KI-Shotlist-Generator

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, das auch genau einer Generierung entspricht. Darin befinden sich die einzelnen Shots. Jedes Segment beginnt mit einem Header, der die Fakten festlegt, die eine Kamera vor dem Dreh braucht:

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 einer kurzen Spielanweisung. Die Länge eines Dialogshots wird aus der Zeile abgeleitet – für Englisch werden drei Wörter pro Sekunde angesetzt – damit ein Shot 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

Über alle Projekte auf dieser Plattform hinweg hat eine mediane Episode sieben Segmente, und ein medianes Segment ist vierzehn Sekunden lang – die Shotlist einer typischen Episode umfasst also etwa hundert Sekunden Bildschirmzeit, mit so vielen einzelnen Shots, wie diese sieben Segmente brauchen. Die Generierung der Liste für eine Episode dauert im Median etwa 1 Minute 54 Sekunden, gemessen über alle Listen, die in den dreißig Tagen bis zum 20. September 2026 auf scenemixer.com erfolgreich generiert 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

Shotlisten werden pro Folge abgerechnet, basierend auf der Länge des Skripts, das die Folge abdeckt: 1 Credit pro 333 Zeichen englischer Text, zum gleichen Tarif für den ersten Durchgang und eine Neuerstellung. Die Skriptanalyse, die die Besetzung und die Folgenaufteilung erstellt, auf der die Liste basiert, kostet 4 Credits pro 3,333 Zeichen und läuft einmal für den gesamten Upload. Beim ersten Projekt ist die Shotlist für Folge 1 kostenlos, und jedes Konto startet mit 50 Credits. Das Rendern der Shots ist separat, ab 10 Credits pro Sekunde Ausgabematerial. 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.

Häufig gestellte Fragen

Preise·Anleitungen·Beispiele·Support·Datenschutz·AGB·Rechtliches·Kontakt·© 2026 SceneMixer