Die Audioaufnahme eines Videokonferenzgesprächs direkt im Browser unter Linux ist eine Herausforderung, die viele Benutzer weiterhin interessiert. Das Fehlen einfacher nativer Lösungen führt oft dazu, dass mit Bots oder externen Tools gewerkelt wird. Es gibt jedoch eine flüssigere Methode, die diese Komplikationen vermeidet und unbedingt bekannt sein sollte.
Warum die Audioaufnahme eines Videokonferenzgesprächs unter Linux so delikat ist
In solchen Fällen ist es ratsam, zuerst zu verstehen, was das System und der Browser bieten. Linux verwaltet die Aufnahme des Systemaudios nicht so einfach wie Windows. Unter Windows beispielsweise ist es eine recht gängige und zuverlässige Funktion, den gesamten Bildschirm mit Audio zu teilen. Unter Linux ist diese Option in Chromium einfach nicht vorhanden. Dies erschwert die Aufnahme, wenn die Desktop-Anwendung von Zoom oder Teams verwendet wird.
Damit die Audioaufnahme funktioniert, muss der Browser den Audiostream direkt empfangen. Hier liegt das Problem: Wenn man ein Fenster einer Desktop-Videoanwendung teilt, erfasst der Browser nicht den zugehörigen Ton. Es fehlt die Audiospur, während die Video-Vorschau vorhanden ist. Das ist kein Bug, sondern eine technische Einschränkung.
Diese Spezifik ist der Grund, warum manche sich in komplexe Konstruktionen mit PulseAudio oder PipeWire begeben, um einen „null-sink“ zu erstellen, der den Ton umleitet. Es ist sauber, erfordert jedoch ein technisches Verständnis, das nicht alle Benutzer unbedingt haben.
Wie das Teilen eines Tabs in Chromium das Problem teilweise löst
Chromium bietet drei Bildschirmfreigabeoberflächen: einen Tab, ein Fenster oder den gesamten Bildschirm. In diesen drei Fällen wird der Ton je nach System und gewähltem Bereich unterschiedlich erfasst.
Unter Linux ist das Teilen eines Chromium-Tabs die einzige zuverlässige Methode, um den Ton der Videokonferenz zu erfassen. Das Kästchen für Audio ist in diesem Kontext oft standardmäßig aktiviert, was den Ton des Tabs beinhaltet. Kurz gesagt, eine Videokonferenz auf Google Meet oder Teams im Chromium-Tab wird auditiv vollständig erfasst, ohne dass externe Tools benötigt werden.
Im Gegensatz dazu führt das Teilen eines Fensters oder gar des gesamten Bildschirms unter Linux zu keinem Audio. Diese Nuance kann zu Beginn irreführend sein, während es unter Windows üblich ist, die Audioaufnahme für den gesamten Bildschirm zu aktivieren.
Audioaufnahme für Echtzeit-Erkennung und -Aufzeichnung konfigurieren
Sobald die Audiospur verfügbar ist, basiert der Rest auf der Web Audio API in Chromium und der Verwendung von MediaRecorder. Anstatt eine Datei aufzuzeichnen, besteht diese Methode darin, den Stream in kleine PCM16-Mono-Stücke mit 16 kHz zu zerlegen, die dann über WebSocket an einen Server gesendet werden.
Das ist die Grundlage für einen Meeting-Assistenten, der in Echtzeit die Sprache analysiert und Vorschläge oder sofortige Zusammenfassungen auslöst. Ein effizientes System, das die Teilnehmer nicht stört, da es keinen Bot in der Videokonferenz integriert. Es handelt sich um eine lokale Browsererweiterung, die nur das vom Benutzer erfasste Audio verarbeitet.
Der Schlüssel hierbei ist die Eigenschaft systemAudio: „include“, die an getDisplayMedia() übergeben wird, was in der offiziellen Dokumentation von Chromium empfohlen wird. Unter Linux schafft sie keine neue Fähigkeit, sondern bestätigt die Integration des Tons des geteilten Tabs.
Linux, Chromium und das Fehlen von Lösungen für Firefox oder Safari
Leider kompliziert sich die Situation mit anderen Browsern. Firefox kann den Sound eines Tabs nicht aufnehmen, ebenso wenig wie Safari. Im Jahr 2026 bleibt Chromium der unverzichtbare Maßstab für diese Art von Operationen, sei es unter Debian, Arch oder Fedora.
Man kann natürlich mit PulseAudio oder PipeWire experimentieren, aber Vorsicht, das sind technische Konstruktionen, die besser für Systemadministratoren als für Durchschnittsbenutzer geeignet sind. Diese Methode ist sauber, erfordert jedoch eine präzise Konfiguration, die oft in spezialisierten Tutorials dokumentiert wird.
Für diejenigen, die experimentieren möchten, gibt es eine klare Übersicht, wie man sein Mikrofon und seinen Audioausgang unter Linux verwaltet, mit von der Community getesteten Tipps auf dieser Ressource. Für einen allgemeineren Ansatz zum Thema Audioaufnahme im Browser bleibt die Dokumentation von Chromium ein unverzichtbarer Wegweiser: wie man Video- und Audioaufnahme verwaltet.
Gute Praktiken für eine ungestörte Audioaufnahme
Etwas anderes als das Teilen eines WebRTC-Tabs in Chromium kann schnell zu einem Rätsel werden oder gar kein Audio erzeugen. Es liegt auf der Hand, dass man das, was verfügbar ist, nutzen sollte, anstatt es unnötig zu komplizieren. Das Teilen des Tabs, in dem die Videokonferenz stattfindet, gewährleistet die Klangqualität und vermeidet Überraschungen.
Es ist auch darauf zu achten, die Aufnahme nicht ohne das Wissen der Teilnehmer auszulösen. Transparenz und Zustimmung sind nach wie vor wesentliche Prinzipien, insbesondere im beruflichen oder institutionellen Rahmen. Schließlich beeinflusst die Latenz des Audiostreams oft das Benutzererlebnis, aber mit einer guten Konfiguration des MediaRecorder und der WebSocket kann man diese Verzögerung leicht minimieren.
Im Jahr 2026 bleibt die Aufnahme von Audio in einem Webvideokonferenz ohne einen Bot oder Drittanbieter-Software ein subtiles Kunststück, das ein feines technisches Verständnis und einen treuen Browser als Verbündeten erfordert.
Ist es möglich, den Ton einer Desktop-Videokonferenzanwendung unter Linux aufzuzeichnen?
Nein, der Browser hat keinen Zugriff auf den Audio-Stream von Desktop-Anwendungen wie Zoom oder Teams. Die Aufnahme ist auf den Inhalt beschränkt, der in einem Chromium-Tab geteilt wird.
Warum ein Chromium-Tab teilen, anstatt den gesamten Bildschirm, um den Ton aufzunehmen?
Unter Linux bietet nur das Teilen eines Tabs eine zuverlässige Nutzung des Tons. Das Teilen des gesamten Bildschirms oder eines Fensters überträgt keinen Ton.
Gibt es eine Alternative zu Chromium, um den Ton einer Videokonferenz aufzuzeichnen?
Zurzeit bieten Firefox und Safari diese Funktionalität nicht an. Chromium bleibt die beste technische Option.
Wie kann man die Qualität und Latenz der Audioaufnahme verbessern?
Die Verwendung leichter Audioformate wie PCM16 Mono bei 16 kHz über MediaRecorder und die Übertragung via WebSocket reduzieren die Latenz, während sie die für eine effektive Erkennung notwendige Qualität beibehalten.
Kann man während einer Besprechung Vorschläge automatisieren, basierend auf dem aufgenommenen Audio?
Ja, Systeme können Audio-Streams in Echtzeit verarbeiten und Interaktionen oder Vorschläge ohne manuelles Eingreifen oder Bot-Präsenz in der Videokonferenz auslösen.
Quelle: linuxfr.org