Anfangs- und Endstille
Jede Datei braucht am Anfang und am Ende eine kurze Stille. Handelsübliche Player schneiden zwischen Dateien ohne Pause, dadurch wird sonst die erste Silbe des nächsten Kapitels abgeschnitten und der Schnitt ist hörbar. Author's Republic akzeptiert eine bis fünf Sekunden, ACX verlangt am Anfang eine halbe bis eine Sekunde, hinten etwas mehr – also etwa eine Sekunde am Anfang passt für beide.
Es muss Raumklang aus deiner Sprecherkabine sein, nicht digitale Stille. Eine Strecke von absolutem Nullwert ist als „Loch“ hörbar, und der Hörer merkt, wie der Raum verschwindet und zurückkehrt. Vier der fünf Punkte im Ablehnungsbericht, der dieses Tool auslöste, betrafen fehlende Anfangs- oder Endstille. Fast immer lag es daran, dass ein Editor auf das erste Wort zusammenschneidet und das Puffer nicht wieder ergänzt.
Lautstärke und was 23 bis 18 dB RMS bedeutet
RMS ist der Durchschnittspegel über die Zeit – näher an dem, wie laut das Buch insgesamt wirkt, als am lautesten Moment. Aggregatoren halten jedes Buch in einem engen Bereich von 23 bis 18 dB, damit Hörer beim Wechsel nicht zum Lautstärkeregler greifen müssen. Masterst du lauter, klingt das Buch hart. Leiser, und es verschwindet im Fahrgeräusch.
Dieses Tool misst RMS wie Audacity und das ACX Check-Plugin: eine Vollpegel-Rechteckwelle ergibt 0 dB. Das ist wichtig, denn eine andere verbreitete Konvention liest etwa 3 dB höher und der ganze akzeptierte Bereich ist nur 5 dB breit – die falsche Konvention setzt die meisten Dateien über die Grenze. Es misst auch nur den gesprochenen Teil des Tracks und ignoriert Stille am Anfang und Ende, die sonst den Durchschnitt senken und einen Fehler melden würden, wo keiner ist.
Spitzenpegel und warum 3,5 dB sicherer sind als 3
Der Peak ist das lauteste einzelne Sample in der Datei. 3 dB lässt Reserve, damit spätere Verarbeitung (wie Rekodierung oder Lautstärkeregelung auf dem Handy) die Datei nicht übersteuert. MP3-Encoding erzeugt oft einen kleinen Überschwinger, sodass eine in Deiner DAW auf exakt 3,0 dB begrenzte Datei nach dem Dekodieren schon leicht darüber liegt. Begrenze auf 3,5 dB, dann hast du Spielraum.
Grundrauschen und warum 60 dB die Grenze sind
Das Grundrauschen ist, wie laut dein Raum ist, wenn niemand spricht: Ventilatoren, Klimaanlage, der Kühlschrank im Nebenraum, Verkehr, das Brummen deines Vorverstärkers. Bei 60 dB oder weniger bleibt es unterhalb der Wahrnehmungsschwelle des Hörers. Darüber wird es zu einem Rauschen, das beim Aufsetzen der Kopfhörer sofort hörbar ist, und verstärkt sich, wenn der Hörer in leisen Passagen die Lautstärke erhöht.
Nimm etwa zehn Sekunden in deiner Sprecherkabine ohne Sprache auf, benutze dafür dasselbe Mikrofon, denselben Vorverstärker und denselben Gain wie beim Buch. Lade die Aufnahme dann in das Room-Tone-Feld oben. So erhältst du eine genaue Messung statt einer Schätzung und das Tool kann den Raumton mit den leisen Momenten in deinen Kapiteln vergleichen. Sind die Pausen lauter als dein Raumton-Sample, lief beim Take etwas, das bei der Raumtonaufnahme nicht war. Das ist aus einer Ablehnungsbenachrichtigung schwer zu erkennen, da der Raumton selbst sauber ist und die Takes trotzdem abgelehnt werden.
Bitrate, Abtastrate und konstante Bitrate
44,1 kHz bei 192 kbps oder mehr ist das Mindestmaß für Qualität. Eine konstante Bitrate ist wichtig, weil variable Bitraten das Suchverhalten mancher Abspielgeräte beeinträchtigen können, sodass ein Hörer beim Vorspulen zu einem Kapitel mitten im Text woanders landet. Die Bitrate muss außerdem in allen gelieferten Dateien identisch sein, was schwer zu erkennen ist: Ein 256 kbps-Kapitel zwischen lauter 192 kbps-Dateien sieht und klingt erst mal normal, fällt aber erst bei der Ablehnung auf.
192 kbps ist zudem die einzige Bitrate, bei der ein maximallanges Kapitel die Dateigrößenbeschränkung einhält. 110 Minuten bei 192 kbps ergeben etwa 158 MB und liegen unter dem 170-MB-Limit. Dasselbe Kapitel bei 256 kbps wären ca. 211 MB und scheitert an der Größe, auch wenn die Bitrate stimmt.
Mono oder Stereo, aber nicht gemischt
Beides ist erlaubt, aber nicht im selben Buch. Wechselt der Hörer von einem Mono- zu einem Stereo-Kapitel, verändern sich Position und Pegel der Stimme, was selbst bei gleichem Material wie ein Fehler wirkt.
Die Hörprobe und die Fünf-Minuten-Falle
Die Hörprobe muss zwischen einer und fünf Minuten lang sein – und genau an dieser Grenze scheitern viele Dateien. Prüfprogramme geben die Dauer in vollen Sekunden an, sodass eine Datei, die bis auf etwa eine halbe Sekunde an 5:00 heranreicht, als 300 Sekunden erkannt und wegen Überschreitung abgelehnt wird. Genau 5:00 sind ohnehin nicht erreichbar: MP3-Frames bestehen aus 1152 Samples, bei 44,1 kHz trifft keine ganze Framezahl exakt 300,000 Sekunden. Plane am besten mit 4:50 und das Problem tritt gar nicht erst auf.
Coverbild
2400 × 2400 Pixel, RGB, JPG, unter 5 MB und ein Dateiname nur aus Buchstaben und Zahlen. Ein Cover aus dem Drucklayout ist oft CMYK – auf deinem Rechner problemlos, aber beim Konvertieren durch den Aggregator verändern sich die Farben. Die Dateinamenregel ist schlicht, aber genauso ausschlaggebend: Leerzeichen und Zeichen stören den Import, daher wird My Book Cover (final).jpg abgelehnt, während MyBookCoverfinal.jpg direkt akzeptiert wird.
Was dieses Tool nicht prüft
Es liest die technischen Eigenschaften Ihrer Dateien. Es kann nicht erkennen, ob der erste Track Titel und Autor nennt, ob die Erzählung dem Manuskript entspricht, ob ein Kapitel falsch bezeichnet ist oder ob die Performance gut ist. Jeder Aggregator prüft diese Dinge manuell. Dieses Tool erfasst die technischen Fehler: Ablehnungen, die Wochen kosten und sich in zehn Minuten beheben lassen.
