KI-Shotlist-Generator
KI-Shotlisten-Generator
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 |
Eine Shotlist, die du rendern kannst – kein Dokument, das du danach noch abfilmen musst
Die meisten KI-Shotlist-Tools geben dir eine Tabelle zurück. Du musst dann immer noch jeden Shot darin in einem anderen Tool erstellen und hoffen, dass das Ergebnis dem entspricht, was in der Tabelle stand. Hier ist die Shotlist der Input: Jedes Segment wird aus seinem eigenen Text generiert, bezogen auf die Referenzbilder für die Figuren und Orte, die dieser Text nennt. Ändere eine Zeile in der Liste, und nur dieses Segment wird neu gerendert. Dieser eine Unterschied bestimmt alles Weitere auf dieser Seite – die Liste muss präzise genug sein, um ausgeführt zu werden, nicht nur lesbar.
Was ein Segment enthält
Die Einheit ist ein Segment von 4–15 Sekunden (bei den Long-Take-Tarifen bis zu 30), das auch genau eine Generierung ist. Darin liegen die einzelnen Einstellungen. Jedes Segment beginnt mit einem Kopfbereich, der die Fakten festlegt, die eine Kamera vor dem Start braucht:
| Ort | Ein Verweis auf einen Ort in der Asset-Bibliothek des Projekts, keine neue Beschreibung – damit zwei Segmente im selben Raum auch wirklich im selben Raum spielen. |
|---|---|
| Uhrzeit und Wetter | Wird einmal pro Segment angegeben. Die Beleuchtung wird daraus und aus dem eigenen Hintergrundbild des Ortes abgeleitet, statt für jeden Shot neu erfunden zu werden. |
| Szenenbild und Requisiten | Was im Raum steht und welche Requisiten im Spiel sind. Die hier aufgeführten Requisiten sind diejenigen, deren Referenzbilder mit dem Segment mitgegeben werden. |
| Zustand des Anfangsbilds | Das erste Bild, als Standbild beschrieben: Einstellungsgröße, wer darin zu sehen ist, welche Haltung die Person hat. Alles, was in diesem ersten Bild nicht sichtbar ist, gehört hier nicht hin. |
| Personen im Hintergrund | Nur vorhanden, wenn die Szene wirklich eine Menschenmenge zeigt. Wird einmal im Header deklariert, damit sie zwischen Shots desselben Ortes nicht ein- und ausblendet. |
Was ein Shot enthält
- Eine Nummer und eine Dauer in Sekunden. Die Shotdauern eines Segments addieren sich zur Länge des Segments; es gibt keinen Spielraum, in dem man sich verstecken kann.
- Eine Einstellungsgröße. Weit, Mittel, Nah, Über-die-Schulter, Insert – gewählt danach, was der Moment braucht, und bevorzugt mit Bildausschnitten, die KI-Videomodelle tatsächlich gut rendern.
- Wer im Bild ist. Explizit, pro Shot. Das ist die Liste, die festlegt, wessen Referenzbilder angehängt werden, also gilt sie als verbindlich und nicht als bloßer Fließtext.
- Die Handlung. Geschrieben als Ursache, nicht als Ergebnis: wo die Lichtquelle steht und was sie ist, nicht wo der Lichtreflex landet.
- Der Dialog. Jede Zeile mit Sprecher und einem kurzen Vortragshinweis. SceneMixer leitet die Länge einer Dialogeinstellung aus der Zeile ab – Englisch wird mit drei Wörtern pro Sekunde getaktet –, sodass eine Einstellung nie zu kurz für den Satz darin ist.
- Umgebungsgeräusch. Wie die Szene klingt; das Videomodell generiert das zusammen mit dem Bild.
Drei Regeln, die es gibt, weil Videomodelle auf bestimmte Weise scheitern
Das sind keine Stilvorlieben. Jede Regel wurde hinzugefügt, nachdem wir zweimal gesehen haben, dass generiertes Material auf dieselbe Weise kaputt war.
- Niemand, der nicht im Bild ist, wird namentlich genannt. Wenn eine Figur nur angeschaut, angesprochen oder nach ihr gegriffen wird und sie nicht im Bild ist, steht im Shot „nach links aus dem Bild heraus“, nie ihr Name. Eine abwesende Figur namentlich zu nennen ist der zuverlässigste Weg, ein Modell dazu zu bringen, ihr Gesicht in einen Shot einzufügen, in dem eigentlich nur eine Person sein sollte.
- Shots mit einer Person werden auch so gekennzeichnet. Ein Shot mit nur einer Figur enthält den expliziten Hinweis „nur diese Person im Bild“, und Figuren, die anwesend sind, aber nicht sprechen, werden als solche markiert, damit das Modell keinen Mund animiert, der geschlossen sein sollte.
- Tiefenangaben sind Kameraentscheidungen. Zu schreiben, jemand stehe „im Hintergrund, unscharf“ hinter dem Sprecher, legt bereits eine Kameraposition fest – eine, die es bei einem normalen Zweier-Mittelshot oft gar nicht gibt. Die Liste ist so geschrieben, dass solche Formulierungen nur dort auftauchen, wo der Bildausschnitt sie auch hergibt.
Nachdem das Modell eine Liste erstellt hat, wird vor dem Speichern ein Durchgang mit deterministischen Korrekturen darüber ausgeführt: Shotdauern werden mit dem Segment abgeglichen, die Einstellungsgröße des Anfangsbilds an Shot eins angepasst, Münder von nicht sprechenden Personen geschlossen, Waffen- und Kontaktangaben konkretisiert, übrig gebliebene Entwurfsnotizen entfernt. Ein zweiter Durchgang bittet dasselbe Modell, nur die konkreten Zeilen umzuschreiben, die eine Prüfung nicht bestanden haben – nie die ganze Liste.
Wie lang die Listen in der Praxis sind
Auf dieser Plattform hat eine typische Episode im Median sieben Segmente, und ein Segment dauert im Median vierzehn Sekunden – die Einstellungsliste einer typischen Episode umfasst also etwa hundert Sekunden Bildzeit, mit so vielen einzelnen Einstellungen, wie diese sieben Segmente brauchen. Auf SceneMixer dauert die Erstellung der Einstellungsliste einer Episode im Median etwa 1 Minute 54 Sekunden; gemessen über alle Listen, die auf scenemixer.com in den dreißig Tagen bis zum 20. September 2026 erfolgreich erstellt wurden.
Bearbeiten ist kostenlos; Neu generieren nicht
Jede Zeile der Liste ist bearbeitbarer Text, und das Bearbeiten kostet nichts – die einzigen kostenpflichtigen Vorgänge sind Modellaufrufe. Dieses Ungleichgewicht ist absichtlich so gewählt, weil es deine Arbeitsweise verändert: Einen Shot von Hand zu korrigieren und nur dieses Segment neu zu rendern ist günstig, während das Modell nach einer neuen Liste für die ganze Episode zu fragen genau so viel kostet wie die erste und alle manuellen Änderungen in dieser Episode verwirft. Für kleine Korrekturen: bearbeite. Für einen wirklich anderen Ansatz für die Episode: generiere neu.
Was es kostet
Einstellungslisten werden pro Episode abgerechnet, nach der Länge des Skripts, das diese Episode abdeckt: 1 Credit pro 333 Zeichen englischen Textes, zum selben Preis für den ersten Durchlauf und für einen erneuten Lauf. Die Skriptanalyse, die Besetzung und Episodenaufteilung erstellt, auf der die Liste aufbaut, kostet 4 Credits pro 3.333 Zeichen und läuft einmal für den gesamten Upload. Bei einem ersten Projekt ist die Einstellungsliste für Episode 1 kostenlos, und jedes SceneMixer-Konto startet mit 50 Credits. Das Rendern der Einstellungen ist davon getrennt und kostet ab 10 Credits pro Sekunde Ausgabe. Die vollständige Tabelle findest du auf der Preisseite.
Eine Shotlist, fünfzehn Dialogsprachen
Die Dialogtiming wird pro Sprache berechnet, sodass ein Shot lang genug für die jeweilige Zeile ist, egal in welcher Sprache diese vorliegt. Die Dialogsprache wird vor der Analyse ausgewählt und nativ umgesetzt, statt nachträglich synchronisiert zu werden; jede der unten aufgeführten Serien wurde auf diese Weise produziert.
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
Kann ich die Shotlist als PDF oder Tabelle exportieren?
Derzeit nicht. Die Liste befindet sich im Editor, da sie dort ausgeführt wird – sie ist gleichzeitig das Produktionsdokument und die Eingabe für das Rendern. Du kannst den Text jedes Segments kopieren, und die gesamte Liste ist reiner Text statt einer proprietären Struktur.
Kann ich die Shotlist selbst schreiben?
Ja. Jeder Text eines Segments ist bearbeitbar, und du kannst Segmente einfügen, duplizieren oder löschen. Was SceneMixer in jedem Fall liefert, ist die Verbindung zur Asset-Bibliothek: Wenn du in einer Einstellung eine Figur namentlich nennst, wird ihr Referenzbild dem Rendering zugeordnet.
Legt es sowohl die Shotgrößen als auch Kamerabewegungen fest?
SceneMixer setzt Bewegung dort ein, wo sie den Moment trägt – ein Heranfahren, ein langsamer Orbit, eine Handkamera-Verfolgung – und lässt sie dort weg, wo ein stehendes Bild stärker wirkt. Bewusst vermieden werden die aufwendigen Bewegungen, die aktuelle Videomodelle zu Verzerrungen machen, und es wird nicht das Fachjargon-Vokabular verwendet, auf das Bildmodelle einer früheren Generation reagierten.
Wie legt es die Länge eines Shots fest?
Dialogshots werden anhand der Zeile selbst getimt, bei drei Wörtern pro Sekunde für Englisch, mit einem Mindestwert, damit sehr kurze Zeilen trotzdem gehalten werden. Nicht-dialogische Shots erhalten ihre Länge aus dem, was in ihnen passieren muss. Die Shotdauern eines Segments werden dann mit der Gesamtlänge des Segments abgeglichen, bevor die Liste gespeichert wird, und ein Segment, das überläuft, wird an einer Shotgrenze geteilt statt komprimiert.
Kann ich eine Shotlist erhalten, ohne Video zu generieren?
Ja. SceneMixer berechnet Analyse und Einstellungsliste getrennt vom Rendern, und niemand muss rendern. Manche nutzen die Pipeline genau so – ein Skript hinein, eine strukturierte Einstellungsliste heraus, die Aufnahmen werden konventionell gedreht.
Eine Shotlist, die sich selbst dreht
Füge ein Skript ein und lies die Liste der ersten Folge.
SceneMixer kostenlos testenCredit-Pakete ab 1,49 $ · Pro 7,99 $/Monat · Keine Kreditkarte zum Start nötig