Auf Algebra i Spółka schreiben sich die Lösungen der Aufgaben mit Kreide an eine Tafel, und ein Sprecher liest sie Schritt für Schritt vor. Aus denselben Animationen mache ich Videos für YouTube und kurze Reels für Facebook. Das klingt einfach, aber bis dahin habe ich sieben Monate gebraucht. In diesem Beitrag geht es vor allem um das, was unterwegs nicht geklappt hat, denn davon gab es mehr als von dem, was funktioniert hat.
Februar: Veo und Drehbücher auf Vorrat
Das erste Video auf der Startseite war eine gewöhnliche Aufnahme, die ich auf YouTube hochgeladen hatte. Ende Februar wollte ich weiter gehen und habe Drehbücher zu 95 Mathematikthemen vorbereitet. Zu jedem Thema entstanden drei Dateien: das Drehbuch, eine Beschreibung der Einstellungen für Veo, den Generator von Google, der allein aus Text ein Video macht, und ein Folienplan für eine Präsentation. Mit Veo habe ich ein wenig experimentiert, aber keines dieser Videos ist am Ende auf der Seite gelandet.
Frühjahr: Animationen aus Code
Im April bin ich die Sache von der Programmiererseite angegangen und habe zu Manim gegriffen, einem Werkzeug, in dem man mathematische Animationen erstellt, indem man ein Programm schreibt. Darauf habe ich einen Generator gebaut: Eine KI schrieb das Drehbuch der Animation, Manim machte daraus Bilder, und eine Computerstimme von Google las den Text vor. Zwei Tage später entstand eine einfachere Version ohne Manim, die auf schlichten Folien mit Diagrammen beruhte, und im Juni habe ich beide aus dem Projekt geworfen.
Dann war Remotion an der Reihe, ein Werkzeug, in dem man ein Video ähnlich wie eine Webseite aus Bausteinen zusammensetzt. Die erste Animation mit einem Lehrer, gezeichnet im Stil von South Park, verschwand noch am Tag ihrer Entstehung wieder aus den Videos, und an ihre Stelle kam erneut eine gewöhnliche Aufnahme. Die Figur selbst blieb, denn aus ihr wurde das Maskottchen dieser Seite. Nützlich war Remotion trotzdem, nur an anderer Stelle: Ich habe damit zehn Reels für Panel Biznesu gemacht, auf Polnisch und auf Deutsch, und für die Werbung des Panels mehrere Computerstimmen getestet.
Juli: PowerPoint, Canva und NotebookLM
Im Juli bin ich zu den Folien zurückgekehrt, diesmal ernsthaft. Die Reels habe ich als PowerPoint-Präsentationen angelegt und als Video gespeichert, zuerst auf einem Umweg über ein anderes Büroprogramm, später direkt aus PowerPoint unter Windows. Ich habe auch versucht, sie nach Canva zu übertragen.
In derselben Zeit hat mir NotebookLM, das Notizen-Werkzeug von Google, aus meinen Notizen eine Präsentation von einigen Minuten mit Erzählstimme gemacht. Das geht schnell, aber es ist nicht meine Stimme, und pro Konto gilt ein Tageslimit. Die Videoversion, die auf Veo aufbaut, verlangt den teuersten Tarif, und auf ein einziges Video wartet man eine halbe Stunde.
Gesprochen hat in diesen Reels meine eigene Stimme, geklont im Dienst KikiVoice. Ein Text durfte dort höchstens zweitausend Zeichen lang sein, vor jeder Aufnahme musste man beweisen, dass man kein Roboter ist, und die fertige Datei verschwand nach etwa einer halben Stunde. Trotzdem habe ich auf diese Weise einen ganzen Prüfungsbogen, die Grundkurs-Matura aus dem Nachtermin im Juni 2026, von Hand vertont, Schritt für Schritt.
August: der Browser als Kamera
Die Lösung kam aus einer ganz anderen Richtung. Ende Juli habe ich die ersten Prüfungsbögen gebaut, die sich von selbst lösen. Das ist kein Video, sondern eine Webseite, auf der die Lösung Zeichen für Zeichen mit Kreide geschrieben wird. Daraus entstand die Idee, die bis heute trägt: Eine Szene des Videos ist eine gewöhnliche Webseite, und der Browser nimmt sie Bild für Bild auf.
Am 1. August habe ich das YouTube-Video auf der Startseite durch sieben Szenen ersetzt, die wie eine gewöhnliche Webseite gebaut sind und nur einen Bruchteil des Videos wiegen: ein paar Kilobyte statt mehrerer Dutzend Megabyte. Zwei Tage später hatte ich eine eigene Engine, also ein Programm, das eine solche Szene öffnet und als Videodatei speichert.
Diese Methode hat einen Vorteil, der allen früheren fehlte: Um ein Video zu korrigieren, ändere ich den Text, statt alles neu zu schneiden. Ein Reel von 22 Sekunden ist in etwa anderthalb Minuten fertig. Für einen ganzen Prüfungsbogen, also 45 bis 60 Minuten Video, braucht der Computer 30 bis 40 Minuten, wobei sich die Arbeit auf vier parallele Aufgaben verteilt.
September: die Stimme
Als das Bild stand, blieb noch der Sprecher, und der hat mich die meiste Zeit gekostet. Mitte September habe ich den kostenlosen Computersprecher von Microsoft getestet, der sehr schwach klang, und Chatterbox, einen Stimmklon, der auf meinem eigenen Rechner lief und noch schlechter abschnitt. Entschieden habe ich mich für Fish Audio, einen Dienst mit Computerstimmen. Nach meiner damaligen Berechnung hätte die Vertonung der ganzen Aufgabensammlung dort etwa 130 Złoty gekostet und bei ElevenLabs etwa 520 Złoty, am Ende habe ich aber nichts bezahlt, weil sich herausstellte, dass Fish Audio einen kostenlosen Testzugang anbietet. Um eine Vorstellung vom Umfang zu geben: Allein der Bogen vom Mai 2026 besteht aus 190 einzelnen Aufnahmen und 45 Minuten Sprache.
Gelesen werden die Aufgaben von einer der fertigen Stimmen. Eigentlich wollte ich meine eigene, aber diesmal war das Klonen schwieriger, als es aussah, denn die geklonte Stimme vertauschte Silben und zog manchmal Laute in die Länge. Im Weg stand dabei ausgerechnet das Polnische.
Danach ging es an die Aussprache. Der Sprecher stolperte über Ziffern und Formeln, deshalb schreibe ich die Mathematik vor der Aufnahme in Wörter mit polnischer Beugung um. Er verdrehte Wörter wie „tablica“ (Tafel) und „iloczyn“ (Produkt) und bekam darum ein Aussprachewörterbuch. Weil die Szenen Sätze mittendrin abschnitten, wartet inzwischen jede Szene, bis der Sprecher fertig ist. Zum Schluss hört ein Spracherkennungsprogramm jede Aufnahme ab, schreibt sie zurück in Text und vergleicht ihn mit dem, was gesagt werden sollte.
In den letzten Tagen tauchte ein Problem auf, das mir vorher entgangen war. In den neuen Reels habe ich abgeschnittene Wörter und einen schwachen Akzent gehört und deshalb alle elf geplanten Beiträge von Facebook genommen. Die Messung bestätigte es: Bei neun von elf Reels lag ein Schnitt mitten in einem Wort, und die um ein Viertel beschleunigte Sprache verdarb den Klang der Stimme. Seit dieser Korrektur kommt ein Reel nur noch auf Facebook, wenn es die automatische Sprecherkontrolle besteht, also normales Tempo, Schnitte ausschließlich in der Stille und eine gleichbleibende Lautstärke. Vor den Korrekturen hat kein einziges Reel sie bestanden. Danach bestehen sie alle.
Was geblieben ist
Von diesen sieben Monaten sind drei Dinge geblieben, alle aus derselben Engine: animierte Lösungen auf der Seite, Videos mit Aufgaben und Reels. Auch das Video, in dem ich Algebra vorstelle, stammt daraus. Bevor ich den Sprecher dafür ausgewählt habe, habe ich mir vier angehört. Drei Aufgaben aus der Matura 2026 kann man auf der Seite von Algebra ansehen, und die animierten Bögen öffnen sich ohne Konto auf algebraispolka.pl.