Zurück zum Blog

Hintergrundgeräusche aus Video entfernen: 4 Methoden

Hintergrundgeräusche aus Video entfernen mit FFmpeg, Audacity, Schnittprogramm oder Sablate, ohne die Stimme zu zerstören: was jede Methode entfernt und kostet.

21. November 2026
Sablate Team

Um Hintergrundgeräusche aus einem Video zu entfernen, schickst du die Tonspur durch eine Rauschunterdrückung und setzt den gesäuberten Ton neben das unveränderte Bild. FFmpeg und Audacity erledigen das kostenlos, Schnittprogramme haben ein Ein-Klick-Werkzeug, und Sablate macht es beim Export. Der Haken ist die Stimme: Drehst du eines davon zu stark auf, verschwinden leise Wörter zusammen mit dem Geräusch.

Hintergrundgeräusche meint hier den Klang unter der Sprache: ein Lüfter, eine Klimaanlage, ein Café, Verkehr, das Brummen eines Raums. Dieser Ratgeber zeigt vier Wege, es zu entfernen, wofür jeder taugt, und die Zahlen aus unserem eigenen Test: wie viel Geräusch jede Methode entfernt und wie viel Sprache sie dabei mitnimmt.

Warum ruiniert das Entfernen von Geräuschen manchmal die Stimme?

Jede Rauschunterdrückung trifft dieselbe Entscheidung tausende Male pro Sekunde: Ist der Klang in diesem Zeitabschnitt und diesem Frequenzband Stimme oder Geräusch? Was sie als Geräusch einstuft, wird leiser gedreht. Die Methoden unterscheiden sich darin, wie sie entscheiden.

Die klassischen lernen, wie das Geräusch klingt, und ziehen es ab. Audacity verlangt von dir ein Geräuschprofil, ein paar Sekunden ohne Sprache; der afftdn von FFmpeg schätzt eines laufend. Das funktioniert gut, wenn das Geräusch gleichmäßig ist, etwa ein Lüfter oder Bandrauschen, weil das Profil auch eine Minute später noch passt. Bei veränderlichen Geräuschen wie Stimmengewirr im Café oder einem vorbeifahrenden Auto funktioniert es schlecht, weil das Profil nicht mehr passt. Drehst du die Stärke zum Ausgleich hoch, klingt die Stimme wässrig, mit leisen schwirrenden Tönen dort, wo vorher das Geräusch war.

Die neueren sind neuronale Netze, trainiert mit vielen Stunden Sprache und Geräuschen. Statt ein Profil abzuziehen, sagen sie Frame für Frame voraus, wie viel jedes Bands Stimme ist. Mit bewegten Geräuschen kommen sie weit besser zurecht. Ihr Fehler ist ein anderer: Ein Wort, das leise, gehaucht oder weit vom Mikrofon entfernt gesprochen ist, sieht einem Geräusch sehr ähnlich, und ein Modell mit voller Stärke entfernt es. Hörer beschreiben das als abgehackte Silben, einen Satz, dem das letzte Wort fehlt, oder ein Lachen, das in Stille übergeht.

Die Abhilfe ist in beiden Fällen dieselbe. Begrenze, wie weit ein Band abgesenkt werden darf, damit die leiseste Sprache erhalten bleibt, und hör dir vor dem Export immer eine Stelle an, an der die sprechende Person leise ist.

Die vier Wege, Hintergrundgeräusche aus einem Video zu entfernen

  1. Der Filter afftdn von FFmpeg: kostenlos, ein Befehl, das Bild wird unverändert übernommen. Am besten bei gleichmäßigen Geräuschen.
  2. Die Rauschminderung von Audacity: kostenlos, mit einem Geräuschprofil, das du selbst wählst. Der Ton muss aus dem Video heraus und wieder hinein.
  3. Das Rauschwerkzeug in deinem Schnittprogramm: ein Klick, wenn du dort ohnehin schneidest, mit sehr unterschiedlichen Ergebnissen von Programm zu Programm.
  4. Clean up voice in Sablate: eine neuronale Rauschunterdrückung, die auf deinem Rechner läuft, mit Vorher-nachher-Vorschau, angewendet auf die Video- oder Audiodatei, die du exportierst.

Methode 1: Der Filter afftdn von FFmpeg

FFmpeg ist das kostenlose Kommandozeilenwerkzeug, das viele Video-Apps im Hintergrund nutzen. Sein Filter afftdn ist eine klassische FFT-Rauschunterdrückung, und ein Befehl säubert die Tonspur und übernimmt dabei das Bild unverändert:

ffmpeg -i input.mp4 -af "highpass=f=80,afftdn=nr=12:nf=-50:tn=1" -c:v copy -c:a aac -b:a 192k output.mp4

Was die einzelnen Teile tun:

  • highpass=f=80 entfernt alles unterhalb von 80 Hz: Grollen, Tischstöße, Verkehrsbrummen. So tief liegt in einer Stimme fast nichts.
  • afftdn=nr=12 senkt das Geräusch um 12 dB, nf=-50 ist der Startwert für den Rauschpegel in dB (beides sind laut FFmpeg-Filterdokumentation die Standardwerte), und tn=1 lässt den Filter dem Geräusch folgen, wenn es sich ändert.
  • -c:v copy behält das Bild Bit für Bit; nur der Ton wird neu kodiert.

Erhöhe nr für mehr Reduktion und achte auf den wässrigen Klang, der zeigt, dass es zu weit ging. Bei einem gleichmäßigen Lüfter oder Rauschen reicht das oft schon.

Bei bewegten Geräuschen bringt er wenig. In unserem Test mit Café-, Büro- und Verkehrsgeräuschen hat afftdn den Wert für die Sprachqualität etwas angehoben und die Gesamtqualität auf dem alten Stand gelassen: kaum ein Unterschied zu hören. FFmpeg hat auch einen RNNoise-Filter, arnndn, der eine separate Modelldatei braucht; im selben Test hat er viel mehr Geräusch entfernt, aber die Stimme verzerrt und die Wortfehlerrate von Whisper stärker erhöht als alles andere, was wir probiert haben. Die Zahlen stehen in der Tabelle weiter unten.

Methode 2: Die Rauschminderung von Audacity

Audacity ist ein kostenloser Open-Source-Audioeditor für Windows, macOS und Linux. Sein Effekt Rauschminderung ist die klassische Profilmethode, bei der du jede Einstellung selbst steuerst. Audacity bearbeitet Audio, kein Video, deshalb braucht die Aufgabe drei Schritte.

Hole den Ton mit FFmpeg aus dem Video:

ffmpeg -i input.mp4 -vn -c:a pcm_s16le audio.wav

Säubere ihn in Audacity:

  1. Öffne audio.wav und markiere zwei oder drei Sekunden, in denen niemand spricht und nur das Geräusch zu hören ist.
  2. Öffne den Effekt Noise Reduction und klicke auf Get Noise Profile.
  3. Markiere die ganze Spur und öffne Noise Reduction noch einmal. Die Standardwerte sind 6 dB Reduktion, eine Empfindlichkeit von 6 und eine Frequenzglättung von 6 Bändern; beginne damit und klicke auf Preview.
  4. Ist das Geräusch leiser und die Stimme klingt noch natürlich, klicke auf OK und exportiere das Ergebnis als cleaned.wav.

Setze den gesäuberten Ton wieder neben das ursprüngliche Bild:

ffmpeg -i input.mp4 -i cleaned.wav -map 0:v -map 1:a -c:v copy -c:a aac -b:a 192k -shortest output.mp4

Das Profil ist Stärke und Schwäche zugleich. Bei einem Lüfter oder einer Klimaanlage entfernt es das Geräusch sauber. Das Audacity-Handbuch selbst sagt, der Effekt sei nicht geeignet für unregelmäßige Hintergrundgeräusche wie Verkehr oder Publikum, und wenn sich das Geräusch während der Aufnahme ändert, passt ein Profil nicht auf beide Hälften: Säubere die Teile getrennt.

Methode 3: Das Rauschwerkzeug in deinem Schnittprogramm

Ist das Video schon in einem Schnittprogramm geöffnet, ist dessen eigenes Rauschwerkzeug der kürzeste Weg. Alle großen Programme haben eines, und sie unterscheiden sich stärker, als ihre Namen vermuten lassen:

  • iMovie (Mac, kostenlos) hat ein Kontrollkästchen Reduce background noise mit einem Prozentwert: 0 % lässt den Ton unangetastet, 100 % ist das Maximum (Apples iMovie-Anleitung).
  • Final Cut Pro (Mac) hat Voice Isolation, das „menschliche Stimmen gegenüber anderen Teilen des Audiosignals bevorzugt“, und Background Noise Removal, jeweils mit einem Regler Amount (Apples Final-Cut-Pro-Anleitung).
  • Premiere hat Enhance Speech, jetzt in Enhance Audio, mit einem Regler Enhancement. Version 1 läuft auf deinem Rechner; Version 2 läuft in Adobes Cloud und verbraucht zwei generative Credits pro Minute. Ein Stereoclip kommt als Mono-Downmix heraus (Adobes Hilfe zu Enhance Speech).
  • DaVinci Resolve hat KI-gestütztes Voice Isolation in der kostenpflichtigen Studio-Version und ein Fairlight-Plug-in zur Rauschminderung, das das Geräusch aus einer Auswahl lernt (Blackmagics Seite zu DaVinci Resolve Studio).
  • CapCut hat einen Schalter Reduce noise. Die eigenen Seiten widersprechen sich beim Preis: Die Seite zum Online-Tool nennt es kostenlos, während CapCuts Pro-Seite für Windows und Mac Reduce noise unter den Pro-Funktionen aufführt.

Keines davon sagt dir in Zahlen, wie stark es gerade arbeitet. Behandle den Regler deshalb überall gleich: niedrig anfangen, eine Stelle abspielen, an der die sprechende Person leise ist, so weit hochdrehen, bis das Geräusch nicht mehr stört, und dort aufhören. Die neuronalen (Voice Isolation, Enhance Speech) verhalten sich wie die neuronalen Modelle in der Tabelle unten: weit besser bei Stimmen und Verkehr und die ersten, die bei voller Stärke ein leises Wort verschlucken.

Methode 4: Clean up voice in Sablate

Sablate ist eine Desktop-App für Windows und macOS, die Untertitel für ein Video erstellt, das du schon hast, und seit Version 1.3 kann sie auch die Stimme in dem säubern, was sie exportiert. Sie nutzt DPDFNet, eine neuronale Rauschunterdrückung, die in der App steckt und auf deinem Rechner läuft: Der Ton wird nicht hochgeladen, und das Rauschmodell braucht keinen zusätzlichen Download.

Die Schritte:

  1. Öffne das Video in Sablate. Es transkribiert die Sprache für die Untertitel aus dem Originalton.
  2. Öffne im Editor den Modus Voice und wähle eine Stärke. Light begrenzt die Reduktion auf 18 dB und erhält leise Sprache; damit fängst du an. Strong entfernt alles, was keine Sprache ist, auch Musik.
  3. Setze den Abspielkopf an eine ruhige Stelle der Sprache und hör hin: Sablate spielt zehn Sekunden wie aufgenommen und wie gesäubert ab, und du kannst zwischen beiden umschalten.
  4. Exportiere über das Menü Export. Der gesäuberte Ton landet im Video mit eingebrannten Untertiteln, im Video, das du mit dem Modus „Cuts“ geschnitten hast, in der .mkv mit zuschaltbaren Untertiteln oder in einer Audio file (.m4a) nur mit dem Ton.

Die gesäuberte Spur wird einmal pro Datei erstellt und wiederverwendet, drei Sprachen zu exportieren heißt also nicht, den Ton dreimal zu säubern. Auf unseren Testrechnern dauerte es etwa 10 Minuten pro Stunde Audio auf einem Ryzen 5 5600X und etwa 5 Minuten auf einem Apple M4, gemessen an einem 60-Sekunden-Clip.

Die Grenzen ganz offen: Sablate ist eine Untertitel-App. Brauchst du keine Untertitel, liegen Audacity oder dein Schnittprogramm näher. Es mindert Geräusche; Raumhall entfernt es nicht, und eine schlecht aufgenommene Stimme baut es nicht wieder auf. Eine Stereotonspur kommt mit derselben gesäuberten Stimme auf beiden Kanälen heraus. Der Free-Plan enthält Clean up voice; er braucht kein Konto und umfasst Videos bis zu zehn Minuten, drei Aufträge im Monat, die Modelle Fast und Balanced und eine Offline-Übersetzungsebene, und sein Burn-in trägt ein kleines Zeichen in der Ecke.

Wie viel Geräusch entfernt jede Methode, und was kostet sie?

Wir haben das gemessen, als wir das Modell für Sablate ausgewählt haben. Zwei saubere 30-Sekunden-Aufnahmen türkischer Sprache wurden mit drei Geräuschen aus dem öffentlichen DEMAND-Korpus gemischt (Cafeteria, Büro, Straßenverkehr), bei einem Signal-Rausch-Abstand von 5 dB, einem lauten, aber realistischen Hintergrund. Das ergibt sechs Clips pro Methode; die Werte sind Durchschnitte.

MethodeSprachqualität (PESQ)Verzerrungsfreies Signal (SI-SDR, dB)Gesamtqualität (DNSMOS, 1-5)Wortfehlerrate von Whisper
Keine Bearbeitung1,555,11,8926 %
FFmpeg afftdn1,783,51,9129 %
FFmpeg arnndn (RNNoise)1,86-1,22,3645 %
DeepFilterNet 32,0514,93,1042 %
DPDFNet, volle Stärke (Sablate Strong)2,2317,33,1937 %
DPDFNet, Begrenzung auf 18 dB (Sablate Light)2,1716,22,7423 %

PESQ und SI-SDR vergleichen den gesäuberten Clip mit der sauberen Aufnahme; höher ist besser. DNSMOS ist Microsofts Modell, das vorhersagt, wie ein Hörer den Clip bewerten würde, ohne das Original zu hören. Die Wortfehlerrate vergleicht Whispers Transkript jedes Clips, erstellt mit large-v3-turbo, mit seinem Transkript der sauberen Aufnahme. Wir haben den Test bei 0 und 10 dB wiederholt, und die Rangfolge blieb bestehen.

Zwei Dinge fallen auf. Die neuronalen Modelle gewinnen bei jedem Hörmaß mit großem Abstand: DeepFilterNet und DPDFNet heben das verzerrungsfreie Signal um 10 bis 12 dB an, während die beiden FFmpeg-Filter es kaum bewegen oder verschlechtern. Und mehr Säubern heißt nicht, dass die Wörter klarer werden. Säubern mit voller Stärke hat Whispers Wortfehlerrate von 26 auf 37 Prozent erhöht, weil die entfernten Wörter solche waren, die Whisper gehört hätte. Die begrenzte Fassung hat sie auf 23 Prozent gesenkt. Bei einer sauberen Aufnahme echter Sprache hat die volle Stärke ein Drittel der Wörter im Transkript verändert, indem ganze Wendungen wegfielen; die begrenzte Fassung hat keines verändert.

Zwei Aufnahmen in einer Sprache sind kein Benchmark, nimm die genauen Zahlen also als Anhaltspunkt. Die Richtung ist der nützliche Teil, und sie ist der Grund, warum Sablate die Untertitel aus dem Originalton erstellt und Light verwendet, solange du nichts anderes wählst.

Welche Methode solltest du verwenden?

„Es ist ein Clip mit gleichmäßigem Lüfter oder Rauschen, und ein Terminal stört mich nicht.“ Nimm afftdn von FFmpeg. Ein Befehl, das Bild bleibt unverändert.

„Das Geräusch ist durchgehend gleich, und ich will jede Einstellung selbst steuern.“ Nimm Audacity mit einem Geräuschprofil aus einer ruhigen Stelle.

„Ich schneide das Video ohnehin in einem Schnittprogramm.“ Nimm dessen eigenes Werkzeug: Reduce background noise in iMovie, Voice Isolation in Final Cut Pro oder DaVinci Resolve Studio, Enhance Speech in Premiere. Wenn das Stereobild wichtig ist, denk daran, dass Enhance Speech in Premiere Mono liefert.

„Im Hintergrund sind Stimmen, Verkehr oder Musik, oder ich erstelle Untertitel für das Video.“ Nimm Clean up voice in Sablate auf Light, hör dir eine ruhige Stelle an und wechsle nur auf Strong, wenn das Geräusch noch stört.

„Die sprechende Person ist leise oder weit vom Mikrofon entfernt.“ Nimm in jedem Werkzeug eine leichte Einstellung und prüfe vor dem Export die Satzenden: Sie sind das Erste, was eine starke Rauschunterdrückung entfernt.

So hältst du die Geräusche aus der nächsten Aufnahme heraus

Geräuschentfernung funktioniert am besten bei einer Aufnahme, die wenig davon brauchte. Stell das Mikrofon näher an die sprechende Person: Halbierst du den Abstand, wird die Stimme gegenüber dem Raum um etwa 6 dB lauter, mehr, als viele Rauschfilter ohne Nebenwirkungen entfernen. Schalte Lüfter und Klimaanlage während der Aufnahme aus, wenn du kannst. Nimm am Anfang fünf Sekunden Raumton auf, in denen niemand spricht; das gibt Audacity ein sauberes Geräuschprofil und dir eine Referenz zum Vergleichen.

Dann gewöhne dir zwei Dinge an. Transkribiere und untertitle aus dem Originalton, wie der Ratgeber zur Transkription erklärt, und säubere nur den Ton, den du auslieferst. Und hör dir vor dem Versand immer eine ruhige Stelle des gesäuberten Ergebnisses mit Kopfhörern an: Laptoplautsprecher verbergen genau die Artefakte, die die Zuschauer hören werden.

Braucht das Video neben einer saubereren Tonspur auch Untertitel, lade Sablate herunter und erledige beides in einem Export; der Free-Plan reicht, um es an einem Zehn-Minuten-Clip auszuprobieren.

Häufig gestellte Fragen

Wie entferne ich Hintergrundgeräusche aus einem Video kostenlos?

Nimm FFmpeg oder Audacity. Der Filter afftdn in FFmpeg säubert die Tonspur mit einem einzigen Befehl und übernimmt das Bild unverändert. Die Rauschminderung in Audacity lernt das Geräusch aus ein paar Sekunden ohne Sprache und entfernt es, aber du musst den Ton erst aus dem Video herausziehen und mit FFmpeg wieder einsetzen. Beide eignen sich am besten für gleichmäßige Geräusche wie Lüfterrauschen.

Klingt die Stimme durch Rauschunterdrückung schlechter?

Das kann passieren, wenn du zu stark eingreifst. Eine Rauschunterdrückung muss entscheiden, was Stimme und was Geräusch ist, und leise oder weit entfernte Wörter werden zuerst falsch eingeordnet. In unserem Test hat neuronales Reinigen mit voller Stärke die Wortfehlerrate von Whisper von 26 auf 37 Prozent erhöht, während dasselbe Modell mit einer Begrenzung auf 18 dB sie auf 23 Prozent gesenkt hat.

Kann ich Hintergrundgeräusche entfernen, ohne das Video neu zu kodieren?

Ja. Nur die Tonspur muss sich ändern, das Bild lässt sich Bit für Bit kopieren. In FFmpeg erledigt das die Option -c:v copy; Sablate kopiert das Bild ebenfalls, wenn es die .mkv mit zuschaltbaren Untertiteln schreibt. Exporte mit eingebrannten Untertiteln oder Schnitten kodieren das Bild ohnehin neu, dort kostet das Säubern des Tons nichts extra.

Sollte ich Geräusche entfernen, bevor ich ein Video transkribiere?

In der Regel nicht. Whisper kommt mit mäßigen Hintergrundgeräuschen zurecht, während aggressives Säubern leise Silben entfernt, die es sonst gehört hätte. In unserem Test wurde das ursprüngliche, verrauschte Audio besser transkribiert als die vollständig gesäuberte Fassung. Transkribiere das Original und säubere erst den Ton, den du exportierst, so macht es Sablate.

Wie entferne ich Lüfter- oder Klimaanlagengeräusche aus einem Video?

Lüfter- und Klimaanlagengeräusche sind gleichmäßig und damit am leichtesten zu entfernen. Nimm ein paar Sekunden Raumton ohne Sprache auf und verwende sie in Audacity als Geräuschprofil, oder nutze eine neuronale Rauschunterdrückung wie Clean up voice von Sablate auf Light. Ein Hochpassfilter bei etwa 80 Hz nimmt außerdem das tiefe Grollen unter der Stimme heraus.