Normalerweise braucht ein Musikvideo ein Team, Drehorte und einen Cutter. Hier übernimmt die KI das Filmen und den Schnitt, und du entscheidest, worum es im Video geht.
Lade einen Song als MP3, WAV oder M4A hoch, zwischen 15 Sekunden und 4 Minuten lang. Die KI erkennt das Tempo und die betonten Taktschläge, transkribiert den Songtext mit Wort-Timings (ElevenLabs Scribe) und ermittelt, wo Strophen und Refrain liegen. GPT-6 schreibt anschließend eine Szenenliste: Die Schnitte fallen auf die Taktschläge, schneller in den lauten Passagen und langsamer in den ruhigen, und die Szenen greifen auf, worum es im Song geht. Füge eine eigene Idee hinzu, etwa „zwei Freunde fahren in einem alten Auto ans Meer“, und füge den Songtext ein, wenn die Szenen noch genauer den Worten folgen sollen.
Die Planung ist kostenlos. Sie zeigt jede Szene mit ihrem Zeitpunkt, dem Songabschnitt, der Textzeile und der Einstellungsbeschreibung. Bearbeite jede Beschreibung nach Belieben, und der genaue Preis, berechnet aus dem Plan, wird angezeigt, bevor es losgeht.
Dann dreht die KI. Nano Banana 2 zeichnet für jede Szene ein Bild, MiniMax H3 Turbo verwandelt es in Video, und in den Szenen, in denen der Sänger performt, bewegen sich die Lippen passend zu deinem Track. Lade ein Foto des Sängers hoch, bei Bedarf auch eine zweite Person, und beide sehen aus wie auf den Fotos. Ohne Fotos castet die KI eigene Charaktere und hält sie in jeder Szene konsistent. Der Schnitt folgt exakt dem Taktraster, und du kannst Songtext-Untertitel in einem von fünf Stilen hinzufügen.
Wähle einen Look (Cinematic, Anime, 3D-Cartoon, Retro-VHS, Neon oder verträumt) und ein Format: 16:9 für YouTube oder 9:16 für Reels, Shorts und TikTok. Ein rund 30-sekündiger Teaser rund um den Refrain kostet deutlich weniger als ein komplettes Video und eignet sich perfekt, um eine Veröffentlichung anzukündigen. Nutze eigene Songs oder Tracks, an denen du die Rechte besitzt; Fotos von Prominenten und explizite Szenen werden nicht akzeptiert.