aktivieren, denn Twitch löscht vergangene Übertragungen nach einer begrenzten Aufbewahrungsfrist, und ein abgelaufenes VOD ist einfach weg.
2. Die OBS-Aufnahme nehmen, die längst da ist. Wer beim Streamen lokal mitschneidet, hat die bessere Datei schon auf der Platte: kein zweites Transcoding, keine Bitratengrenze des Streams, nichts herunterzuladen. Das ist der Weg der Wahl. Schreibt OBS in MKV, vorher über Datei und dann „Aufnahmen remuxen“ eine MP4 daraus machen.
3. Ein Highlight exportieren. Geht für einen Moment, den man ohnehin schon kennt, taugt aber nichts für eine ganze Session: erst muss der Moment gefunden sein, bevor er sich exportieren lässt. Genau das ist das Problem, nicht seine Lösung.

Eine dreistündige Übertragung in 1080p60 landet bei ungefähr 6 bis 9 GB. Der Download von Twitch dauert je nach Leitung zehn bis dreißig Minuten, was für sich genommen schon für die lokale Aufnahme spricht. Welcher Weg auch immer: die Quelle in der Originalauflösung lassen und sie nicht vorab zusammenstauchen, um Platz zu sparen. Bewertet werden Bild und Ton gemeinsam, und in einem weichen 720p-Reencode eines Reencodes steckt für beides weniger drin.

Schritt 2: der Umgang mit einer Datei von drei bis sechs Stunden

Der erste Reflex: die Session in Häppchen zerlegen, damit das Programm weniger zu kauen hat. Besser nicht. Das Zerlegen von Hand ist genau das manuelle Durchscrubben, das eigentlich wegfallen sollte, und es zerstört die eine Stärke eines Durchlaufs über die ganze Session: Momente gegeneinander abzuwägen. Ein Moment bekommt seinen Platz, weil er alle anderen Kandidaten desselben Abends geschlagen hat. Halbiert man die Datei, bekommt man stattdessen das Beste jeder Hälfte, und das ist eine andere Liste.

Drei Dinge lohnen sich, bevor der Durchlauf startet:

1. Die toten Enden kappen, nicht die Mitte. Das „Starting soon“-Bild am Anfang und die zehn Minuten Abschieds-Chat am Ende sind Rechenzeit für nichts. In den meisten Programmen ist das Wegschneiden eine schnelle verlustfreie Kopie, und es geht direkt von der Laufzeit ab.
2. Den Plattenplatz prüfen. 30 GB frei einplanen. Zwischenstände und fertig gerenderte Hochkant-Clips summieren sich neben einer Quelldatei, die allein schon 8 GB wiegt.
3. Erst jenseits von sechs Stunden teilen. Darunter ist ein einziger Durchlauf über das Ganze die richtige Wahl. Jenseits von sechs Stunden wird die Wartezeit bis zum ersten Ergebnis unangenehm lang; einen Marathon also auf zwei Sitzungen aufteilen und die erste Hälfte durchsehen, während die zweite läuft.

Dann starten und weggehen. Auf einer GPU der Klasse RTX 3060 braucht eine dreistündige Session ungefähr zwei bis fünf Stunden, was schlecht klingt, bis man merkt: nichts davon ist die eigene Zeit. Nach dem Stream gestartet, ist sie fertig, bevor man wieder wach ist. Der Vergleich, auf den es ankommt, heißt nicht „Stunden gegen sofort“, sondern „Stunden, in denen der PC allein arbeitet, gegen eine Stunde, in der man selbst den Abspielkopf schiebt“.

Schritt 3: wonach der Bewertungsdurchlauf entscheidet

Die naive Variante ist ein Lautstärkedetektor, und sie scheitert auf eine Art, die jeder sofort wiedererkennt, der es probiert hat: man bekommt jede Explosion und keinen Zusammenhang. Was einen Zuschauer dranbleiben lässt, ist nie eine einzige Sache, und es sind jedes Mal dieselben paar Dinge.

1. Ereignisse im Ton, nicht Pegel. Schüsse, Explosionen und menschliche Reaktionen sind etwas anderes als ein Ausschlag auf der Anzeige. Ein Hammer auf der Werkbank ist laut und trotzdem nichts wert.
2. Was im Bild passiert. Der Ausgang steht im Bild, nicht in der Pegelanzeige. Daran hängt der Unterschied zwischen einem gewonnenen und einem verlorenen Kampf, und kein Tonsignal kann die beiden auseinanderhalten.
3. Die eigene Stimme. Ein Transkript, das auf dem eigenen Rechner entsteht, hält fest, wo gesprochen wurde und ungefähr was. Sehr oft ist die Reaktion nach dem Kill der eigentliche Clip, nicht der Kill.
4. Aufbau. Ein Moment braucht einen Anlauf, eine Auflösung und eine Stelle zum Aufhören. Fünfzehn Sekunden Nachspiel mit der Auflösung in der ersten Sekunde sind ein schlechter Clip, auch wenn die Auflösung großartig ist.

Daraus entsteht ein Wert pro Kandidat, und danach werden die Kandidaten sortiert. Das Sortieren ist das ganze Produkt. Ein Werkzeug, das 50 unsortierte Schnipsel zurückgibt, hat das Scrubbing-Problem verschoben, nicht gelöst: jetzt scrubbt man 50 Dateien statt einer. Was man aus drei Stunden Session haben will, ist eine kurze, geordnete Liste, bei der zu jedem Eintrag eine Zeile Begründung steht, damit in zehn Sekunden klar ist, ob das Programm den Moment verstanden oder nur einen Knall gehört hat.

Das Spiel bestimmt, wie eine Session aussieht: in einem Survival-Spiel baut sich die Auflösung über Minuten auf, ein Duell ist in vier Sekunden entschieden. Was es nicht bestimmt, ist die Form eines Moments, der einen Post wert ist, und genau nach dieser Form sucht der Bewertungsdurchlauf. Was in einer Session steckt, ist das Thema der Seiten zu Rust und ARC Raiders. Keine der beiden Seiten ist eine Liste unterstützter Spiele; es gibt keine solche Liste, und kein Spiel wartet darauf, auf sie zu kommen.

Eine Anmerkung zum Hochladen als Alternative

Die meisten Werkzeuge, die einen Stream für einen bewerten, arbeiten auf ihren eigenen Servern: die Session wandert auf deren Maschinen, wartet dort in einer Schlange hinter den Sessions anderer Leute, und bezahlt wird in einem laufenden Abo. Manche holen sich ein veröffentlichtes Twitch-VOD über den Link, das spart die Übertragung. Die lokale OBS-Aufnahme, zu der diese Anleitung rät, liegt nicht bei Twitch, also geht die selbst hoch, und bei einer dreistündigen Session sind das rund 8 GB nach oben, bevor überhaupt etwas verarbeitet wird. Über einen normalen Hausanschluss kann allein dieser Upload länger dauern als der lokale Durchlauf, den er ersetzen sollte. So oder so liegt am Ende das Rohmaterial, Rage-Momente inklusive, auf der Platte von jemand anderem.

Lokal zu rechnen erkauft das mit dem Verzicht auf diese Bequemlichkeit. Es gibt keinen Browser-Tab und keinen Weg über das Handy, und die Hardware muss da sein. Dafür verlässt nichts die Platte, bezahlt wird einmal, und zwischen dem Start und dem Ergebnis steht keine Warteschlange. Das Argument für den Einmalkauf und ein direkter Vergleich mit einem Cloud-Werkzeug gehen beide tiefer auf diesen Tausch ein.

Schritt 4: die sortierte Liste lesen wie ein Cutter

Zehn Minuten einplanen. Das ist der einzige Teil des Ablaufs, der wirklich einen Menschen braucht.

Von jedem der vorderen Kandidaten zuerst die ersten zwei Sekunden ansehen. Dieser Anfang kauft die restliche Laufzeit frei; ein Clip, der auf einer Nachladeanimation beginnt, ist tot, egal wie gut Sekunde neun ist. Liegt die Auflösung zu tief, den Start eher nach hinten schieben als nach vorn. Der Wunsch, eine Grenze weit zu verschieben, heißt meistens, dass der Moment falsch gelesen wurde; ehrlicher ist dann, den Clip fallen zu lassen und den nächsten aus der Liste zu nehmen, statt ihn von Hand zu retten.

Streng aussortieren. Aus einer dreistündigen Session sucht man drei Treffer, nicht fünfzehn. Die üblichen Fehlgriffe erkennt man schnell, wenn man sie einmal kennt: ein lauter Tod, der wie ein Kill aussieht, eine lange Bauphase, die nur wegen der schieren Betriebsamkeit hoch bewertet wurde, eine Ingame-Zwischensequenz, die gar kein eigenes Gameplay ist. Die drei nehmen, den Rest im Ordner lassen.

Schritt 5: was zuerst rausgeht

Der bestplatzierte Clip geht zuerst raus, am selben Tag wie die Aufnahme. Frische wiegt schwerer als eine clevere Reihenfolge, und der stärkste Clip entscheidet darüber, ob der Kanal mit dem nächsten überhaupt noch ausgespielt wird. Das Beste nicht für Freitag aufheben.

Den Rest dann strecken. Eine Session mit drei Treffern deckt fast eine ganze Woche ab, wenn täglich einer rausgeht. Hochkant im Format 9:16 mit fest eingebrannten Untertiteln ist das Format für TikTok und YouTube Shorts, denn bei stummem Ton kommt der Anlauf nur über die Untertitel an.

Ein Rhythmus, der bei zwei Streams pro Woche funktioniert: dienstags und freitags aufnehmen, den Durchlauf direkt nach dem Stream starten, die Liste am nächsten Morgen beim Kaffee durchgehen, täglich einen Clip posten. Das sind sechs oder sieben Shorts pro Woche aus Material, das ohnehin entstanden ist, ohne einen einzigen Abend in der Timeline.

Wie lange jeder Schritt wirklich dauert

1. Die Datei beschaffen: 0 bis 30 Minuten. Null, wenn OBS sie längst geschrieben hat, bis zu einer halben Stunde für den Download einer dreistündigen Übertragung von Twitch.
2. Die toten Enden kappen: 2 Minuten. Optional, und es zahlt sich in Rechenzeit wieder aus.
3. Der Bewertungsdurchlauf: 2 bis 5 Stunden, unbeaufsichtigt. Auf einer GPU der Klasse RTX 3060 bei drei Stunden Quellmaterial. Längere Quellen skalieren ungefähr mit der Länge.
4. Die sortierte Liste durchsehen: 10 Minuten. Der einzige Schritt, der Aufmerksamkeit verlangt.
5. Veröffentlichen: 5 Minuten. Die Untertitel sind schon eingebrannt, es bleiben ein Titel und ein Tippen.

Unterm Strich rund zwanzig Minuten eigene Arbeit pro Session. Der alte Weg, eine dreistündige Timeline nach denselben drei Clips abzusuchen, liegt eher bei neunzig Minuten und findet weniger davon, weil die Konzentration irgendwo um Minute vierzig nachlässt und die letzte Stunde des VODs nur noch überflogen wird.

Was dafür nötig ist

Wer lokal rechnet, hat echte Anforderungen. Windows 10 oder 11, eine NVIDIA-GPU mit 6 GB VRAM und CUDA (RTX 2060, 3050 8GB, 4050 oder besser, empfohlen sind 10 GB und mehr), 8 GB RAM, empfohlen 16 GB, und 30 GB freier Plattenplatz. GPUs von AMD und Intel Arc werden nicht unterstützt, eine Version für macOS oder Linux gibt es nicht. Wenn das den eigenen Rechner ausschließt, ist ein Browser-Werkzeug die ehrliche Antwort, und die Übersicht über Clipping-Software stellt genau die vor.

Und wenn die Sorge eher der Framerate während des Streams gilt als der Zeit danach: Clippen ohne FPS-Einbruch zeigt, wo diese Kosten anfallen. Geht es darum, dass Material den Rechner verlässt, hilft die Seite zum Offline-Clip-Maker weiter: Sie beschreibt, was lokal bleibt und was nicht.

Fragen, die wirklich gestellt werden