Spleiße und Schnitte in jeder Audioaufnahme finden

Ein kostenloses Browser-Tool, das Spleißpunkte aufspürt — Stellen, an denen Audio geschnitten, verbunden oder bearbeitet wurde. Sechs forensische Detektoren (Spektralfluss, Grundrauschen-Wechsel, ENF-Phase, Tonhöhensprung, Klangfarbenwechsel, Sample-Klicks) stimmen über jede 50-ms-Spanne ab und liefern Kandidaten mit Millisekunden-Genauigkeit.

So erkennen Sie Spleiße

1

Audio- oder Videodatei hochladen (MP3, WAV, OGG, FLAC, M4A, AAC, MP4, WebM).

2

Warten Sie, bis die sechs Detektoren fertig sind — typischerweise 1–3 Sekunden für ein paar Minuten Audio.

3

Lesen Sie das Verdikt und den heuristischen Score; saubere Aufnahmen bleiben grün.

4

Prüfen Sie die Spektrogramm-Zeitachse auf rote Spleiß-Marker; klicken Sie auf einen Marker für 1,5 s Kontext.

5

Öffnen Sie "Warum wurde das markiert?" in jeder Spleiß-Karte, um zu sehen, welche Detektoren ausgelöst haben und warum.

6

Exportieren Sie TXT oder JSON, wenn Sie den Bericht für einen forensischen Workflow brauchen.

Jeden Schnitt und jede Bearbeitung in einer Aufnahme finden

✂️
Audio oder Video hochladen, um zu beginnen
MP3, WAV, OGG, FLAC, M4A, AAC, MP4, WebM
✂️
Suche nach Spleißen…
Heuristischer Score: 0% (heuristisch, nicht statistisch)
Wie funktioniert das?

Acht unabhängige Detektoren laufen auf einem einheitlichen 50-ms-Raster. Jeder wird relativ zur eigenen Statistik der Datei normiert (μ + k·σ) und mit Zuverlässigkeitsgewichten zu einem fusionierten Score kombiniert. Spitzen über der Schwelle werden als Spleißkandidaten extrahiert und im Umkreis von 250 ms zusammengeführt.

fused = Σ wᵢ · σᵢ(signalᵢ), splice_candidate = local_max(fused) ≥ 0,55

  • Spektralfluss — STFT-Änderung zwischen Frames
  • Wechselpunkt im Grundrauschen — Log-Verhältnis des 10. RMS-Perzentils
  • Klick — Spitze der zweiten Differenz vs. lokalem RMS
  • ENF-Frequenz + -Phase (50 / 60 Hz) — Quadraturdetektion plus parabolisch interpolierte FFT-Spitze; Sub-Hz-Präzision
  • Tonhöhe (F0) — Autokorrelation, Log-Verhältnis in stimmhaften Frames
  • MFCC — 26 Mel-Bänder, L2-Distanz über 13 Koeffizienten
  • Bikohärenz — normiertes Bispektrum, gemittelt über (f₁, f₂) ∈ [200 Hz, 2 kHz]
  • RIR-Proxy — Spätenergie-Verhältnis (50–200 ms nach Onset / Spitze) je 1-s-Fenster

Wenn ENF oder RIR fehlen (Outdoor-Aufnahmen, trockene Mischung, kontinuierliche Töne), wird ihr Gewicht proportional auf die übrigen Detektoren umverteilt, damit der fusionierte Score über Aufnahmetypen vergleichbar bleibt.

Referenzen: Grigoras (2007) ENF-Kriterium; Duxbury et al. (2003) Onset-Detection; Davis & Mermelstein (1980) MFCC; Nikias & Petropulu (1993) Higher-Order Spectra.

Spektrogramm-Zeitachse · zum Anhören klicken
1×
0:00.000 / 0:00
Erkannte Spleiße 0
Nur anzeigen:
🧪 Validierung im Browser

Synthetisiert eine Reihe von Testszenarien in Ihrem Browser und führt den Detektor auf jedem aus — so können Sie die veröffentlichten Metriken selbst überprüfen. Es werden keine Testdateien heruntergeladen — alles wird lokal über Web Audio erzeugt.

Funktionen

Sechs unabhängige Detektoren, gewichtet fusioniert Millisekunden-Präzision ENF-Phasenverfolgung (Grigoras 2007) Spektrogramm-Zeitachse mit Markern Transparente Methodik TXT- und JSON-Export

Häufige Fragen

Findet das Tool jeden Spleiß?

Kein Spleiß-Detektor findet jeden Spleiß. Ein erfahrener Cutter mit Crossfade, Raumton-Bett und passendem Mikrofon kann einen Schnitt vor jedem Algorithmus verstecken. Dieses Tool fängt Spleiße ein, die mindestens eines der sechs unabhängigen Signale stören — das deckt die große Mehrheit realer Bearbeitungen in Interviews, Podcasts und forensischen Aufnahmen ab, aber keine sorgfältig rekonstruierten Schnitte.

Warum sechs Signale statt nur einem?

Jedes Signal hat einen bekannten Fehlermodus. Spektralfluss erzeugt Fehlalarme bei perkussiven Transienten. Grundrauschen-Wechsel verpasst Spleiße zwischen ähnlichen Mikrofonen. ENF funktioniert nur in Innenräumen. Tonhöhensprünge zeigen nur Sprach-Spleiße an. Sechs unabhängige Detektoren zu kombinieren bedeutet, dass ein echter Spleiß meist mindestens zwei davon auslöst — und ein Fehlalarm fast nie mehr als einen.

Ist das ein statistisches Konfidenzniveau?

Nein. Der Prozentsatz ist ein gewichteter heuristischer Score, normiert auf die eigene Statistik der Datei, weder eine Wahrscheinlichkeit noch ein 95-%-Konfidenzintervall. Behandeln Sie ihn als schnelle Triage, nicht als Beweis vor Gericht — dafür braucht es Forensik-Profis.

Wird die Datei auf den Server hochgeladen?

Der Dateiinhalt wird nicht hochgeladen. Das Audio wird im Browser dekodiert, vom auf Ihrer CPU laufenden Detektor verarbeitet, und Spektrogramm sowie Zeitachse werden lokal gerendert. Es wird nur anonyme Telemetrie (Verdikt, Spleiß-Anzahl, Laufzeit — kein Audio) gesendet, damit wir Qualitätsregressionen verfolgen können.

Erkennt es KI-generierte Sprach-Spleiße?

Rein synthetisches Audio (kein Spleiß — End-to-End von einem TTS- oder Stimmklon-Modell erzeugt) ist das Feld unseres AI Detector. Dieses Tool sucht Spleißpunkte innerhalb oder zwischen Aufnahmen; wenn KI-Audio überhaupt bearbeitet wurde, ist genau dieser Schnitt das, was dieser Detektor erkennt.

Was ist die maximale Dateilänge?

Dateien bis zu 30 Minuten werden vollständig analysiert. Längere Dateien werden auf die ersten 30 Minuten beschränkt — Spleiße außerhalb dieses Bereichs werden nicht erkannt. Stellen Sie über den Link "Funktion vorschlagen" eine Anfrage, falls Sie längere Dateien benötigen.

💡 Sollen wir ein Tool speziell für Sie verbessern?

Machen wir — und zwar kostenlos! Schreiben Sie uns kurz Ihre Idee. Wenn Sie sie im Detail besprechen möchten, hinterlassen Sie eine E-Mail-Adresse, wir melden uns. Anonym geht auch.

Das könnte Ihnen auch gefallen

🎼 Audio zu Noten 🔍 Audio-Forensik 🔬 Audio-Inspector 🏷️ Audio-Metadaten-Editor 🛡️ Audio-Wasserzeichen 🎯 BPM- und Tonart-Finder

Wie bewerten Sie dieses Tool?

Danke für Ihre Bewertung!
Möchten Sie mehr sagen? Hinterlassen Sie einen Kommentar!
Danke! Ihr Kommentar erscheint nach der Moderation.
Veröffentlicht