Wie man kostenlos KI-Model-Videos erstellt

Laut forecasts wird der KI-Videomarkt bereits in Hunderten von Millionen Dollar gemessen und wird sich um ein Vielfaches vergrößern: Experten erwarten, dass sein Volumen bis 2033 3,4 Milliarden Dollar erreichen wird. Damit einhergehend wächst auch das Interesse an KI-Models — virtuellen Charakteren, die zur Erstellung von Inhalten und Werbung eingesetzt werden.

Die Technologien sind so weit fortgeschritten, dass es immer schwieriger wird, digitale Charaktere von echten Menschen zu unterscheiden. KI-Models sammeln Millionen von Followern auf Instagram, hosten Streams und können auf Plattformen wie Fansly und anderen Abonnementdiensten gute Gewinne einbringen.

In diesem Artikel werden wir aufschlüsseln, welche Tools Sie benötigen und wie Sie Ihr KI-Projekt in der Praxis aufbauen und monetarisieren können.

Welche Tools werden benötigt

Die Erstellung eines KI-Modells für Videos ist ein sequenzieller Prozess, der mehrere Phasen umfasst:

• Generierung eines einzigartigen Charakterbildes
• Vorbereitung von Fotoinhalten
• Übertragung des Bildes in das Videoformat
• Endmontage des Videos in einem Editor

Im Folgenden zeigen wir Ihnen, welche Tools in den einzelnen Phasen verwendet werden können.

Generierung eines einzigartigen Charakterbildes

Die Erstellung eines KI-Modells beginnt mit der Ausarbeitung des Bildes. Es ist wichtig, einen wiedererkennbaren und stimmigen Charakter zu formen. Sie müssen Alter, Erscheinungstyp, Stil, Persönlichkeit, Nische, Inhaltsformat und Zielgruppe festlegen.

ChatGPT

ChatGPT ist ein von OpenAI entwickelter Chatbot mit künstlicher Intelligenz. Er funktioniert in einem Browser und ermöglicht es Ihnen, auf Benutzeranfrage Text und Bilder zu generieren.

Im Kontext der Erstellung eines KI-Modells wird er verwendet, um das Charakterkonzept zu entwickeln und basierend auf einer detaillierten Beschreibung ein einzigartiges Gesicht zu generieren.

Möglichkeiten:

• Erstellung eines detaillierten Charakterprofils (Alter, Aussehen, Stil, Archetyp)
• Generierung eines fotorealistischen Porträts basierend auf einer Textbeschreibung
• Anpassung individueller Merkmale durch präzisierende Anfragen
• Vorbereitung von Skripten und Beschreibungen für zukünftige Inhalte

Die Hauptschwierigkeit besteht darin, ein wirklich einzigartiges und kommerziell vielversprechendes Bild anstelle eines KI-Mädchen-Templates zu erhalten. Dazu müssen Sie die Parameter detailliert festlegen und verstehen, für welche Nische der Charakter erstellt wird.

In der kostenlosen Version von ChatGPT — 10 Nachrichten alle 5 Stunden und 3 Bildgenerierungen pro Tag.

Grok

Grok ist ein KI-Assistent, der von xAI (dem Projekt von Elon Musk) entwickelt wurde. Er ist in die Plattform X (Twitter) integriert und auch über eine Weboberfläche verfügbar. Grok funktioniert als Text-KI-Chat und unterstützt die Bildgenerierung über den Imagine-Modus.

Im Kontext der Erstellung eines KI-Modells kann er verwendet werden, um das Charakterkonzept zu entwickeln und ein fotorealistisches Gesicht zu generieren. Gleichzeitig bewältigt ChatGPT die Konzeptentwicklung besser.

Möglichkeiten:

• Entwicklung des Charakterkonzepts und seiner Positionierung
• Generierung einer detaillierten Beschreibung des Aussehens
• Erstellung fotorealistischer Porträts via Imagine
• Variable Generierung eines einzelnen Bildes
• Vorbereitung von Texten für das Profil und die Inhalte

Grok ist nicht für die langfristige Arbeit mit demselben Charakter ausgelegt. Bei wiederholter Generierung aus verschiedenen Blickwinkeln oder unter unterschiedlichen Lichtverhältnissen kann das Aussehen leicht abweichen — die Form der Augen, die Kieferpartie oder der Gesichtsausdruck ändern sich. Dies ist für einmalige Bilder nicht kritisch, aber bei der Erstellung eines vollwertigen KI-Modells für soziale Netzwerke kann eine zusätzliche Fixierung des Bildes in spezialisierteren Tools erforderlich sein.

Textanfragen: Kostenlose Grok-Nutzer können etwa bis zu 10 Textanfragen alle 2 Stunden senden. Bildgenerierung: Die kostenlose Version erlaubt in der Regel bis zu 3–10 Anfragen zur Bildgenerierung pro Tag (jede Anfrage kann mehrere Optionen liefern).

Vorbereitung von Fotoinhalten

Nachdem das Aussehen des Charakters festgelegt wurde, ist es notwendig, vollwertige Fotoinhalte zu erstellen. Ein einzelnes generiertes Porträt eignet sich nicht für die Führung eines Accounts oder die weitere Animation.

Zur Vorbereitung solcher Inhalte werden Tools verwendet, die es ermöglichen, mit einem bereits erstellten Gesicht zu arbeiten und darauf basierend neue Szenen zu generieren.

Nano Banana

Nano Banana ist das beste Tool zur Generierung und Verfeinerung von Bildern basierend auf einem bereits erstellten Charakter. Es wird verwendet, um Fotoinhalte vorzubereiten: Erstellung verschiedener Szenen, Posen und Looks unter Beibehaltung des Aussehens des Modells.

Möglichkeiten:

• Arbeit mit einem bereits erstellten Charakterbild
• Generierung neuer Bilder unter Beibehaltung der wichtigsten Gesichtszüge
• Änderung von Kleidung, Frisur, Umgebung, Beleuchtung und Körperhaltung
• Erstellung einer Fotoserie für einen Social-Media-Feed
• Erhöhung der Detailgenauigkeit und Korrektur von Artefakten
• Vorbereitung von Bildern, die zur Erstellung von Videos verwendet werden können

Bei einer starken Änderung des Blickwinkels oder der Pose sind Gesichtsverzerrungen möglich. Manchmal sind mehrere Versuche erforderlich, um ein natürliches Ergebnis zu erzielen. Es ist auch wichtig, ein hochwertiges Quellbild zu verwenden — das Endergebnis hängt direkt davon ab.

Kostenlos können Sie in Gemini etwa 2–3 Bilder pro Tag generieren. Danach müssen Sie warten, bis das Tageslimit zurückgesetzt wird.

Außerdem ist Nano Banana auf Drittanbieter-Diensten und Modell-Aggregatoren zu finden. Zum Beispiel kann dieses neuronale Netz auf Arena fast unbegrenzt genutzt werden. Wenn eine Limit-Meldung erscheint, reicht es aus, die IP-Adresse und das Konto zu ändern. In diesem Fall wird jedoch möglicherweise ein neues Konto benötigt, und der Chat selbst verschwindet.

Seedream

Seedream ist ein multimodales Bildgenerierungsmodell von ByteDance, das Text-zu-Bild-Generierung und referenzbasierte Bearbeitungsfunktionen in einem System kombiniert.

Bei Aufgaben zur Vorbereitung von Fotoinhalten wird Seedream verwendet, um Bilderserien mit demselben Modell in verschiedenen Posen zu erstellen.

Möglichkeiten:

• Generierung von Bildern aus einer Textbeschreibung mit hoher Auflösung bis zu 4K
• Gleichzeitige Ausgabe mehrerer Bilder (Stapelgenerierung) mit einem konsistenten Charakter
• Bearbeitung und Verfeinerung bereits generierter Bilder basierend auf zusätzlichen Anfragen oder Referenzen
• Unterstützung für mehrere Referenzbilder zur besseren visuellen Konsistenz
• Eine große Auswahl an Stilen — von Realismus bis hin zu künstlerischen Visuals, praktisch für soziale Netzwerke

Seedream reagiert sehr empfindlich auf die Struktur der Anfrage: Eine zu allgemeine Beschreibung kann zu ungenaueren Ergebnissen führen. Bei einer starken Änderung des Blickwinkels oder der Pose kann sich das Gesicht leicht verändern.

Derzeit ermöglicht der Dienst die Generierung von bis zu 20 kostenlosen Bildern pro Tag.

Animation oder Übertragung des Bildes in das Videoformat

Die Fotoanimation ist eine optionale Phase für den Betrieb von Instagram, YouTube Shorts oder Reels, erhöht jedoch das Engagement der Zielgruppe erheblich. Es reicht aus, kurze Videos mit einfachen, aber einprägsamen Bewegungen zu veröffentlichen: eine leichte Kopfdrehung, Blinzeln, ein Lächeln, ein "Live"-Kameraeffekt mit einem sanften Zoom oder Fokuswechsel.

Im Folgenden werden wir die Tools aufschlüsseln, mit denen vorbereitete Fotos in kurze Videos verwandelt werden können.

Hailuo AI

Hailuo AI ist ein Videogenerierungsmodell des chinesischen Unternehmens MiniMax. Es erzeugt Bewegungsdynamik aus statischen Bildern, fügt Kameraeffekte, Übergänge und einfache Gesichtsanimationen hinzu.

Möglichkeiten:

• Verwandlung statischer Fotos in kurze Videos
• Sanfte Kamerabewegungen (Schwenken/Zoomen), Übergangseffekte
• Generierung von Videos basierend auf Text oder hochgeladenen Fotos
• Erstellung verschiedener Szenen in einem Video mit logischen Übergängen
• Integrierte Voreinstellungen und visuelle Effekte, um schnell einen interessanten visuellen Stil zu erhalten
• Möglichkeit, dem Video eine Stimme oder einen Soundtrack hinzuzufügen (innerhalb von Schnittstellen, die dies unterstützen)
• Formate und Renderings für YouTube Shorts, Instagram/Reels und andere Plattformen

Die automatische Fotoanimation wirkt in einigen Fällen etwas mechanisch — die Bewegungen sind weich, aber nicht immer natürlich. Wenn das Quellbild von geringer Qualität ist (verschwommen, mit Artefakten), kann das endgültige Video unnatürlich oder fehlerhaft aussehen.

Im kostenlosen Tarif werden 1000 Credits gutgeschrieben. Ausreichend für 3–5 kurze Videos in 720p.

Runway

Runway ist ein leistungsstarkes KI-Tool zum Erstellen und Bearbeiten von Videos basierend auf Text und Bildern, einschließlich der Generierung einer vollwertigen Videoszene mit Übergängen.

Möglichkeiten:

• Animation statischer Fotos und Generierung kurzer Videos aus Text oder Bild
• Integrierte Kamerabewegungseffekte und Szenen-Stilisierung
• Bearbeitung von Videos, Montage und Export für soziale Netzwerke
• Zusammenarbeit und Speicherung von Medien-Assets

Runway bietet leistungsstarke Funktionen, vergibt jedoch nur bei der Registrierung 125 kostenlose Credits. Für mehrere kurze Videos für soziale Netzwerke kann beispielsweise ein erheblicher Teil der Quote erforderlich sein.

Endmontage des Videos in einem Editor

Wenn Sie sofort ein fertiges kurzes Video in einem Dienst generieren, ist möglicherweise keine zusätzliche Montage erforderlich.

Ein Editor wird in Fällen benötigt, in denen es notwendig ist:

• Mehrere separate Bilder oder Szenen zusammenzufügen
• Untertitel, Text oder Musik hinzuzufügen
• Verschiedene Versionen des Videos für mehrere Formate vorzubereiten

Wenn das Video aus einem einzigen generierten Fragment ohne zusätzliche Elemente besteht, kann es direkt ohne separate Montage veröffentlicht werden.

Praktische Anwendung

Lassen Sie uns in der Praxis aufschlüsseln, wie man Inhalte für die Einführung eines KI-Modells vorbereitet. Dies wird bereits ausreichen, um Konten in sozialen Netzwerken einzurichten. Beginnen wir mit der Generierung des Bildes.

Schritt 1. Das Erscheinungsbild des Charakters formen

In dieser Phase ist es für uns wichtig, eine klare Beschreibung zu erhalten, die dann verwendet wird, um das Gesicht und eine Reihe von Bildern zu generieren.

In ChatGPT legen wir den Charakter so spezifisch wie möglich fest.

Beispielanfrage:

Wir verwenden einen vorgefertigten Prompt, den ChatGPT anbieten wird. In unserem Fall ist dies die folgende Anfrage:

«Fotorealistisches Nahaufnahme-Porträt einer 23-jährigen Lifestyle-Bloggerin, ovales Gesicht, weiche Wangenknochen, mandelförmige hellbraune Augen mit warmen Honigtönen, natürliche lange Wimpern, dichte natürliche Augenbrauen mit weichem Bogen, gerade zarte Nase, volle Lippen mit natürlicher pfirsich-rosa Farbe, helle Haut mit warmem Unterton und dezenten Sommersprossen auf Wangen und Nase, kleiner Schönheitsfleck über der Oberlippe, dunkelblonde Haare mit Karamell-Highlights, schulterlange weiche Wellen, minimales Clean-Girl-Make-up, strahlende Haut, weiches natürliches Fensterlicht, geringe Schärfentiefe, 85mm Objektiv, cremiger Bokeh-Hintergrund, warme neutrale Töne, hochdetaillierte Hautstruktur, hohe Auflösung, kein Text, kein Wasserzeichen».

ChatGPT wird ein Porträt unseres zukünftigen Modells generieren. Generierungsergebnis:

Schritt 2. Foto-Inhalte vorbereiten

Nun ist es wichtig, zur nächsten Phase überzugehen – der Erstellung eines vollwertigen visuellen Sets für das Konto.

Ein einzelnes generiertes Porträt eignet sich, um das Aussehen festzulegen, aber das reicht nicht aus, um Instagram zu betreiben. Wir müssen verschiedene Looks kreieren, damit der Charakter lebendig und facettenreich wirkt.

In diesem Artikel werden wir beispielsweise zwei Fotos in verschiedenen Looks generieren, um das eigentliche Prinzip der Arbeit mit dem Charakter und dem Wechseln von Szenen zu zeigen. Dies reicht aus, um die Mechanik der Inhaltsvorbereitung zu demonstrieren.

In einem realen Projekt wird ein solches Volumen jedoch nicht ausreichen. Für eine vollwertige Kontoführung werden deutlich mehr Materialien benötigt: verschiedene Orte, Looks, Blickwinkel, Nahaufnahmen und Ganzkörperaufnahmen. Je vielfältiger die visuelle Basis ist, desto lebendiger wirkt das KI-Modell und desto einfacher ist es, regelmäßige Beiträge aufrechtzuerhalten.

Beispiel 1. Lässiger Lifestyle-Look (Stadtspaziergang). Die Aufgabe besteht darin, das Gesicht und das Aussehen des Modells beizubehalten, aber die Szene, die Kleidung und den Blickwinkel zu ändern.

Unser Prompt:

«Verwende das hochgeladene Quellfoto als Hauptreferenz für das Gesicht. Behalte das Aussehen strikt ohne Änderungen bei: ovales Gesicht, weiche Wangenknochen, mandelförmige hellbraune Augen mit einem warmen Honigton, leichte Sommersprossen auf den Wangen und dem Nasenrücken, ein kleiner Schönheitsfleck über der Oberlippe, dunkelblonde Haare mit Karamell-Highlights bis zu den Schultern, weiche Wellen.

Behalte das Alter von 23 Jahren, eine Größe von etwa 168 cm, einen schlanken natürlichen Körperbau und realistische Körperproportionen bei.

Generiere ein fotorealistisches Ganzkörperbild. Ein Mädchen geht eine europäische Stadtstraße entlang, natürlicher Schritt, leichte Bewegung der Haare, entspannte Pose. Sie trägt einen beigen Oversize-Blazer, ein weißes Basic-Top, eine helle gerade Jeans, minimalistische Sneaker, eine Leder-Umhängetasche und hält eine Tasse Kaffee.

Komposition: Hochformat 4:5, Drittelregel, leichte Hintergrundunschärfe, Straße mit einem Café und warmem Tageslicht, 35mm Objektiv, natürliches Licht, natürliche Farbkorrektur, hohe Detailgenauigkeit von Haut, Stoff und Haaren, kein Text, keine Wasserzeichen».

Ergebnis:

Beispiel 2. Home-Look — Ganzkörper.

Hier können Sie zusätzlich zum Porträt weitere Fotos hinzufügen, die bereits generiert wurden. Auf diese Weise wird das Ergebnis genauer. Wir haben den folgenden Prompt verwendet:

«Verwende das ursprünglich hochgeladene Bild als zwingende Referenz. Das Gesicht und die Gesichtszüge müssen vollständig übereinstimmen: ovale Gesichtsform, weiche Wangenknochen, mandelförmige hellbraune Augen, leichte Sommersprossen auf den Wangen und dem Nasenrücken, ein kleiner Schönheitsfleck über der Oberlippe, dunkelblonde Haare mit Karamell-Highlights bis zu den Schultern, weiche natürliche Wellen.

Alter 23, Größe 168 cm, schlanke Figur mit natürlichen Proportionen.

Generiere ein fotorealistisches Ganzkörperbild in einem hellen Innenraum. Ein Mädchen steht an einem großen Fenster in einer skandinavischen Wohnung, ruhige Pose, sanftes Lächeln. Sie trägt einen lockeren cremefarbenen Strickpullover und eine helle gerade Hose, barfuß auf einem Holzboden.

Komposition: Hochformat 4:5, viel Luft im Bild, weiches Morgenlicht von der Seite, 50mm Objektiv, weiche Schatten, natürliche Farben, hohe Detailgenauigkeit der Texturen, Fotorealismus, kein Text, keine Wasserzeichen».

Ergebnis:

Schritt 3. Fotos in Hailuo AI zum Leben erwecken

Nach der Vorbereitung von zwei Bildern gehen wir zur nächsten Phase über – der Übertragung in das Videoformat.

Animation steigert das Engagement: Selbst eine einfache Kopfbewegung oder ein leichter Zoom erzeugen das Gefühl einer lebenden Person.

Hierfür verwenden wir Hailuo AI. Sie können auf zwei Arten arbeiten:

• Ein Foto hochladen und eine automatische Animation ohne Textanfrage anwenden
• Einen Prompt hinzufügen, um die Bewegung und Atmosphäre genauer zu steuern

Die Hauptaufgabe besteht darin, ein realistisches Ergebnis ohne mechanische Bewegungen zu erzielen.

Aus dem ersten Foto haben wir dieses Ergebnis erhalten (für den Artikel haben wir es in ein GIF konvertiert, im Videoformat wird alles viel besser und flüssiger aussehen):

Ergebnis des zweiten Fotos:

Wird in dieser Phase ein Video-Editor benötigt

Wie wir bereits erwähnt haben, ist ein Video-Editor nicht immer erforderlich. Selbst auf Basis statischer Fotos können Sie bereits ein vollwertiges Konto in sozialen Netzwerken im Namen eines KI-Modells starten.

Wenn Sie über eine hochwertige Bilderserie in verschiedenen Looks verfügen, reicht dies aus für:

• Die Profileinrichtung
• Das Veröffentlichen von Karussells
• Das Erstellen von Storys
• Das Testen von Hypothesen zu Inhalten und Engagement

Animation verstärkt den Präsenzeffekt, ist aber keine Voraussetzung für den Start.

Es ist wichtig, sich daran zu erinnern: Das Konto sollte so geführt werden, wie es ein echtes Mädchen führen würde.

Das bedeutet:

• Natürliche Bildunterschriften für Fotos
• Persönliche Gedanken, Beobachtungen, Mikro-Geschichten
• Reaktionen auf Ereignisse
• Das Veröffentlichen von Storys.

Das Verhalten des Profils muss zum gewählten Typ und Stil passen. Je organischer der Inhalt, desto höher das Vertrauen des Publikums.

Wird ein Voiceover benötigt

Voiceover und eine synthetisierte Stimme sind zu Beginn des Projekts nicht zwingend erforderlich. Gerade in der Stimme zeigt sich am häufigsten die Künstlichkeit des Charakters. Darüber hinaus sind Unstimmigkeiten bei Lippenbewegungen und Mikroausdrücken möglich, was das Gefühl von Realismus verringert.

In der ersten Phase ist es sicherer, Musik zu verwenden, Texteinblendungen hinzuzufügen und ruhige Lifestyle-Videos ohne Sprache zu erstellen. Dieser Ansatz ermöglicht es Ihnen, den Fotorealismus zu bewahren und das Risiko zu minimieren, dass das Publikum technische Artefakte bemerkt.

Tipps und Empfehlungen

Inspiration findet man am einfachsten in echten Blogger-Accounts. Es ist wichtig zu analysieren, wie der Feed aufgebaut ist, welches Licht verwendet wird, welche Posen sich wiederholen und welche Farben dominieren. Live-Accounts helfen dabei, den Rhythmus der Veröffentlichungen, den Kommunikationsstil und die allgemeine Atmosphäre des Profils zu verstehen. Dies vermittelt ein Verständnis für die Logik der Seitenführung und hilft beim Aufbau der Content-Struktur.

Darüber hinaus nutzen Profis eine Kombination aus Referenzen von einem Live-Blogger und dem neuronalen Netzwerk Kling Motion Control oder Wan AI. Ein Foto Ihres Charakters wird aufgenommen, das Quellvideo, das bereits im Trend liegt, wird in das neuronale Netzwerk eingespeist – und als Ergebnis erhalten Sie Ihr Meisterwerk.

Und es ist auch nicht nötig, das Aussehen des Charakters von Grund auf neu zu erfinden: Es ist viel einfacher, beispielsweise auf Pinterest zu gehen, ein paar Models auszuwählen, die Ihnen gefallen, und Nano Banana zu bitten, deren Merkmale in einem Bild zu kombinieren, um dann bei Bedarf die Individualität noch etwas anzupassen.

Um die Qualität der Generierung zu verbessern, ist es wichtig, das Aussehen des Charakters so fest wie möglich zu definieren. Jede Ungenauigkeit in der Beschreibung führt dazu, dass das Modell anfängt zu „schwimmen“: Die Form der Augen, das Kinn und der Gesichtsausdruck verändern sich. Die Verwendung des Originalfotos als zwingende Referenz hilft, die Integrität des Bildes zu bewahren und macht den Charakter wiedererkennbar.

Die Bildkomposition beeinflusst direkt die Wahrnehmung des Bildes. Selbst bei einem gut generierten Gesicht wirkt das Bild durch einen unglücklichen Blickwinkel oder einen überladenen Hintergrund künstlich.

Es ist nicht zwingend erforderlich, genau die Tools zu verwenden, über die wir im Artikel gesprochen haben. Mittlerweile gibt es eine riesige Anzahl neuronaler Netzwerke zur Generierung von Bildern, Videos, Animationen und Voiceovers. Der Markt entwickelt sich sehr schnell, und es erscheinen regelmäßig neue Modelle mit noch genauerer Gesichtsfixierung.

Sie können Tools für Ihre Aufgaben eigenständig kombinieren: Generieren Sie ein Bild in einem System, verfeinern Sie es in einem anderen, animieren Sie es in einem dritten und bearbeiten Sie es in einem vierten.

Es gibt auch spezialisierte Lösungen für verschiedene Nischen. Beispielsweise werden für die Erstellung von Adult-Content eigene Modelle verwendet. Diese ermöglichen die Generierung expliziterer Szenen und spezifischer Szenarien, die in standardmäßigen, öffentlichen Diensten nicht verfügbar sind.

Fazit

Schon heute ermöglicht eine einfache Kombination neuronaler Netze den Aufbau eines vollständigen Zyklus zur Erstellung und Monetarisierung eines KI-Modells – von der Konzeptentwicklung bis hin zum fertigen Video für soziale Netzwerke und Abonnement-Plattformen. In den kommenden Jahren wird sich der Markt in Richtung einer stabilen visuellen Identität von KI-Charakteren bewegen, bei der das Erscheinungsbild ohne Verzerrungen in allen Blickwinkeln, Szenen und Inhaltsformaten erhalten bleibt. Parallel dazu werden sich die Natürlichkeit von Mikroausdrücken, die Plastizität der Bewegungen und die Sprachsynchronisation verbessern, was digitale Modelle so nah wie möglich an echte Menschen heranbringen wird.