KI-Soundtrack-Generator für Videos

Veröffentlicht im November 2026 · Aktualisiert am 5. November 2026

Laden Sie ein beliebiges Video hoch, und ein KI-Komponist schreibt, spielt und mischt einen originalen Soundtrack, der auf den Schnitten des Videos sitzt.

Ihre erste Filmmusik ist kostenlos: Registrieren Sie sich mit einer bestätigten E-Mail-Adresse, und sie geht auf uns, bis zu 300 Credits.

So vertont

Im Studio vertont, nichts von Hand nachbearbeitet. Das ganze Showreel.

Doseedo ist ein KI-Soundtrack-Generator für Videos in Ihrem Browser: Laden Sie ein beliebiges Video hoch, und ein KI-Komponist sieht es sich an, schreibt, spielt und mischt dann einen originalen Soundtrack, der auf den Schnitten sitzt. Jede Stimme ist ein eigener nativer Stem mit ihrem MIDI, sodass sich eine Stimme, ein Takt oder ein Cue ändern lässt, ohne den Rest neu zu generieren, und das Video kommt vertont zurück, mit einem Printmaster, einem M&E und einem Cue-Sheet, und mit Pro mit einer bearbeitbaren Logic Pro-, Ableton Live- oder REAPER-Session. Lieber Ihr eigener KI-Agent? Derselbe Ablauf läuft über MCP in ChatGPT oder Claude. Ein Trailer, ein Vlog, ein Werbespot, eine Spielaufnahme, ein Kurzfilm: Der Soundtrack wird für dieses Video geschrieben, nicht aus einer Library ausgewählt.

So funktioniert Video zu Musik hier

1. Es sieht sich das Video an. Jeden Schnitt bildgenau, jeden Szenenwechsel (eine Blende, ein Übergang, ein neuer Ort), wie schnell sich die Kamera bewegt und wo gesprochen wird. Ein Storyboard des ganzen Videos geht mit den Bildern jeder Szene an den Komponisten.
2. Es legt die Cues fest. Wo Musik beginnt und endet, im SMPTE-Timecode, und die Momente, die die Musik treffen sollte.
3. Es schreibt die Musik als Noten, Stimme für Stimme, auf einer Tempokarte, die jeden Hit auf einen Downbeat legt.
4. Es spielt jede Stimme einzeln. Instrumentenmodelle, trainiert auf echten Aufnahmen, eines pro Stimme, und jede Stimme wird an ihren Noten geprüft.
5. Es mischt und legt die Musik zurück auf das Video, unter der Sprache abgesenkt und auf Web-, Streaming- oder Broadcast-Lautheit normalisiert.

Native Stems, kein getrennter Mix

Die meisten Video-zu-Musik-Tools liefern einen einzigen gemischten Track. Manche können ihn danach in ein paar Gruppen aufteilen, etwa Schlagzeug, Bass und den Rest, indem sie ein Separationsmodell über den Mix laufen lassen. Hier wird nichts getrennt: Jede Stimme wird für sich geschrieben und gespielt, deshalb kommt sie als eigener, sauberer Stem mit ihren eigenen Noten an. Das verändert, was eine Überarbeitung kostet.

Welche Tools was liefern, steht im Vergleich, nach der eigenen Dokumentation jedes Herstellers.

Jedes Video

• Bis zu 2 GB pro Upload, als MP4, MOV, M4V, WebM oder MKV, aus jedem Schnittprogramm oder vom Smartphone.
• Lange Videos werden pro Durchgang in bis zu acht Cues vertont, dort, wo das Bild Musik am meisten braucht; weitere können Sie danach anfordern.
• Ein Video mit vorhandener Musik wird zuerst in Sprache, Musik und Effekte aufgeteilt, damit der neue Soundtrack die alte Musik ersetzen kann und die Sprache erhalten bleibt. Siehe Musik in einem Video ersetzen.
• Sound wählen oder beschreiben: Orchester, Werbung / Marke, Animation, Fantasy, Thriller, Horror, Sci-Fi, Action, Drama, Dokumentarfilm, Komödie, Western, Noir, Stummfilm, Trailer.

Was Sie zurückbekommen

• Der vertonte Film: Ihr Bild, unverändert kopiert, mit dem neuen Soundtrack (MP4 mit AAC 320k oder ein MOV mit 24-Bit-PCM, wenn Sie ein MOV geschickt haben).
• Der Printmaster: der ganze Mix als WAV mit 24 Bit und 48 kHz, normalisiert auf die Auslieferungslautheit, die Sie wählen (Web −16, Streaming −14 oder Broadcast −23 LUFS), mit dem True Peak unter dem Limit.
• Ein M&E: Musik und Effekte ohne Dialog, für eine Synchronfassung oder einen Trailer.
• Dialog-, Musik- und Effekt-Stems, wenn Ihr Film einen eigenen Soundtrack hatte.
• Der Mix jedes Cues und jede Stimme als eigener nativer Stem (als eigener Render gespielt, nie aus einem Mix getrennt), mit dem MIDI, aus dem sie gespielt wurde, auf einer Timeline, die Sie weiter bearbeiten können.
• Ein Logic Pro-, Ableton Live- oder REAPER-Projekt der gesamten Musik, über die Schaltfläche Session exportieren in der Auslieferung, mit Pro (ohne zusätzliche Credits): jeder Cue auf einer gemeinsamen Timeline an seiner Zeitposition mit einem Marker, jede Stimme als Spur mit ihrem Audio in Pegel und Panorama des Mixes und mit ihrem MIDI, auf der Tempokarte des Films. In Logic Pro und REAPER liegt der Film selbst auf einer Videospur.
• Ein Music-Cue-Sheet (CSV): Ein- und Aus-Timecode jedes Cues, seine Länge und seine Nutzungsart, so wie er im Film platziert wurde, bereit für ein Festival, einen Sender oder Ihre Verwertungsgesellschaft.

Was es kostet

Ihre erste Filmmusik ist kostenlos. Ein kostenloses Konto mit bestätigter E-Mail-Adresse erhält für seine erste Filmmusik einmalig 300 Credits, zusätzlich zu den 120 pro Monat, und der Komponist plant diese Musik so, dass sie in dieses Guthaben passt, sodass ein langer Film dort vertont wird, wo es am meisten zählt.

Danach bleiben das Ansehen des Films, das Mischen und die Auslieferung kostenlos. Die Einspielungen verbrauchen Credits wie jeder Render auf Doseedo: 10 Credits pro 30 Sekunden Musik für jede Gruppe von bis zu sechs Stimmen und pauschal 20, um den eigenen Soundtrack des Films aufzutrennen. Die Kompositionsarbeit wird in Credits zum Selbstkostenpreis berechnet. Eine einminütige Szene mit mittelgroßem Orchester kostet für die Einspielungen meist 60 bis 140 Credits; mit der Kompositionsarbeit schätzt das Panel dafür insgesamt 260 bis 750 Credits, und diese Schätzung fällt eher zu hoch aus. Das Panel zeigt die Schätzung für Ihren Film, bevor Sie beginnen, neben Ihrem verbleibenden Guthaben.

Die kostenlose Filmmusik ist der Film: das vertonte Video, der Printmaster, das M&E und das Cue-Sheet. Die Einzelteile, also jede Stimme als eigener Stem mit ihrem MIDI und die Logic Pro-, Ableton Live- oder REAPER-Session, gibt es mit Pro.

Ein kostenloses Konto erhält 120 Credits pro Monat. Pro kostet 12 $ pro Monat mit 2.000. Was Sie erstellen, gehört Ihnen, soweit das Recht es zulässt (Nutzungsbedingungen §6.3).

Die Grenzen, ehrlich gesagt

• Rein instrumental. Keine Songs, kein Gesang.
• Instrumentenmodelle, kein Studioorchester. Sie sind auf echten Aufnahmen trainiert, und jede Stimme wird an ihren Noten geprüft, aber ein Live-Orchester auf einer Scoring-Bühne ist etwas anderes, und ein kritisches Ohr hört das bei exponierten Soli.
• Es sieht das Bild, nicht die Handlung. Der Komponist liest die Keyframes, um zu entscheiden, worum es in einer Szene geht; erst Ihre Vorgaben und die Hits, die Sie markieren, sagen ihm, worauf es ankommt.
• Bis zu 25 Minuten pro Durchgang. Einen längeren Film vertont es Rolle für Rolle, jede Rolle als eigenen Film, und seine Themen werden nicht von einer Rolle in die nächste übernommen.
• Lange Filme werden pro Durchgang in bis zu acht Cues vertont, nämlich in denen, die das Bild am dringendsten braucht. Weitere können Sie danach anfordern.
• Das Auftrennen eines dichten Soundtracks ist nicht perfekt. Wenn die alte Musik ersetzt wird, kann ein Teil ihrer Perkussion in den Effekten bleiben, etwa 10 dB leiser.

Verwandte Themen

• KI-Filmmusik-Generator
• Musik zu einem Video hinzufügen
• Filmmusik mit Stems und DAW-Session
• Die beste KI für Filmmusik