Video · gratis, ohne Login

KI-Video im Kinolook

Der Prompt zum Kopieren

Diesen Auftrag gibst du Claude oder ChatGPT. Die KI schreibt dir damit alle Bild- und Video-Prompts für deine Szene, im gleichen Look.

Ich will eine kurze Filmszene (20 bis 30 Sekunden, Hochformat 9:16) mit KI-Figuren machen.
Meine Szene: [was passiert, wo, wann, z.B. Türsteher vor einem Club bei Nacht].
Meine Figuren: [wer, Alter, Kleidung, Farben, Merkmale].
Die Sätze: [wer sagt was, in welcher Reihenfolge].

1. Schreib mir einen LOOK-Block auf Englisch, den ich wörtlich über jeden Prompt setze:
   Kamera, Objektiv, Blende, Schärfentiefe, Filmkorn, Farbstimmung in drei Farben,
   genau eine Hauptlichtquelle, die es in der Szene wirklich gibt.
2. Teil die Szene in Einstellungen von 4 bis 6 Sekunden. Pro Einstellung spricht höchstens eine Figur.
3. Schreib pro Einstellung einen englischen Bild-Prompt für das Startbild:
   LOOK-Block, Bildausschnitt, wer im Bild ist, eine Handlung, kein Text, keine Schrift, keine Logos.
4. Schreib pro Einstellung einen englischen Video-Prompt mit Zeitfenstern
   («0 bis 1.4 s: ..., 1.4 bis 1.9 s: sagt "...", danach Mund zu»),
   Kamera fest auf dem Stativ, kein Zoom, keine Schrift im Bild.
Halte die Beschreibung jeder Figur in allen Prompts wortgleich.

Der wichtigste Teil ist der LOOK-Block. Steht er wortgleich über jedem Prompt, passen die Einstellungen später zusammen.

Worum es geht

In unserem Reel «Bist du echt?» prüft Giovanni als Türsteher vor einem Club in Zürich-West, wer echt ist. Die Influencerin fliegt durch die Falltür, Giuseppe kommt rein. Alle drei sind KI. Gedreht wurde nichts, alles entstand aus Standbildern, die zu kurzen Clips wurden. Das Wort «cinematic» im Prompt macht noch keinen Kinolook. Er entsteht aus sieben Schritten.

Die sieben Schritte

1. Look festlegen. Ein LOOK-Block für alle Bilder und Videos: Kamera, Objektiv, Korn, Farben und eine echte Lichtquelle (bei uns die Stiftlampe des Türstehers und rotes Neon). «Cinematic lighting» allein bewirkt fast nichts.
2. Figuren festlegen. Entweder ein Charakterblatt (die Figur aus mehreren Ansichten), das du bei jedem Bild als Referenz mitgibst, oder bei Higgsfield eine Soul ID: Du lädst rund 20 Bilder deiner Figur hoch, Higgsfield lernt das Gesicht, danach bleibt es in jedem neuen Bild gleich.
3. Ein Ankerbild, dann alle Startbilder. Mach zuerst das wichtigste Startbild und gib es bei allen weiteren als zweite Referenz mit («Bild 2 bestimmt Ort, Licht und Farbe»). Nimm für alle Startbilder dasselbe Bildmodell. Leg sie nebeneinander und gleich sie an, bevor du ein einziges Video rechnest.
4. Zuerst die Stimmen. Jeden Satz einzeln mit einer KI-Stimme erzeugen (wir nutzen ElevenLabs), mehrere Varianten, die beste nach Gehör wählen. Die Stimme muss zur Figur passen, nicht nur akzentfrei sein.
5. Pro Einstellung ein Clip. Startbild plus Stimme als Referenz plus Video-Prompt mit Zeitfenstern. Kamera fest. Erst eine günstige Probe in 480p, um Spiel und Lippen zu prüfen, dann die Endfassung direkt in 1080p.
6. Ton ersetzen. Das Videomodell spricht die Sätze in seinem eigenen Takt und mit eigener Stimme nach. Wir haben seinen Ton ganz entfernt und die Originalsätze genau auf die Lippenbewegungen gelegt, jeden Satz einzeln gleich laut gemacht und Atmo, Geräusche und Musik daruntergelegt.
7. Schnitt. Alle Clips auf dieselbe Bildrate, Farben angleichen, Filmkorn einmal über alles, Lautheit auf rund -14 LUFS (das ist der übliche Wert für Reels).

Wir haben die Startbilder mit Higgsfield Soul 2.0 (Soul ID) und GPT Image 2.5 gemacht, die Clips mit Seedance 2.5, alles über Higgsfield. Andere Modelle mit Referenzbildern funktionieren nach demselben Prinzip.

Ehrlich: Was es kostet

Higgsfield rechnet in Credits. Unsere Zahlen aus dem Reel:

• Soul ID trainieren: 25 Credits pro Figur.
• Standbild mit Soul ID: 0.12 Credits. Standbild mit GPT Image 2.5: 2.75 Credits.
• Video-Probe in 480p: 3 Credits pro Sekunde.
• Fertiger Clip in 1080p: 16 Credits pro Sekunde, ein 6-Sekunden-Clip also 96 Credits.

Für die fertigen 28 Sekunden haben wir rund 750 Credits gebraucht, mit allen Umwegen und Wiederholungen. Gut geplant geht es mit der Hälfte. Was ein Credit in Franken kostet, hängt von deinem Abo ab, schau vor dem Start in deinem Konto nach.

Die Fallen aus unserem Test

• «Leicht heranfahren» wird zum Zoom. Wir schrieben «very slight push-in», das Modell fuhr bis ins Gesicht. Für ruhige Einstellungen: «static camera, locked off on a tripod, no zoom, no push-in».
• Im Bart bewegen sich die Lippen nicht. Bei einem kurzen Wort blieb Giovannis Mund zu. Statt neu zu rechnen, kam der Satz aus dem Off, während die Kamera auf ihrer Reaktion blieb. Das wirkte sogar besser.
• Hall kommt von doppelter Stimme. Liegt die Stimme des Videomodells leise unter der eigenen, klingt es wie Echo. Die Modellstimme ganz entfernen.
• Einzelne Sätze sind unterschiedlich laut. Bei uns lagen bis zu 18 dB zwischen zwei Sätzen. Jeden Satz einzeln messen und angleichen, bevor du das Ganze lauter machst.
• Das Startbild ist der erste Moment. Unser erstes Falltür-Bild zeigte sie schon im Loch, der Clip begann deshalb mit einem Standbild. Das Startbild muss den Moment vor der Handlung zeigen.
• Schrift im Hintergrund. Neonschilder werden zu halblesbaren Wörtern, einmal zu einem Wort mit politischer Bedeutung. «Neon» ganz aus dem Prompt nehmen und «nothing written anywhere» schreiben.
• Zwei Bildmodelle, zwei Looks. Wir haben Soul ID und GPT Image gemischt, dazu eine Einstellung in tieferer Auflösung, die wir nachträglich hochgerechnet haben. Schärfe, Farbe und Korn springen dann zwischen den Einstellungen. Ein Modell, eine Auflösung.
• Kennzeichnen. Figuren, Stimmen und Musik sind KI-generiert. Setz in Instagram das KI-Label und schreib es dazu. Echte Menschen nur mit ihrem Einverständnis nachbauen.

Werkzeug

Wir nutzen Higgsfield selbst. Über diesen Link bekommst du beim Abo einen Rabatt. *Werbung: Das ist ein Affiliate-Link, wir erhalten eine Provision. Für dich wird es dadurch nicht teurer, du erhältst sogar einen Rabatt.*

Alle weiteren Vorlagen: Gratis-Bibliothek, ein Klick per Mail.