SceneMixer
Deutsch
Kostenlos registrieren

KI-Dialoggenerator

KI-Dialoggenerator

Aktualisiert 15. November 2026

Kurze Antwort: SceneMixer schreibt Dialoge direkt in die Skriptanalyse, weist jede Zeile einer Einstellung mit Sprecher und kurzer Spielanweisung zu – das Videomodell führt sie aus, Bild und Ton entstehen gemeinsam, sodass der Mund genau den Satz in der gewählten Sprache formt. Einstellungslängen werden aus der Zeile berechnet, bei Englisch mit drei Wörtern pro Sekunde, sodass eine Einstellung nie zu kurz für den darin liegenden Satz ist. Das Bearbeiten einer Zeile ist kostenlos.
Standbild aus „Rust City Knockout“, einer vollständig von SceneMixer generierten AI-Kurzserie (6 Charaktere, 1 Episode)
BeispielRust City KnockoutMalerischer Anime1 EpisodeVollständig von SceneMixer aus dem Skript produziertEpisoden ansehen
SceneMixer auf einen BlickDas bekommst du
VideopreisAb 0,06 $ pro Sekunde (10 Credits) in der Standardstufe, bis zu 0,47 $ pro Sekunde in der obersten Stufe; jeder Preis wird angezeigt, bevor du auf den Button drückst
Clip-LängeBis zu 30 Sekunden pro generiertem Segment; eine Episode wird aus ihren Segmenten zu 1 Credit pro Sekunde zusammengesetzt
Eine Episode, durchgerechnetEine 60-Sekunden-Episode in der Standardstufe kostet etwa 660 Credits (Video plus Zusammensetzen), etwa 4,11 $ zum niedrigsten Credit-Preis; eine Serie aus 10 Episoden à 90 Sekunden aus einem Roman mit 30.000 Zeichen kostet etwa 10.026 Credits, etwa 62 $
DialogDirekt im Video gesprochen, eine Stimme pro Figur, in einer von 15 Sprachen
Formate9:16 hochkant oder 16:9 quer; 480P bis 1080P, dazu eine 2K-Stufe
Kostenlos starten50 Credits bei der Anmeldung, 15 kostenlose Referenzbilder, ein kostenloses Storyboard für die erste Episode und eine kostenlose Videovorschau von 5 Sekunden
Wer es nutzt2.900+ Creator haben mit SceneMixer generiert (Konten mit mindestens einer Generierung, gezählt im November 2026)
EingabeEin Drehbuch, ein Roman oder eine Idee in einem Satz; Uploads als .txt, .docx und .md

Dialog ist keine Untertitelspur

Die meisten Tools, die von „KI-Dialog“ sprechen, meinen Untertitel: Text, den du über einen Clip klebst. Hier wird die Zeile gesprochen. Das Videomodell erzeugt Bild und Ton in einem Durchgang, sodass der Mund der Figur den Satz in dieser Sprache und diesem Tempo formt – es gibt keine nachträglich angeklebte separate Audiodatei und keinen Lippensynchronisations-Durchgang, der schiefgehen kann.

Daraus ergibt sich eine Konsequenz, die du verstehen solltest, bevor du etwas schreibst: Die Länge einer Zeile bestimmt die Länge einer Einstellung. Sprich sie laut aus und stoppe die Zeit – genau das macht die Pipeline.

Auf einen Blick

Was die Dialogebene erzeugt und was Änderungen kosten
Geschrieben vonDie Skriptanalyse schreibt die Zeilen in die Gliederung jeder Episode; die Einstellungsliste weist sie dann bestimmten Einstellungen mit Sprecher und Spielanweisung zu.
SpracheEinmal pro Projekt vor der Analyse gewählt. Fünfzehn Sprachen stehen zur Auswahl. Die Darsteller spielen in dieser Sprache; Oberfläche und Arbeitsdokumente folgen unabhängig davon deiner eigenen Sprache.
SpielanweisungenEine kurze Anmerkung in Klammern pro Zeile – wie etwas gesagt wird, nicht was gesagt wird. Sie erreicht das Videomodell als Spielanweisung.
Off-Screen-ZeilenExplizit markiert: Voice-Over, Erzählstimme, innere Stimme, Stimme am Telefon. Markierte Zeilen bewegen auf dem Bildschirm niemandes Mund.
EinstellungslängeAus der Zeile abgeleitet. Englisch wird mit drei Wörtern pro Sekunde getimt, Chinesisch mit fünf Zeichen pro Sekunde. Eine kurze Zeile bekommt trotzdem eine Mindestlänge, damit die Einstellung nicht abgeschnitten wirkt.
StimmenAus einer voreingestellten Stimmbibliothek ausgewählt, oder du lädst eine Probe für eine Figur hoch. Redub kann beim Ändern einer Zeile die eigene Stimme eines Clips klonen (Originalstimme).
BearbeitungKostenlos. Schreibe jede Zeile in der Einstellungsliste um; nur die Segmente, die du berührt hast, werden neu gerendert.

Warum die Timing-Regel wichtiger ist, als sie klingt

Eine Zeile mit achtzehn englischen Wörtern braucht etwa sechs Sekunden Bildschirmzeit. Gibst du einem Videomodell eine viersekündige Einstellung mit achtzehn Wörtern, passiert eines von zwei Dingen: Die Sprechweise wird zu unverständlichem Gehetze, oder das Modell lässt die zweite Satzhälfte stillschweigend weg. Keiner der Fehler macht sich bemerkbar – du merkst es erst, wenn du den Schnitt ansiehst.

SceneMixer berechnet die Untergrenze daher aus der Zeile selbst und schreibt diese Zahl in die Einstellung. Wenn die Einstellungen eines Segments mehr ergeben, als das Segment fassen kann, wird das Segment an einer Einstellungsgrenze geteilt statt gestaucht. Jede Dauer kannst du von Hand überschreiben; die Berechnung sorgt dafür, dass der Standardwert nie in die Richtung falsch ist, die eine Aufnahme ruiniert.

Spielanweisungen: Regie, nicht Bühnengeschäft

Jede Zeile trägt eine kurze Anmerkung in Klammern – die Art, wie ein Regisseur sie am Tisch sagt, nicht das Adverb eines Romanautors. „Flach, bereits entschieden.“ „Versucht, nicht zur Tür zu blicken.“ Diese erreichen das Modell als Spielanweisung und verändern die Lesart merklich. Zwei Regeln, die die Pipeline durchsetzt, damit sie nützlich bleiben:

Wenn das Modell Zeilen ohne Notizen zurückgibt, was es unberechenbar tut, startet SceneMixer einen separaten kleinen Durchlauf, der nur die fehlenden ergänzt, ohne die Zeilen selbst anzutasten.

Ein Projekt, eine Dialogsprache

Die Dialogsprache ist eine Projekteinstellung, keine Einstellung pro Zeile, und wird vor der Analyse gewählt, weil sie verändert, was geschrieben wird, nicht nur, wie es gerendert wird. Ein chinesischer Webroman mit englischer Dialogeinstellung erzeugt englische Zeilen mit englischem Rhythmus – keine übersetzten chinesischen Sätze. Namen und Schauplätze passen sich an, wenn du auch eine Zielregion festlegst.

Was sich nicht ändert, ist der Preis: Ein Segment kostet in jeder Sprache gleich viele Credits, und die Arbeitsdokumente, die du liest, werden kostenlos übersetzt. Details findest du in dem Leitfaden zur Dialogsprache; nativer Dialog vs. Synchronisation erklärt, warum dies kein Synchronisationsdurchgang ist.

Was es nicht tut

Was es kostet

Dialog ist kein eigener Posten — er wird von den beiden bezahlten Stufen geschrieben, die du ohnehin nutzt. Die Skriptanalyse kostet 4 Credits pro 3.333 Zeichen englischen Texts; die Einstellungsliste jeder Episode kostet 1 Credit pro 333 Zeichen dieser Episode. Eine Zeile umzuschreiben ist kostenlos; das Neurendern des Segments, das sie enthält, kostet das Video des Segments, ab 10 Credits pro Sekunde (≈ 0,06 $/s bei niedrigster Credit-Preis). Die Stimmzuordnung kostet nichts. Neue Konten auf SceneMixer starten mit 50 Credits und einer kostenlosen Vorschau von bis zu 5 Sekunden — genug, um eine Zeile gesprochen zu hören, bevor du irgendetwas bezahlst. Die vollständige Tabelle steht auf der Preisseite.

Sprachen

Muttersprachliche Dialoge in 15 Sprachen

Jede Serie unten wurde mit derselben SceneMixer-Pipeline produziert, wobei die Darsteller die jeweilige Sprache auf muttersprachlichem Niveau sprechen: Oberfläche, Arbeitsdokumente und gesprochene Zeilen sind in einer Sprache, nichts ist synchronisiert. Öffne eine Serie, um es dir anzuhören.

Alle 15 Sprachen anzeigen

In SceneMixer vs. Tools zusammenstückeln

Die meisten AI-Drama-Workflows bestehen aus fünf oder sechs Tools hintereinander. Hier siehst du, wo jeder Schritt in SceneMixer stattfindet und was er ersetzt.

SchrittIn SceneMixerVon Hand mit einzelnen Tools
Drehbuch und EpisodenplanFüge ein Drehbuch oder einen Roman ein oder tippe eine Zeile: Daraus werden eine Besetzung, Schauplätze, Requisiten und eine Episodenübersicht herausgelesen, die du bearbeiten kannstEin Chat-Modell schreibt das Drehbuch; du teilst es in Episoden auf und trägst den Text von Tool zu Tool
Gesichter der Figuren und SchauplätzeJede Figur, jeder Schauplatz und jede Requisite wird einmal als Referenzbogen gezeichnet und jeder Einstellung beigefügt, in der sie vorkommtEin Bildmodell, ein Bogen nach dem anderen; die passende Referenz lädst du für jeden Clip selbst hoch
EinstellungenEin Storyboard pro Episode mit nummerierten Einstellungen und Sekunden; das Video wird Segment für Segment in 9:16 oder 16:9 anhand derselben Bögen generiertEin Videomodell, ein Clip pro Prompt, und dieselben Personen beschreibst du jedes Mal neu
Stimmen und DialogDie Zeilen werden im Video selbst gesprochen, eine Stimme pro Figur, in einer von 15 SprachenEin Text-to-Speech-Tool für jede Zeile, danach eine Lippensynchronisation für jeden Clip
Eine Einstellung korrigierenDen Text dieser Einstellung bearbeiten und nur das Segment neu generieren; der Rest der Episode bleibt unberührtDen Clip neu generieren, dann die Timeline neu schneiden
FertigstellungDie Segmente werden mit der Musik zu einer Episodendatei zusammengesetzt; Mitglieder laden sie ohne AI-Kennzeichnung herunterEin Videoeditor, um die Clips zusammenzufügen, Musik und Untertitel hinzuzufügen und dann zu exportieren
VeröffentlichenDu lädst die fertige Episode auf TikTok, YouTube, Instagram oder sonst wohin hoch; nichts wird für dich gepostetVon Hand hochladen, genau wie hier

Häufig gestellte Fragen

Kann ich den Dialog selbst schreiben, statt ihn generieren zu lassen?

Ja. Die Einstellungsliste von SceneMixer ist bearbeitbarer Text — ersetze jede Zeile durch deine eigene, und nur dieses Segment wird neu gerendert. Manche fügen auch ein fertiges Drehbuch ein; dann übernimmt die Analyse die bestehenden Zeilen, statt neue zu erfinden.

Wie steuere ich, wie eine Zeile gesprochen wird?

Über die Sprechanweisung in Klammern daneben. Halte sie kurz und beziehe dich auf die Art des Sprechens, nicht auf den Inhalt: „leise, nicht fragend“ verändert die Lesart; „sie sagt, dass sie geht“ tut das nicht, weil die Zeile das bereits aussagt.

Klingt dieselbe Figur in allen Episoden gleich?

Ja — die Stimme ist eine Eigenschaft der Figur im Projekt, einmal zugeordnet und wiederverwendet, genauso wie das Gesicht. Wenn du für eine Figur eine eigene Probe hochlädst, ist dieser Upload eine dauerhafte Wahl, und SceneMixer überschreibt sie nie mit späteren Zuordnungen.

Was passiert mit inneren Monologen aus einem Roman?

SceneMixer macht daraus eine markierte Zeile — innere Stimme oder Erzähler —, damit sie gehört wird, während das Bild etwas Sehenswertes zeigt, statt zur Einstellung einer nachdenkenden Person zu werden.

Kann die Oberfläche in einer Sprache und der Dialog in einer anderen sein?

Ja, und das ist der Normalfall: Die Oberfläche von SceneMixer und die Arbeitsdokumente folgen deiner eigenen Sprache, die gesprochenen Zeilen folgen der Projekteinstellung. Ein englischsprachiger Produzent kann eine koreanischsprachige Serie ausliefern und trotzdem jedes Dokument auf Englisch lesen.

Höre eine Zeile an, bevor du dafür bezahlst

Eine kostenlose Vorschau rendert die erste Einstellung deiner eigenen Episode, eingesprochen.

SceneMixer kostenlos testen

Credit-Pakete ab 1,49 $ · Pro 7,99 $/Monat · Keine Kreditkarte zum Start nötig