Bildraten, Timecode und das Drop-Frame, das nichts fallen lässt

Bilder = Dauer × Rate, bis die Rate 29,97 lautet

Bei ganzzahliger Bildrate ist die Arithmetik geschlossen und exakt. Bei 24 Bildern pro Sekunde sind eine Minute 1440 Bilder und eine Stunde 86 400. Bei 25 sind eine Minute 1500 und eine Stunde 90 000. Bei 30 sind eine Minute 1800 und eine Stunde 108 000. Jede Dauer bildet auf eine ganze Zahl Bilder ab, jede Bildzahl zurück auf eine Dauer, und eine Timecode-Beschriftung aus Stunden, Minuten, Sekunden und Bildern ist bloß eine Basisumrechnung der Bildnummer.

Bei 29,97 bricht die Geschlossenheit. Eine Sekunde enthält 29,97002997 Bilder, eine Minute 1798,202 und eine Stunde 107 892,108. Es gibt keine ganze Zahl Bilder in einer Stunde, also kann kein Beschriftungsschema, das dreißig Bilder je Sekunde zählt, mit einer Uhr im Gleichschritt bleiben. Jedes Werkzeug der Kette muss dann entscheiden, wie es mit der Abweichung umgeht, und die verschiedenen Antworten darauf sind das ganze Thema Timecode.

Eine Schreibkonvention lohnt sich sofort zu lernen, denn sie trägt die ganze Unterscheidung. Non-Drop-Timecode wird durchgehend mit Doppelpunkten geschrieben: 01:00:00:00. Drop-Frame-Timecode ersetzt das letzte Trennzeichen durch ein Semikolon: 01:00:00;00. Siehst du ein Semikolon, blickst du auf eine Drop-Frame-Zählung, und wenn ein Werkzeug eine Dauer meldet und deine Notizen eine andere, ist das Trennzeichen das Erste, was zu prüfen ist.

Woher 29,97 kommt

Die Zahl ist der Rückstand eines 1953 gelösten Kompatibilitätsproblems. Das Schwarzweißfernsehen im 525-Zeilen-System lief mit exakt 30 Bildern pro Sekunde, bei einer Zeilenfrequenz von 15 750 Hz und einem Tonträger 4,5 MHz über dem Bildträger. Als Farbe hinzukam, musste die Farbinformation auf einem Hilfsträger innerhalb des bestehenden Kanals übertragen werden und sich mit dem Helligkeitsspektrum verschränken, statt sichtbar dagegen zu schweben. Dieser Zwang legte den Hilfsträger auf ein ungerades Vielfaches der halben Zeilenfrequenz fest — genau das 455/2-Fache.

Blieb das Problem des Tonträgers. Bei der ursprünglichen Zeilenfrequenz betrug das Verhältnis des 4,5-MHz-Tonträgers zur Zeilenfrequenz 2855/7, also 407,857 — keine ganze Zahl, der neue Farbhilfsträger hätte also hörbar gegen den Ton geschwebt. Multipliziert man dieses Verhältnis mit 1001/1000, steigt es auf 408,265 — nahe genug, dass das Normungsgremium stattdessen die Zeilenfrequenz neu definierte, sodass der Tonträger genau auf der 286. Harmonischen lag. Das ist das ganze Manöver: den Tonträger bei 4,5 MHz halten, ihn zur 286. Harmonischen erklären und die Zeilenfrequenz auf 4 500 000 ÷ 286 = 15 734,2657 Hz fallen lassen.

Von da folgt die Bildrate mechanisch. Teile die Zeilenfrequenz durch die 525 Zeilen eines Bildes: 15 734,2657 ÷ 525 = 29,970029970 Bilder pro Sekunde. Die Gleichheit mit 30000/1001 ist exakt und nicht näherungsweise, und die Faktorisierung zeigt warum — 286 × 525 = 150 150, also 150 × 1001, somit kürzt sich 4 500 000 ÷ 150 150 zu 30 000 ÷ 1 001. Der Farbhilfsträger landet bei 455/2 × 15 734,2657 = 3,579545 MHz, der Zahl auf jedem je gefertigten NTSC-Quarz. Derselbe Faktor 1000/1001 pflanzt sich zu 23,976 = 24000/1001 und 59,94 = 60000/1001 fort, weshalb diese Zahlen gemeinsam auftreten.

Non-Drop-Timecode driftet 3,6 Sekunden je Stunde

Non-Drop-Timecode tut das Naive: Er beschriftet jedes Bild der Reihe nach und lässt das Sekundenfeld alle dreißig Bilder umspringen, ungeachtet dessen, wie lange dreißig Bilder tatsächlich dauern. Da ein Bild 1001/30000 statt 1/30 Sekunde dauert, geht die Beschriftung gegenüber der Uhr nach, und die Größe dieses Fehlers lässt sich in beide Richtungen leicht berechnen.

Fang bei den Beschriftungen an. Eine Stunde Non-Drop-Timecode sind 108 000 Bildbeschriftungen, denn 60 × 60 × 30 = 108 000. Diese 108 000 Bilder dauern je 1001/30000 Sekunde, zusammen also 108 000 × 1001 ÷ 30 000 = 3603,600000 Sekunden. Ein Band, das genau eine Stunde Non-Drop-Timecode anzeigt, läuft seit einer Stunde und 3,6 Sekunden.

Fang nun stattdessen bei der Uhr an. In einer Stunde Realzeit hat die Kamera 3600 × 30000 ÷ 1001 = 107 892,108 Bilder erzeugt, der Zähler ist also um 107 892 ganze Bilder vorgerückt. Teile durch 30 Beschriftungen je Sekunde, und das sind 3596,400000 Sekunden Beschriftung — die Anzeige zeigt 00:59:56:12, wenn die Wanduhr eine Stunde sagt. Beide Herleitungen stimmen überein: Die Abweichung beträgt 108 000 − 107 892 = 108 Bilder, und 108 ÷ 30 = 3,6 Sekunden. Merk dir diese 108. Um diese Zahl herum ist das ganze Drop-Frame-Verfahren gebaut.

Die Drift wächst linear und wird schnell bedrohlich. Bei der Dreißig-Minuten-Marke ist Non-Drop bereits 1,8 Sekunden daneben. Bei zehn Stunden 36 Sekunden. Für einen Sender, der ein Programm auf eine feste Slotlänge montiert, ist das kein Rundungsdetail, sondern der Unterschied zwischen dem Treffen der Netzumschaltung und dem Abschneiden mitten im Satz.

Drop-Frame lässt Beschriftungen fallen, keine Bilder — durch Zählen bewiesen

Der Name ist die schlechteste Terminologie der gesamten Postproduktion. Drop-Frame-Timecode verwirft überhaupt kein Bild. Jedes von der Kamera aufgezeichnete Bild ist in der Datei vorhanden, wird wiedergegeben und steht zum Schnitt bereit. Fallengelassen werden zwei Einträge des Nummerierungsschemas zu Beginn der meisten Minuten — Beschriftungen, die schlicht nie vergeben werden, so wie ein Haus ohne dreizehnten Stock kein Geschoss verloren hat.

Die Regel, wie sie in der SMPTE-Timecode-Norm steht, ist kurz. Überspringe zu Beginn jeder Minute die Bildnummern 00 und 01, sodass die Minute bei Bild 02 beginnt — außer wenn die Minutenzahl ein Vielfaches von zehn ist; dann wird nichts übersprungen und die Minute beginnt wie üblich bei 00. Auf 00:00:59;29 folgt also 00:01:00;02, und die Beschriftungen 00:01:00;00 und 00:01:00;01 existieren nie. Auf 00:09:59;29 folgt aber 00:10:00;00, denn Minute 10 ist ausgenommen.

Nun zähle, statt zu behaupten. Lass einen Zähler ab 00:00:00;00 Bild für Bild vorlaufen, wende die Regel an jeder Minutengrenze an und halte an, wenn die Anzeige als Nächstes 01:00:00;00 zeigt. Der Lauf gibt 107 892 Bilder aus und überspringt 108 Bildnummern. Diese Sprungzahl ist kein Zufall und muss nicht nachgeschlagen werden: Eine Stunde hat 60 Minuten, sechs davon sind ausgenommen, weil 0, 10, 20, 30, 40 und 50 Vielfache von zehn sind, es bleiben 54 Minuten, die je zwei Nummern auslassen, und 54 × 2 = 108. Die in Schnittsoftware verwendete geschlossene Umrechnung — Bilder = 108000h + 1800m + 30s + f − 2 × (Gesamtminuten − ganzzahligerTeil(Gesamtminuten ÷ 10)) — liefert für dieselbe Beschriftung 107 892 und stimmt damit exakt mit dem Lauf überein.

Stell das dem vorigen Abschnitt gegenüber, und der Entwurf wird offensichtlich. Non-Drop verliert gegenüber der Uhr genau 108 Bilder je Stunde. Drop-Frame überspringt genau 108 Beschriftungen je Stunde. Die beiden 108 sind dieselbe 108, aus genau diesem Grund gewählt, und deshalb landet eine Drop-Frame-Stunde auf der Wanduhr, während eine Non-Drop-Stunde 3,6 Sekunden zu spät landet. Das Verfahren ist eine kalenderartige Korrektur, strukturell identisch mit der Schaltjahrregel: eine kleine periodische Anpassung mit einer periodischen Ausnahme, so bemessen, dass sie einen bekannten auflaufenden Fehler aufhebt.

Die Korrektur ist sehr gut und nicht exakt

Es heißt oft, Drop-Frame bringe Timecode und Wanduhr exakt zur Deckung. Das Zählen zeigt anderes, und die Abweichung gehört genannt, denn sie ist die Art Sache, die in einer langlaufenden Installation einmal im Jahr auftaucht. Eine Stunde Realzeit enthält 107 892,108 Bilder, nicht 107 892. Drop-Frame liefert 107 892 Beschriftungen je Stunde, es fehlen also 0,1078921 Bild — ein Bruchteil, den es unmöglich überspringen kann, denn Beschriftungen kommen in ganzen Zahlen.

Rechnet man diesen Bruchteil in Zeit um, sind es 0,003600 Sekunden; eine Drop-Frame-Stunde belegt also 3599,996400 Sekunden Realzeit statt 3600. Drop-Frame geht je Stunde 3,6 Millisekunden vor — in der Gegenrichtung zum Fehler, den es korrigiert, und tausendmal kleiner. Über einen Tag sind das 0,0864 Sekunden, über einen Monat rund 2,6 Sekunden, über ein Jahr 31,5 Sekunden. Fürs Schneiden, für Sendeplätze, für alles in Bildern Gemessene ist das belanglos. Für einen Betrieb, der einen Timecode-Generator dauerhaft als Hausreferenz gegen eine Atomuhr laufen lässt, ist es genau die Art langsamer Abweichung, die auffällt und falsch gedeutet wird.

Der Vergleich ist entscheidend. Drop-Frame verringert den Fehler um den Faktor tausend: von 3,6 Sekunden je Stunde auf 3,6 Millisekunden je Stunde. Verfolgt man den aufgelaufenen Fehler in Abständen, wird die Form klar — bei zehn Minuten liegt Drop-Frame 0,6 Millisekunden daneben, bei dreißig Minuten 1,8, bei einer Stunde 3,6, bei zehn Stunden 36 Millisekunden. Non-Drop liegt über dieselben Spannen bei dreißig Minuten 1,8 Sekunden daneben, bei einer Stunde 3,6 Sekunden und bei zehn Stunden 36 Sekunden. Das Verfahren hat nie beansprucht, perfekt zu sein; es war so entworfen, dass kein Programm seinen Sendeplatz verfehlt.

23,976, Pulldown und die PAL-Beschleunigung

Film läuft mit 24 Bildern pro Sekunde und das 525-Zeilen-Videosystem mit 30, Film auf Video zu bringen braucht also fünf Videobilder je vier Filmbilder — 24 × 5/4 = 30 genau. Der Mechanismus heißt 2:3-Pulldown, manchmal 3:2 geschrieben. Nimm vier Filmbilder A, B, C, D und lege sie in zehn Videohalbbilder: A bekommt zwei Halbbilder, B drei, C zwei, D drei, zusammen 2 + 3 + 2 + 3 = 10 Halbbilder, also fünf verschränkte Videobilder. Zwei dieser fünf Bilder sind Mischungen verschiedener Filmbilder — deshalb wirkt heruntergezogenes Material leicht ruckelig, und deshalb ist das Entfernen des Pulldowns vor dem Schnitt gängige Praxis.

Das funktioniert, wenn das Videosystem mit 30 läuft. Es läuft mit 29,97, der Film muss also zuerst um denselben Faktor 1000/1001 verlangsamt werden, von 24 auf 24 000 ÷ 1 001 = 23,976023976 Bilder pro Sekunde. Das ist der ganze Ursprung von 23,976: 24, gerade so weit verlangsamt, dass es in eine 29,97-Welt passt. Die Verlangsamung ist klein, aber real — eine hundertminütige Rolle mit 23,976 abgespielt dauert 100,1 Minuten, sechs Sekunden länger als mit 24 — und mit 24 aufgenommener Ton muss um denselben Faktor mitgezogen werden, sonst läuft er über die Rolle um diese sechs Sekunden aus dem Takt.

Die 625-Zeilen-Welt ging einen gröberen Weg. Bei Video mit 25 und Film mit 24 ist die einfachste Überspielung, den Film schlicht ein Bild pro Sekunde schneller laufen zu lassen und ein Videobild je Filmbild zu verwenden. Die Geschwindigkeitsänderung beträgt 25/24 = 1,041667, eine Steigerung um 4,1667 Prozent — meist auf die vertrauten vier Prozent gerundet, wobei das zusätzliche Sechstel über einen Spielfilm hinweg zählt. Ein 120-Minuten-Film läuft 115,2 Minuten, 288 Sekunden kürzer. Der Ton steigt im selben Verhältnis in der Tonhöhe: 12 × log2(25/24) = 0,7067 Halbtöne oder 70,67 Cent — nahe genug an einem Viertelton, um für jeden hörbar zu sein, der die Partitur kennt. Moderne Überspielungen korrigieren die Tonhöhe meist digital und lassen die Laufzeit verkürzt.

Ton auf Bild schneiden

Ton wird abgetastet und Bild wird gerastert, und beide gehen nur dann sauber auf, wenn die Anzahl Abtastwerte je Bild ganzzahlig ist. Bei 48 kHz ist die Arithmetik für die meisten Raten freundlich: 24 Bilder pro Sekunde ergeben exakt 2000 Abtastwerte je Bild, 25 ergeben 1920, 30 ergeben 1600. Die angenehme Überraschung ist 23,976, das 48 000 × 1001 ÷ 24 000 = 2002 Abtastwerte je Bild ergibt, ebenfalls ganzzahlig — einer der Gründe, warum 23,976 und 48 kHz ein so bequemes Paar sind.

29,97 ist der unbequeme Fall. Bei 48 kHz enthält ein Bild 48 000 × 1001 ÷ 30 000 = 1601,6 Abtastwerte, keine ganze Zahl, also fällt keine Bildgrenze auf eine Abtastgrenze. Das Muster schließt sich nach fünf Bildern: 5 × 1601,6 = 8008 Abtastwerte genau. Dieser Fünf-Bilder-Zyklus ist die praktische Einheit für alles, was bei 29,97 abtastgenau zum Bild liegen muss, und 59,94 erbt ihn — 800,8 Abtastwerte je Bild, ganzzahlig nach denselben fünf Bildern mit 4004 Abtastwerten. Bei 44,1 kHz ist die Lage weit schlimmer: 1471,47 Abtastwerte je Bild, und das Muster schließt sich erst nach 100 Bildern. Das ist ein handfester Grund, warum Postproduktion mit 48 kHz und nicht mit 44,1 läuft.

Die praktische Regel, die daraus folgt, ist kurz. Lege die Projektbildrate fest, bevor irgendetwas importiert wird, betreibe Ton mit 48 kHz und mach jeden Schnittpunkt zu einer Bildgrenze statt zu einem Abtastversatz, damit über den Fünf-Bilder-Zyklus bei 29,97 nie nachgedacht werden muss. Kommt Material mit anderer Rate an, konformiere es bewusst mit einem ausdrücklichen Pull-up oder Pull-down von 1000/1001, statt es von einer Zeitleiste stillschweigend umdeuten zu lassen — eine Abweichung um diesen Faktor driftet etwa alle 33 Sekunden um ein Bild, was sich als langsam schlimmer werdender Synchronfehler liest und zu den am häufigsten falsch diagnostizierten Mängeln der Postproduktion zählt.

Häufige Fragen

Geht bei Drop-Frame-Timecode Bild verloren?

Nein. Kein einziges Bild. Drop-Frame ändert nur die den Bildern angehefteten Beschriftungen, nie die Bilder selbst, und das ist das hartnäckigste Missverständnis der gesamten Postproduktion. Eine einstündige Drop-Frame-Sendung enthält 107 892 Bilder, eine einstündige Non-Drop-Sendung 108 000 — doch das sind verschiedene Laufzeiten, nicht dasselbe Material mit Lücken. Die Drop-Frame-Stunde dauert wirklich eine Uhrenstunde; die Non-Drop-Stunde dauert eine Stunde und 3,6 Sekunden. Beide enthalten jedes gedrehte Bild. Die nützliche Analogie ist das Haus ohne dreizehnten Stock: Die Nummerierung überspringt einen Wert, das Haus hat gleich viele Geschosse, und niemand wurde hinausgeworfen. Wandelst du ein Projekt im Schnittprogramm von Non-Drop nach Drop-Frame, bleibt das Bild unberührt — nur die auf der Zeitleiste angezeigten Zahlen ändern sich, und jede als Timecode-Wert notierte Marke zeigt nun auf eine etwas andere Stelle. Genau das ist die eigentliche Gefahr, und deshalb sind Bildzahlen und nicht Timecode-Zeichenketten die sichere Währung für den Austausch von Schnittpunkten zwischen Systemen.

Soll ich Drop-Frame oder Non-Drop verwenden?

Nimm Drop-Frame, wann immer die Laufzeit zu einer Uhr passen muss, und Non-Drop, wann immer nicht. Der Rundfunk ist der klarste Fall für Drop-Frame: Eine auf einen 60-Minuten-Platz geschnittene Sendung in Non-Drop-Timecode läuft tatsächlich 3603,6 Sekunden und überzieht die Umschaltung um 3,6 Sekunden — genug, um abgeschnitten zu werden. Werbung ebenso, denn ein Spot wird nach Dauer verkauft. Drop-Frame bringt dich auf 3,6 Millisekunden je Stunde heran, was kein Planungssystem kümmert. Non-Drop ist überall dort vorzuziehen, wo die Beschriftung ein Index und keine Dauer ist: VFX-Übergaben, Archivmaster, Muster, alles, wo eine Einstellung über einen Timecode-Wert identifiziert wird und die Konsistenz der Nummerierung wichtiger ist als die Übereinstimmung mit einer Uhr. Non-Drop hat den Vorteil, dass jede Rechenoperation darauf einfach ist und nie eine Beschriftung fehlt, was eine ganze Klasse von Off-by-one-Fehlern beim Parsen von Timecode beseitigt. Zwei praktische Anmerkungen: Drop-Frame existiert nur bei 29,97 und 59,94; bei 24, 25 oder 23,976 ist es bedeutungslos, und ein Werkzeug, das es dort anbietet, ist verwirrt. Und was auch immer du wählst, lege es einmal bei der Projektanlage fest und ändere es nie mitten im Projekt, denn jede notierte Marke wird falsch.

Warum weist mein Schnittprogramm 00:01:00;00 als ungültigen Timecode zurück?

Weil diese Beschriftung im Drop-Frame tatsächlich nicht existiert. Die Regel überspringt die Bildnummern 00 und 01 zu Beginn jeder Minute, deren Nummer kein Vielfaches von zehn ist; Minute eins beginnt also bei 00:01:00;02. Die Beschriftungen 00:01:00;00 und 00:01:00;01 werden nie an ein Bild vergeben, und ein Schnittprogramm, das sie annähme, müsste ein Bild erfinden, an das es sie hängt. Dasselbe gilt in den Minuten 2 bis 9, 11 bis 19 und so fort — 54 Minuten je Stunde, je zwei Beschriftungen, 108 Beschriftungen je Stunde, die schlicht nicht Teil des Zählsystems sind. Die Minuten 0, 10, 20, 30, 40 und 50 sind ausgenommen, 00:10:00;00 ist also völlig gültig, ebenso 00:00:00;00. Erzeugt ein Skript oder eine Tabelle Timecode-Werte rechnerisch und reicht sie an ein Schnittprogramm weiter, ist das der Fehler, auf den es stößt, und die Abhilfe ist, über Bildnummern zu konvertieren statt die Zeichenkette zu manipulieren: den Bildindex berechnen, die geschlossene Umrechnung anwenden und das Ergebnis formatieren. Beschriftungen durch Hochzählen von Textfeldern zu erzeugen liefert Werte, die kein Drop-Frame-Bild trägt.

Wie viele Bilder hat ein 30-Sekunden-Spot bei 29,97?

Das hängt davon ab, ob die dreißig Sekunden Uhrensekunden oder Timecode-Sekunden sind, und beides zu verwechseln lässt Spots durchfallen. Dreißig Sekunden Realzeit bei 29,97 sind 30 × 30000 ÷ 1001 = 899,101 Bilder, der längste ganzbildige Schnitt innerhalb von dreißig Sekunden umfasst also 899 Bilder und dauert 29,9966 Sekunden. Dreißig Sekunden Timecode-Beschriftungen — eine als 00:00:30;00 geschriebene Dauer — sind 900 Bilder, denn Minute null lässt nichts fallen, und 900 Bilder dauern tatsächlich 900 × 1001 ÷ 30 000 = 30,03 Sekunden. Das sind 30 Millisekunden zu viel, woran viele Sendespezifikationen scheitern. Die sichere Gewohnheit ist, gegen eine schriftlich vereinbarte Bildzahl zu liefern statt gegen eine Dauer in Sekunden, und 899 Bilder ist die übliche Antwort für einen Dreißig-Sekunden-Spot bei 29,97. Dieselbe Sorgfalt gilt bei anderen Längen: Ein 60-Sekunden-Spot hat 1798 Bilder statt 1800, ein 15-Sekunden-Spot 449 statt 450. Nennt eine Lieferspezifikation Sekunden, frage vor dem Rendern nach, ob Uhrenzeit oder Timecode-Dauer gemeint ist, denn beide unterscheiden sich um genau ein Bild je dreißig Sekunden, und kein erneuter Export bringt sie zur Deckung.

Warum läuft mein Ton über einen langen Clip aus dem Takt?

Fast immer eine 1000/1001-Abweichung irgendwo in der Kette. Läuft das Bild mit 23,976, während der Ton unter der Annahme 24 aufgenommen wurde, oder das Bild mit 29,97, während eine Zeitleiste 30 glaubt, laufen beide in Verhältnissen, die sich um diesen Faktor unterscheiden, und trennen sich mit vorhersagbarer Rate: etwa ein Bild alle 33 Sekunden, sechs Sekunden über eine hundertminütige Rolle. Die Signatur ist unverkennbar — am Anfang ist die Synchronität perfekt, am Ende sichtbar falsch, und der Fehler wächst linear, was ihn von einem festen Versatz durch einen falsch beschrifteten Startpunkt unterscheidet. Die Abhilfe ist, den Ton ausdrücklich mit einem Pull-up oder Pull-down von 1000/1001 zu konformieren, statt Clips von Hand zu schieben, denn ein manueller Versatz korrigiert einen Punkt und lässt die Steigung bestehen. Zwei verwandte Ursachen lohnen die Prüfung, bevor man zum Pulldown greift. Aus einem 25-fps-Ursprung überspieltes Material läuft 4,1667 Prozent zu schnell oder zu langsam, eine weit größere und schnellere Abweichung, etwa ein Bild je 24 Bilder. Und Rekorder, deren Takte nicht auf eine gemeinsame Referenz verriegelt sind, driften von selbst, typischerweise ein paar Bilder je Stunde, was keine Rechenkorrektur behebt — das löst man, indem man vor der Aufnahme jedem Gerät denselben Word-Clock- oder Timecode-Bezug zuführt.