Lied 1: Gag mit Stimmen (Lulu fragt, Pino antwortet, Erzähler lässt nachzählen) und Apfelbiss

- gesprochen.ts: Zeilen je Sprache; werkzeuge/liedstimmen.mts erzeugt sie mit ElevenLabs
  (gleiche Stimmen wie die Folgen) nach public/stimmen/lieder/<lied>/<sprache>/
- Ablauf des Gags richtet sich nach den Aufnahmen (zeiten.ts), Musik leiser beim Sprechen
- neues Geräusch apfel_biss

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>

remotion/src/baukasten/geraeusche.json

@@ -10,6 +10,7 @@
 	"hopser": {"sekunden": 1.5, "beschreibung": "Two tiny soft cartoon hops of a small hedgehog, light bouncy boing, cute."},
 	"giraffe_schritte": {"sekunden": 3, "beschreibung": "Slow, big but gentle footsteps of a large animal walking on soft grass, friendly cartoon feel."},
 	"apfel": {"sekunden": 1, "beschreibung": "Crisp snap of an apple stem being picked from a branch, small and clear."},
+	"apfel_biss": {"sekunden": 1, "beschreibung": "One crisp juicy bite into a fresh apple, cartoon style, short and clear, no voice."},
 	"strecken": {"sekunden": 2, "beschreibung": "Funny cartoon stretching sound, a long neck bending down slowly, soft comic creak, gentle."},
 	"schnuppern": {"sekunden": 1.5, "beschreibung": "Gentle cartoon sniffing of a flower, two soft sniffs, cute."},
 	"schnarchen": {"sekunden": 3, "beschreibung": "One tiny, cute, soft cartoon snore of a small sleepy hedgehog, with a gentle little whistle on the out-breath."},

remotion/src/lieder/lied01/Lied01.tsx

@@ -9,15 +9,15 @@ import {SCHRIFT} from '../../baukasten/untertitel';
 import {plane} from '../../baukasten/zeit';
 import {Karaoke} from '../karaoke';
 import {Noten} from '../lied03/Lied03';
-import {DAUER, ECHO, LIED, T, ZAHLEN, ZEILEN} from './zeiten';
+import {DAUER, ECHO, LIED, SPRUCH, T, ZAHLEN, ZEILEN} from './zeiten';
 
 // Liedvideo „Eins, zwei – Pino ist dabei!“ (Pinos Liederbuch, Lied 1, Zählen bis 10) – ENTWURF.
 // Ton je Sprache: Suno-Fassungen auf −14 LUFS in public/musik/lieder/lied01-<sprache>.mp3 (siehe zeiten.ts).
 // Sprache wie bei den Folgen: npx remotion render … Lied01 --props='{"sprache":"es"}'.
 // Bei jeder Zahl fliegt ein Apfel vom alten Apfelbaum in Pinos Korb; oben rechts stehen die Zahl
 // und die Finger (Daumen = 1, wie in Deutschland üblich; ab 6 ist die erste Hand voll).
-// Im Instrumental holt Lulu sich den obersten Apfel: „Jetzt sind es nur noch …?“ – „Neun!“
+// Im Instrumental fragt Lulu nach einem Apfel und holt sich den obersten; der Erzähler lässt die Äpfel
-// Gesprochenes (ERZ-Ansage, Lulus Frage, Noas Frage, „Mampf!“) fehlt noch; im Entwurf nur als Schrift.
+// im Korb nachzählen, Countdown, „Neun!“ (gesprochen.ts, Ablauf in zeiten.ts). Noch ohne ERZ-Ansage im Intro.
 
 const FPS = 30;
 const s = (sek: number) => Math.round(sek * FPS);
@@ -50,9 +50,9 @@ const AM_BAUM: [number, number][] = [
 ];
 const FLUG = 20; // Frames vom Baum in den Korb
 
-// Zeitplan des Gags
+// Zeitplan des Gags (Sekunden in zeiten.ts)
 const G = s(T.gag);
-const RUNTER = G + 24;
+const RUNTER = s(T.runter);
 const UNTEN = RUNTER + c9(C9_TIEF - C9_START);
 const HOCH = UNTEN + 20;
 const OBEN = HOCH + c9(C9_TIEF);
@@ -250,9 +250,9 @@ const Zahltafel: React.FC = () => {
 	let inhalt: React.ReactNode;
 	if (a.n === '?') {
 		// drei Punkte zählen herunter bis zur Antwort
-		const frei = s(T.antwort) - s(T.frage + 1.2);
+		const frei = s(T.antwort) - s(T.frageEnde);
-		const punkte = f < s(T.frage + 1.2) ? 3 : Math.max(1, 3 - Math.floor(((f - s(T.frage + 1.2)) / frei) * 3));
+		const punkte = f < s(T.frageEnde) ? 3 : Math.max(1, 3 - Math.floor(((f - s(T.frageEnde)) / frei) * 3));
-		inhalt = <div style={{fontSize: 150, color: '#b8a68a', width: 330, textAlign: 'center'}}>{f < s(T.frage + 1.2) ? '?' : '•'.repeat(punkte)}</div>;
+		inhalt = <div style={{fontSize: 150, color: '#b8a68a', width: 330, textAlign: 'center'}}>{f < s(T.frageEnde) ? '?' : '•'.repeat(punkte)}</div>;
 	} else {
 		const n = a.n;
 		inhalt = (
@@ -352,26 +352,6 @@ const Garten: React.FC = () => {
 			>
 				♫ {LIED.titel} ♫
 			</div>
-			{/* Lulus Frage im Instrumental, solange die Aufnahme fehlt */}
-			<div
-				style={{
-					position: 'absolute',
-					top: 50,
-					left: 60,
-					maxWidth: 1560,
-					padding: '12px 30px 16px',
-					borderRadius: 26,
-					background: 'rgba(251,244,228,0.92)',
-					boxShadow: '0 6px 24px rgba(60,40,20,0.18)',
-					fontFamily: SCHRIFT,
-					fontWeight: 600,
-					fontSize: 46,
-					color: '#4f7a3a',
-					opacity: interpolate(f, [G, G + 8, RUNTER + 40, RUNTER + 50], [0, 1, 1, 0], {extrapolateLeft: 'clamp', extrapolateRight: 'clamp'}),
-				}}
-			>
-				{LIED.bitte}
-			</div>
 			<Vignette />
 		</>
 	);
@@ -382,6 +362,11 @@ const INTRO_DAUER = s(T.c1 - 0.2);
 const INTRO = plane([{id: 'buch', dauer: 1.5}, {id: 't1', dauer: 1.2}, {id: 't2', dauer: 0.5}], {...INTRO_OPTIONEN, vorlauf: 0.2, nachlauf: 0.4});
 const OUTRO_START = DAUER - OUTRO.dauer;
 
+// Startzeit je Aufnahme und Musik leiser, solange gesprochen wird
+const ZEIT = {bitte: 'gag', ja: 'ja', frage: 'frage', antwort: 'antwort', schoen: 'schoen'} as const;
+const SPRECHEN: [number, number][] = (Object.keys(ZEIT) as (keyof typeof ZEIT)[]).map((id) => [s(T[ZEIT[id]]), s(T[ZEIT[id]] + SPRUCH[id].dauer)]);
+const musikLaut = (f: number) => (SPRECHEN.some(([a, b]) => f >= a - 6 && f < b + 6) ? 0.45 : 1);
+
 export const Lied01: React.FC = () => (
 	<AbsoluteFill style={{background: '#f4ead8'}}>
 		<Sequence durationInFrames={OUTRO_START + 12}>
@@ -399,7 +384,18 @@ export const Lied01: React.FC = () => (
 			<Outro posen={['pino_A3_lachen', 'noa_A_arm-hoch-winken', 'lulu_A3_lachen']} />
 		</Sequence>
 		<Karaoke zeilen={ZEILEN} />
-		<Audio src={staticFile(LIED.datei)} />
+		<Audio src={staticFile(LIED.datei)} volume={musikLaut} />
+		{(Object.keys(ZEIT) as (keyof typeof ZEIT)[]).map((id) => {
+			const z = SPRUCH[id];
+			return z.datei ? (
+				<Sequence key={id} from={s(T[ZEIT[id]])} durationInFrames={s(z.dauer) + 6}>
+					<Audio src={staticFile(z.datei)} />
+				</Sequence>
+			) : null;
+		})}
+		<Sequence from={MAMPF - 4} durationInFrames={30}>
+			<Audio src={staticFile('geraeusche/apfel_biss.mp3')} volume={0.7} />
+		</Sequence>
 	</AbsoluteFill>
 );
 

remotion/src/lieder/lied01/gesprochen.ts

@@ -0,0 +1,32 @@
+import type {Sprache} from '../../baukasten/sprache';
+
+// Gesprochene Zeilen im Instrumental von Lied 1 (ElevenLabs, gleiche Stimmen wie in den Folgen).
+// Erzeugen: npx tsx werkzeuge/liedstimmen.mts lied01 --sprache de   (Aufnahmen: stimmen/<sprache>.json)
+// bitte/ja: Lulu fragt nach einem Apfel – frage/antwort: der Erzähler lässt die Äpfel im Korb zählen,
+// dazwischen läuft der Countdown – schoen: Lulu kichert.
+
+export type GesprocheneZeile = {id: 'bitte' | 'ja' | 'frage' | 'antwort' | 'schoen'; wer: 'ERZ' | 'PINO' | 'LULU'; text: string};
+
+export const GESPROCHEN: Record<Sprache, GesprocheneZeile[]> = {
+	de: [
+		{id: 'bitte', wer: 'LULU', text: 'Darf ich einen Apfel?'},
+		{id: 'ja', wer: 'PINO', text: 'Ja, bitte!'},
+		{id: 'frage', wer: 'ERZ', text: 'Wie viele Äpfel sind jetzt noch im Korb? Zähl mit!'},
+		{id: 'antwort', wer: 'ERZ', text: 'Neun!'},
+		{id: 'schoen', wer: 'LULU', text: 'Neun ist auch schön.'},
+	],
+	es: [
+		{id: 'bitte', wer: 'LULU', text: '¿Puedo comer una manzana?'},
+		{id: 'ja', wer: 'PINO', text: '¡Sí, por favor!'},
+		{id: 'frage', wer: 'ERZ', text: '¿Cuántas manzanas quedan en la cesta? ¡Cuenta conmigo!'},
+		{id: 'antwort', wer: 'ERZ', text: '¡Nueve!'},
+		{id: 'schoen', wer: 'LULU', text: 'Nueve también es bonito.'},
+	],
+	fr: [
+		{id: 'bitte', wer: 'LULU', text: 'Je peux avoir une pomme ?'},
+		{id: 'ja', wer: 'PINO', text: 'Oui, bien sûr !'},
+		{id: 'frage', wer: 'ERZ', text: 'Combien de pommes reste-t-il dans le panier ? Compte avec moi !'},
+		{id: 'antwort', wer: 'ERZ', text: 'Neuf !'},
+		{id: 'schoen', wer: 'LULU', text: "Neuf, c'est bien aussi."},
+	],
+};

remotion/src/lieder/lied01/stimmen/de.json

@@ -0,0 +1,27 @@
+{
+	"bitte": {
+		"datei": "stimmen/lieder/lied01/de/bitte.mp3",
+		"dauer": 1.8,
+		"text": "Darf ich einen Apfel?"
+	},
+	"ja": {
+		"datei": "stimmen/lieder/lied01/de/ja.mp3",
+		"dauer": 1.31,
+		"text": "Ja, bitte!"
+	},
+	"frage": {
+		"datei": "stimmen/lieder/lied01/de/frage.mp3",
+		"dauer": 3.87,
+		"text": "Wie viele Äpfel sind jetzt noch im Korb? Zähl mit!"
+	},
+	"antwort": {
+		"datei": "stimmen/lieder/lied01/de/antwort.mp3",
+		"dauer": 0.99,
+		"text": "Neun!"
+	},
+	"schoen": {
+		"datei": "stimmen/lieder/lied01/de/schoen.mp3",
+		"dauer": 1.65,
+		"text": "Neun ist auch schön."
+	}
+}

remotion/src/lieder/lied01/stimmen/es.json

@@ -0,0 +1,27 @@
+{
+	"bitte": {
+		"datei": "stimmen/lieder/lied01/es/bitte.mp3",
+		"dauer": 1.96,
+		"text": "¿Puedo comer una manzana?"
+	},
+	"ja": {
+		"datei": "stimmen/lieder/lied01/es/ja.mp3",
+		"dauer": 1.65,
+		"text": "¡Sí, por favor!"
+	},
+	"frage": {
+		"datei": "stimmen/lieder/lied01/es/frage.mp3",
+		"dauer": 3.87,
+		"text": "¿Cuántas manzanas quedan en la cesta? ¡Cuenta conmigo!"
+	},
+	"antwort": {
+		"datei": "stimmen/lieder/lied01/es/antwort.mp3",
+		"dauer": 0.99,
+		"text": "¡Nueve!"
+	},
+	"schoen": {
+		"datei": "stimmen/lieder/lied01/es/schoen.mp3",
+		"dauer": 2.04,
+		"text": "Nueve también es bonito."
+	}
+}

remotion/src/lieder/lied01/stimmen/fr.json

@@ -0,0 +1,27 @@
+{
+	"bitte": {
+		"datei": "stimmen/lieder/lied01/fr/bitte.mp3",
+		"dauer": 1.57,
+		"text": "Je peux avoir une pomme ?"
+	},
+	"ja": {
+		"datei": "stimmen/lieder/lied01/fr/ja.mp3",
+		"dauer": 1.65,
+		"text": "Oui, bien sûr !"
+	},
+	"frage": {
+		"datei": "stimmen/lieder/lied01/fr/frage.mp3",
+		"dauer": 3.47,
+		"text": "Combien de pommes reste-t-il dans le panier ? Compte avec moi !"
+	},
+	"antwort": {
+		"datei": "stimmen/lieder/lied01/fr/antwort.mp3",
+		"dauer": 0.91,
+		"text": "Neuf !"
+	},
+	"schoen": {
+		"datei": "stimmen/lieder/lied01/fr/schoen.mp3",
+		"dauer": 1.96,
+		"text": "Neuf, c'est bien aussi."
+	}
+}

remotion/src/lieder/lied01/zeiten.ts

@@ -1,12 +1,17 @@
 import {SPRACHE, type Sprache} from '../../baukasten/sprache';
 import type {LiedZeile} from '../karaoke';
+import {GESPROCHEN, type GesprocheneZeile} from './gesprochen';
+import STIMMEN_DE from './stimmen/de.json';
+import STIMMEN_ES from './stimmen/es.json';
+import STIMMEN_FR from './stimmen/fr.json';
 
 // Zeiten (Sekunden) der Suno-Fassungen von Lied 1, je Sprache. Am 05.11.2026 mit faster-whisper
 // (Modell medium, Wortzeiten) gemessen. Whisper legt das erste Wort einer Zeile oft zu früh (es nimmt
 // die Pause davor mit); dort gilt deshalb Wortende − 0,38 s. Am Lied 3 gegen Sunos aligned_lyrics
 // geprüft: etwa ±0,15 s. Wo Whisper Wörter verschluckt hat, sind sie mit „~“ aus dem ersten Refrain
 // abgeleitet (gleiche Melodie). Die Fassungen singen ohne Pausen zum Nachsingen; „1 … 10“ kommt in
-// einem Zug. Danach rund 20 s Instrumental: dort liegt der Lulu-Gag (Stimmen fehlen noch).
+// einem Zug. Danach rund 20 s Instrumental: dort liegt der Lulu-Gag mit gesprochenen Zeilen
+// (gesprochen.ts, Aufnahmen in stimmen/<sprache>.json); sein Ablauf richtet sich nach deren Länge.
 
 type Abschnitte = {
 	c1: number; // Refrain 1
@@ -15,9 +20,6 @@ type Abschnitte = {
 	v2: number; // Strophe 2 (6–10)
 	echo: number; // Zählen 1–10 in einem Zug
 	echoEnde: number;
-	gag: number; // Instrumental: Lulu holt sich einen Apfel
-	frage: number; // „Jetzt sind es nur noch …?“
-	antwort: number; // „Neun!“
 	c3: number; // Schluss-Refrain
 	ende: number; // Nachspiel (Glockenspiel)
 };
@@ -31,22 +33,14 @@ type LiedDaten = {
 	zeilen: LiedZeile[];
 	titel: string; // Liedtitel im ersten Refrain
 	buchTitel: string; // Buchseite im Intro
-	bitte: string; // Lulus Frage und Pinos Antwort im Instrumental (bis es Aufnahmen gibt)
 	mampf: string;
 };
 
-// gesprochene Zeile ohne gemessene Wortzeiten: Wörter gleichmäßig verteilt
-const gesprochen = (text: string, start: number, proWort = 0.28) =>
-	text
-		.split(' ')
-		.map((w, i) => `${w}@${(start + i * proWort).toFixed(2)}`)
-		.join(' ');
-
 // Suno-Fassung A (77404860-d5d7-43ca-8c06-a8347b5f7282, lied01-zaehlen.wav, 1:33)
 const DE: LiedDaten = {
 	datei: 'musik/lieder/lied01-de.mp3',
 	sekunden: 93.24,
-	T: {c1: 5.52, v1: 17.26, c2: 26.92, v2: 36.4, echo: 45.78, echoEnde: 51.52, gag: 52.6, frage: 62.4, antwort: 65.6, c3: 70.92, ende: 80.1},
+	T: {c1: 5.52, v1: 17.26, c2: 26.92, v2: 36.4, echo: 45.78, echoEnde: 51.52, c3: 70.92, ende: 80.1},
 	zahlen: [17.26, 17.64, 19.56, 19.94, 21.96, 36.4, 36.78, 38.58, 39.06, 40.96],
 	echo: [45.78, 46.16, 46.84, 47.22, 48.04, 48.56, 49.16, 50.02, 50.44, 50.9],
 	zeilen: [
@@ -68,8 +62,6 @@ const DE: LiedDaten = {
 		'zehn@43.68 Äpfel_–@43.88 ganz,@44.52 ganz@44.84 toll!@45.08',
 		'Eins!@45.78 Zwei!@46.16 Drei!@46.84 Vier!@47.22 Fünf!@48.04',
 		'Sechs!@48.56 Sieben!@49.16 Acht!@50.02 Neun!@50.44 Zehn!@50.9',
-		gesprochen('Jetzt sind es nur noch_…?', 62.4),
-		'Neun!@65.6',
 		'Zähl@70.92 mit,@71.3 zähl@71.98 mit,@72.32',
 		'Finger@73.12 hoch@73.38 und@73.76 mach@73.9 mit!@74.18',
 		'Eins@75.48 bis@75.66 zehn,@75.92 das@76.22 schaffen@76.54 wir,@76.94',
@@ -77,7 +69,6 @@ const DE: LiedDaten = {
 	],
 	titel: 'Eins, zwei – Pino ist dabei!',
 	buchTitel: 'Eins, zwei –\nPino ist dabei!',
-	bitte: 'Lulu: „Darf ich einen Apfel?“ – Pino: „Ja, bitte!“',
 	mampf: 'Mampf!',
 };
 
@@ -85,7 +76,7 @@ const DE: LiedDaten = {
 const ES: LiedDaten = {
 	datei: 'musik/lieder/lied01-es.mp3',
 	sekunden: 101.96,
-	T: {c1: 10.58, v1: 19.56, c2: 29.6, v2: 38.88, echo: 48.58, echoEnde: 57.2, gag: 58.3, frage: 67.4, antwort: 70.6, c3: 77.78, ende: 86.0},
+	T: {c1: 10.58, v1: 19.56, c2: 29.6, v2: 38.88, echo: 48.58, echoEnde: 57.2, c3: 77.78, ende: 86.0},
 	zahlen: [19.56, 20.02, 22.1, 22.5, 24.72, 38.88, 39.26, 41.2, 41.6, 43.88],
 	echo: [48.58, 49.42, 50.74, 51.38, 51.88, 53.6, 54.38, 55.6, 56.14, 56.66],
 	zeilen: [
@@ -107,8 +98,6 @@ const ES: LiedDaten = {
 		'diez@45.82 manzanas:@46.2 ¡gran@47.5 fiesta!@47.66',
 		'¡Uno!@48.58 ¡Dos!@49.42 ¡Tres!@50.74 ¡Cuatro!@51.38 ¡Cinco!@51.88',
 		'¡Seis!@53.6 ¡Siete!@54.38 ¡Ocho!@55.6 ¡Nueve!@56.14 ¡Diez!@56.66',
-		gesprochen('Ahora solo quedan_…?', 67.4),
-		'¡Nueve!@70.6',
 		// Schluss-Refrain: Whisper hat die erste Zeile zusammengezogen; ~ wie Refrain 1 (+67,2 s)
 		'¡Cuenta,@77.78 cuenta,@78.42',
 		'dedos@79.6 arriba@79.94 y@80.46 ven!@80.72',
@@ -117,7 +106,6 @@ const ES: LiedDaten = {
 	],
 	titel: 'Uno, dos: ¡Pino llegó!',
 	buchTitel: 'Uno, dos:\n¡Pino llegó!',
-	bitte: 'Lulu: «¿Puedo comer una manzana?» – Pino: «¡Sí, por favor!»',
 	mampf: '¡Ñam!',
 };
 
@@ -125,7 +113,7 @@ const ES: LiedDaten = {
 const FR: LiedDaten = {
 	datei: 'musik/lieder/lied01-fr.mp3',
 	sekunden: 92.0,
-	T: {c1: 10.66, v1: 19.74, c2: 29.28, v2: 38.6, echo: 48.36, echoEnde: 53.7, gag: 54.8, frage: 64.2, antwort: 67.4, c3: 73.0, ende: 81.0},
+	T: {c1: 10.66, v1: 19.74, c2: 29.28, v2: 38.6, echo: 48.36, echoEnde: 53.7, c3: 73.0, ende: 81.0},
 	zahlen: [19.74, 19.96, 21.9, 22.28, 24.16, 38.6, 38.96, 41.08, 41.48, 43.38],
 	echo: [48.36, 48.76, 49.32, 49.84, 50.56, 51.18, 51.7, 52.0, 52.3, 52.84],
 	zeilen: [
@@ -147,8 +135,6 @@ const FR: LiedDaten = {
 		"dix@45.38 pommes_–@45.74 c'est@46.32 super_!@46.66",
 		'Un_!@48.36 Deux_!@48.76 Trois_!@49.32 Quatre_!@49.84 Cinq_!@50.56',
 		'Six_!@51.18 Sept_!@51.7 Huit_!@52 Neuf_!@52.3 Dix_!@52.84', // ~ „huit“ zwischen sept und neuf
-		gesprochen('Maintenant, il en reste_…_?', 64.2),
-		'Neuf_!@67.4',
 		'Comptons,@73 comptons,@73.38',
 		"les@74.2 doigts@74.42 en@74.76 l'air,@75.14 allons_!@75.68",
 		'Un@76.34 à@76.62 dix,@76.94 oui,@77.36 on@77.58 y@77.74 croit,@77.98',
@@ -156,14 +142,53 @@ const FR: LiedDaten = {
 	],
 	titel: 'Un, deux – Pino vient aussi !',
 	buchTitel: 'Un, deux –\nPino vient aussi !',
-	bitte: 'Lulu : « Je peux avoir une pomme ? » – Pino : « Oui, bien sûr ! »',
 	mampf: 'Miam !',
 };
 
 const LIEDER: Record<Sprache, LiedDaten> = {de: DE, es: ES, fr: FR};
 export const LIED = LIEDER[SPRACHE];
-export const T = LIED.T;
+
+// Gesprochene Zeilen im Instrumental: Aufnahme (falls vorhanden) und Länge
+type Aufnahme = {datei: string; dauer: number; text: string};
+const AUFNAHMEN = ({de: STIMMEN_DE, es: STIMMEN_ES, fr: STIMMEN_FR} as Record<Sprache, Record<string, Aufnahme>>)[SPRACHE];
+type Spruch = GesprocheneZeile & {datei?: string; dauer: number};
+export const SPRUCH = {} as Record<GesprocheneZeile['id'], Spruch>;
+for (const z of GESPROCHEN[SPRACHE]) {
+	const a = AUFNAHMEN[z.id];
+	// ohne passende Aufnahme: geschätzte Länge, keine Datei
+	SPRUCH[z.id] = {...z, datei: a?.text === z.text ? a.datei : undefined, dauer: a?.text === z.text ? a.dauer : 0.5 + z.text.length * 0.06};
+}
+
+// Ablauf des Gags (Sekunden): Lulu fragt, Pino sagt ja und Lulu senkt dabei schon den Hals,
+// holt sich den obersten Apfel und hebt den Kopf (5,1 s, siehe Lied01.tsx: c9(58) + 20 + c9(75) Frames),
+// „Mampf!“, der Erzähler fragt nach den Äpfeln im Korb, Countdown, „Neun!“, Lulu kichert.
+const A = LIED.T;
+const bitte = A.echoEnde + 0.5;
+const ja = bitte + SPRUCH.bitte.dauer + 0.15;
+const runter = ja + 0.3;
+const mampf = runter + 5.1 + 0.27;
+const frage = mampf + 0.6;
+const frageEnde = frage + SPRUCH.frage.dauer;
+const antwort = frageEnde + 2.4; // Countdown zum Mitzählen
+const schoen = antwort + SPRUCH.antwort.dauer + 0.3;
+if (schoen + SPRUCH.schoen.dauer > A.c3 - 0.3) throw new Error(`Lied 1 (${SPRACHE}): Gag zu lang für das Instrumental`);
+export const T = {...A, gag: bitte, ja, runter, mampf, frage, frageEnde, antwort, schoen};
+
+// gesprochene Zeile im Mitlesetext: Wörter gleichmäßig über die Aufnahme verteilt
+const mitlesen = (text: string, start: number, dauer: number) => {
+	const w = text.split(' ');
+	return w.map((x, i) => `${x.replace(/ /g, '_')}@${(start + (i * dauer * 0.85) / w.length).toFixed(2)}`).join(' ');
+};
+const GESPROCHENE_ZEILEN: [number, LiedZeile][] = [
+	[bitte, mitlesen(SPRUCH.bitte.text, bitte, SPRUCH.bitte.dauer)],
+	[ja, mitlesen(SPRUCH.ja.text, ja, SPRUCH.ja.dauer)],
+	[frage, mitlesen(SPRUCH.frage.text, frage, SPRUCH.frage.dauer)],
+	[antwort, mitlesen(SPRUCH.antwort.text, antwort, SPRUCH.antwort.dauer)],
+	[schoen, mitlesen(SPRUCH.schoen.text, schoen, SPRUCH.schoen.dauer)],
+];
 export const ZAHLEN = LIED.zahlen;
 export const ECHO = LIED.echo;
-export const ZEILEN = LIED.zeilen;
+export const ZEILEN = [...LIED.zeilen.map((z) => [Number(z.split(' ')[0].split('@')[1]), z] as [number, LiedZeile]), ...GESPROCHENE_ZEILEN]
+	.sort((a, b) => a[0] - b[0])
+	.map(([, z]) => z);
 export const DAUER = Math.round(LIED.sekunden * 30);

remotion/werkzeuge/liedstimmen.mts

@@ -0,0 +1,87 @@
+// Erzeugt die gesprochenen Zeilen eines Liedvideos mit ElevenLabs (gleiche Stimmen und
+// Einstellungen wie werkzeuge/stimmen.mts für die Folgen) und trägt ihre Länge in
+// src/lieder/<lied>/stimmen/<sprache>.json ein. Die Zeilen stehen in src/lieder/<lied>/gesprochen.ts.
+//
+//   npx tsx werkzeuge/liedstimmen.mts lied01 --sprache es
+//   … --neu     alle Zeilen neu erzeugen
+//   … --probe   nur anzeigen, was erzeugt würde (kostet nichts)
+//
+// Schlüssel aus ELEVENLABS_API_KEY bzw. youtube/.env.local (nicht im Git).
+// Aufnahmen: public/stimmen/lieder/<lied>/<sprache>/<id>.mp3 (nicht im Git; auf dem VPS
+// liegt public/stimmen als Link auf /shared/youtube/stimmen/).
+
+import {spawnSync} from 'node:child_process';
+import fs from 'node:fs';
+import path from 'node:path';
+import {fileURLToPath} from 'node:url';
+import {Readable} from 'node:stream';
+import {ElevenLabsClient} from '@elevenlabs/elevenlabs-js';
+
+const WURZEL = path.resolve(path.dirname(fileURLToPath(import.meta.url)), '..');
+process.chdir(WURZEL);
+const envDatei = path.join(WURZEL, '..', '.env.local');
+if (!process.env.ELEVENLABS_API_KEY && fs.existsSync(envDatei)) process.loadEnvFile(envDatei);
+
+const args = process.argv.slice(2);
+const lied = args.find((a) => !a.startsWith('--') && !['de', 'es', 'fr'].includes(a));
+const wert = (n: string) => (args.includes(n) ? args[args.indexOf(n) + 1] : undefined);
+const sprache = (wert('--sprache') ?? 'de') as 'de' | 'es' | 'fr';
+const neu = args.includes('--neu');
+const probe = args.includes('--probe');
+if (!lied) throw new Error('Lied angeben, z. B. lied01');
+if (!['de', 'es', 'fr'].includes(sprache)) throw new Error(`Unbekannte Sprache: ${sprache}`);
+
+const cfg = JSON.parse(fs.readFileSync('werkzeuge/stimmen.config.json', 'utf8')) as {
+	modell: string;
+	format: string;
+	stimmen: Record<string, string>;
+	sprachen?: Record<string, {stimmen?: Record<string, string>}>;
+	einstellungen?: Record<string, unknown>;
+};
+if (!process.env.ELEVENLABS_API_KEY && !probe) throw new Error('ELEVENLABS_API_KEY ist nicht gesetzt (siehe youtube/.env.local).');
+const client = probe ? null : new ElevenLabsClient();
+
+const {GESPROCHEN} = (await import(`../src/lieder/${lied}/gesprochen.ts`)) as {GESPROCHEN: Record<string, {id: string; wer: string; text: string}[]>};
+const jsonDatei = `src/lieder/${lied}/stimmen/${sprache}.json`;
+const aufnahmen: Record<string, {datei: string; dauer: number; text: string}> = fs.existsSync(jsonDatei) ? JSON.parse(fs.readFileSync(jsonDatei, 'utf8')) : {};
+const ordner = `public/stimmen/lieder/${lied}/${sprache}`;
+fs.mkdirSync(ordner, {recursive: true});
+
+const stimmeVon = (wer: string): string | undefined => {
+	const v = cfg.sprachen?.[sprache]?.stimmen?.[wer] || cfg.stimmen[wer];
+	if (!v) return undefined;
+	return v in cfg.stimmen ? stimmeVon(v) : v;
+};
+const laenge = (datei: string) => {
+	const r = spawnSync('ffprobe', ['-v', 'error', '-show_entries', 'format=duration', '-of', 'csv=p=0', datei], {encoding: 'utf8'});
+	return Math.round(parseFloat(r.stdout.trim()) * 100) / 100;
+};
+
+let erzeugt = 0;
+for (const z of GESPROCHEN[sprache]) {
+	const datei = `${z.id}.mp3`;
+	const pfad = path.join(ordner, datei);
+	const alt = aufnahmen[z.id];
+	if (!neu && alt && alt.text === z.text && fs.existsSync(pfad)) continue;
+	const stimme = stimmeVon(z.wer);
+	if (!stimme) throw new Error(`Keine Stimme für „${z.wer}“ in stimmen.config.json`);
+	if (probe) {
+		console.log(`~ ${z.id} (${z.wer}): ${z.text}`);
+		continue;
+	}
+	const audio = await client!.textToSpeech.convert(stimme, {
+		text: z.text,
+		modelId: cfg.modell,
+		languageCode: sprache,
+		outputFormat: cfg.format as never,
+		voiceSettings: {stability: cfg.einstellungen?.stability as number, similarityBoost: cfg.einstellungen?.similarity_boost as number},
+	});
+	const teile: Buffer[] = [];
+	for await (const t of Readable.fromWeb(audio as never)) teile.push(Buffer.from(t));
+	fs.writeFileSync(pfad, Buffer.concat(teile));
+	aufnahmen[z.id] = {datei: `stimmen/lieder/${lied}/${sprache}/${datei}`, dauer: laenge(pfad), text: z.text};
+	fs.writeFileSync(jsonDatei, JSON.stringify(aufnahmen, null, '\t') + '\n');
+	erzeugt++;
+	console.log(`✓ ${z.id} (${z.wer}) ${aufnahmen[z.id].dauer} s: ${z.text}`);
+}
+console.log(`\n${probe ? 'Probe' : `Erzeugt: ${erzeugt} Zeilen`}`);