Zum Hauptinhalt springen
Generierungstools und Bearbeitung

Text to Video

Schreibe einen Prompt, wähle ein Modell, wähle eine Auflösung bis zu 1080p und lade deine Clips herunter.

Zuletzt aktualisiert Vor etwa 5 Stunden

Was das Tool macht

Text to Video erstellt Videos direkt aus Text, kein Referenzbild nötig. Du kontrollierst Motiv, Erscheinungsbild, Umgebung, Beleuchtung, Kamerawinkel, Komposition und Stil. Wähle ein Modell, schreibe einen Prompt, und wähle Seitenverhältnis und Dauer. Ergebnisse sind kommerziell lizenziert und können an jedes ZenCreator-Tool weitergeleitet werden. Unterstützt NSFW vollständig.

🎬 Ergebnisse

Ein Blick darauf, was Text to Video allein aus einem Prompt erzeugen kann.

Du möchtest nicht alles selbst einrichten?

Überspringe das Setup: Wähle einen fertigen Stil aus der Templates-Bibliothek und füge einfach deinen Prompt hinzu.

Schritt-für-Schritt-Anleitung

Schritt 1. Model: wähle aus der Dropdown-Liste, welches Modell dein Video generiert. Tippe unten auf eines, um zu sehen, worin es am besten ist.

  • Dauer: 5, 10, 15, 20, 25, oder 30s

  • Auflösung: 480p / 720p / 1080p

  • Am besten für: lange Multi-Shot-Szenen von bis zu 30 Sekunden in einer einzigen Generierung, 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, 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: dieselben langen Multi-Shot-Szenen von bis zu 30 Sekunden wie Wan 3.0 Spicy, 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, 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: 5s, 10s oder 15s

  • Auflösung: bis zu 1080p

  • Am besten für: Videos mit synchronisierter Audiogenerierung. Trainiert auf einem riesigen, gelabelten Datensatz mit NSFW-Inhalten.

  • Stärken: generiert Audio zusammen mit Video, verbesserte zeitliche Konsistenz, besseres Prompt-Verständnis, verbesserte Bewegungsqualität.

  • Kompromisse: langsamer als schnellere Modelle; beste Ergebnisse erfordern klare, präzise Prompts.

  • Inhaltshinweise: Filter: Minimal

  • Dauer: 5s, 6s, 8s, 10s, 12s, 15s

  • Auflösung: 480p / 720p

  • Am besten für: Videos von Grund auf mit synchronisiertem Audio generieren: von kurzen „Stimmungs"-Clips bis zu filmischen Storyboards mit mehreren Einstellungen. Trainiert auf einem riesigen, gelabelten Datensatz mit NSFW-Inhalten.

  • Stärken: generiert Audio zusammen mit Video, strikte Einhaltung der Prompt-Formel (Subject → Action → Environment → Camera → Lighting → Style → Constraints), konsistente Leistung bei Multi-Shot-Szenarien mit Timecodes, Unterstützung eines breiten Spektrums an Seitenverhältnissen (16:9, 9:16, 1:1, 4:3, 3:4, 21:9, oder auto).

  • Kompromisse: Textur und Gesichtsdetails erscheinen nicht automatisch; verwende spezifische Begriffe wie „ultra-sharp detail" oder „crisp texture". Teile lange, widersprüchliche Prompts in mehrere separate auf. Langsamer als Seedance 2.0 Fast Spicy.

  • Inhaltshinweise: Filter: Minimal

  • Dauer: 5s, 6s, 8s, 10s, 12s, 15s

  • Auflösung: 480p / 720p

  • Am besten für: schnelles Generieren von Videos aus Textbeschreibungen mit synchronisiertem Audio (von einfachen „Stimmungs"-Clips bis zu Multi-Shot-Skripten mit Timecodes), wenn Geschwindigkeit entscheidend ist. Trainiert auf einem riesigen, gelabelten Datensatz mit NSFW-Inhalten.

  • Stärken: generiert Audio zusammen mit Video, vollständige Einhaltung der Prompt-Formel (Subject → Action → Environment → Camera → Lighting → Style → Constraints), Unterstützung eines breiten Spektrums an Seitenverhältnissen, stabile Leistung bei Multi-Shot-Szenarien und Timecodes. Schneller und günstiger als Seedance 2.0 Uncensored.

  • Kompromisse: für detaillierte Texturen und Gesichtszüge bei hohen Auflösungen spezifische Begriffe wie „ultra-sharp detail" und „crisp texture" einfügen. Lange, widersprüchliche Prompts aufteilen. 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: lange Multi-Shot-Szenen von bis zu 30 Sekunden in einer einzigen Generierung: eine vollständige Geschichte statt eines einzelnen gestreckten Moments, vollständig aus deinem Prompt generiert. 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: 5s oder 8s

  • Auflösung: bis zu 720p

  • Am besten für: die günstigste Option: keine Audiogenerierung, aber trainiert auf einem riesigen, gelabelten Datensatz mit NSFW-Inhalten.

  • Stärken: markante Details, starke Prompt-Treue, gut für dramatische Kamerabewegungen und stimmungsvolle Abstufung. Niedrigste Kosten pro Generierung.

  • 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, 6, 8, 10, 12, oder 15s

  • Auflösung: 480p / 720p / 1080p

  • Am besten für: Clips direkt aus einer Textbeschreibung generieren, mit integriertem nativem Audio, kein Referenzbild nötig.

  • Stärken: konsistente Bewegung und Bildaufbau direkt aus einem geschriebenen Prompt; jeder Clip erhält automatisch eine native Stereo-Tonspur; unterstützt die Seitenverhältnisse 16:9, 9:16, 4:3, 3:4, 1:1, 21:9, oder Adaptiv.

  • Nachteile: hier kein Start/End Frame und kein Reference Mode; dafür Image to Video nutzen. Kein negativer Prompt; Ausschlüsse am Ende des Haupt-Prompts beschreiben. Audio kann nicht deaktiviert werden. Lange Prompts werden intern komprimiert, daher funktioniert eine knappe, präzise Formulierung meist besser.

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

  • Dauer: 5, 6, 8, 10, 12, oder 15s

  • Auflösung: 480p / 720p / 1080p

  • Am besten für: schnelle, günstigere Text-zu-Video-Clips, wenn das volle Preismodell nicht nötig ist.

  • Stärken: etwa halb so teuer wie MiniMax H3 Max und schneller; dieselben Dauer- und Auflösungsoptionen; natives Audio automatisch enthalten.

  • Nachteile: dieselben Einschränkungen wie MiniMax H3 Max hier: kein Start/End Frame, kein Reference Mode, kein negativer Prompt, Audio kann nicht deaktiviert werden.

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

Schnellauswahl:

  • Brauchst du den längsten Single-Pass-Clip (bis zu 30s) mit optionalem nativem Audio und Multi-Shot-Scripting? → Wan 3.0 Spicy.

  • Brauchst du dasselbe Ergebnis schneller, auch wenn es pro Sekunde mehr kostet? → Wan 3.0 Prime Spicy.

  • Brauchst du eine komplette 30-Sekunden-Geschichte in einer Generierung, bis zu 1080p und mit nativem Audio? → Seedance 2.5 Uncensored.

  • Brauchst du detailreiches NSFW mit dramatischen Kamerabewegungen und stimmungsvoller filmischer Abstufung? → Wan 2.2 Spicy.

  • Brauchst du die beste Bewegungsqualität und zeitliche Konsistenz? → Wan 2.7 Spicy.

  • Brauchst du präzise, strukturierte Multi-Shot-Storyboards mit Timecodes und breiter Seitenverhältnis-Unterstützung? → Seedance 2.0 Uncensored (oder Fast Spicy für schnellere, günstigere Entwürfe).

  • Brauchst du synchronisiertes Audio zusammen mit deinem Video? → Wan 2.7 Spicy, Seedance 2.0 Uncensored, oder Seedance 2.0 Fast Spicy. Wan 2.2 Spicy generiert kein Audio, ist aber die günstigste Option.

  • Brauchst du SFW-Clips, die rein aus einem Textprompt generiert werden, mit nativem Audio? → MiniMax H3 Max (oder MiniMax H3 Max Turbo für eine schnellere, günstigere Option).

Schritt 2. Prompt: beschreibe das Video, das du generieren möchtest. Halte es fokussiert: Motiv + Bewegung + Szene. Das Limit hängt vom Modell ab: 800 Zeichen bei Wan 2.2, 20.000 bei Wan 3.0 (einschließlich Prime) und Seedance 2.5 sowie 5.000 bei den übrigen Modellen; der Zähler unter dem Feld zeigt das Limit des gewählten Modells. Nicht sicher, wie du es formulieren sollst? Klicke auf die Schaltfläche » AI Prompt Assistant unter dem Feld, um deine Idee in einen richtig formatierten Prompt zu verwandeln.

Schritt 3. Aspect Ratio: wähle das gewünschte Seitenverhältnis (z. B. 1:1, 3:4, 9:16). Dies bestimmt das Breite-zu-Höhe-Verhältnis der Ausgabe.

Schritt 4. Resolution: wähle die gewünschte Auflösung.

Schritt 5. Duration: wähle die gewünschte Videodauer: 5–8s bei Wan 2.2 Spicy, 5–15s bei Wan 2.7 Spicy und den Modellen Seedance 2.0 oder 5–30s bei Wan 3.0 Spicy und Seedance 2.5 Uncensored (die genauen Optionen variieren leicht je nach Modell).

Schritt 6. Start Generation: startet den Durchlauf. Überprüfe die Ergebnisse, lade sie dann herunter oder sende sie weiter.

Mit Ergebnissen arbeiten

  • Verwende die Kontrollkästchen auf den Vorschaubildern zum Aus-/Abwählen.

  • Lade die Auswahl herunter.

  • Sende zu einem anderen Tool, um die Pipeline fortzusetzen (Video Upscaler, Video to Video).

  • Retry Failed erscheint automatisch, wenn Frames fehlerhaft gerendert wurden.

Prompting-Tipps für Video

  • Konzentriere dich auf Bewegung und Kamera: „gentle parallax, slow dolly-in, subtle hair flutter, cloth ripple, soft depth-of-field".

  • Halte es bei einer Idee pro Clip. Wenn du mehrere Bewegungen willst, generiere separate Versionen (schneller und sauberer).

  • Für Identitätskonsistenz beschreibe wichtige Gesichts-/Haarmerkmale im Prompt und wähle für den gesamten Batch dasselbe Modell/dieselbe Dauer.

Best Practices & Profi-Hinweise

  • Beginne mit 5-Sekunden-Clips: So lassen sich Prompt, Stil, Beleuchtung und Bewegung schneller und günstiger finalisieren. Erst wenn die Optik abgenommen ist, wechsle zu 8-Sekunden- (Wan 2.2), 10–15-Sekunden- (Wan 2.7) oder bis zu 30-Sekunden-Clips (Wan 3.0 Spicy, Seedance 2.5 Uncensored).

  • Verwende möglichst präzise und strukturierte Prompts. Bei minimalen Filtern kommt vage Formulierung mit komplexen Posen und Anatomie nicht gut zurecht.

  • Ohne Referenzbild beschreibe das Erscheinungsbild der Figur am Anfang des Prompts: Alter, Körpertyp, Gesichtszüge, Frisur, Kleidung, Beleuchtung und Stimmung. Je detaillierter die Beschreibung, desto konsistenter und hochwertiger das Ergebnis.

Bekannte Einschränkungen (und wie man sie mindert)

Du arbeitest mit KI: Gelegentliche Fehler, Artefakte oder unerwartete Ergebnisse sind normal, ein zu 100 % korrektes Ergebnis ist nicht garantiert.

Anatomie und feine Details können abweichen; verwende einfache Posen und klare Prompts.

Ergebnisse können variieren: Generiere mehrere Versionen und wähle die beste aus.

Falls etwas nicht wie erwartet funktioniert hat, kontaktiere uns über den Support-Chat in der App oder schreibe an [email protected].

FAQ

Wan 2.2 ist am günstigsten und schnellsten, ohne Audio. Wan 2.7 ist die beste Allround-Wahl für die meisten kurzen Clips (5–15s), mit besserer Bewegungsqualität und Audio, das immer zusammen mit dem Video generiert wird (kein Ein/Aus-Schalter). Wan 3.0 Spicy ist die Wahl für lange oder Multi-Shot-Szenen bis zu 30 Sekunden.

Ja, die oben genannten Wan- und Seedance-Modelle laufen mit minimalen Sicherheitsfiltern und eignen sich gut für NSFW-Inhalte. Wan 2.7 liefert bei komplexen Szenen im Allgemeinen hochwertigere Ergebnisse. MiniMax H3 Max und MiniMax H3 Max Turbo laufen mit aktivierten Filtern und sind nur für SFW gedacht.

Ohne Startbild verlässt sich das Modell ausschließlich auf die Textbeschreibung. Deshalb ist es wichtig, das Erscheinungsbild, die Beleuchtung und den Stil der Figur zu Beginn des Prompts sehr detailliert zu beschreiben.

Verwende einfache Posen, vermeide übermäßige Kamerabewegung, und generiere mehrere Versionen. Kleinere Fehler lassen sich in der Postproduktion leichter beheben.

Vollständige Modellkurse

Möchtest du tiefer in den Prompting-Stil eines bestimmten Modells einsteigen? Jedes hat seinen eigenen ausführlichen Kurs innerhalb von ZenCreator:

Wie geht es weiter

War dies hilfreich?

Brauchen Sie noch Hilfe? Team fragen