Bild-zu-Video

Text-zu-Video beginnt allein mit Worten, also muss das Modell auf einen Schlag entscheiden, wie Figuren, Ort und Licht aussehen. Bild-zu-Video nimmt dieses Raten weg. Du bringst das Bild mit, sei es ein Foto, eine Zeichnung oder das Werk eines anderen Modells, und es wird zum ersten Einzelbild. Die Anweisung muss nur noch sagen, was danach geschieht: eine langsame Annäherung an ein Gesicht, Wind im Haar, ziehende Wolken, eine Kamera, die um ein Objekt kreist. Weil das Aussehen schon feststeht, sind die Ergebnisse meist ruhiger und leichter zu wiederholen als bei reinem Text. Fotografen und Designer nutzen es, um ein Produktfoto, ein Porträt oder eine Illustration zum Leben zu erwecken, ohne zu filmen, und Erzähler testen damit eine Szene, bevor sie eine aufwendigere Produktion beginnen.

Unter der Haube sind die meisten aktuellen Videomodelle Diffusionsmodelle, die eine ganze Folge von Einzelbildern gemeinsam bearbeiten und Schritt für Schritt Rauschen entfernen, während das erste Bild als Anker dient. Manche nehmen zusätzlich ein letztes Bild an und füllen dann die Bewegung zwischen zwei Bildern auf. Übliche Einstellungen sind die Dauer in Sekunden, das Format (quer 16:9 oder hoch 9:16) und manchmal ein Seed, eine Zahl, die ein Ergebnis leichter reproduzierbar macht. Video braucht weit mehr Rechenleistung als ein Standbild, daher wird meist pro Sekunde Material abgerechnet, und die Erzeugung dauert von einigen Dutzend Sekunden bis zu ein paar Minuten.

Die Grenzen solltest du kennen. Kurze Clips von wenigen Sekunden bleiben stimmig, längere driften ab, und Gesichter, Hände oder kleine Gegenstände können ihre Form ändern. Feine Schrift im Bild kann verschwimmen. Eine niedrig aufgelöste Vorlage ergibt einen weichen Clip, weshalb viele das Bild vorher mit einer KI-Hochskalierung vergrößern. Und wie bei jedem erzeugten Medium trägst du die Verantwortung für das, was du animierst: Bilder realer Personen brauchen deren Einwilligung. Eine praktische Gewohnheit ist es, die Anweisung kurz und konkret zu halten, ein Motiv und eine Bewegung, denn überladene Anweisungen verwirren Modelle und liefern ruckelige Ergebnisse.

NeverNo bietet eine Aktion Animieren, die ein Standbild mit einem Klick in einen Clip verwandelt, mit Bewegungen aus einer kurzen eigenen Liste. Der Videokatalog nennt für jedes Modell den Preis pro Sekunde, die Formate (16:9 oder 9:16) und ob es nur ein erstes Bild oder zusätzlich ein letztes annimmt. Das Ausgangsbild kann von Z-Image Turbo stammen, dem Standardmodell des Bild-Studios, das in jedem Tarif enthalten ist.

Mehrere Videomodelle bei NeverNo sind anonymisiert: Ihr Hersteller liest Anweisung und Bild nach seiner eigenen Richtlinie. Lange Erzeugungen laufen bei Runware; das fertige Video wartet im CDN von Runware, bis dein Browser es herunterlädt, und wird dann in deinem Browser mit deinen übrigen Medien versiegelt. Unsere Server behalten Modell, Status, Daten und Credits der Aufgabe, ohne Anweisung und ohne Datei. Wähle das Format passend zum Ort, an dem der Clip gezeigt wird, quer für Bildschirme und hoch für Telefone, bevor du auf die Schaltfläche drückst.