KI-Szenen mit mehreren Charakteren
KI-Generator für Szenen mit mehreren Figuren
Aktualisiert 4. November 2026

| SceneMixer auf einen Blick | Das bekommst du |
|---|---|
| Videopreis | Ab 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-Länge | Bis zu 30 Sekunden pro generiertem Segment; eine Episode wird aus ihren Segmenten zu 1 Credit pro Sekunde zusammengesetzt |
| Eine Episode, durchgerechnet | Eine 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 $ |
| Dialog | Direkt im Video gesprochen, eine Stimme pro Figur, in einer von 15 Sprachen |
| Formate | 9:16 hochkant oder 16:9 quer; 480P bis 1080P, dazu eine 2K-Stufe |
| Kostenlos starten | 50 Credits bei der Anmeldung, 15 kostenlose Referenzbilder, ein kostenloses Storyboard für die erste Episode und eine kostenlose Videovorschau von 5 Sekunden |
| Wer es nutzt | 2.900+ Creator haben mit SceneMixer generiert (Konten mit mindestens einer Generierung, gezählt im November 2026) |
| Eingabe | Ein Drehbuch, ein Roman oder eine Idee in einem Satz; Uploads als .txt, .docx und .md |
Das Schwierige ist, wer im Bild ist – nicht wie viele
Generierte Videos haben einen typischen Fehler, wenn mehr als eine Person in einer Einstellung zu sehen ist: Es taucht ein Gesicht auf, das dort nicht hingehört. Jemand, der im Text erwähnt wird – den man ansieht, dem man zuruft, an den man denkt – erscheint im Bild mit einem spontan erfundenen Gesicht, weil dem Modell niemand den Unterschied zwischen „anwesend“ und „erwähnt“ mitgeteilt hat.
Deshalb gibt die Einstellungsliste das pro Einstellung an. Jede Einstellung trägt eine explizite Liste, welche Charaktere im Bild sind – und nur diese Liste, nicht der Text und nicht der Endzustand der vorherigen Einstellung, entscheidet, wessen Referenzbilder verknüpft werden.
Auf einen Blick
| Wer im Bild ist | Eine Liste pro Einstellung. Die Vereinigung über alle Einstellungen eines Segments hinweg bestimmt, welche Referenzbilder mitgeschickt werden. |
|---|---|
| Wer außerhalb des Bildes ist | Wird als Regieanweisung geschrieben – „nach links im Bild“, „Blick zur Kamera“ –, nicht als Name. Dem wird kein Gesicht zugewiesen. |
| Einzeleinstellungen | Explizit markiert, damit der Renderer weiß, dass nur eine Person im Bild ist und keine weitere erfinden soll. |
| Wer spricht | Wird pro Zeile benannt; alle anderen im Bild werden als „Lippen geschlossen“ markiert, sodass sich nur der Mund des Sprechers bewegt. |
| Hintergrundmenge | Ein deklarierter Zustand der Szene, einmal im Segment-Header notiert – oder fehlend. Nie durch Umgebungsgeräusch impliziert. |
| Praktische Obergrenze | Ab vier benannten Personen in einem Bild sinkt die Qualität. Die Einstellungsliste umgeht das, statt es zu erzwingen. |
Warum die Nennung eines Charakters außerhalb des Bildes die Einstellung zerstört
Das ist messbar, nicht theoretisch. Bei Einstellungen, die einen Antagonisten außerhalb des Bildes benannten, entstanden in fünf von acht Renderings falsche Gesichter oder eine zusätzliche Person. Dieselben Einstellungen, umgeschrieben mit einer Richtung statt eines Namens, ergaben in zwölf Renderings null solcher Fehler. Deshalb schreibt die Pipeline sie um: In einer Einzeleinstellung wird ein Charakter, der nur als Blickrichtung oder Bewegungsrichtung existiert, in eine räumliche Formulierung umgewandelt und aus der Bildliste entfernt.
Dieselbe Logik gilt für Tote: Ein Charakter, auf den in diesem Segment nur als Leiche verwiesen wird, wird als einfaches Substantiv geschrieben, nicht als Charakterreferenz – sodass niemand sein Referenzbild lädt und ihn aufstellt.
Zwei Personen, die einander gegenüberstehen
Dafür gibt es genau zwei Wege, und die Liste verlangt, dass man einen wählt: eine Profil-Zweiereinstellung oder eine Über-die-Schulter-Einstellung. Nicht geschrieben werden darf „A blickt auf B, B steht unscharf im Hintergrund dahinter“. Damit B in A’s Schärfentiefe liegt, müsste A B den Rücken zukehren, und diese Kameraposition gibt es in einer normalen Halbnahen nicht. Wird es trotzdem verlangt, stellt der Renderer eine Person frontal zur Kamera und die andere steht hinter ihr. SceneMixer setzt die Achse in der ersten Einstellung, in der beide tatsächlich gemeinsam im Bild sind.
Mengen werden deklariert – oder sie fehlen
Ein Saal mit dreihundert Gästen ist ein sichtbarer Zustand der Szene und wird so notiert – eine Zeile im Segment-Header, die sagt, wer die Hintergrundpersonen sind, wo sie sind und was sie tun. Konsistent für alle Segmente dieser Szene. Ohne diese Zeile darf die Einstellung überhaupt keine Menge erwähnen, denn „Gemurmel von Gästen“ im Umgebungs-Ton ist keine visuelle Anweisung; ein Renderer, dem nur das mitgeteilt wird, liefert in einer Einstellung Gäste und in der nächsten einen leeren Saal.
Wenn eine Menschenmenge angegeben wird, ändert sich die Bildanweisung entsprechend: Die Menge bleibt in der Schärfentiefe, und die Liste „Im Bild“ von SceneMixer zählt weiterhin nur benannte Charaktere.
Was es nicht tut
- Acht benannte Charaktere zuverlässig in eine Einstellung setzen. Ab vier sinkt die Identitätsqualität. Ensembleszenen werden in Einzeleinstellungen und Über-die-Schulter-Einstellungen abgedeckt – so, wie man sie an echten Sets dreht.
- Einen Charakter behalten, dessen „im Bild“-Markierung fehlt. Wenn das Modell vergisst, jemanden aufzulisten, der sichtbar sein sollte, wird die Person weggelassen, statt sie zu erraten. Eine fehlende Person ist behebbar; das Gesicht eines Fremden in deinem Drama nicht.
- Kontinuierliche Gruppenaktionen choreografieren. Formationsbewegungen von Mengen, andauernde Mehrpersonenkämpfe – das liegt außerhalb dessen, was aktuelle Modelle zusammenhalten.
- Eine Menge aus dem Sounddesign herauslesen. Deklariert oder abwesend; dazwischen gibt es nichts.
Was es kostet
Nichts Zusätzliches. Das sind Eigenschaften der Einstellungsliste, die nach Skriptlänge abgerechnet wird, mit 1 Credit pro hundert Zeichen des Anteils der Episode. Referenzblätter kosten 7 Credits pro Stück, ab dem 15 kostenlosen im ersten Projekt, und das Rendern in SceneMixer beginnt bei 10 Credits pro Sekunde Ausgabe. Wie Gesichter über Einstellungen hinweg gleich bleiben, steht unter Figurenkonsistenz, die Preise stehen 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.
A Carta de LisboaPortuguêsMuttersprachliche Dialoge
윈터 프라미스한국어Muttersprachliche Dialoge
El Secreto de CostaEspañolMuttersprachliche Dialoge
浪人の誓い日本語Muttersprachliche Dialoge
Ikrar JakartaBahasa IndonesiaMuttersprachliche Dialoge
Зимняя коронаРусскийMuttersprachliche Dialoge
L’Héritier du DéfiléFrançaisMuttersprachliche Dialoge
Il Tavolo dell'OlivaItalianoMuttersprachliche Dialoge
De Vuurtoren van de FjordNederlandsMuttersprachliche Dialoge
العهد الصحراويالعربيةMuttersprachliche Dialoge
Çantasındaki SözleşmeTürkçeMuttersprachliche Dialoge
Die Istanbul-TäuschungDeutschIn deiner Sprache
Останній сигналУкраїнськаMuttersprachliche Dialoge
問劍青雲繁體中文Muttersprachliche Dialoge
The Last EnvelopeEnglishMuttersprachliche Dialoge
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.
| Schritt | In SceneMixer | Von Hand mit einzelnen Tools |
|---|---|---|
| Drehbuch und Episodenplan | Füge ein Drehbuch oder einen Roman ein oder tippe eine Zeile: Daraus werden eine Besetzung, Schauplätze, Requisiten und eine Episodenübersicht herausgelesen, die du bearbeiten kannst | Ein Chat-Modell schreibt das Drehbuch; du teilst es in Episoden auf und trägst den Text von Tool zu Tool |
| Gesichter der Figuren und Schauplätze | Jede Figur, jeder Schauplatz und jede Requisite wird einmal als Referenzbogen gezeichnet und jeder Einstellung beigefügt, in der sie vorkommt | Ein Bildmodell, ein Bogen nach dem anderen; die passende Referenz lädst du für jeden Clip selbst hoch |
| Einstellungen | Ein Storyboard pro Episode mit nummerierten Einstellungen und Sekunden; das Video wird Segment für Segment in 9:16 oder 16:9 anhand derselben Bögen generiert | Ein Videomodell, ein Clip pro Prompt, und dieselben Personen beschreibst du jedes Mal neu |
| Stimmen und Dialog | Die Zeilen werden im Video selbst gesprochen, eine Stimme pro Figur, in einer von 15 Sprachen | Ein Text-to-Speech-Tool für jede Zeile, danach eine Lippensynchronisation für jeden Clip |
| Eine Einstellung korrigieren | Den Text dieser Einstellung bearbeiten und nur das Segment neu generieren; der Rest der Episode bleibt unberührt | Den Clip neu generieren, dann die Timeline neu schneiden |
| Fertigstellung | Die Segmente werden mit der Musik zu einer Episodendatei zusammengesetzt; Mitglieder laden sie ohne AI-Kennzeichnung herunter | Ein Videoeditor, um die Clips zusammenzufügen, Musik und Untertitel hinzuzufügen und dann zu exportieren |
| Veröffentlichen | Du lädst die fertige Episode auf TikTok, YouTube, Instagram oder sonst wohin hoch; nichts wird für dich gepostet | Von Hand hochladen, genau wie hier |
Häufig gestellte Fragen
Wie viele Charaktere können in einer Einstellung zu sehen sein?
Vier benannte Personen sind die praktische Obergrenze, bevor die Identität zu verschwimmen beginnt. Die Einstellungsliste von SceneMixer ist so gebaut, dass sie darunter bleibt: Ensemble-Szenen werden in Einzel- und Über-die-Schulter-Einstellungen abgedeckt statt in breiten Gruppenbildern.
Warum ist ein Charakter, den ich nur erwähnt habe, im Bild aufgetaucht?
Genau dieser Fehler wird durch die Bildliste pro Einstellung in SceneMixer verhindert. Eine Figur, die nur angesehen oder angesprochen wird, wird als Anweisung geschrieben, nicht als Name, und steht nicht in der Bildliste. Daher wird keine Referenzgrafik angehängt und kein Gesicht erfunden.
Können zwei Charaktere einander direkt ansprechen?
Ja, als Profil-Zweier-Einstellung oder Über-die-Schulter. Was nicht funktioniert, ist eine Person frontal, die andere unscharf im Hintergrund: Diese Kombination aus Bildausschnitt und Tiefenschärfe ist physikalisch unstimmig, und die Forderung danach führt dazu, dass eine Person hinter jemandem steht und zur Kamera spricht.
Wie funktionieren Hintergrundkomparsen?
Sie werden einmal im Segmentkopf festgelegt (wer sie sind, wo, was sie tun) und bleiben in dieser Szene konsistent. Wenn nichts angegeben ist, verweist die Einstellung nicht auf eine Menschenmenge. SceneMixer behandelt Hintergrundgeräusche einer Menge allein nicht als visuelle Anweisung.
Wer bewegt den Mund?
Nur der benannte Sprecher jeder Zeile. Alle anderen im Bild sind explizit mit geschlossenen Lippen markiert – das verhindert, dass ein Zuhörer leise zum Dialog mitbewegt.
Niemand im Bild, den du nicht besetzt hast
Generiere eine Szene mit Menschenmenge und zähle die Gesichter.
SceneMixer kostenlos testenCredit-Pakete ab 1,49 $ · Pro 7,99 $/Monat · Keine Kreditkarte zum Start nötig