Die Text-zu-Video-Generierung gehört zu den beeindruckendsten Fähigkeiten der KI. Du beschreibst Charaktere, Schauplatz, Bewegung, Kamerastil und Sound – und erhältst in 1–3 Minuten einen bis zu 10 Sekunden langen Clip, den es vorher noch nie gab.
Das Ergebnis hängt von deiner Beschreibung ab. Eine gute Formel: Wer ist im Bild, was passiert, wo und in welcher Stimmung, wie bewegt sich die Kamera und was ist zu hören. Zum Beispiel: "Eine rote Katze läuft nachts eine regennasse Straße in Tokio entlang, Neonschilder spiegeln sich in den Pfützen, die Kamera fährt langsam zurück, Regen ist zu hören." Du kannst deinen Prompt in deiner eigenen Sprache schreiben — er wird automatisch übersetzt.
Gemini Omni Flash setzt Beschreibungen präzise um und lässt Charaktere bestimmte Sätze sprechen. MiniMax H3 Turbo ist eine schnelle, günstige Option ab 22 Credits. Kling 3 Pro dreht direkt in 1080p mit filmischer Beleuchtung, Kling 4.0 erstellt Clips mit bis zu 15 Sekunden Länge in 1080p, Veo 3.1 liefert realistische Physik, Wan 3.0 erzeugt narrative Videos mit Szenenwechseln, und Seedance 2.5 meistert komplexe Action und lippensynchrone Sprache.