KI-Video erstellen: Anleitung für Einsteiger

Um ein KI-Video zu erstellen, beschreibst du kurz eine Einstellung (wer darin vorkommt, was passiert, wie sich die Kamera bewegt und wie es klingen soll), wählst ein Videomodell und drückst auf Generieren. Nach etwa einer Minute ist ein 5-Sekunden-Clip fertig. Auf PopNow kostet der Standard, MiniMax H3, für einen 5-Sekunden-Clip mit Ton 185 Credits. Wenn du genau festlegen willst, wie das erste Bild aussieht, startest du von einem Foto statt von Text. Das nennt man Bild zu Video.

Das ist der ganze Ablauf. Der Rest dieser Anleitung dreht sich um den Teil, der entscheidet, ob der Clip gut wird: was du schreibst, welchen der beiden Ausgangspunkte du nimmst und was du erwarten kannst. Wir haben am 17. Oktober 2026 beide Arten von Clip aus derselben Szene gemacht, und beide stehen mit den genauen Prompts auf dieser Seite.

Zwei Wege, ein KI-Video zu machen

Die meisten Einsteiger sollten mit Text zu Video anfangen. Das ist der schnellste Weg zu lernen, was ein Modell mit deinen Worten macht. Wechsle zu Bild zu Video, wenn das Aussehen zählt: dein eigenes Produkt, eine Figur, die du schon entworfen hast, oder ein Foto, das du zum Leben erwecken willst.

So machst du ein KI-Video aus Text

1. Öffne den Videogenerator. Er startet auf Generieren mit ausgewähltem MiniMax H3, in 768p, 16:9 und 5 Sekunden.
2. Schreib eine Einstellung. Beschreibe Motiv, Handlung, Kamera und Ton in einem Absatz. Eine oder zwei Handlungen passen in fünf Sekunden, eine ganze Geschichte nicht.
3. Wähl das Format. 16:9 für YouTube und Laptops, 9:16 für Handys, 1:1 für Feeds.
4. Prüf den Preis auf dem Button und drück auf Generieren. Der Button zeigt die genauen Credits, bevor du startest. Wenn ein Clip fehlschlägt, bekommst du die Credits zurück.
5. Schau dir den Clip an und ändere eine Sache. Wenn die Kamera etwas Seltsames gemacht hat, ändere nur den Kamera-Satz und lass es erneut laufen. Wenn du alles auf einmal änderst, lernst du schwer, was geholfen hat.

So sieht der Prompt aus, den wir verwendet haben, in der Form, die funktioniert:

Und das kam zurück, 32 Sekunden nachdem wir auf Generieren gedrückt haben:

Gut getroffen hat es die Regenjacke, das Rad, den Brotkorb, die leuchtende Bäckerei und die nassen Steine, dazu eine Tonspur. Anders gemacht hat es, dass sie am Anfang auf die Kamera zufährt, statt seitlich vorbeizufahren, und die Schrift auf der Bäckereimarkise ist Kauderwelsch. Beides ist typisch. Modelle behandeln Kameraangaben als Vorschläge, und sie können in einem Video immer noch keine Schilder zuverlässig schreiben. Wenn ein Ladenname wichtig ist, starte von einem Bild, auf dem das Schild schon stimmt.

So machst du ein KI-Video aus einem Bild

1. Hol dir dein erstes Bild. Nimm ein Foto, das du gemacht hast, oder erstelle eins im Bildgenerator. Wir haben unseres aus einer Ein-Absatz-Beschreibung derselben Szene gemacht.
2. Öffne den Videogenerator und füg das Bild hinzu. Wähl Aus einem Foto und lege es als Startbild ab. Das Format des Videos richtet sich jetzt nach dem Bild.
3. Beschreib nur die Bewegung. Das Bild zeigt schon, wer und wo; der Prompt muss nur sagen, was als Nächstes passiert, wie sich die Kamera bewegt und welcher Ton zu hören ist.
4. Generieren. Mit MiniMax H3 kostet ein 5-Sekunden-Clip 185 Credits, genau wie Text zu Video.

Der Bewegungs-Prompt, den wir verwendet haben: "She keeps pedaling along the wet cobblestones, rings the bicycle bell and smiles; the pigeons in front of her take off into the air. The camera tracks smoothly alongside her." Der Clip kam nach 46 Sekunden zurück:

Dieses Mal fuhr die Kamera tatsächlich neben ihr her, eine Taube flog direkt vor dem Rad auf, und ihr Gesicht, ihre Haare und ihr Mantel stimmen vom ersten bis zum letzten Bild mit dem Standbild überein. Genau darin liegt der echte Vorteil von Bild zu Video: Das Modell muss das Aussehen nicht erfinden und kann seine Kraft auf die Bewegung verwenden.

So schreibst du einen Prompt für ein KI-Video

Ein gutes Video-Prompt liest sich wie ein klarer Absatz von einer Regisseurin, nicht wie eine Liste von Schlüsselwörtern. Vier Teile, in dieser Reihenfolge:

• Motiv. Wer oder was, mit zwei oder drei Details, die zählen: „eine Frau Ende zwanzig mit lockigen roten Haaren und gelber Regenjacke“.
• Handlung. Ein oder zwei Dinge, die in fünf Sekunden passieren: „klingelt und lächelt, während Tauben auffliegen“.
• Kamera. Eine Bewegung: Begleitfahrt, langsame Annäherung, statische Totale, Handkamera-Nahaufnahme. Wenn du die Begriffe nicht kennst, hat der Button Kamera unter dem Prompt-Feld ein Dutzend fertige Bewegungen zur Auswahl.
• Ton. Nenn die Geräusche, die du hören willst. Modelle, die Audio erzeugen, folgen dem überraschend gut.

Drei Gewohnheiten sparen Credits: Halte jeden Clip bei einer Einstellung, beschreibe, was du willst, statt was du nicht willst, und ändere zwischen den Durchläufen nur eine Sache.

Welches Modell du nimmst und was es kostet

PopNow hat Dutzende Videomodelle, und die Modellbibliothek zeigt jedes mit Beispielen. Für ein erstes Video decken diese drei das meiste ab:

• MiniMax H3, der Standard. Gute Bewegung und Ton ohne Einstellungen, über die du nachdenken musst: 185 Credits für 5 Sekunden in 768p.
• Seedance 2.0 Mini in 480p, für schnelle Entwürfe, während du den Prompt ausfeilst: 124 Credits für 5 Sekunden.
• Kling 3.0, wenn du 1080p oder 4K und sehr natürliche Bewegung willst; den Preis für jede Auflösung findest du auf der Modellseite.

Brauchst du mehr als eine Einstellung? Erstell jede Einstellung als eigenen Clip und füg sie dann zusammen, oder verlängere einen Clip mit Verlängern, das ab dem letzten Bild weitermacht. Wenn du lieber von einem einzigen Satz aus ein fertiges Video mit mehreren Einstellungen, Voiceover und Musik willst, ist genau dafür der KI-Video-Maker da: Er schreibt den Plan, erstellt jede Einstellung und schneidet alles zusammen.