Generatives AI-Video: Was erzeugt wird und was du steuerst
Probier es aus: Such dir eine Sache aus, die dir in einer Einstellung wichtig ist, ein Gesicht, einen Mantel, wo jemand steht, das Wetter, und entscheide, ob sie mit einem Bild, mit Worten oder mit einer Vorgabe festgelegt werden soll. Die Tabelle unten sagt, was davon hält.
Erzeugt oder zusammengesetzt: ein schneller Weg, es zu erkennen
Eine Vorlage oder ein Stock-Editor setzt zusammen: Er nimmt Clips, Text und Musik, die schon existieren, und platziert sie. Nichts im Ergebnis wurde für deinen Satz gemacht, daher ist es wiederholbar, pro Änderung günstig und auf das beschränkt, was existiert. Ein generatives Tool erschafft: Bild, Sprache und Ton werden für deine Anfrage erzeugt. Du kannst etwas verlangen, das keine Bibliothek enthält, eine Figur nach deiner Beschreibung in einem Raum, den du beschrieben hast, aber jede Anfrage ist eine neue Ziehung.
Der Test ist einfach. Verlange etwas, das nicht in Stock-Material vorkommen kann, etwa eine benannte Figur in einem bestimmten Outfit, die eine bestimmte Zeile sagt. Wenn dir das Tool eine enge Entsprechung aus vorhandenem Material zurückgibt, setzt es zusammen. Hier entsteht ein Segment aus den Bildern deiner Besetzung, deinem Einstellungstext und deinen Stimmen; nichts darin wird aus einer Clip-Bibliothek abgerufen. Das Zusammenfügen am Ende ist der einzige nicht generative Schritt: Es näht fertige Segmente aneinander.
Bilder binden
Wenn eine Einstellung erzeugt wird, bekommt das Modell die Referenzbilder der darin genannten Figuren, der Szene und der Requisiten als Bilder und gibt sie eng wieder: Gesicht, Kleidung, Materialien und welches Licht und welchen Hintergrund das Bild enthält. Das ist die stärkste Steuerung, die es gibt, und sie schneidet in beide Richtungen. Ein Bild bindet, was es zeigt, und kein Satz macht das rückgängig. Um ein Gesicht oder einen Mantel zu ändern, änderst du also das Bild: Bearbeite die Beschreibung und erzeuge das Referenzbild neu, ersetze es in einem kostenpflichtigen Tarif durch dein eigenes Bild oder füge ein Zustandsbild für einen veränderten Look hinzu.
Darum sind Referenzbilder auch neutral: Eine Figur, die unter Noir-Licht gezeichnet wurde, bringt dieses Licht in ein sonniges Picknick mit. Die Stimmung wird pro Einstellung in den Worten festgelegt, wo sie hingehört. Warum Referenzbilder schlicht aussehen · Eigene Referenzbilder verwenden.
Worte steuern
Der Einstellungstext entscheidet, was das Bild tut, was die Bilder nicht festlegen: wo Menschen stehen, was sie tun, woher das Licht kommt, das Wetter, die Tageszeit, wie sich die Kamera bewegt und, Wort für Wort, was gesagt wird. Worte wirken auf der Ebene über den Bildern, Regen, Abenddämmerung, eine Person, die sich setzt, und wer eine Tasse hält, liegen also alle obendrauf auf dem, was die Referenzbilder zeigen. Sie steuern, statt festzulegen. Substantive wiegen schwerer als Funktionswörter, daher erzeugt eine Verneinung oft das, was sie nennt, und eine Liste von Adjektiven drückt die wichtigen Wörter nach unten. Schreibe, was vor der Kamera ist, mit der Ursache des Lichts, nicht das Urteil, das du über das Ergebnis haben willst.
Beschreibe die Ursache, nicht das Ergebnis · Keine Zauberwörter · Kamerabewegungen schreiben.
Vorgaben rahmen
Die Vorgaben von SceneMixer legen den Rahmen fest, in dem Bilder und Worte arbeiten. Der visuelle Stil ist das Medium, von fotografisch über gemalt bis 3D, und gilt für alles. Szenenstil und Kostümstil werden einmal angewendet, wenn das Drehbuch eingelesen wird, und fließen in jede Beschreibung ein. Das Format, 9:16 oder 16:9, steht nach Schritt 1 fest. Die Videostufe bestimmt die Auflösung, von 480P bis 2K, und das längste Segment, 15 oder 30 Sekunden; die Sekunden jeder Einstellung summieren sich innerhalb dieser Obergrenze. Vorgaben sagen nie, was in einer Einstellung geschieht, und das System sorgt dafür, dass sie nicht gegen die Worte arbeiten: Es sagt dem Modell nicht, wohin es das Motiv setzen soll, denn das ist die Aufgabe des Storyboards.
Deine Stil-Vorgaben wählen · Segmente von 15 oder 30 Sekunden · Hochformat oder Querformat.
Was du steuern willst und welche Steuerung es hält
| Du willst festlegen | Nimm | Wie fest |
|---|---|---|
| Gesicht, Alter, Statur | Das Referenzbild der Figur | Bindet: eng übernommen |
| Ein Outfit | Das Referenzbild oder ein Zustandsbild für ein verändertes Outfit | Bindet; Worte können es nicht überschreiben |
| Die Raumaufteilung | Das Referenzbild der Szene und das 3D-Modell der Szene | Bindet den Raum |
| Wo Menschen stehen | Worte als Raumanker | Steuert; hält über Kameras hinweg |
| Licht, Wetter, Tageszeit | Worte in der Einstellung | Steuert; wirkt zusätzlich zu den Bildern |
| Was gesagt wird | Eine Zeile mit Sprecher- und Stimm-Tags | Wort für Wort gesprochen |
| Wie eine Stimme klingt | Eine geschriebene Stimme oder ein Preset aus der Bibliothek | Steuert oder bindet, sobald ein Preset zugewiesen ist |
| Länge und Detail | Sekunden pro Einstellung, die Stufe | Rahmt: innerhalb der Obergrenze |
| Genauer Bildausschnitt, kleine Gesten, Hände | Nichts zuverlässig | Dem Modell überlassen; neu erzeugen |
Was zufällig bleibt und wie du damit arbeitest
Zwei identische Anfragen können zwei verschiedene Clips ergeben; die Bedingungen von SceneMixer sagen das, und die ehrliche Version jedes generativen Produkts ist eine, in der das erwartet wird. Zu den veränderlichen Teilen gehören der genaue Bildausschnitt, die Darstellung, kleine Details und alles, was du unausgesprochen gelassen hast. Arbeite damit, nicht dagegen: Lies das Storyboard, bevor du für Video zahlst, erzeuge zuerst ein Segment, korrigiere einzelne Einstellungen, indem du ihren Text bearbeitest und nur diese neu erzeugst, und behalte frühere Takes, denn jede Generierung eines Segments bleibt im Versionsverlauf erhalten, und das Wechseln zwischen ihnen ist kostenlos. Eine Einstellung bearbeiten und neu erzeugen · Segmentversionen.
Da jeder Clip neu gewürfelt wird, zählt der Preis pro Versuch, nicht pro Ergebnis: 10 Credits pro Sekunde in der Standardstufe. Die günstigste Stellschraube hast du vor der Generierung: den Text, den du so oft bearbeiten kannst, wie du willst, ohne dass es etwas kostet.
| Art der Steuerung | Beispiele | Wirkt durch |
|---|---|---|
| Bilder | Referenzbilder für Figur, Szene und Requisit, Zustandsbilder, dein eigenes Foto | Wird eng nachgebildet |
| Worte | Shot-Text, Positionen, Licht, Wetter, Dialogzeilen | Lenkt, was die Bilder offenlassen |
| Einstellungen | Bild-, Szenen- und Kostümstil, Format, Stufe, Sekunden | Legt den Rahmen fest, in dem alles stattfindet |
| Keine | Genauer Bildausschnitt, Gesten, Hände | Neu generieren und auswählen |
FAQ
Was ist generatives KI-Video?
Video, dessen Bilder, Sprache und Ton ein Modell aus einer Beschreibung erzeugt, statt es aus vorhandenem Material oder einer Vorlage zusammenzusetzen.
Worin unterscheidet es sich von einem Video-Editor mit Vorlagen?
Ein Vorlagen-Editor setzt vorhandene Clips, Text und Musik zusammen, ist also wiederholbar, aber auf Vorhandenes beschränkt. Ein generatives Tool erzeugt für jede Anfrage neues Bild und neuen Ton – das erlaubt neue Szenen, aber keine identischen Wiederholungen.
Was kann ich in einem generativen Video steuern?
Bilder legen Gesicht, Outfit und Raum fest; Worte lenken Positionen, Licht, Wetter und Dialog; Einstellungen bestimmen Stil, Format, Auflösung und Länge. Feinheiten bei Bildausschnitt und Gesten bleiben dem Modell überlassen.
Warum ändert mein Text die Kleidung der Figur nicht?
Ein Referenzbild wird samt Kleidung übernommen, und Text kann das nicht überschreiben. Ändere das Bild, bearbeite die Beschreibung und generiere das Blatt neu, oder füge ein Zustandsbild hinzu.
Bekomme ich zweimal exakt dasselbe Video?
Nein. Die Generierung ist probabilistisch. Du kannst eine Aufnahme behalten, die dir gefällt, kostenlos zwischen Aufnahmen wechseln und nur die Shots neu generieren, die danebengehen.
Wird ein Teil des Videos nicht generiert?
Das Zusammenfügen fertiger SceneMixer-Segmente zu einer Folge ist gewöhnliche Videoverarbeitung. Die Stimmen stammen aus einer Bibliothek mit Voreinstellungen oder aus einer schriftlichen Beschreibung, und die Filmmusik wird für die Folge ausgewählt.
Heißt generativ zufällig?
Teilweise. Die Bilder und Worte, die du lieferst, halten Identität, Raum und Geschichte fest; variieren tun der genaue Bildausschnitt, die Darstellung und kleine Details.
Welche Stellschraube ist die günstigste?
Der Text. Das Storyboard zu bearbeiten ist in SceneMixer kostenlos, und ein Satz, den du vor der Generierung korrigierst, erspart dir eine Neugenerierung zum Sekundenpreis.
Leg zuerst die Bilder fest, lenke dann mit Worten
Gib die Besetzung frei, schreib den Shot und generiere ein Segment, bevor du die übrigen angehst.
Aktualisiert am 2. November 2026