Creatives Playbook / Kapitel 16

KI-Videogenerierung und Arbeitsabläufe

Kapitelinhalt

KI-Video ist kein Spielautomat, der einen fertigen Film ausgibt. Es ist eine Produktionsmethode. Du definierst die Geschichte, gestaltest die visuellen Belege, erzeugst Varianten, prüfst sie, behältst brauchbare Fragmente, reparierst Fehler und schneidest das Ergebnis.

Die Werkzeuge werden sich ändern. Modellnamen, Preise, Beschränkungen und Steuerungsmöglichkeiten können sich innerhalb weniger Monate wandeln. Die dauerhafte Fähigkeit besteht darin, den Arbeitsablauf zu führen: zu wissen, was unverändert bleiben muss, was das Modell erfinden darf und wann du mit dem Generieren aufhören und mit dem Schnitt beginnen solltest.

Drei Beispiele ziehen sich durch dieses Kapitel:

Das sind bewusst alltägliche Unternehmen. Es geht nicht darum, jede Marke wie einen Fantasyfilm aussehen zu lassen. Generierung soll nur dort eingesetzt werden, wo sie eine bessere Einstellung, eine klarere Geschichte oder eine effizientere Produktion ermöglicht.

Section 01Die Kernregel: Zuerst die Eingaben kontrollieren, dann die Ausgaben führen#

Ein schwacher KI-Arbeitsablauf verlangt von einer einzigen Anweisung, Figur, Ort, Requisiten, Handlung, Kamera, Dialog, Licht und Schnitt zu erfinden. Jede Variable kann abweichen. Ein starker Arbeitsablauf verlagert diese Entscheidungen nach vorn.

Der vollständige Prozess lautet:

  1. Aufgabe und fertiges Format des Videos definieren.
  2. Geschichte, Ton und Shotliste festlegen.
  3. Benannte Referenzen für Figuren, Orte und Requisiten erstellen.
  4. Einzelbilder als Schlüsselbilder erstellen und freigeben.
  5. Das Verhalten des Modells an der schwierigsten Einstellung testen.
  6. Kleine, vergleichbare Produktionsblöcke generieren.
  7. Prüfen, diagnostizieren und jeweils nur eine Variable neu ausführen.
  8. Kontinuität mit gestalteten Referenzen und bewussten Schnitten aufbauen.
  9. Brauchbare Fragmente früh zusammensetzen.
  10. Nur Fehler reparieren, die dem Publikum auffallen werden.
  11. Bildschnitt festlegen, danach hochskalieren und fertigstellen.

Das folgt einem professionellen Muster für Animationsfilme: zuerst Geschichte und Stil, dann Ausgangsbilder, vorläufiger Ton, Shotliste, Einzelbilder, Storyboard-Schnitt, Animation, Zusammenbau, Reparatur und abschließende Hochskalierung. Der wichtige Gegensatz lautet inszenierte Führung statt Text-zu-Film mit einem Klick (professional animated-film workflow, 00:00).

Auf die drei Beispiele angewandt:

Ein gutes Ergebnis ist nicht „eine beeindruckende Generierung“. Es ist eine fertige Sequenz, in der jede angenommene Einstellung eine klare Aufgabe hat und das Publikum kein fehlerhaftes Gesicht, keine falsche Requisite, Handlung oder Schnittstelle entschuldigen muss.

Section 021. Definiere die Aufgabe, bevor du ein Modell auswählst#

Beginne mit dem Ergebnis. Schreibe einen Satz, der Zielgruppe, gewünschte Reaktion, Plattform, Länge und Seitenverhältnis nennt.

Zum Beispiel:

Kennzeichne danach jede geplante Einstellung als einen von vier Typen:

  1. Real: am besten mit Kamera oder Bildschirmaufnahme erfasst.
  2. Generiert: am besten vollständig mit KI erstellt.
  3. Hybrid: reale Aufnahme plus generiertes Element.
  4. Konventionell: Titel, Motion Graphics, Stockmaterial, Produkt-Renderings oder Standbilder.

So wird KI nicht zur Standardantwort auf jedes visuelle Problem.

FocusFox sollte die echte App-Oberfläche per Bildschirmaufnahme zeigen, auch wenn Schlafzimmer und Maskottchen generiert sind. TrailCup sollte in einer hybriden Einstellung das freigegebene Produkt-Rendering verwenden, weil Griff, Deckel und Logo exakt stimmen müssen. BrightSmile könnte reale Außenaufnahmen der Praxis und generierte erzählerische Einstellungen in einem fiktiven, aber konsistenten Behandlungsraum nutzen.

Wähle den Generator erst, wenn du weißt, was die Einstellung braucht. Vergleiche Systeme nach ihrer Steuerbarkeit, nicht nach ihrem besten Demobild. Ein Modell kann schöne Konzepte erzeugen und trotzdem scheitern, wenn zwei Figuren interagieren oder über mehrere Einstellungen stabil bleiben müssen (generator selection and rough assembly, 03:30).

Führe einen kurzen Modelltest durch, wenn die Einstellung von einem dieser Punkte abhängt:

Teste die Abhängigkeit direkt. Geh nicht davon aus, dass eine Anweisung aus einer früheren Version weiterhin funktioniert. Aktuelle Systeme können die Reihenfolge von Einstellungen umkehren, den Wortlaut einer Stimme ignorieren oder zusammenbrechen, wenn zu viel Bewegung in einen Clip gepackt wird (bounded model tests, 09:30).

Section 032. Lege den Ton fest und erstelle die Einstellungskarte#

KI-Generierung wird verschwenderisch, wenn Dauer und Schnitt unbekannt sind. Nimm zuerst eine vorläufige Off-Stimme oder Dialogspur auf. Sie braucht noch keine endgültige Tonqualität. Sie braucht die endgültige Bedeutung und ein ungefähres Timing.

Ordne danach jeder gesprochenen Zeile oder jedem dramaturgischen Moment einen visuellen Bedarf zu. Eine nützliche Zeile der Einstellungskarte enthält:

Feld Was festzuhalten ist FocusFox-Beispiel
Moment Was sich in der Geschichte ändert Studentin bemerkt 17 offene Ablenkungen
Zweck Was das Publikum verstehen muss Die bisherige Methode funktioniert nicht
Einstellung Bildausschnitt und Motiv Blick über die Schulter auf den überladenen Schreibtisch
Bewegung Handlung des Motivs oder der Kamera Benachrichtigungen pulsieren; langsame Annäherung
Feste Ressourcen Was nicht abweichen darf Studentin, Schlafzimmer, Smartphone-Form
Ton Dialog, Off-Stimme oder Stille Benachrichtigungstöne; keine Sprache
Dauer Benötigte brauchbare Zeit 2.5 seconds
Methode Real, generiert, hybrid, konventionell Generierter Raum plus ersetzter Smartphone-Bildschirm
Risiko Wahrscheinlicher Fehler Unleserliche Oberfläche, zusätzliche Finger
Ersatz Einfachere Alternative Nahaufnahme einer echten Bildschirmaufnahme

Bei kurzen skriptgeführten Videos entsteht ein wiederholbares System vom Skript zu den Materialien, wenn jede Zeile einem visuellen Bedarf zugeordnet wird und Quelle sowie voraussichtlich brauchbarer Moment daneben stehen (script-to-assets workflow, 00:00).

Beschränke jede Einstellung auf eine Hauptidee, eine Handlung und eine Kamerastrategie. Wenn eine Anweisung drei Orte, vier Handlungen, einen Kostümwechsel, eine Dialogzeile und eine Kamerafahrt enthält, liegt das Problem wahrscheinlich im Aufbau der Einstellung – nicht in der Formulierung.

Ein einfacher Entscheidungsbaum für Einstellungsgrößen#

  1. Kann eine sichtbare Handlung den Moment ausdrücken? Generiere eine Einstellung.
  2. Erfordert der Moment eine Reaktion oder einen Perspektivwechsel? Plane alle nötigen Einstellungen: eine Totale, eine Nahaufnahme oder einen Gegenschuss.
  3. Braucht die Handlung mehrere geordnete Schritte? Teile sie in zeitlich geplante Einstellungen oder kurze Clips auf.
  4. Sind exakte Produktdetails oder Oberflächentexte wichtig? Nutze ein Rendering, eine Bildschirmaufnahme, eine Grundaufnahme oder eine Komposition.
  5. Bleibt die Einstellung nach zwei kontrollierten Versuchen anfällig? Vereinfache die Positionen und Bewegungen im Raum oder ändere die visuelle Idee.

BrightSmile-Beispiel: „Die Patientin kommt herein, setzt sich, erklärt ihre Angst, der Zahnarzt beruhigt sie, führt eine Untersuchung durch und sie lächelt“ ist keine einzelne Anweisung. Dafür braucht es mindestens eine Außenansicht, den Eintritt, eine Nahaufnahme im Wartezimmer, ein zweiseitiges Gespräch, ein Untersuchungsdetail und eine Ergebniseinstellung. Die Aufteilung gibt dem Schnitt Kontrolle über Spiel und Tempo.

Section 043. Erstelle benannte Referenzressourcen#

Eine Referenzressource ist ein freigegebenes Bild oder ein freigegebener Clip, der dem Modell zeigt, wie eine wiederkehrende Person, ein Ort, ein Gegenstand oder ein visueller Zustand aussehen soll. Referenzen tragen einen großen Teil der Spezifikation, sodass die Bewegungsanweisung einfach bleiben kann.

Lege für jede Szene einen Ordner und klare Unterordner für Figuren, Orte, Requisiten, Schlüsselbilder, Generierungen, angenommene Aufnahmen, Ton und Exporte an. Gib jeder wiederkehrenden Ressource einen eindeutigen Namen. Speichere und verwende in Anweisungen denselben Namen. Nach Hunderten Ausgaben wird das unverzichtbar: Angenommenes Material bleibt auffindbar und spätere Änderungen nachvollziehbar (asset naming, 05:00).

Sammle für jede kontinuitätskritische Ressource nur, was die Szene braucht:

Wenn sich ein Ort in der Geschichte verändert, erstelle beide Zustände. Eine Küche vor und nach einem Brand sollte derselbe gestaltete Ort in zwei Zuständen sein. Sonst erfindet das Modell womöglich eine andere Küche, statt die ursprüngliche zu verwandeln. Diese ressourcenbasierte Methode lässt sich besser steuern, als das Videosystem alle Details auf einmal erfinden zu lassen (reference control, 00:00).

Referenzgruppen für die laufenden Beispiele#

FocusFox braucht Student-Maya, Bedroom-Night, Phone-Black, FocusFox-UI und Fox-Mascot. Wenn exakte Wörter und Timer-Zahlen wichtig sind, sollte der Smartphone-Bildschirm in der Nachbearbeitung ersetzt werden.

TrailCup braucht TrailCup-Blue als Rundumansicht, TrailCup-Logo als saubere Grafik, Camp-Dawn, Hand-Glove und Steam-Look. Ein einzelnes Frontbild reicht für eine bewegte Produkteinstellung nicht aus.

BrightSmile braucht Patient-Leah, Dentist-Ravi, WaitingRoom-Warm, TreatmentRoom-Warm, Mirror-Prop sowie drei emotionale Zielzustände: ängstlich, zuhörend, erleichtert. Das sind Referenzen für das Spiel, nicht drei verschiedene Figuren.

Wenn Maßstab oder Vielfalt scheitern, ändere die Belege. Wird eine Menschenmenge zu Klonen, liefere eine Übersicht mit mehreren unterschiedlichen Personen, statt in einer immer längeren Anweisung „vielfältigere Menschenmenge“ zu wiederholen. Bleibt ein Gegenstand flach oder spielzeugartig, verbessere seine Ausgangsübersicht oder nutze eine andere Einzelbildmethode, bevor du die Bewegungsgenerierung verantwortlich machst (scaling through reference evidence, 04:30).

Section 054. Korrigiere das Einzelbild, bevor du Bewegung kaufst#

Ein schlechtes Schlüsselbild wird zu einem teuren schlechten Video. Korrigiere Komposition, Identität, Beleuchtung, Requisiten und räumliche Logik zuerst in einem Einzelbild.

Nutze diesen Ablauf:

  1. Hänge nur die erforderlichen Referenzen an.
  2. Generiere mehrere kostengünstigere Einzelbilder.
  3. Lehne falsche Identität, Anatomie, Produktform und Inszenierung ab.
  4. Korrigiere den besten Beinahetreffer nach Möglichkeit durch eine lokale Bearbeitung.
  5. Gib ein Schlüsselbild für die Animation frei.
  6. Speichere seine Anweisung, Referenzen, falls verfügbar den Seed, und die Version.

Wenn ein bestimmter Gegenstand wichtig ist, benenne ihn eindeutig: „der blaue Becher in Referenz drei“, nicht „verwende das Produkt“. Wenn sich Anweisungen zu einem widersprüchlichen Durcheinander angesammelt haben, baue sie neu auf, statt eine weitere Korrektur anzuhängen. Beschränke dich auf eine einfache Kamerabewegung und eine Haupthandlung. Diese Disziplin, zuerst das Einzelbild festzulegen, verhindert, dass langweilige oder räumlich falsche Bilder Videoguthaben verbrauchen (still-first repair workflow, 01:53:30).

Text allein kann die Inszenierung nicht immer ausdrücken. Eine grobe Skizze kann relative Positionen und Richtungen zeigen; die Anweisung löst anschließend die Details. Die Zeichnung muss nicht künstlerisch ausgearbeitet sein. In einem dokumentierten Beispiel wurde eine schwierige Komposition mit zwei Motiven verbessert, indem eine einfache Inszenierungsskizze mit der ausdrücklichen Formulierung kombiniert wurde, dass beide Motive auf Betten liegen (sketch-guided composition, 19:00).

TrailCup-Beispiel: Skizziere den Becher vorn rechts unten, das Zelt in der Mitte links und den Sonnenaufgang hinter dem Bergkamm. Erstelle dann anhand der echten Produktübersicht ein Einzelbild. Verlange nicht vom Videomodell, diese Werbekomposition erst zu entdecken und zugleich Dampf, Stoff, Bäume und Kamerabewegung zu animieren.

Wenn du die nützliche Komposition eines bekannten Filmbilds übernimmst, beschreibe die übertragbaren Merkmale: Größe des Motivs, Winkel, Vordergrund, Tiefe, Licht, Objektivwirkung und räumliche Beziehung. Baue sie mit deiner eigenen freigegebenen Figur neu auf. Verlass dich nicht darauf, eine darstellende Person oder einen Film zu nennen und zu hoffen, dass das System Komposition und Identität voneinander trennt.

Section 065. Schreibe Anweisungen wie Regie, nicht wie Dekoration#

Eine nützliche Videoanweisung nennt beobachtbare Ereignisse. „Cinematisch, episch, emotional“ bezeichnet ein Gefühl, gibt aber kaum physische Regie.

Nutze für eine einzelne Einstellung diese Reihenfolge:

  1. Identität und Referenzregel: Wer oder was muss unverändert bleiben?
  2. Ausgangszustand: Haltung, Position, Ausdruck und wichtige Gegenstände.
  3. Haupthandlung: eine zusammenhängende Handlungsfolge.
  4. Physische Folgen: Stoff, Haar, Gewicht, Dampf, Reflexionen oder Schatten.
  5. Kamera: fest oder eine von Menschen ausführbare Bewegung.
  6. Timing: bei wichtiger Reihenfolge Ablauf nach Sekunden.
  7. Ton: Dialog, Atmosphäre oder ausdrückliche Stille.
  8. Ausschlüsse: nur wahrscheinliche Fehler, keine allgemeine Wand aus Negativanweisungen.

Zum Beispiel:

Student-Maya bleibt dieselbe Person und trägt dasselbe graue Sweatshirt. Sie legt das Smartphone mit dem Display nach unten, atmet aus, richtet den Rücken auf und legt beide Hände auf den Schreibtisch. Ihre Ärmel bewegen sich und kommen zur Ruhe. Die Kamera fährt einmal langsam 20 Zentimeter näher heran und hält sanft an. Warmes Schreibtischlicht; dahinter ein kühler Raum. Keine Sprache, keine Mundbewegung, keine zusätzlichen Gegenstände.

Das beschreibt ein physisches Spiel mit Folgen. Bei festen Einstellungen erden verbundene Handlungen wie das Weglegen eines Smartphones, das Richten der Haare und das Verschränken der Arme den Körper. Für kamerageführte Einstellungen gib eine durchgehende Bewegung und ihr Ende vor. Wenig Bewegung ist eine berechtigte Wahl, wenn sie die Kontinuität schützt (directing physical motion, 06:00).

Gib für eine zeitlich geplante Generierung mit mehreren Einstellungen die Reihenfolge an:

Einstellung eins, 0–2 Sekunden: Totale; Leah sitzt steif im Wartezimmer und umklammert den Riemen ihrer Tasche. Einstellung zwei, 2–4 Sekunden: Nahaufnahme; Ravi sitzt ihr auf Augenhöhe gegenüber und spricht ruhig. Einstellung drei, 4–6 Sekunden: Gegenschuss als Nahaufnahme; Leah lockert ihren Griff und nickt einmal.

Nenne pro Einstellung genau eine Handlung. Lege Dauer, Seitenverhältnis, Bewegung und Ton bewusst fest. Wiederhole keine visuellen Details, die bereits durch die Referenzen festgelegt sind. Kann ein System den gesamten vorhergehenden Clip als Referenz annehmen, bewahrt das Stimmung, Licht und Spannung womöglich besser als dessen letztes Bild allein. Passe die eingebettete Referenzdauer an, wenn das Werkzeug es verlangt, sonst erfindet es möglicherweise zusätzliches Material (timed shots and video reference, 08:30).

Ein Sprachmodell kann eine einfache Absicht in eine detaillierte Anweisung übersetzen. Behandle seinen Entwurf jedoch als Vorschlag einer unerfahrenen Assistenz. Entferne alles, was der Einstellung widerspricht. Bewahre endgültige Anweisung, Reihenfolge der Eingaben, Ausgabe und beobachteten Fehler auf, damit jemand anderes den Versuch reproduzieren kann. Ein Fehler ist nur dann nützlich, wenn er den nächsten Versuch verändert (prompt assistance and diagnostic failure, 06:30).

Section 076. Teste eine Variable und generiere vergleichbare Produktionsblöcke#

Jage nicht der sagenhaften perfekten ersten Anweisung hinterher. Generiere einen kleinen Vergleichsblock. Vier Varianten sind für eine schwierige Einstellung ein brauchbarer Ausgangswert, kein Gesetz.

Prüfe den Block anhand dieser Diagnose:

So trennst du eine schlechte Anweisung von einem schlechten Durchlauf. Benenne den sichtbaren Fehler klar, ändere nur diesen Fehler und vergleiche erneut. Sobald die Anweisung stabil ist, führe einen größeren Produktionsblock aus und wähle nach Möglichkeit mehr als eine brauchbare Aufnahme aus (comparative generation loop, 05:00).

Behalte einen nützlichen Seed, wenn Kontinuität wichtig ist. Ändere ihn, wenn die Struktur stimmt, aber die konkrete Aufnahme schwach ist. Passe Bildanzahl, Überspringen von Ausgangsbildern, Interpolation und Steuerungsstärke jeweils für eine Einstellung an. Teste sowohl die rohe als auch eine restaurierte Darstellung, bevor du dich festlegst (generation controls, 07:00).

Steuere harmlose Details nicht übermäßig. Die Vorproduktion sollte Geschichte, Figur, Welt und visuelles Ziel festlegen. Das Modell kann trotzdem eine unerwartete Geste, Reflexion oder Kameranuance erzeugen. Behalte Überraschungen nur, wenn sie den beabsichtigten Moment stärken. Mehr Möglichkeiten machen die Auswahl wichtiger, nicht weniger (productive surprise and director selection, 09:00).

FocusFox-Beispiel für einen Produktionsblock#

Die kritische Einstellung zeigt Maya beim Starten des Timers, während sich Benachrichtigungskarten in ruhige Partikel auflösen.

  1. Generiere vier Versionen aus dem freigegebenen Bild über die Schulter.
  2. Wenn jede Version die Oberfläche beschädigt, entferne die Oberflächengenerierung. Nutze ein leeres, getracktes Smartphone-Display und füge die echte App-Anzeige in der Nachbearbeitung ein.
  3. Bleibt die Oberfläche stabil, aber eine Aufnahme gibt Maya ein seltsames Handgelenk, generiere mit derselben Konfiguration neu.
  4. Funktioniert die Auflösung nur 1.5 Sekunden lang, behalte dieses Fragment. Schneide vor dem Fehler zu einer sauberen echten Bildschirmaufnahme.
  5. Nimm die Einstellung erst an, wenn Handbewegung, Bereich für den Displaytausch und emotionaler Wechsel lesbar sind.

Das ist Regie. „Perfekte Hände, perfekte Oberfläche“ zu wiederholen, ist Wunschdenken in Anweisungsform.

Section 087. Gestalte Kontinuität, statt auf sie zu hoffen#

Kontinuität bedeutet, dass das Publikum glaubt, die Einstellungen teilten dieselben Menschen, Gegenstände, denselben Ort, dieselbe Zeit und Handlung. KI macht all das anfällig.

Nutze drei Werkzeuge gemeinsam:

  1. Referenzkontinuität: Übernimm freigegebene Figuren, Orte und Requisiten in jede neue Einstellung.
  2. Kompositionskontinuität: Gestalte jedes neue Ausgangsbild mit dem Kontext der vorherigen Szene.
  3. Schnittkontinuität: Schneide in einer Bewegung, ändere den Winkel, kürze Abweichungen oder verbirg die Verbindung mit Ton.

Die Verkettung über das letzte Bild – das letzte Bild eines Clips wird zum ersten des nächsten – kann eine Handlung verlängern, ist aber nicht automatisch nahtlos. Körnung, Wetter, Haltung, Licht oder Identität können sich verändern. Vergleiche die tatsächliche Verbindung und schneide in die Bewegung hinein oder entferne schlechte Randbilder (shared-frame chaining, 04:00).

Für eine neue Szene ist es oft besser, ein Bild aus dem vorherigen Material mit freigegebenen Welt- und Figurenreferenzen zu kombinieren und die gewünschte Einstiegskomposition bewusst zu gestalten. Verwende für den folgenden Winkel nicht einfach ein leicht abweichendes letztes Bild, das Flimmern erzeugt. Baue einen klar anderen Winkel und führe dabei die vorherige Konfrontation oder Ortsreferenz fort (designed continuity frames, 03:30).

Nutze einen Kontinuitätsschnitt, wenn eine nahtlose Verbindung empfindlich ist:

Setze ein verdeckendes Objekt jedoch nicht blind ein. Ein Baum oder Türrahmen, der vor dem Motiv vorbeizieht, kann die Identität zerstören. Ändere dann Bildausschnitt, Modell oder Schnittpunkt.

Die Generierung vom ersten zum letzten Bild eignet sich als Übergangsmaterial. Liefere die Endpunkte, beschreibe die Handlung dazwischen, generiere mehrere Varianten und behalte nur Bilder, die die Geschichte voranbringen. Funktionierende Endpunkte rechtfertigen keine fehlerhafte Mitte (first-to-last-frame transitions, 16:00).

BrightSmile-Beispiel für Kontinuität#

Leah kommt ängstlich herein und geht erleichtert wieder.

  1. Lege Kleidung, Tasche, Frisur und Gesicht fest.
  2. Erstelle Schlüsselbilder für Warte- und Behandlungsraum im selben warmen Tageslicht.
  3. Lass die Warteszene damit enden, dass Leah zu Ravi aufblickt.
  4. Schneide zu einem Gegenschuss, in dem Ravi auf ihrer Augenhöhe sitzt, und übernimm beide Figurenreferenzen sowie die Totale des Wartezimmers.
  5. Nutze eine Hand-Einfügung, während Leah den Griff um die Tasche lockert.
  6. Wechsle mit einer Tonbrücke in den Behandlungsraum: Ravis ruhige Erklärung läuft über den Raumwechsel weiter.
  7. Beende die Sequenz mit einer bewusst anderen Nahaufnahme von Leah, die in einen Spiegel lächelt.

Die Sequenz wirkt zusammenhängend, weil Handlungen und Gefühlszustand verbunden sind, auch wenn kein generierter Clip vollkommen nahtlos anschließt.

Section 098. Behandle Dialog als Zusammenspiel von Einstellungen und Spiel#

Dialog ist eine der schwierigsten KI-Aufgaben, weil Gesicht, Stimme, Timing, Blickrichtung, Identität und Schnitt übereinstimmen müssen.

Plane ihn wie eine gefilmte Szene:

  1. Lege beide Figurenporträts und den Ort fest.
  2. Generiere ein einführendes Einzelbild.
  3. Erstelle umgekehrte Bilder über die Schulter mit korrekten Blickrichtungen.
  4. Gib an, dass die andere Figur bei Bedarf anwesend bleibt.
  5. Animiere jedes freigegebene Einzelbild.
  6. Verlange Stille, wenn eine zuhörende Figur nicht sprechen soll.
  7. Halte die gesprochene Zeile kürzer als den Clip.
  8. Schneide, bevor eine Schleife, ein Gesichtsdrift oder ein leeres Ende sichtbar wird.

Ein dokumentierter Dialogablauf nutzte festgelegte Porträts, eine eröffnende Einstellung und umgekehrte Bilder über die Schulter vor der Animation. Er zeigte außerdem, dass Stille manchmal ausdrücklich verlangt werden muss und Sprache vor Ende des Clips aufhören sollte (controlled dialogue coverage, 05:00).

Beurteile jede Aufnahme danach:

Eingetippte synthetische Sprache, eine hochgeladene Aufnahme und eine stimmkonvertierte menschliche Darstellung können unterschiedliche Ergebnisse liefern. Prüfe sie. Nimm für stark kontrollierte Arbeit eine umfassende menschliche Darstellung auf, teile sie in Dialogabschnitte, bereite für jeden Abschnitt die passende Ersatzstimme vor, kombiniere die neue Spur mit der richtigen stummen Darstellung und ordne jeden Clip seiner Figur zu. Zu langer Ton kann dazu führen, dass sich das Bild wiederholt.

Ausgearbeitetes BrightSmile-Dialogbeispiel: Ravi sagt: „Wir können jederzeit aufhören.“ Nimm zuerst eine ruhige menschliche Lesung auf. Erstelle eine 5-sekündige Nahaufnahme von Ravi, in der die Zeile ungefähr bei 3.5 Sekunden endet. Schneide zu Leahs stummer Reaktion, bevor das generierte Gesicht zerfällt. Ihr Mund bleibt ruhig, die Augen auf Ravi gerichtet, die Schultern sinken. Der emotionale Beleg entsteht durch die Reaktion, nicht durch eine längere generierte Einstellung einer sprechenden Person.

Lass das Maskottchen von FocusFox nur sprechen, wenn es das Konzept verbessert. Ein stummer Blick und ein Benachrichtigungston können klarer sein. Bei TrailCup wäre Dialog vermutlich Verschwendung: Textur, Dampf, Wind und eine kurze Off-Stimme können das Produkt ohne anfällige sprechende Figur verkaufen.

Section 109. Schneide Generierungen wie Ausgangsmaterial#

KI-Clips sind Ausgangsmaterial, keine vertraglich festgelegten Einstellungen. Eine zehnsekündige Generierung kann zwei hervorragende Sekunden enthalten. Nutze sie.

Prüfe jedes Bild rund um einen möglichen Schnitt. Achte auf:

Wähle dann eine von fünf Handlungen:

  1. Behalten: Der gesamte benötigte Moment funktioniert.
  2. Kürzen: Das brauchbare Fragment funktioniert.
  3. Ausbessern: Ein lokaler Abschnitt braucht eine gezielte Einfügung.
  4. Neu kadrieren: Ein Ausschnitt verbirgt einen fehlerhaften Rand oder Aufbau.
  5. Ablehnen: Haupthandlung oder Identität stimmen nicht.

Generierungen mit mehreren Einstellungen und längere Generierungen können dem Spiel Raum geben. Suche darin jedoch brauchbare Blöcke und bessere schwache Momente mit gezielten Bild-zu-Video-Einfügungen aus. Halte fest, ob längere, teurere Clips tatsächlich Wiederholungen vermeiden. Hochskalieren kann die Ausgabeauflösung verbessern; es repariert kein Verformen und keine gebrochene Kohärenz (long generations as editable material, 00:00).

Unerwartete doppelte Bilder lassen sich manchmal aus stummen ergänzenden Bildern entfernen, doch das verkürzt den Clip und zerstört synchronisierten Ton. Betrachte das als Rettungsarbeit, nicht als normalen Ablauf. Funktioniert nur ein Teil eines Clips, ist es oft effizienter, den schlechten Zeitabschnitt zu ändern oder von einem Bild des guten Moments aus fortzufahren, als alles neu zu beginnen. Entferne regelmäßig widersprüchliche Reste aus Anweisungen. Eine zweite prüfende Person – darunter ausdrücklich jemand, der nach „KI-Müll“ sucht – kann Fehler entdecken, die der ausführenden Person nicht mehr auffallen (inspection and repair loop, 10:00).

Section 1110. Nutze hybride VFX, wenn die Realität exakt bleiben muss#

Hybride Arbeit bewahrt eine reale Grundaufnahme oder ein exaktes Produktelement und nutzt KI für den schwer filmbaren Teil. Eine Grundaufnahme ist die Hintergrundaufnahme, in die ein weiteres Element eingefügt wird.

Eine praktische Komposition von Grundaufnahme zu KI#

  1. Bereite die Grundaufnahme vor und exportiere ihr erstes Bild.
  2. Male eine grobe Orientierung für Maßstab und Position des generierten Motivs.
  3. Verfeinere nur den Motivbereich und erhalte nach Möglichkeit die umliegenden Pixel der Grundaufnahme.
  4. Animiere das gewählte Motiv-Einzelbild mit fester Kamera.
  5. Richte das Ergebnis anhand eines sichtbaren Orientierungspunkts über der Grundaufnahme aus.
  6. Maskiere das bewegte Motiv und mache die Kante nur so weich, dass der rechteckige Rand verschwindet.
  7. Tracke ein kontrastreiches Merkmal im Hintergrund und binde die generierte Ebene an diese Bewegung.
  8. Gleiche Helligkeit, Schärfe, Körnung, Reflexion und Schatten an.
  9. Ist der generierte Hintergrund falsch, isoliere das Motiv und bewahre nur brauchbare generierte Reflexionen oder Schatten.

Diese Abfolge aus Grundaufnahme, grober Orientierung, lokaler Verfeinerung, Animation, Ausrichtung, Tracking und Komposition wurde als praktischer KI-VFX-Arbeitsablauf gezeigt (hybrid AI-VFX breakdown, 04:30).

Für eine direktere Veränderung der Grundaufnahme lieferst du den Ausgangsclip zusammen mit getrennten Referenzen für jedes wichtige Element. Sage dem Modell, welches Bild Hintergrund, Produkt, Bildschirminhalt oder Materialreferenz ist. Passe Dauer und Seitenverhältnis an die Grundaufnahme an, teste kostengünstig und beschreibe physische Eigenschaften wie dünnen Kunststoff, abgerundete Ecken, Bewegung und Reflexion. Stimmt das Timing nicht, beginne den generierten Effekt bei der auslösenden Handlung und stelle den ursprünglichen Vorlauf im Schnitt wieder her (real-footage hybrid workflow, 01:30).

Vollständig ausgearbeitete hybride TrailCup-Einstellung#

Ziel: eine 6-sekündige Haupteinstellung, in der der exakte blaue TrailCup bei Tagesanbruch auf einem Felsen steht, während sich Dampf im Bergwind biegt.

  1. Produkt filmen oder rendern. Nutze den echten Becher auf einem Drehteller oder ein geprüftes 3D-Modell. Erhalte Logo, Deckel, Griff und Proportionen.
  2. Grundaufnahme generieren. Erzeuge mehrere ruhige Kamerabewegungen durch ein Berglager ohne Becher. Wähle den stabilsten Clip mit der geringsten Bodenverformung.
  3. Grundaufnahme tracken. Gleiche Projektmaße und Bildbereich ab. Tracke sichtbare Merkmale vom Anfang vorwärts, vom Ende rückwärts und von der Mitte in beide Richtungen.
  4. Kamera berechnen. Nutze den Teil mit brauchbarer Parallaxe. Lösche nur eindeutig falsche Tracks. Für KI-Material reicht eine Berechnung mit Genauigkeit unter einem Pixel; perfekte Geometrie auf einer sich verformenden Grundaufnahme zu verfolgen, verschwendet Zeit.
  5. Welt verankern. Lege einen Ursprung fest, definiere anhand stabiler Marker die Felsebene und schätze den echten Maßstab.
  6. Mit einem Würfel testen. Wenn der Würfel rutscht, korrigiere den Track, bevor du den Becher platzierst.
  7. Becher beleuchten. Passe die Richtung des Sonnenaufgangs an. Rendere mit Transparenz und nutze eine Fläche, die den Schatten aufnimmt.
  8. Dampf hinzufügen. Generiere oder simuliere Dampf getrennt, damit er zeitlich angepasst und maskiert werden kann, ohne das Produkt zu beschädigen.
  9. Komponieren. Gleiche Belichtung, Weichheit, Körnung und Kontaktschatten an. Füge bei Bedarf nach der Generierung das echte Logo hinzu.
  10. Annehmen. Der Becher muss exakt bleiben, fest auf dem Felsen stehen, das Licht der Grundaufnahme teilen und während der ganzen Einstellung lesbar sein.

KI-Grundaufnahmen verlangen pragmatische Genauigkeit. Tracking von mehreren Zeitpunkten hilft, Merkmale abzudecken, die verschwinden. Eine ruhige, trackbare Bewegung ist oft nützlicher als eine spektakuläre, sich verformende. Lege Maßstab fest, teste mit einfacher Geometrie und gleiche Licht und Schatten vor der endgültigen Platzierung an (motion tracking AI footage, 00:30).

Section 1211. Baue KI-eigene Übergänge nur, wenn sie der Geschichte dienen#

KI kann Verwandlungen erschaffen, die sich konventionell nicht filmen lassen. Das ist nützlich, wenn der Übergang zur Bildsprache gehört – nicht wenn er nur das Werkzeug vorführt.

Angenommen, FocusFox wechselt von Ablenkung zu Konzentration. Statt einer zufälligen Verformung könnten Benachrichtigungen anschwellen, bis sie einen lauten Papiersturm bilden; das Fuchs-Maskottchen durchquert das Bild; dahinter ist derselbe Raum ruhig und der Timer läuft. Die Verwandlung drückt das Produktversprechen aus.

Baue einen solchen Übergang in Momenten auf:

  1. Gib Anfangs- und Endkomposition frei.
  2. Wähle einen unterstützten Bewegungszustand, etwa eine Figur mitten im Schritt.
  3. Generiere den ersten Verwandlungsmoment.
  4. Behalte das brauchbare Endbild oder gestalte ein korrigiertes Übergabebild.
  5. Generiere den nächsten Moment.
  6. Schneide um Identitätsverlust, unmögliche Geometrie und schwache mittlere Bilder herum.

Wenn ein verlangter Weg oder eine Handlung wiederholt scheitert, ändere die Positionen und Bewegungen im Raum, ohne die Geschichte zu verändern. Verlange einen anderen Weg durch denselben Ort, nutze für schwierige Requisitenhandlungen ein leichtes Profil oder wähle ein Bild ohne störendes verdeckendes Objekt. Das ist kein Aufgeben. Es ist eine Inszenierung für das Medium (AI-native transitions and supported poses, 30:30).

Section 1312. Kalkuliere Versuche, nicht fertige Sekunden#

Der günstigste beworbene Generierungspreis sagt nichts über die Kosten einer fertigen Sequenz aus. Kalkuliere mit dem Drehverhältnis: generiertes Material geteilt durch verwendetes Material.

Nutze diese Schätzung:

Generierungskosten = Anzahl endgültiger Einstellungen × erwartete Versuche pro angenommener Einstellung × Sekunden pro Versuch × Kosten pro generierter Sekunde

Füge hinzu:

Eine veröffentlichte Produktion generierte 375 Clips für 37 endgültige Einstellungen, also ungefähr ein Clipverhältnis von 10:1 zu fertigen Einstellungen. Das zeigt, warum die fertige Laufzeit allein irreführt; es ist kein allgemeiner Richtwert (AI-film cost breakdown, 15:00). Preise und Zugänge hängen von Modell und Datum ab. Halte deshalb die Annahmen neben jeder Schätzung fest.

Budgetentscheidungen für die Beispiele#

Erfasse für jede Einstellung: Versuche, generierte Sekunden, angenommene Sekunden, Reparaturzeit und Fehlergrund. Nach einigen Einstellungen werden deine eigenen Daten nützlicher als öffentliche Kostenangaben anderer.

Section 1413. Führe eine abschließende Qualitätsprüfung durch#

Gib einen Clip nicht frei, weil er schwierig oder teuer war. Prüfe den Film in normaler Geschwindigkeit, an riskanten Übergängen Bild für Bild, ohne Ton und nur mit Ton.

Geschichte und Geschäft#

  1. Kann eine neue Person erklären, was passiert ist?
  2. Ist der Nutzen von Produkt oder Dienstleistung sichtbar und nicht nur behauptet?
  3. Folgt die Handlungsaufforderung natürlich aus der Geschichte?
  4. Würde die Sequenz auch funktionieren, wenn das Publikum nicht wüsste, dass KI beteiligt war?

Beispiel: BrightSmile scheitert, wenn es ein schönes Wartezimmerdrama erzeugt, aber nie Erleichterung, Vertrauen oder die Buchung zeigt.

Identität und Kontinuität#

  1. Behalten Figuren Alter, Gesicht, Kleidung und Körper bei?
  2. Behalten Requisiten Form, Material, Markierungen und Seite bei?
  3. Stimmen Blickrichtungen, Ein- und Ausgänge, Licht, Wetter und Zeit überein?
  4. Bewahrt jeder Schnitt Ursache und Wirkung?

Beispiel: FocusFox scheitert, wenn Mayas Smartphone seine Farbe zwischen dem Ablegen und dem Start des Timers ändert.

Bewegung und Physik#

  1. Wird Gewicht durch den Körper verlagert?
  2. Berühren Hände Gegenstände sauber?
  3. Reagieren Stoff, Haar, Dampf, Reflexion und Schatten auf Bewegung?
  4. Führt die Kamera eine einzige lesbare, von Menschen ausführbare Bewegung aus?
  5. Gibt es doppelte oder fehlende Bilder?

Beispiel: TrailCup scheitert, wenn der Becher um zwei Pixel schwebt, selbst wenn die Berg-Grundaufnahme schön ist.

Dialog und Ton#

  1. Ist jedes Wort verständlich?
  2. Passen Gesicht, Bedeutung und Timing zusammen?
  3. Bleiben stumme Zuhörende stumm?
  4. Verbergen Raumklang, Atmosphäre, Effekte und Musik Schnitte, ohne den Raum unverständlich zu machen?
  5. Endet der Dialog vor einer sichtbaren Schleife?

Technische Fertigstellung#

  1. Stimmen Maße, Bildrate, Farbe und Dauer für die Auslieferung?
  2. Wurden niedrig aufgelöste Clips erst nach dem Bildschnitt hochskaliert?
  3. Hat die Hochskalierung Details bewahrt, ohne eine plastische Textur hinzuzufügen?
  4. Stimmen exakte Logos, Produkttexte und Oberflächen?
  5. Sind auf einem Smartphone-Display und einem großen Monitor noch Artefakte sichtbar?

Nutze bei der Prüfung drei Kennzeichnungen: muss behoben werden, sollte behoben werden und bei der Auslieferung unsichtbar. Behebe zuerst unklare Geschichten, Identitätsbrüche, Produktfehler und offensichtliche physische Fehler. Verbringe nicht den letzten Tag damit, ein harmloses Hintergrunddetail zu korrigieren, das niemand sieht.

Section 15Drei vollständige Arbeitsabläufe#

Die folgenden Fälle zeigen, wie sich dieselbe Methode je nach geschäftlichem Bedarf verändert.

FocusFox: ein 30-sekündiges vertikales Einführungsvideo für eine App#

Fertige Idee: Eine abgelenkte Studentin steckt in einem Raum voller visueller Unruhe fest. Sie startet eine 25-minütige FocusFox-Sitzung. Der Raum beruhigt sich, das Fuchs-Maskottchen bewacht das Smartphone und sie beendet eine Seite Arbeit.

  1. Aufgabe festlegen. Zielgruppe sind Studierende auf Kurzform-Plattformen. Die Handlung besteht darin, die App-Seite zu besuchen.
  2. Ton festlegen. Eine 22-sekündige Off-Stimme lässt Raum für einen einleitenden Klangmoment und eine abschließende Handlungsaufforderung.
  3. Sieben Einstellungen planen. Unruhige Totale; Benachrichtigungseinfügung; Blick über die Schulter aufs Smartphone; Hand legt das Smartphone ab; KI-eigener Übergang; ruhige Nahaufnahme beim Arbeiten; echter App-Bildschirm und Handlungsaufforderung.
  4. Methoden wählen. Generiere Schlafzimmer und Maskottchen. Erfasse die Oberfläche real. Füge die echte Anzeige in die Smartphone-Einstellung ein.
  5. Ressourcen erstellen. Maya, unruhiger Schlafzimmerzustand, ruhiger Schlafzimmerzustand, schwarzes Smartphone, Fuchs-Maskottchen, App-Oberfläche.
  6. Einzelbilder freigeben. Halte Mayas Schreibtischposition und Lichtrichtung konsistent. Gestalte beide Raumzustände vor der Animation.
  7. Schwierigste Einstellung testen. Erzeuge vier Versionen des Papiersturm-Übergangs. Verlieren alle Mayas Gesicht, lass das Maskottchen durch das Bild laufen und den Schnitt verdecken.
  8. Alle nötigen Einstellungen generieren. Nutze bewegungsarme Nahaufnahmen für Hände und Reaktionen. Verlange ausdrücklich Stille.
  9. Früh zusammensetzen. Nutze nur die stärksten 1–3 Sekunden jeder Aufnahme. Ersetze beschädigte Bildschirme durch die echte Aufnahme.
  10. Fertigstellen. Füge Benachrichtigungston, Anschwellen des Übergangs, ruhigen Raumklang und abschließenden Oberflächenbeleg hinzu.

Gutes Ergebnis: Das Publikum versteht die Ablenkung, sieht eine glaubwürdige Veränderung und sieht das echte Produkt. KI liefert die Metapher. Sie erfindet nicht den Beleg.

TrailCup: eine 20-sekündige E-Commerce-Produktanzeige#

Fertige Idee: Bei Tagesanbruch greift eine wandernde Person neben einem Zelt nach einem warmen TrailCup. Dampf biegt sich im Wind. Die Kamera umkreist den Becher und schneidet dann zu exakten Produktdetails und der Zeile „Hot when the trail turns cold.“

  1. Aufgabe festlegen. Zielgruppe sind Wandernde, die Anzeigen in sozialen Medien ansehen. Die Handlung ist das Öffnen der Produktseite.
  2. Produktwahrheit festlegen. Griff, Deckel, Logo, Farbe, Material und Maßstab dürfen sich nicht verändern.
  3. Fünf Einstellungen planen. Bergtotale; behandschuhter Griff; getrackte zentrale Umkreisung; reales Makrodetail; abschließende Aufbruchseinstellung.
  4. Methoden wählen. Generiere die Umgebungs-Grundaufnahmen. Nutze ein geprüftes 3D-Rendering oder den gefilmten Becher für Haupteinstellung und Details. Generiere Dampf getrennt.
  5. Referenzen erstellen. Produkt-Rundumansicht, Logo-Grafik, Handschuh, Zelt, Lageraufbau, Morgenlicht, Dampfrichtung.
  6. Komposition freigeben. Nutze eine grobe Skizze für die Positionen von Becher, Zelt und Sonnenaufgang. Generiere die saubere Grundaufnahme ohne Becher.
  7. Trackbarkeit testen. Wähle eine ruhige Grundaufnahme mit stabilen Felsen und brauchbarer Parallaxe. Lehne sich verformenden Boden ab.
  8. Tracken und komponieren. Berechne, lege Bodenebene und Maßstab fest, teste einen Würfel, beleuchte den Becher, fange den Schatten auf und gleiche die Körnung an.
  9. Um Schwächen schneiden. Die greifende Hand muss nur bis zum Kontakt funktionieren. Schneide bei Bedarf zum exakten Produkt-Rendering, bevor sich die Finger um den Griff legen.
  10. Fertigstellen. Füge Wind, Stoffbewegung, einen leichten Kontaktton des Bechers, Produktzeile und Handlungsaufforderung hinzu.

Gutes Ergebnis: Die Umgebung wirkt hochwertig, doch die Kundschaft sieht das tatsächliche Produkt unverfälscht.

BrightSmile Dental: ein 40-sekündiges vertrauensbildendes Dienstleistungsvideo#

Fertige Idee: Leah wartet nervös auf einen Termin. Ravi setzt sich auf Augenhöhe und sagt ihr, dass sie das Tempo bestimmt. Die Untersuchung verläuft ruhig. Leah geht lächelnd und bucht ihren nächsten Besuch.

  1. Aufgabe festlegen. Zielgruppe sind nervöse Erwachsene aus der Umgebung auf der Website der Praxis. Die Handlung ist, einen Kennenlerntermin zu buchen.
  2. Ethische Grenze festlegen. Erfinde kein Testimonial einer echten Patientin und behaupte kein garantiertes medizinisches Ergebnis. Zeige eine klar inszenierte Geschichte.
  3. Ton festlegen. Nutze eine kurze Erzählerstimme plus eine Zeile von Ravi. Halte Aussagen sachlich und zurückhaltend.
  4. Alle nötigen Einstellungen planen. Außenansicht; Wartezimmer-Totale; Einfügung der ängstlichen Hand; Ravi in mittlerer Einstellung; Leah im Gegenschuss; Detail aus dem Behandlungsraum; Spiegelreaktion; Buchungsansicht.
  5. Ressourcen erstellen. Leah, Ravi, beide Räume, Kleidung, Tasche, Spiegel und Referenzen für Gefühlszustände.
  6. Einzelbilder freigeben. Sorge vor der Animation dafür, dass Blickrichtung und Sitzpositionen übereinstimmen.
  7. Dialog generieren. Gib Ravi einen fünfsekündigen Clip für eine kürzere Zeile. Nutze das menschliche Spiel als zeitliche Grundlage. Leahs Reaktion bleibt stumm.
  8. Kontinuität bewahren. Übernimm die vorherige Totale und Figurenreferenzen in jeden Gegenschuss. Nutze Tonbrücken zwischen den Räumen.
  9. Fragmente schneiden. Behalte kurze Reaktionen. Ersetze instabile klinische Nahaufnahmen durch reales neutrales Gerätematerial oder eine saubere Bewegung in einem Einzelbild.
  10. Fertigstellen. Füge ruhigen Raumklang, sanfte Stuhl- und Stoffgeräusche, zurückhaltende Musik, echte Praxisdetails und eine echte Buchungsoberfläche hinzu.

Gutes Ergebnis: Das Publikum spürt das Dienstleistungsversprechen – Ruhe, Kontrolle und Fürsorge –, ohne eine generierte Szene für einen dokumentarischen Beleg zu halten.

Section 16Was bleibt, wenn sich die Werkzeuge ändern#

Einzelne Funktionen werden sich verändern. Ein Modell, das heute mehrere Referenzen annimmt, kann morgen ein vorheriges Video akzeptieren. Zeitlimits, eingebauter Ton, Auflösung, Seeds, Steuerungsstärke, Restaurierung und Preise werden sich weiter verändern.

Bewahre die Produktionslogik:

  1. Lege das geschäftliche und erzählerische Ergebnis fest.
  2. Lege Ton und Einstellungen vor kostspieliger Bewegung fest.
  3. Verwandle wiederkehrende visuelle Fakten in benannte Ressourcen.
  4. Gib Einzelbilder vor der Animation frei.
  5. Teste die Abhängigkeit, die die Szene zerstören kann.
  6. Generiere vergleichbare Varianten.
  7. Diagnostiziere wiederholte Fehler, statt Anweisungen aufzublähen.
  8. Gestalte Kontinuität durch Referenzen, Kompositionen und Schnitte.
  9. Behandle jede Ausgabe als bearbeitbares Material.
  10. Schütze exakte Produkte, Oberflächen, Identitäten und Aussagen mit realen oder hybriden Elementen.
  11. Kalkuliere Versuche und Reparaturen ein.
  12. Lass die endgültige Auswahl von einer Regie treffen – nicht vom Generator.

Das Ziel ist nicht, die Unsicherheit von KI zu beseitigen. Das Ziel ist, sie einzugrenzen. Gib dem Modell Freiheit, wo Überraschungen helfen können. Gib ihm klare Belege, wo Abweichungen der Geschichte, dem Produkt oder dem Vertrauen schaden würden. Schneide anschließend mit demselben Anspruch wie jedes andere Material.

Ende / Kapitel 16