Magazin

Wer regelmäßig mit Audio-Restauration, Sounddesign oder Postproduktion arbeitet, kennt das Problem: Ein Husten sitzt mitten in einer Aufnahme, ein Sprecher hat plötzlich zu viel Raum auf der Stimme, ein Instrument stört im Mix oder eine eigentlich gute Aufnahme rauscht und klingt dumpf. Für solche Fälle gibt es seit Jahren eine ziemlich offensichtliche Adresse: iZotope RX. Jetzt kommt mit FFT von FluffyAudio ein neuer Kandidat auf den Markt, der erstaunlich viele dieser Aufgaben in einer einzigen Anwendung vereint. Und der Name ist dabei Programm: FFT steht für Fast Fourier Transform, also jenes mathematische Verfahren, das unter anderem die Grundlage für die Darstellung von Frequenzinformationen in einem Spektrogramm bildet.

FluffyAudio kennt man bisher vor allem für Sample-Libraries und virtuelle Instrumente. Mit FFT betritt das Unternehmen allerdings ein völlig anderes Terrain. Die Software ist ein eigenständiger Spectral Audio Editor für macOS und Windows und verbindet klassische Spektralbearbeitung mit Restaurationswerkzeugen, Machine-Learning-Funktionen und generativen Audio-Features. Und genau hier wird FFT interessant: Auf den ersten Blick wirkt es tatsächlich wie eine Mischung aus iZotope RX, SpectraLayers und modernen KI-Audiowerkzeugen.

Was ist FFT überhaupt?

FFT ist kein Plug-in im klassischen Sinne, sondern eine eigenständige Audio-Anwendung. Man öffnet seine Aufnahme direkt darin und bekommt neben der klassischen Wellenform ein farbiges Spektrogramm angezeigt. Das ist für die Arbeit mit problematischen Aufnahmen entscheidend. Während man in einer normalen Wellenform hauptsächlich Amplitude und Zeit sieht, zeigt das Spektrogramm zusätzlich, wo im Frequenzbereich etwas passiert. Ein Husten, ein Knacken, ein Atemgeräusch oder das Geräusch eines vorbeifahrenden Autos kann dadurch häufig sehr genau lokalisiert werden.

FluffyAudio setzt dabei auf verschiedene Ansichten wie Waveform, Spectrogram, Split View, Notes und Text. Dazu kommen Box-, Frequenzband- und Lasso-Auswahl für die Spektraldarstellung. Man kann also beispielsweise einen einzelnen Störimpuls im Spektrogramm markieren, abschwächen oder aus dem umliegenden Audiomaterial rekonstruieren lassen.

Das Prinzip dürfte jedem bekannt vorkommen, der schon einmal mit iZotope RX gearbeitet hat.

FFT und iZotope RX: Die Ähnlichkeiten sind offensichtlich

Man muss gar nicht lange suchen, um die Parallelen zu erkennen. Auch iZotope RX arbeitet seit Jahren mit Spektrogramm, Spectral Repair, De-noise, De-click, De-hum, De-reverb, Spectral Recovery, Stem Separation und verschiedenen Machine-Learning-Verfahren. RX 12 führt dieses Konzept inzwischen mit Funktionen wie Scene Rebalance und einer erweiterten Stems View noch weiter.

FFT verfolgt einen sehr ähnlichen Grundgedanken: Audio nicht nur hören, sondern sehen und gezielt reparieren. Ein klassisches Beispiel wäre eine Konzertaufnahme, bei der während eines leisen Orchesterparts jemand hustet. In FFT kann man den Husten im Spektrogramm auswählen und anschließend versuchen, ihn zu entfernen oder die entsprechende Passage aus dem umgebenden Material wiederherzustellen.

Das bedeutet allerdings nicht, dass FFT einfach ein RX-Klon wäre. Der große Unterschied liegt eher in der Philosophie. FFT versucht, sehr viele unterschiedliche Aufgaben in einer zusammenhängenden Arbeitsumgebung unterzubringen. Neben klassischer Restauration gibt es Funktionen für Stimmen, Stems, Transkription, Noten, Harmonien und sogar generative Audiobearbeitung. Dadurch wird FFT teilweise weniger zu einem reinen Restaurationswerkzeug und mehr zu einem kleinen Audio-Produktionsstudio.

Die klassischen Restaurationswerkzeuge

Ein großer Teil von FFT funktioniert zunächst völlig vertraut. Im Bereich Repair finden sich unter anderem Spectral Repair, Interpolate, Spectral De-noise, De-reverb, De-hum, De-click, De-crackle und De-clip. Dazu kommen De-ess, De-plosive und Breath Control sowie MP3 Restore.

Das klingt auf den ersten Blick nach einer normalen Sammlung von Audio-Reparaturwerkzeugen. In der Praxis ist genau dieser Bereich aber wahrscheinlich einer der wichtigsten Bestandteile von FFT. Denn nicht jede Reparatur braucht KI. Wenn beispielsweise ein einzelner Click entfernt werden soll, ist ein präzises, deterministisches Werkzeug häufig sogar wünschenswerter als ein generatives Modell. Dasselbe gilt für EQ, Gain, Phase, Stereo Width, Resampling oder Dithering.

FFT kombiniert deshalb drei unterschiedliche Welten:

• klassische Audiobearbeitung

• spektrale Restaurierung

• Machine Learning und generative Audiofunktionen

Und gerade diese Mischung macht das Programm interessant.

Die Spektralbearbeitung ist das Herzstück

Die eigentliche Stärke von FFT liegt in der Kombination aus Spektrogramm und Auswahlwerkzeugen. Man kann im Frequenzbild einen Bereich markieren und anschließend beispielsweise Material abschwächen, beschädigte Stellen aus dem Umfeld ersetzen, eine Passage rekonstruieren oder einzelne Frequenzbereiche bearbeiten. Das erinnert stark an den Workflow von RX.

Der Vorteil einer solchen Arbeitsweise liegt darin, dass man nicht zwangsläufig die komplette Spur bearbeiten muss. Wenn beispielsweise nur ein kurzer Störton vorhanden ist, kann man eben diesen Störton auswählen, anstatt minutenlanges Audiomaterial durch einen globalen Noise-Reduction-Prozess zu schicken. Gerade bei professioneller Restaurierung ist das ein wichtiger Punkt: Je gezielter man arbeitet, desto geringer ist normalerweise die Gefahr, dass die gewünschte Aufnahme selbst beschädigt wird.

FFT bietet dafür außerdem Preview, A/B-Vergleiche und Undo-Funktionen. Das klingt unspektakulär, ist aber im Alltag enorm wichtig. Bei Restaurierung entscheidet am Ende nämlich nicht das spektakulärste Ergebnis, sondern die Frage: Klingt es nach der Bearbeitung noch natürlich?

Und dann kommt die KI

FluffyAudio listet inzwischen einen eigenen AI-Bereich mit zahlreichen Funktionen. Dazu gehören unter anderem Stem Remix, Voice Isolate, Dialogue Rebalance, AI Speech De-noise, Spectral Recovery, Voice Chain, Voice Enhancer, Transcribe, Voice Rebuild, Prompt Isolate, Generate, Text to Speech, Choir Maker und Revoice.

Wichtig ist allerdings: Nicht alles, was in der AI-Kategorie steht, ist automatisch dasselbe. Man sollte zwischen Analyse, Machine Learning, Quellen-Trennung, Sprachrekonstruktion und echter generativer Audioerzeugung unterscheiden.

Welche FFT-Funktionen tatsächlich KI bzw. Machine Learning verwenden

Voice Isolate verwendet On-Device-Stem-Separation, um beispielsweise Stimme und Begleitung aus einem fertigen Mix zu trennen. Das ist ein klassischer Machine-Learning-Anwendungsfall. FluffyAudio demonstriert die Funktion direkt mit einer fertigen Mischung, aus der Stimme und Backing separat herausgerechnet werden.

AI Speech De-noise nutzt ein entsprechendes ML-Modell, um Sprache von störenden Hintergrundgeräuschen zu trennen. Voice Enhancer geht noch einen Schritt weiter. Hier wird eine beschädigte oder ungünstig aufgenommene Stimme rekonstruiert beziehungsweise verbessert. FluffyAudio zeigt beispielsweise eine Sprachaufnahme mit Verkehrslärm und Raumanteil, die anschließend mit dem Voice Enhancer aufbereitet wird.

Spectral Recovery ist ebenfalls besonders interessant. Dabei werden fehlende hohe Frequenzen aus einem bandbegrenzten Signal rekonstruiert. FluffyAudio zeigt beispielsweise eine Aufnahme, deren Frequenzbereich bei etwa 5 kHz abgeschnitten wurde und die anschließend wieder bis 24 kHz erweitert wird. Das Unternehmen bezeichnet dafür explizit eine „Neural Music Engine“.

Auch Neural De-reverb gehört in diese Kategorie. Hier wird versucht, den Raumanteil einer Sprachaufnahme vom eigentlichen Signal zu trennen. FluffyAudio demonstriert die Funktion als Kombination aus Neural De-reverb sowie De-Reverb- und Presence-Modellen.

Noch deutlicher wird der KI-Anteil bei Transcribe und Voice Rebuild. FFT kann eine Sprachaufnahme transkribieren. Anschließend lässt sich der Text verändern und die entsprechende Passage in der Stimme des ursprünglichen Sprechers neu erzeugen. Aus einer vorhandenen Aussage kann so eine andere Formulierung entstehen, wobei FFT die Stimme entsprechend rekonstruiert.

Das ist eine Funktion, die man aus der klassischen Audiobearbeitung nicht mehr kennt. Hier geht es nicht mehr lediglich darum, vorhandenes Audiomaterial zu reparieren. Das Programm erzeugt neues Audiomaterial auf Basis des vorhandenen Sprechers. Und genau an dieser Stelle wird das Thema KI-Kennzeichnung relevant.

Choir Maker: Hier wird es eindeutig generativ

Ein besonderes Beispiel ist Choir Maker. Man gibt FFT eine Lead-Vocal vor, und die Software analysiert unter anderem Tonart und gesungene Linie. Anschließend können zusätzliche Harmoniestimmen erzeugt werden. FluffyAudio bietet dafür unter anderem Classical- und Jazz-Modi an. Die daraus entstehenden Stimmen werden laut Hersteller von KI-Referenzsängern neu eingesungen.

Das ist qualitativ etwas anderes als beispielsweise ein EQ oder De-click. Bei einem EQ wird vorhandenes Audiomaterial verändert. Bei einer KI-Harmonie entsteht dagegen neues Audiomaterial, das vorher nicht in dieser Form aufgenommen wurde. (Stichwort: Generative KI)

Auch Generate gehört klar in die generative Kategorie. Die Funktion kann Audio erzeugen, bestehendes Material „inpainten“ beziehungsweise ergänzen oder Audiomaterial verlängern. Dafür werden lokal installierte Modelle verwendet. Text to Speech und Revoice gehören ebenfalls in den Bereich der generativen beziehungsweise KI-basierten Sprachbearbeitung.

Prompt Isolate ist wiederum besonders interessant: Hier soll ein bestimmtes Geräusch anhand einer textlichen Beschreibung aus einer Aufnahme isoliert werden. Das ist eine ganz andere Art der Audiobearbeitung als klassische spektrale Selektion.

Das Entscheidende: FFT arbeitet lokal

Eine Sache macht FluffyAudio bei FFT sehr deutlich: Die Audiobearbeitung findet lokal auf dem eigenen Rechner statt. Die optionalen KI-Modelle werden über den integrierten Model Manager heruntergeladen und anschließend lokal ausgeführt. Nach der Installation können die Modelle auch offline verwendet werden. Das Audiomaterial muss also nicht für die eigentliche Verarbeitung in die Cloud hochgeladen werden.

Das ist gerade bei professionellen Sprachaufnahmen, unveröffentlichten Songs oder Filmproduktionen ein wichtiger Punkt. Die Kehrseite ist allerdings die Hardware. Je nach verwendetem Modell kann die Berechnung durchaus anspruchsvoll sein. FluffyAudio weist darauf hin, dass die Geschwindigkeit vom jeweiligen Modell und der vorhandenen Hardware beziehungsweise GPU abhängt.

FFT kann noch deutlich mehr als Restaurierung

Eine der Überraschungen ist, wie weit FluffyAudio den Funktionsumfang ausgedehnt hat. Im Notes Mode lassen sich beispielsweise à la Melodyne Tonhöhe, Timing und Ausdruck bearbeiten. Das funktioniert nicht nur mit monophonem Material, sondern laut Hersteller auch mit polyphonen Piano-Aufnahmen. Dazu kommt MIDI-Export.

Im Text Mode wird dagegen Sprache über das Transkript bearbeitbar. Und mit Lyrics & Chords kommt noch eine musikalische Darstellung hinzu. Dazu gibt es Funktionen wie Music Tailor und Loop Creator. Music Tailor kann Vorschläge machen, wie sich ein Stück verkürzen oder verlängern lässt. Loop Creator kann passende Takt-Loops finden oder neues Material aus dem Umfeld generieren.

Damit entfernt sich FFT immer weiter von der klassischen Vorstellung eines reinen Audio-Restaurationsprogramms.

Warum FFT tatsächlich an RX erinnert

Der Vergleich mit iZotope RX ist deshalb absolut nachvollziehbar. RX bietet ebenfalls Spektralbearbeitung, Spectral Repair, Spectral De-noise, De-hum, De-click, De-clip, De-reverb, Spectral Recovery, Music Rebalance, Dialogue Isolate und zahlreiche Machine-Learning-Funktionen.

Der Unterschied liegt eher im Schwerpunkt. RX ist historisch ganz klar als professionelles Restaurations- und Postproduktionswerkzeug positioniert. FFT versucht dagegen, zusätzlich noch kreative KI-Funktionen, Sprachbearbeitung, musikalische Bearbeitung und generative Werkzeuge in dieselbe Anwendung zu packen.

Das macht den Vergleich mit RX interessant, aber auch etwas unfair. FFT ist nicht einfach „RX in günstig“. Es ist eher ein Versuch, die Idee eines Spectral Editors neu zu denken und ihn gleichzeitig mit modernen lokalen KI-Modellen zu verbinden.

Kann ein mit FFT bearbeiteter Song als KI-Musik erkannt werden?

Hier sollte man sehr genau formulieren. Ja, bestimmte KI-Funktionen von FFT können grundsätzlich dazu führen, dass ein Werk bei einem Streamingdienst oder Distributor als teilweise KI-bearbeitet beziehungsweise KI-unterstützt angegeben werden muss oder kann.

Aber: Nein, daraus folgt nicht automatisch, dass jeder Song, der einmal durch FFT gelaufen ist, bei Spotify oder Deezer als KI-Musik markiert wird.

Das sind zwei völlig unterschiedliche Dinge.

Der Hintergrund ist, dass Streamingplattformen inzwischen anfangen, zwischen vollständig KI-generierter Musik und Musik mit einzelnen KI-generierten Bestandteilen zu unterscheiden. Spotify bietet beispielsweise inzwischen sogenannte AI Credits an. Diese können angeben, ob KI bei bestimmten Bestandteilen eines Songs verwendet wurde. Spotify nennt ausdrücklich Rollen wie Lyrics, Vocals, Instrumentals und Production.

Das ist für FFT besonders relevant. Wenn ich eine fertige menschliche Aufnahme lediglich mit einem normalen EQ bearbeite, ist das selbstverständlich keine KI-Produktion. Wenn ich aber beispielsweise mit Voice Rebuild einen Satz in der Stimme eines Sprechers neu erzeugen lasse, mit Text to Speech neue Sprachpassagen erzeuge, mit Choir Makerneue KI-Gesangsstimmen generiere, mit Generate neues Audiomaterial erzeuge oder mit Revoice eine Stimme künstlich neu erzeuge, dann ist die Situation eine andere.

Hier wurde tatsächlich neues Audiomaterial mithilfe von KI erzeugt oder rekonstruiert. Bei z.B. Spotify kann eine solche Nutzung grundsätzlich in den Bereich der AI Credits fallen, insbesondere wenn KI-generierte Vocals oder Production-Bestandteile betroffen sind. Spotify betont allerdings, dass AI Credits derzeit keine pauschale Aussage darüber darstellen, dass ein kompletter Song KI-generiert ist. Sie beschreiben vielmehr, an welchem Teil des Songs KI beteiligt war.

Deezer geht beim Erkennen noch einen Schritt weiter

Noch interessanter wird es bei Deezer. Deezer hat ein eigenes System zur Erkennung vollständig KI-generierter Musik entwickelt und kennzeichnet entsprechende Inhalte inzwischen ausdrücklich. 2026 gab das Unternehmen bekannt, dass auf dem Höhepunkt im Juni mehr als 50 Prozent der täglich neu angelieferten Tracks vollständig KI-generiert waren. Gleichzeitig machten diese Tracks nur etwa 1 bis 3 Prozent der tatsächlichen Streams aus.

Deezer sagt, dass das System charakteristische Artefakte erkennen kann, die von generativen KI-Modellen hinterlassen werden. Das Unternehmen gibt für sein System eine Genauigkeit von 99,8 Prozent an.

Das bedeutet aber nicht, dass Deezer automatisch jeden Song mit einem KI-basierten Restaurationsschritt als „AI-generated“ klassifiziert. Die aktuelle Kommunikation von Deezer bezieht sich ausdrücklich auf vollständig KI-generierte Musik.

Das ist ein wichtiger Unterschied. Ein menschlich eingesungener Song, der beispielsweise mit einem KI-basierten Noise-Reduction-Modell gereinigt wurde, ist nicht dasselbe wie ein Song, der vollständig mit Suno, Udio oder einem vergleichbaren generativen System erzeugt wurde.

Trotzdem sollte man bei FFT vorsichtig sein

Genau hier liegt meiner Meinung nach der wichtigste Punkt für Musiker und Produzenten. Man sollte nicht davon ausgehen, dass „lokal ausgeführte KI“ automatisch bedeutet, dass die Verwendung für Streamingdienste unsichtbar oder irrelevant ist.

Spotify baut seine AI Credits gerade genau deshalb aus. Die Plattform möchte nicht nur zwischen Mensch und Maschine unterscheiden, sondern zunehmend transparent machen, welche Rolle KI bei der Entstehung eines Songs gespielt hat.

Das bedeutet für FFT-Nutzer: Wer FFT hauptsächlich wie RX benutzt, also zum Reparieren und Restaurieren, bewegt sich in einer ganz anderen Situation als jemand, der mit FFT neue Stimmen und Audiopassagen erzeugt.

Ein paar Beispiele machen den Unterschied deutlich:

• Klassische Restaurierung: Eine Live-Aufnahme enthält einen Huster. Man markiert ihn im Spektrogramm und repariert die Stelle oder entfernt Netzbrummen, Klicks und Rauschen.

• ML-basierte Restaurierung: Voice Enhancer oder AI Speech De-noise werden verwendet, um eine schlechte Sprachaufnahme verständlicher zu machen.

• Generativer Workflow: Mit Generate wird neues Audiomaterial erzeugt, ein Satz über Voice Rebuild ersetzt, neue Harmonien mit Choir Maker erzeugt oder eine Stimme mit Text to Speech beziehungsweise Revoice generiert.

Im ersten Fall wird vorhandenes Audiomaterial restauriert. Im zweiten Fall wird Machine Learning zur Bearbeitung eingesetzt. Im dritten Fall entsteht tatsächlich neues Audiomaterial mithilfe von KI. Genau diese Unterscheidung dürfte für zukünftige Transparenz- und Kennzeichnungssysteme zunehmend wichtig werden.

Was FFT derzeit besonders attraktiv macht

Der vielleicht größte Vorteil von FFT ist die Kombination. Man muss nicht mehr zwingend zwischen mehreren Programmen wechseln. Eine typische Session könnte beispielsweise mit dem Öffnen der Aufnahme beginnen, anschließend wird eine Problemstelle im Spektrogramm markiert und repariert, Sprache vom Hintergrund getrennt, die Stimme verbessert und schließlich über den Text Mode oder Notes Mode weiterbearbeitet.

Dazu kommen Plug-in-Unterstützung, Batch Processing, Loudness-Messung, Resampling und zahlreiche weitere Werkzeuge. FFT kann auf macOS Audio Units und unter Windows VST3-Plug-ins hosten.

Das Ganze ist also deutlich mehr als ein hübscher Spektral-Editor.

Auch beim Preis will FluffyAudio RX herausfordern

Ein weiterer Punkt dürfte für viele Nutzer interessant sein: FFT wird als Einmalkauf angeboten. Der reguläre Preis liegt laut FluffyAudio bei 199 Euro beziehungsweise Dollar. Zum aktuellen Start wird die Software allerdings für 99 Euro beziehungsweise Dollar angeboten. Außerdem gibt es eine kostenlose 15-Tage-Testversion ohne Kreditkarte. Eine Lizenz kann auf zwei Rechnern verwendet werden.

Das ist eine ziemlich aggressive Preispositionierung für eine Software, die einen derart umfangreichen Funktionsumfang bietet.

Die Systemvoraussetzungen

FFT läuft auf macOS und Windows. Auf dem Mac setzt FluffyAudio einen Apple-Silicon-Rechner ab M1 mit macOS 14 Sonoma oder neuer voraus. Intel-Macs werden nicht unterstützt. Unter Windows werden Windows 10 ab Version 1903 beziehungsweise Windows 11 in 64 Bit unterstützt.

Für die KI-Modelle sollte man allerdings ausreichend Speicherplatz einplanen. FluffyAudio weist ausdrücklich darauf hin, dass größere Modelle mehrere Gigabyte benötigen können. Die eigentliche Audiobearbeitung läuft lokal auf dem Rechner.

Fazit

FluffyAudio FFT ist eines der interessanteren neuen Audio-Tools des Jahres 2026. Das Programm übernimmt sehr viel von dem, was man an iZotope RX schätzt: Spektrogramm, präzise Auswahl, Spectral Repair, De-noise, De-hum, De-click, De-reverb, Recovery und verschiedene intelligente Restaurationsverfahren.

Gleichzeitig versucht FluffyAudio aber, deutlich weiterzugehen. Mit Stem Separation, Voice Enhancement, Transkription, Text-basierter Sprachbearbeitung, Notes Mode, Choir Maker, Revoice und generativer Audiobearbeitung wird FFT zu einer Art All-in-One-Werkzeug für moderne Audio-Workflows.

Besonders interessant ist dabei, dass die KI-Funktionen lokal auf dem eigenen Rechner laufen. Die Modelle werden bei Bedarf heruntergeladen und können anschließend offline verwendet werden. Für professionelle Produktionen, bei denen Aufnahmen nicht in eine Cloud wandern sollen, ist das ein echtes Argument.

Beim Thema Streaming und KI sollte man allerdings genau hinsehen. Nicht jede KI-basierte Audioreparatur macht einen Song automatisch zu „KI-Musik“. Gleichzeitig können Funktionen, die tatsächlich neue Stimmen, Harmonien oder Audiopassagen erzeugen, in Zukunft durchaus unter die Transparenz- und AI-Credit-Systeme der Streamingplattformen fallen. Spotify arbeitet bereits mit AI Credits für einzelne Produktionsbestandteile, während Deezer vollständig KI-generierte Musik erkennt und kennzeichnet.

Deshalb würde ich FFT nicht als „KI macht jetzt alles automatisch“ beschreiben. Viel interessanter ist etwas anderes: FFT zeigt, wohin sich Audio-Restauration gerade bewegt – weg vom reinen Reparieren und hin zu einer Welt, in der Reparatur, Analyse, Rekonstruktion und kreative Generierung zunehmend im selben Werkzeug stattfinden.

Und genau deshalb dürfte der Vergleich mit iZotope RX in den kommenden Monaten noch häufiger auftauchen.

➜ Homepage: https://fluffyaudio.com/shop/fft

Kommentare