Video to Video

• Dauer: 5, 10, 15, 20, 25, oder 30s

• Auflösung: 480p / 720p / 1080p

• Am besten für: promptgesteuerte Video-zu-Video-Generierung mit Referenzvideos (bis zu 3), Referenzbildern (bis zu 9), und Referenzaudio: für lange Multi-Shot-Bearbeitungen oder -Transformationen 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], [vid1], [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 promptgesteuerte Video-zu-Video-Generierung wie Wan 3.0 Spicy (Referenzvideos bis zu 3, Referenzbilder bis zu 9 und Referenzaudio), 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: 5–15s

• Auflösung: 720p / 480p

• Am besten für: promptgesteuerte Videogenerierung mit erstem/letztem Bild und multimodaler Referenz (Bilder, Videos, Audio): Bearbeitung eines fertigen Videos durch Ersetzen von Kostüm, Hintergrund, Beleuchtung, oder Umgebung unter Beibehaltung von Bewegung, Timing und Identität des Motivs. Trainiert auf einem riesigen, annotierten Datensatz mit NSFW-Inhalten.

• Stärken: eine klare Unterscheidung zwischen „was beibehalten" und „was ändern" im Prompt führt zu vorhersehbaren Ergebnissen, ohne die Szene neu aufbauen zu müssen. Bewahrt die ursprüngliche Animation und Körperproportionen gut, wenn der Prompt präzise formuliert ist. Verarbeitet Referenzen [video 1]/[audio 1]/[image 1] präzise und kann Audio generieren, wenn keine Referenz bereitgestellt wird.

• Kompromisse: die Reihenfolge, in der Elemente beschrieben werden, ist entscheidend: Wenn du mit den Änderungen statt mit dem, was beibehalten werden soll, beginnst, kann das Modell die ursprüngliche Bewegung und das Timing verlieren. Die ursprüngliche Videoreferenz [Video 1] muss für zuverlässige Ergebnisse klar sein. Maximale Länge der 3 Videoreferenzen: 15 Sekunden. Langsamer als Seedance 2.0 Fast Spicy.

• Inhaltshinweise: Filter: Minimal

• Dauer: 5–15s

• Auflösung: 720p / 480p

• Am besten für: schnellere, günstigere Videogenerierung mit demselben Erstes/Letztes-Bild- und multimodalen Referenzansatz wie Seedance 2.0 Uncensored: gute Qualität, Bearbeitung vorab aufgenommener Videos (Kostüme, Hintergründe, Beleuchtung) unter Beibehaltung von Bewegung, Timing und Gesichtsidentität. Plus zusätzliches Training auf einem riesigen gelabelten Datensatz mit NSFW-Inhalten.

• Stärken: schnelle Verarbeitungszeit; eine klare Unterscheidung zwischen „was beibehalten" und „was ändern" im Prompt führt zu vorhersehbaren Ergebnissen, ohne die Szene „neu aufbauen" zu müssen. Schneller und günstiger als Seedance 2.0 Uncensored.

• Kompromisse: die Reihenfolge, in der Änderungen beschrieben werden, ist entscheidend: Wenn du mit den Änderungen statt mit dem, was beibehalten werden soll, beginnst, kann das Modell die ursprüngliche Bewegung und das Timing verlieren. Die ursprüngliche Videoreferenz [Video 1] muss klar sein. Maximale Länge der 3 Videoreferenzen: 15 Sekunden. Qualität geringer als bei Seedance 2.0 Uncensored.

• Inhaltshinweise: Filter: Minimal

• Dauer: 5, 10, 15, 20 oder 30 s

• Auflösung: 480p / 720p / 1080p

• Am besten für: promptgesteuerte Video-zu-Video-Generierung aus bis zu 10 Referenzvideos, 30 Referenzbildern und 10 Referenzaudioclips (im Prompt angesprochen als [vid1], [img1], [audio1]) zu langen Multi-Shot-Ergebnissen von bis zu 30 Sekunden. 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, und die Sekunden deiner Referenzvideos werden zusammen mit dem Ergebnis berechnet, 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: bis zu 30s

• Auflösung: 720p / 480p

• Am besten für: ein Standbild-Charakter zum Leben erwecken, indem exakt die Körperbewegungen, Gesten, Gesichtsausdrücke und Lippenbewegungen eines Referenzvideos angewendet werden. Ideal für Charakterdarstellungen, Tanzsequenzen, ausdrucksstarke Animationen, und Mehrpersonen-Szenen, plus zusätzliches Training auf einem riesigen gelabelten Datensatz mit NSFW-Inhalten.

• Stärken: exzellente Bewegungstreue und semantisches Verständnis von Bewegungen, hohe Identitäts- und Hintergrundkonsistenz, starke Leistung bei nicht-menschlichen und stilisierten Figuren, natürliche Ausdrücke, stabile Ausgabe bei komplexen Aktionen. Die stabilste Option, um ein Foto zum Leben zu erwecken.

• Kompromisse: beste Ergebnisse bei gut abgestimmter Komposition, klarem Referenzvideo (gute Beleuchtung, minimale Verdeckung), und kompatiblem Charakterbild.

• Inhaltshinweise: Filter: Minimal

• Dauer: bis zu 30s

• Auflösung: 720p / 480p

• Am besten für: ein Standbild-Charakter (Porträt, Illustration, oder Design) zum Leben erwecken, indem exakt die Körperbewegungen, Gesten und Gesichtsausdrücke eines Referenzvideos angewendet werden. Ideal für Charakterdarstellungen, Tanzsequenzen, und ausdrucksstarke Animationen, plus zusätzliches Training auf einem riesigen gelabelten Datensatz mit NSFW-Inhalten.

• Stärken: starke Bewegungstreue mit natürlichen Ausdrücken, hohe Identitätskonsistenz, nahtlose Übertragung komplexer Aktionen.

• Kompromisse: beste Ergebnisse bei gut abgestimmter Komposition, klarem Referenzvideo (gute Beleuchtung, minimale Verdeckung), und kompatiblem Charakterbild. Kann instabil sein (siehe Hinweis unten).

• Inhaltshinweise: Filter: Minimal

• Dauer: bis zu 30s

• Auflösung: 720p / 480p

• Am besten für: die Hauptfigur in einem vorhandenen Video durch ein Motiv aus deinem Bild ersetzen, während die ursprüngliche Bewegung, Szene, Beleuchtung und Kameraarbeit erhalten bleiben. Perfekt für Charaktertausch in Aufnahmen, Moderator-Ersetzungen, und nahtlose Integration, plus zusätzliches Training auf einem riesigen gelabelten Datensatz mit NSFW-Inhalten.

• Stärken: behält ursprüngliche Szenenelemente und Bewegung bei, starke Identitätswahrung, realistische Integration mit Umgebung und Beleuchtung.

• Kompromisse: beste Ergebnisse bei guter Pose-/Kompositionsübereinstimmung zwischen Bild und Video, sauberem Referenzmaterial. Kann instabil sein (siehe Hinweis unten).

• Inhaltshinweise: Filter: Minimal

• Dauer: bis zu 30s (längere Videos werden automatisch beschnitten)

• Auflösung: nur 1080p

• Am besten für: Choreografie und Bewegungen von einem Referenzvideo auf ein Motiv in einem Charakterbild anwenden. Ideal für komplexe Tanzschritte, Gesten, und Ganzkörper-Darbietungen. Großartig für Tanzsequenzen, Bewegungsübertragung, und die Erstellung konsistenter Charakteranimationen.

• Stärken: extrahiert und überträgt vollständige Bewegung/Choreografie (einschließlich komplexer Aktionen, Hände, Gesichtsausdrücke) von einem Referenzvideo. Option zum Beibehalten des Originaltons. Starke Bewegungstreue und Charakterkonsistenz.

• Kompromisse: erfordert gute Referenzvideoqualität (klare, unverdeckte Bewegungen) und ein kompatibles Charakterbild. Strengere Sicherheitsfilter als die anderen Modelle.

• Inhaltshinweise: Filter: Aktiviert

• Dauer: 5, 6, 8, 10, 12, oder 15s

• Auflösung: 480p / 720p / 1080p

• Am besten für: ein bestehendes Video mit einem Textprompt überarbeiten, optional kombiniert mit Referenzbildern, zusätzlichen Videos, und Audio (bis zu 9 Bilder, 3 Videos, 3 Audioclips, 12 Dateien insgesamt), um das Ergebnis zu steuern.

• Stärken: Referenz-Tokens (Image 1, Video 1, Audio 1) lassen dich genau festlegen, welcher Upload welchen Teil der Bearbeitung steuert; natives Stereo-Audio bei jedem Ergebnis, kein Schalter nötig; flexible Seitenverhältnisse (16:9, 9:16, 4:3, 3:4, 1:1, 21:9, oder Adaptiv).

• Nachteile: abgerechnet werden sowohl die Sekunden des Quellvideos als auch des Ergebnisses. Kein negativer Prompt; Ausschlüsse am Ende des Haupt-Prompts beschreiben. Audio kann nicht deaktiviert werden. Lange Prompts werden intern komprimiert, daher funktioniert eine kürzere, präzise Formulierung meist besser.

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

Du erhältst einen Fehler, aber deine Credits werden automatisch zurückerstattet.

Ja, bis zu 30 Sekunden.

Das kann passieren, wenn das Gesicht nicht in allen Bildern klar sichtbar ist, das Video schnelle Bewegungen oder Schnitte enthält, oder sich die Beleuchtung erheblich ändert. Für beste Ergebnisse verwende stabile Videos mit konsistenter Beleuchtung und sichtbarem Gesicht.

Deine Aufgabe kann aufgrund nicht unterstützter oder beschädigter Dateien, sehr niedriger Eingabequalität, Inhaltsbeschränkungen je nach gewähltem Modell, oder instabiler Bewegung im Quellvideo fehlschlagen. Versuche, deine Eingaben zu vereinfachen und ein kürzeres oder klareres Video zu verwenden.

Animate folgt der Bewegung des Videos und ist schneller, aber weniger stabil. Kling 2.6 Motion bietet höhere Qualität und Konsistenz, verwendet aber strengere Sicherheitsfilter.

Kling 2.6 Motion unterstützt eine maximale Dauer von 30 Sekunden. Wenn dein Video länger ist, wird es automatisch beschnitten.

Ja, du kannst Links direkt in das Tool einfügen. Links funktionieren nur bei einigen Modellen, während Seedance, Wan 3.0 und MiniMax H3 eine hochgeladene Videodatei benötigen. Stelle sicher, dass das Video öffentlich und zugänglich ist.

Nein. Credits für fehlgeschlagene Aufgaben werden automatisch deinem Guthaben zurückerstattet.