Image to Video

• Dauer: 5, 10, 15, 20, 25, oder 30s

• Auflösung: 480p / 720p / 1080p

• Am besten für: das Animieren eines Bildes über Reference Mode (bis zu 9 Referenzbilder plus bis zu 3 Referenzaudioclips) zu langen Multi-Shot-Clips von bis zu 30 Sekunden, mit optionalem nativem Audio, das vom Modell geschrieben wird. Trainiert auf einem umfangreichen, gekennzeichneten NSFW-Datensatz.

• Stärken: kann seinen eigenen Soundtrack über den Generate-Audio-Schalter schreiben, folgt langen, drehbuchartigen Prompts, die in zeitgestempelte Shots unterteilt sind, Referenz-Tokens ([img1], [audio1]) lassen dich genau festlegen, welchen Upload das Modell verwenden soll, stärkere Multi-Subjekt-Konsistenz und Kamerakontrolle als frühere Wan-Modelle.

• Nachteile: beste Ergebnisse brauchen einen zur Dauer passenden Prompt: Kurze Prompts bei langen Dauern überlassen Handlung und Einstellungswahl dem Modell. Kein negativer Prompt; unerwünschte Elemente müssen explizit beschrieben werden.

• Inhaltshinweise: Filter: Minimal

• Dauer: 5, 10, 15, 20, 25, oder 30s

• Auflösung: 480p / 720p / 1080p

• Am besten für: dieselbe Reference-Mode-Animation wie Wan 3.0 Spicy (bis zu 9 Referenzbilder plus bis zu 3 Referenzaudioclips) zu langen Multi-Shot-Clips von bis zu 30 Sekunden, mit optionalem nativem Audio, das vom Modell geschrieben wird, aber etwa 40 % schneller zurückgegeben.

• Stärken: identische Ausgabequalität und identischer Funktionsumfang wie Wan 3.0 Spicy (Generate-Audio-Schalter, drehbuchartige Prompts, Referenz-Tokens, Multi-Subjekt-Konsistenz); der Unterschied ist die Wartezeit, die beim Testen von Ideen oder beim Feinschliff einer Aufnahme zählt.

• Nachteile: kostet pro Sekunde mehr als Wan 3.0 Spicy für dasselbe Ergebnis; gleiche Empfindlichkeit gegenüber der Prompt-Länge und kein negativer Prompt.

• Inhaltshinweise: Filter: Minimal

• Dauer: 5 s oder 10 s

• Am besten für: kontrolliertere Animationen zwischen zwei definierten Zuständen; nahtlose Erzählung und realistische Charakterbewegung.

• Stärken: unterstützt Last Frame für sanftere Loops und stabilere Enden. Unterstützt 480p, 720p, und 1080p.

• Kompromisse: langsamer als Pro Fast; funktioniert am besten mit sauberen, gut ausgerichteten Start-/Endbildern für konsistente Übergänge.

• Inhaltshinweise: Filter: Minimal

• Dauer: 5 s oder 10 s

• Am besten für: schnelle Vorschauen und günstigste Entwürfe.

• Stärken: schnelle Generierungsgeschwindigkeit, niedrige Kosten, unterstützt 480p, 720p, und 1080p. Unterstützt Start Frame für einfache Bewegungsführung.

• Kompromisse: weniger Kontrolle und geringere Qualität im Vergleich zu Seedance Pro.

• Inhaltshinweise: Filter: Minimal

• Dauer: 5 s, 10 s oder 12 s

• Am besten für: kurze, filmische Videos generieren, bei denen Audio und Video zusammen in einem einheitlichen Prozess erzeugt werden. Dieses Modell ist ideal für narrative Clips, Dialogszenen, audiogesteuerte Bewegung, und ausdrucksstarkes Storytelling direkt aus Prompts oder Bildern.

• Stärken: Seedance 1.5 Pro ist ein gemeinsames Audio-Video-Generierungsmodell, das synchronisierte Bilder und Ton in einem einzigen Prozess erzeugt. Es bietet präzise Lippensynchronisation, ausdrucksstarke Bewegung, starke Befolgung von Anweisungen, unterstützt 720p und 1080p, und beinhaltet Generate Audio und Fix camera position für verbesserte Kontrolle.

• Kompromisse: beste Ergebnisse kommen von klaren Prompts und strukturierten Anweisungen; komplexe Szenen profitieren von durchdachtem Prompt-Design, um Bewegungskohärenz und ausdrucksstarkes Tempo zu bewahren.

• Inhaltshinweise: Filter: Minimal

• Dauer: 5 s, 6 s, 8s, 10 s, 12s, 15 s

• Auflösung: 480p / 720p

• Am besten für: ein einzelnes Bild als das buchstäbliche erste Bild zu animieren, einen Übergang zwischen zwei Bildern zu erstellen (First-Last Frame), oder Merkmale (Erscheinung, Stil, Bewegung) über Reference Mode zu übertragen (bis zu 9 Bilder + 3 Videos + 3 Audioclips), plus zusätzliches Training auf einem riesigen annotierten Datensatz mit NSFW-Inhalten.

• Stärken: hohe Vorhersagbarkeit des Videobeginns (Komposition, Pose, und Kamerawinkel werden exakt wie im Quellbild beibehalten), Generierung mit Referenzmarkierungen [Image 1]/[Video 1]/[Audio 1], gute Charakterkonsistenz zwischen den Bildern bei Wiederverwendung derselben Referenz. Audiogenerierung für Video im Standardmodus.

• Kompromisse: die drei Eingabemodi funktionieren unterschiedlich, und man verwechselt sie leicht. Die Wahl des falschen Modus erzeugt ein anderes Ergebnis als erwartet; die Qualität des Quellbilds beeinflusst direkt das Endergebnis. Langsamer als Seedance 2.0 Fast.

• Inhaltshinweise: Filter: Minimal

• Dauer: 5 s, 6 s, 8s, 10 s, 12s, 15 s

• Auflösung: 480p / 720p

• Am besten für: ein Bild als das buchstäbliche erste Bild zu animieren, einen Übergang zwischen zwei bestimmten Bildern zu erstellen (Interpolation), oder Merkmale mittels multimodaler Referenzen zu übertragen: bis zu 9 Bilder, 3 Videos, und 3 Audioclips. Plus zusätzliches Training auf einem riesigen annotierten Datensatz mit NSFW-Inhalten.

• Stärken: hohe Vorhersagbarkeit des Videobeginns (Komposition, Pose, und Winkel werden exakt wie im Quellbild beibehalten); praktische Referenzkennzeichnung mit [Image 1] / [Video 1] / [Audio 1], gute Charakterkonsistenz bei Wiederverwendung einer einzigen Referenz, schnelle Generierungszeit. Schneller und günstiger als die Standardversion.

• Kompromisse: man verwechselt leicht die drei Eingabemodi. Die Wahl des falschen liefert ein anderes Ergebnis als erwartet; die Qualität des Quellbilds beeinflusst direkt das Endergebnis. Die Qualität ist geringer als in der Standardversion.

• Inhaltshinweise: Filter: Minimal

• Dauer: 5, 10, 15, 20 oder 30 s

• Auflösung: 480p / 720p / 1080p

• Am besten für: lange Multi-Shot-Szenen von bis zu 30 Sekunden in einer einzigen Generierung: eine vollständige Geschichte statt eines einzelnen gestreckten Moments. Animiere einen Start Frame (oder Start + End Frame) oder aktiviere Reference Mode, um bis zu 30 Referenzbilder und 10 Referenzaudioclips zu nutzen, die im Prompt als [img1], [audio1] angesprochen werden. Trainiert auf einem riesigen, gelabelten Datensatz mit NSFW-Inhalten.

• Stärken: natürlichere, weniger „KI-typische“ Aufnahmen: bessere Kameraübergänge, Motivstabilität, Beleuchtung sowie Haut- und Augendetails; Prompts mit Zeitmarken („0–5s: …, 6–10s: …“) steuern, was wann passiert; optionales natives Audio über den Generate-Audio-Schalter.

• Kompromisse: das teuerste Seedance-Modell: 1080p kostet etwa das 3,4-Fache des 720p-Tarifs, teste also zuerst in 480p/720p. Kein negativer Prompt. Das Video kann auch bei aktiviertem Generate Audio ohne Ton ausgegeben werden.

• Inhaltshinweise: Filter: Minimal

• Dauer: 5 s oder 10 s

• Am besten für: Lippensynchronisation, Atmung, rhythmische Körperbewegung, und audio-reaktive Szenen unter Verwendung einer einzigen Audiodatei (WAV, MP3).

• Stärken: starke Synchronisation mit Audio, ausdrucksstarke Gesichts- und Körperbewegung. Unterstützt 480p, 720p, und 1080p.

• Kompromisse: Ergebnisse hängen stark von der Audioqualität ab; für ausdrucksstarke Bewegung statt komplexer Kamera-Setups konzipiert.

• Inhaltshinweise: Filter: Minimal

• Dauer: 5 s, 8 s.

• Am besten für: ultraschnelle Bild-zu-Video-Generierung mit individueller LoRA-Stilkontrolle. Ideal für Ersteller, die filmische Bewegung, ein personalisiertes Charakter-Aussehen, und konsistente visuelle Stile direkt aus einem einzigen Bild wollen.

• Stärken: WAN 2.2 ist ein ultraschnelles Bild-zu-Video-Modell, das dynamisches 720p-Video aus Standbildern generiert und individuelle LoRAs unterstützt, um Bewegung und Verhalten der Figur zu definieren. LoRAs werden verwendet, um zu steuern, wie sich Figuren bewegen, posieren, und mit der Kamera interagieren, was konsistente Bewegungsmuster über Generierungen hinweg ermöglicht.

• LoRA-Stilvorlagen:

  Die Plattform bietet eine große Bibliothek an LoRA-Stilvorlagen, die automatisch während der Generierung angewendet werden. Diese Vorlagen ermöglichen es dir, schnell vordefinierte Bewegungsstile und Charakterdynamiken auszuwählen, um konsistente Bewegung und visuelles Verhalten über mehrere Videos hinweg ohne manuelle Prompt-Anpassung zu gewährleisten.

• Kompromisse: WAN 2.2 + LoRAs konzentriert sich auf Geschwindigkeit und Konsistenz.

• Inhaltshinweise: Filter: Minimal

• Dauer: 5 s, 10 s oder 15 s

• Am besten für: hochwertige Bild-zu-Video-Generierung mit Audio, längere Clips, und ausdrucksstarke Bewegung mit synchronisiertem Ton.

• Stärken: starke Audiosynchronisation, ausdrucksstarke Gesichtsanimation und Körperbewegung, unterstützt 720p und 1080p.

• Kompromisse: Ergebnisse hängen von der Eingabequalität und Prompt-Klarheit ab; am besten für kontrollierte Szenen geeignet.

• Inhaltshinweise: Filter: Minimal

• Dauer: 5 s, 10 s oder 15 s

• Am besten für: schnelle Generierungen, schnelles Testen, Social-Media-Workflows, und Batch-Content-Produktion.

• Stärken: deutlich schnellere Renderzeit, native Audio-Unterstützung, ausdrucksstarke Bewegung, unterstützt 720p und 1080p.

• Kompromisse: etwas geringere visuelle Konsistenz im Vergleich zu Wan 2.7; hauptsächlich auf Geschwindigkeit optimiert.

• Inhaltshinweise: Filter: Minimal

• Am besten für: Bild-zu-Video-Generierung mit Audio, längere Clips, und ausdrucksstarke Bewegung mit synchronisiertem Ton, filmische Generierungen, sanfte Kamerabewegung, realistische Charaktere, und hochwertige finale Renders.

• Stärken: verbesserte zeitliche Konsistenz, besseres Prompt-Verständnis, verbesserte Bewegungsqualität, unterstützt 720p und 1080p.

• Kompromisse: langsamer als Ultra-Fast-Modelle; beste Ergebnisse erfordern klare Prompts und hochwertige Eingabebilder.

• Inhaltshinweise: Filter: Minimal

• Dauer: 5s, 8s

• Am besten für: ultraschnelle Bild-zu-Video-Generierung, konsistente visuelle Stile direkt aus einem einzigen Bild, plus zusätzliches Training auf einem riesigen gelabelten Datensatz mit NSFW-Inhalten.

• Stärken: markante Details, starke Übereinstimmung mit deinem Referenzbild, gut für dramatische Kamerabewegungen und stimmungsvolle Abstufung.

• Kompromisse: weniger konservative Filterung bedeutet, dass du Prompts präzise halten solltest; Anatomie und kleine Details können abweichen, wenn du Extreme forderst.

• Inhaltshinweise: Filter: Minimal

• Dauer: 5 s, 10 s, 15 s

• Am besten für: hochwertige Bild-zu-Video-Generierung mit Audio, längere Clips, und ausdrucksstarke Bewegung mit synchronisiertem Ton, plus zusätzliches Training auf einem riesigen gelabelten Datensatz mit NSFW-Inhalten.

• Stärken: verbesserte zeitliche Konsistenz, besseres Prompt-Verständnis, verbesserte Bewegungsqualität, unterstützt 720p und 1080p.

• Kompromisse: langsamer als Ultra-Fast-Modelle; beste Ergebnisse erfordern klare Prompts und hochwertige Eingabebilder.

• Inhaltshinweise: Filter: Minimal

• Dauer: 5s / 10s / 15s

• Am besten für: schnell Videos aus einem Bild generieren, während der Stil mit individuellen LoRAs gesteuert wird. Ideal für Ersteller, die filmische Bewegung, ein personalisiertes Charakter-Aussehen, und konsistente visuelle Stile wollen, alles basierend auf einem einzigen Bild.

• Stärken: WAN 2.7 ist ein Bild-zu-Video-Konvertierungsmodell, das dynamisches 720p- oder 1080p-Video mit synthetisiertem Audio aus Standbildern generiert und individuelle LoRAs zur Definition von Bewegung und Verhalten der Figur unterstützt. LoRAs werden verwendet, um zu steuern, wie sich Figuren bewegen, posieren, und mit der Kamera interagieren, was konsistente Bewegungsmuster über Generierungen hinweg gewährleistet. Kein Prompt erforderlich.

• LoRA-Stilvorlagen: Die Plattform bietet eine große Bibliothek an LoRA-Stilvorlagen, die automatisch während der Generierung angewendet werden. Diese Vorlagen ermöglichen es dir, schnell voreingestellte Bewegungsstile und Charakterdynamiken auszuwählen, um konsistente Bewegung und visuelles Verhalten über mehrere Videos hinweg ohne manuelle Prompt-Anpassung zu gewährleisten.

• Kompromisse: WAN 2.7 + LoRAs priorisiert Qualität und Konsistenz. Das Hinzufügen eines Prompts kann mit dem Standard-Prompt in Konflikt geraten und Fehler im generierten Video verursachen oder dazu führen, dass das LoRA fehlschlägt.

• Inhaltshinweise: Filter: Minimal

• Dauer: 5 s oder 10 s

• Am besten für: hochwertige SFW-Videogenerierung mit nativer Audio-Unterstützung. Ideal für sprechende Figuren, Dialogszenen, Markeninhalte, Produktpräsentationen, und realistische Kurzclips, bei denen Audio und Visuals zusammen generiert werden müssen. Unterstützt Start Frame, um festzulegen, wie die Bewegung beginnt.

• Stärken: dieses Modell ist ein natives Audio-Video-Generierungsmodell, das heißt, Video und Audio werden gleichzeitig in einem einzigen Prozess erstellt. Es erzeugt synchronisierte Sprache und Ton, die mit der visuellen Bewegung übereinstimmen, liefert realistische Gesichtsanimation und stabile Identität, und unterstützt 1080p-Auflösung. Das Modell beinhaltet Generate Audio zur integrierten Audioerstellung für stabile, unbewegte Kameraaufnahmen.

• Kompromisse: optimiert für Realismus und saubere, markensichere Ergebnisse statt extreme Stilisierung; beste Leistung kommt von klaren Prompts und kontrollierter Bewegung.

• Inhaltshinweise: Sicherheitsfilter: Aktiviert

• Dauer: 5, 6, 8, 10, 12, oder 15 s

• Auflösung: 480p / 720p / 1080p

• Am besten für: das Animieren eines Start Frame, eines End Frame, oder beider, sowie die Nutzung von Reference Mode, um Stil, Charakter, oder Ton aus deinen eigenen Bildern, Videos, und Audios zu steuern: bis zu 9 Referenzbilder, 3 Referenzvideos, und 3 Referenzaudioclips (12 Dateien insgesamt).

• Stärken: Referenz-Tokens (Image 1, Video 1, Audio 1) lassen dich genau festlegen, welchen Upload das Modell verwenden soll; jeder Clip erhält automatisch eine native Stereo-Audiospur, ohne Schalter; flexible Seitenverhältnisse (16:9, 9:16, 4:3, 3:4, 1:1, 21:9, oder Adaptiv).

• Nachteile: voller Preis, etwa doppelt so teuer wie MiniMax H3 Max Turbo. Kein negativer Prompt; unerwünschte Elemente müssen am Ende des Haupt-Prompts beschrieben werden. Audio kann nicht deaktiviert werden. Lange Prompts werden intern komprimiert, daher funktionieren kürzere, präzise Beschreibungen meist besser.

• Inhaltshinweise: Filter: An. Nur SFW, unterstützt keine NSFW-Inhalte.

• Dauer: 5, 6, 8, 10, 12, oder 15 s

• Auflösung: 480p / 720p / 1080p

• Am besten für: schnelle, günstigere Start/End-Frame-Animation, wenn du keine Referenzbilder, -videos, oder -audio benötigst.

• Stärken: etwa halb so teuer wie MiniMax H3 Max und schneller; dieselben Start Frame / End Frame / beide-Kontrollen; native Stereo-Audiospur automatisch enthalten.

• Nachteile: kein Reference Mode. Für Bild-, Video-, oder Audioreferenzen nutze stattdessen MiniMax H3 Max. Kein negativer Prompt. Audio kann nicht deaktiviert werden.

• Inhaltshinweise: Filter: An. Nur SFW, unterstützt keine NSFW-Inhalte.

• Dauer: 6 s oder 10 s

• Am besten für: dynamische Animationen, schnelle Konzeptclips, und ausdrucksstarke Bewegung aus einem einzigen Bild.

• Stärken: schnelle Generierung, geeignet für energiegeladene Szenen und schnelle Iteration.

• Kompromisse: weniger stabil und weniger konsistent im Vergleich zu hochwertigen filmischen Modellen.

• Inhaltshinweise: Sicherheitsfilter: Teilweise

Ja, aber Englisch wird empfohlen.

Die meisten Modelle (WAN und Seedance Pro) können technisch Prompts in anderen Sprachen als Englisch verarbeiten. Allerdings liefert Englisch die stabilsten und vorhersehbarsten Ergebnisse, besonders für Bewegung, Kameraführung, und emotionale Hinweise.

Best Practice:

Verwende Englisch für Produktion und wiederholbare Workflows. Andere Sprachen können für einfache Szenen funktionieren, aber die Ergebnisse können weniger konsistent sein.

Für die meisten audiofähigen Modelle ist das Hochladen einer Audiodatei nicht erforderlich: Wan 2.5 + Audio, Wan 2.6 + Audio, Wan 2.7 + Audio, Wan 2.7 Spicy, Seedance Pro 1.5, Seedance 2.0 Spicy/Fast Spicy und Kling 2.6 + Audio können Audio direkt aus dem Text-Prompt erzeugen. Beschreibe einfach den Klang, den du hören möchtest, zum Beispiel:

• “the girl is softly moaning”

• “slow breathing, sensual rhythm”

• “quiet voice, soft exhales”

Das Modell erzeugt automatisch synchronisiertes Audio auf Basis deines Prompts. Audiodateien (WAV oder MP3) brauchst du nur, wenn du bereits einen bestimmten Sound oder eine Sprachspur hast, die exakt getroffen werden muss.

Bei Wan 3.0 Spicy aktivierst du den separaten Schalter Generate Audio, damit das Modell seinen eigenen Soundtrack erstellt. Ist er aktiviert und du hast den Ton nicht beschrieben, erfindet das Modell Dialoge und Musik selbst. Beschreibe konkretes Audio (oder Stille) ausdrücklich im Prompt, wenn es darauf ankommt (z. B. "no dialogue, no background music" oder genau den gewünschten Sound).

Die meisten Modelle erzeugen 5–15 Sekunden pro Clip, Wan 3.0 Spicy und Seedance 2.5 Spicy schaffen bis zu 30 Sekunden in einer einzigen Generierung. Das ist die längste Einzelgenerierung auf ZenCreator. Reichen dir 30 Sekunden oder weniger, wähle einfach eines davon und stelle die Dauer ein; eine Verkettung ist nicht nötig.

Für alles über 30 Sekunden baust du das Video aus mehreren Clips mit einem verketteten Workflow:

1) Erzeuge jeden Clip mit Start Frame und End Frame:

1. Erzeuge den ersten Clip.

2. Verwende das letzte Frame dieses Clips als Start Frame für die nächste Generierung.

3. Lege optional ein End Frame fest, um den Endzustand vorzugeben.

4. Wiederhole den Vorgang, um die Sequenz zu verlängern.

Dieser Ansatz ermöglicht dir:

• visuelle und Bewegungskontinuität zu wahren

• Videos praktisch beliebiger Länge zu erstellen

• abrupte Bewegungswechsel zu vermeiden

Dieser Workflow wird von Seedance Pro, Seedance Pro 1.5, Seedance 2.0 Spicy, Seedance 2.0 Fast Spicy, Seedance 2.5 Spicy, Wan 3.0 Spicy, Wan 3.0 Prime Spicy, MiniMax H3 Max und MiniMax H3 Max Turbo unterstützt (welche Modelle Start/End Frame unterstützen, steht in der Modellkarte oben).

2) Sobald du deine Clips hast (jeweils bis zu 30s mit Wan 3.0 Spicy oder Seedance 2.5 Spicy), füge sie mit Video Merger zusammen:

1. Füge 2 bis 5 Videos hinzu

2. Wähle eine Zusammenführungsmethode

3. Lege mit dem Schalter fest, ob der Originalton des Videos erhalten bleibt

4. Du kannst auch wählen, wie die hochgeladenen Videos zugeschnitten werden

5. Klicke auf Run

Dieser Ansatz ermöglicht dir:

• mühelos 2 bis 5 Videoclips zu einem professionell wirkenden Video zusammenzufügen

• weiche Übergänge und einen natürlichen Fluss zwischen den Szenen zu erreichen

• Clips präzise zuzuschneiden und den Ton zu steuern (Originalton behalten oder ersetzen)

• längere, hochwertige Videos ohne abrupte Schnitte zu erstellen, weit über das Limit von 30 Sekunden pro Generierung hinaus

Die meisten Modelle hier laufen mit Filter: Minimal, was explizitere Inhalte als die stark gefilterten Optionen erlaubt. Die speziell für NSFW gebauten Modelle sind Wan 2.2 Spicy, Wan 2.7 Spicy, Wan 3.0 Spicy, Seedance 2.0 Spicy, Seedance 2.0 Fast Spicy und Seedance 2.5 Spicy. Kling-Modelle (Filter: Aktiviert) sind am stärksten eingeschränkt und am besten für SFW-Inhalte geeignet.

Nutze Wan 2.2 Spicy für maximale kreative Freiheit und mutige Bewegung, oder Wan 2.2 + LoRA / Wan 2.7 + LoRA, wenn du die Charakterbewegung mit vordefinierten Bewegungsstilen steuern möchtest.

Nutze Wan 2.2 + LoRA oder Wan 2.7 + LoRA, wenn du willst:

• konsistente Charakterbewegung,

• vordefiniertes Bewegungsverhalten,

• keine Prompts erfinden zu müssen: Wähle einfach Bewegungsideen aus eingebauten Vorlagen

LoRAs sind besonders nützlich, wenn du viele Variationen aus einem einzigen Bild generierst.

Beginne mit 5 Sekunden, um Bewegung und Stil zu prüfen.

Wenn das Ergebnis gut aussieht, wechsle für die finalen Clips zu einer längeren Dauer: 10–15 Sekunden bei den meisten Modellen oder bis zu 30 Sekunden mit Wan 3.0 Spicy und Seedance 2.5 Spicy.

Ja. Du kannst bis zu 100 Referenzbilder hochladen, und jedes Bild wird als separater Videoclip mit denselben Einstellungen gerendert.

Spicy-Modelle sind speziell für NSFW-Generierung mit weniger Einschränkungen trainiert. Die regulären Modelle mit Filter: Minimal können immer noch mit NSFW-Referenzen arbeiten, sind aber nicht auf dieselbe Weise gebaut oder trainiert.

Die meisten schon, aber Wan 2.7/Wan 2.2 + LoRA funktioniert ohne. Das Hinzufügen eines Prompts dort kann sogar mit seinem eingebauten Stil in Konflikt geraten und Fehler verursachen.

Nein. Wie bei jedem KI-Tool können Ergebnisse variieren, und gelegentliche Fehler oder Artefakte sind normal. Wenn ein Clip nicht richtig gelingt, versuche es erneut oder passe deinen Prompt oder deine Referenz an.