Concept Studio: Kunden-KI-Video vom Brief bis zur Auslieferung
Anweisungen sind auf Russisch. Antworten in der Sprache des Benutzers.
Warum
Bevor der erste Frame des eigentlichen Videos erstellt wird, wird ein Pre-Production-Paket zusammengestellt: eine Synopsis, ein Charakterblatt, ein Ortsblatt und eine Präsentation. Der Kunde genehmigt dieses Paket. Danach werden die genehmigten Charakter- und Ortsblätter als Referenzen in jede Generierung eingespeist, einschließlich Makroaufnahmen. Der Grund ist einfach: Ohne diese Referenzen erfindet das Modell jedes Mal den Charakter und den Raum neu, das Gesicht verändert sich von Frame zu Frame, die Küche tauscht Möbel und Fenster aus, und die ersten Bildwellen landen komplett im Papierkorb. Das Paket wird immer erstellt, nicht nur "wenn der Kunde danach fragt".
Womit es funktioniert
| Tool | Zweck hier | Wer macht es |
|---|---|---|
| Claude Code (oder anderer Agent) | führt den Projektordner, schreibt Synopsis und Prompts, verarbeitet Korrekturen, erstellt Präsentation, prüft Generierungslogs | Agent |
| Projektordner | inbox/ vom Kunden wie erhalten, docs/ Synopsis, Präsentation und Generierungslogs, stills/r1, stills/r2 Bilder nach Runden plus stills/preview*/ leichte JPGs fürs Telefon, videos/, final/ | Agent |
| Seedream 5 Pro via Higgsfield | Hauptmodell für Blätter und Bilder: ein Modell für das gesamte Video hält das Bild konsistent | Agent startet nach "Ja" des Eigentümers |
| Nano Banana Pro via Higgsfield im Browser | Bearbeitung fertiger Bilder und Durchlauf von Varianten; bei manchen Tarifen der Aggregatoren im Browser ohne Kredite (prüfe deinen Tarif); nicht zum Mischen mit einem anderen Modell innerhalb derselben Szene | Agent |
| Seedance via Higgsfield | Video mit einem Prompt für das gesamte Video, Shots mit Timecodes darin, der gesamte Batch genehmigter Bilder auf einmal | Agent |
| Kling | Alternative für Video, wenn Seedance eine bestimmte Bewegung nicht bewältigt | Agent |
| Suno (oder Äquivalent) | Musik, falls in der Synopsis benötigt | Agent schreibt Prompt, Eigentümer hört zu |
| HTML zu PDF via headless Chrome | 16:9-Präsentation mit eingebetteten Bildern | Agent |
| DaVinci Resolve (oder Äquivalent) | Schnitt, Ton, Endmontage | Eigentümer oder Editor |
motion-graphics | Einblendungen, Titel, Endcard über dem Schnitt | Agent |
film-look | Ein Look am Ende jedes Prompts | Agent |
| Kunde | Brief, Produktfotos, Auswahl von Optionen, Korrekturen | Kunde |
Bezahlte Generierungen werden nur nach einem "Ja" des Projekteigentümers gestartet. Jegliche Kommunikation mit dem Kunden (Synopsis, Präsentation, Master) erfolgt durch einen Menschen und nur auf dessen direkte Anweisung. Der Agent bereitet vor und prüft.
Wann aktivieren
- Ein Brief für ein Werbe- oder Produktvideo ist eingegangen, bei dem Bilder generiert werden.
- Ein Paket zur Genehmigung muss erstellt werden: Synopsis, Blätter, Präsentation.
- Korrekturen kamen per Sprachnachrichten und Screenshots und müssen festgehalten werden.
- Die Auslieferung wird vorbereitet.
Die detaillierte Shot-List-Tabelle wird von shot-list erstellt, Archivbilder für Text sucht archive-footage, der Look für alle Generierungen kommt von film-look, Einblendungen und Titel macht motion-graphics.
Phasen der Reihe nach
0. Briefannahme -> 1. Synopsis im Chat -> [ok] -> 2. Charakterblatt
-> 3. Ortsblatt -> 4. Präsentation -> [Genehmigung] -> 5. Standbilder in Wellen
-> 6. Video -> 7. Kundenkorrekturen -> 8. Montage und Auslieferung
In eckigen Klammern sind Punkte, an denen die Arbeit stoppt, bis der Kunde geantwortet hat.
Führe den Projektstatus in einer Datei (status.md oder project.json): aktuelle Phase, was genehmigt ist, worauf warten wir. Eine neue Sitzung beginnt damit.
Phase 0. Briefannahme
Lege alles vom Kunden so wie es ist in inbox/ ab: Sprachnachrichten, Screenshots von Chats, Dokumente, Fotos. Überschreibe nichts über das Original. Fragebogen: templates/brief-questions.md.
Vor dem Start einholen:
- Technische Spezifikation oder Drehbuch in beliebiger Form, Sprachnachrichten und Screenshots sind in Ordnung;
- echte Produktfotos aus drei Perspektiven: frontal, im Dreiviertelprofil (Tiefe sichtbar) und mit Lineal oder Gegenstand als Maßstab. Alle Verpackungsvarianten, die im Bild vorkommen. Ohne Fotos nicht beginnen;
- Videoreferenzen, falls vorhanden;
- Laufzeit und Plattform (daraus das Seitenverhältnis);
- Wer final genehmigt und wann. Wenn derjenige, der genehmigt, nicht mit demjenigen kommuniziert, der die Korrespondenz führt, kommt jede Korrekturschleife doppelt.
Analysiere die Videoreferenz Bild für Bild (Kontaktblatt via ffmpeg, z. B. tile=6x6) und beschreibe in Worten, was du übernimmst: Rhythmus, Licht, Kamerabewegung, Farbe. Das eliminiert die Hälfte der Missverständnisse "ich wollte es wie dort".
Phase 1. Synopsis als Text im Chat
Kurze docs/synopsis.md, die an den Kunden als Text im Chat geht, nicht als Dokument: Korrekturen in dieser Phase sind am günstigsten. Bestandteile:
- Logline: was der Zuschauer sieht und fühlt, 2-4 Zeilen;
- Shot-List-Tabelle mit Timecodes (Format und Prüfung in
shot-list); - Übergangsmechanik: wie ein Shot in den nächsten übergeht, in Worten;
- Ton: Musik, Stimme, Geräusche, wo Musik einsetzt;
- Was gegenüber der Spezifikation geändert wurde und warum, als separater Block.
Wenn der Kunde ohne Idee kommt, zeige vor der Synopsis 2-3 Richtungen, die sich strategisch unterscheiden, jede mit einer Zeile und einer Logline. Gib nicht nur eine Richtung: Der Kunde hat sonst nichts zur Auswahl.
Phase 2. Charakterblatt
Character reference sheet, 3 Varianten mit Unterschieden in Gesicht, Frisur und Kleidung. Aufbau des Blatts: templates/character-sheet.md. Emotionen und Posen werden auf die Szenen dieses speziellen Videos abgestimmt: Wenn das Thema im Bild isst, gehört in die Posen ein Löffel.
- Kalkuliere 2-3 Iterationen nach der ersten Auswahl ein. Neue Kleidungsvarianten, eigenes Modell des Kunden, Haarlänge: das ist normal, kein Fehler.
- Kleidung im Kontrast zur Verpackung. Eine Figur in Produktfarbe verschmilzt damit, und das Produkt geht verloren.
- Für Szenen schneide ein großes frontales Porträt aus dem genehmigten Blatt aus: Auf einem Raster nimmt das Gesicht nur wenige Prozent des Bildes ein, und das Modell erfasst es nicht. Das Blatt bleibt für die Genehmigung, das Porträt geht in die Generierungen.
Phase 3. Ortsblatt
Location reference sheet, 3 Varianten des Innenraums. Aufbau: templates/location-sheet.md. Hauptsache: ein Raum von allen Seiten, mit einer Totalen von jeder Wand. Sonst fehlt beim Wechsel des Blickwinkels oder bei einer Kamerafahrt die Referenz der benötigten Seite, und das Modell baut sie selbst dazu.
Wenn das Video als ein einziger Kameradurchlauf konzipiert ist, erstelle nach den Blättern einen Master-Shot der Szene: die Figur bereits am Ort, Gegenstände an ihrem Platz, Licht eingestellt. 2-3 Varianten des Kamerastandpunkts, dann wird jeder einzelne Shot vom genehmigten Master ausgehend generiert.
Phase 4. Präsentation
Horizontale 16:9-Folien in einem PDF. Reihenfolge, die funktioniert:
Titelseite -> Figur und Ort (Auswahl aus drei) -> Szenen der Reihe nach mit Timecodes -> Zwischenschnitte -> Finale -> Arbeitsplan
Erstellung: HTML mit Bildern als Base64 eingebettet, dann Druck als PDF via headless Chrome. Vertikale Bilder in Karten vollständig anzeigen (object-fit: contain auf einer Unterlage), sonst werden sie auf identische Streifen zugeschnitten und sehen aus wie Duplikate. Schriftarten: normale Sans-Serif, Ziffern mit tabular-nums, keine Monospace.
Vor dem Versand prüfen, dass die Präsentation keine internen Informationen enthält: Preise, Budget, Kreditverbrauch, Modellnamen, Arbeitsstunden, interne Links und Namen. Suche in der Datei nach Wörtern wie "Rub", "Kredit", "Budget", "Stunde" und Modellnamen. Wenn gefunden, überarbeiten. Checkliste des Pakets: templates/preprod-checklist.md.
Phase 5. Standbilder in Wellen
Nur nach genehmigtem Paket. Reihenfolge:
- Basis: "vorher", Produkt, Finale;
- "nachher" nur als i2i vom genehmigten "vorher": Pose, Gesicht, Licht ändern sich, der Rest muss übereinstimmen, sonst wird der Vorher-Nachher-Effekt nicht verstanden;
- Makro und Zwischenschnitte, ebenfalls mit dem Ortsblatt.
Jede Welle als nummerierte Varianten zeigen, damit die Antwort ein Wort ist. Neue Runde in einem neuen Ordner (stills/r2), daneben leichte JPG-Vorschauen: Große PNGs erreichen das Telefon nicht.
Phase 6. Video
Ein Prompt für das gesamte Video, Shots mit Timecodes darin, der gesamte Batch genehmigter Bilder auf einmal. So wirkt es stimmiger als separate Clips zusammenzukleben.
- Kopf des Prompts: Figur, Ort, Produkt, Farbpolitik, Ton, alles, was in allen Shots gleich ist. Dann Shots mit Timecodes und einem kurzen Anker-Titel für jeden ("Box", "Beutel", "Finale"). Am Ende der Look.
- Schreibe nicht "wie in Referenz 4": Bilder gehen in beliebiger Reihenfolge ins Modell. Konsistenz hält die Beschreibung im Kopf.
- Beginne mit der riskantesten Stelle: Übergang, komplexe Bewegung, kleiner Text auf dem Produkt. Wenn es nicht klappt, ändere die Mechanik der Szene (z. B. Kamerafahrt über eine Überblendung mit einem Objekt), nicht den Rest anpassen.
- Statisches Makro friert ein: Füge in den Kopf einen Satz ein, dass in jedem Shot kontinuierliche Bewegung ist. Das Finale friert nach einer Geste ein: verlängere die Aktion.
- Vor dem Start erstelle eine Liste der eingehenden Bilder und markiere bei jedem "manuelle Bearbeitung" oder "Generierung". Manuelle Bearbeitungen (Logo, kleiner Text) separat speichern und niemals durch die Modellausgabe überschreiben.
Phase 7. Kundenkorrekturen
Korrekturen kommen als Sprachnachrichten, Screenshots, Bruchstücke in verschiedenen Nachrichten.
- Sortiere sie in eine nummerierte Liste: Nummer, Bild, was zu ändern ist, Zitat.
- Sende die Liste zur Bestätigung vor der Arbeit: "Habe ich richtig verstanden, hier sind 7 Punkte?". Nachfragen ist billiger als einen Punkt zu verlieren.
- Eine Korrektur, die dem genehmigten Paket widerspricht, separat markieren: Das ist eine neue Runde, keine Korrektur.
- Berichte anhand derselben Nummern: erledigt, nicht erledigt und warum.
Phase 8. Montage
Schnitt, Ton, Einblendungen. Text wird niemals in die Generierung eingebettet: Titel nur beim Schnitt (motion-graphics), in den Bildern oben Platz lassen.
Musik, falls benötigt: setzt nach dem Wendepunkt ein, nicht in der ersten Sekunde. Bei Suno im Stil ein klares Tempo (BPM) und 3-5 konkrete technische Klangmerkmale, kurz; die Struktur wird durch Tags im Textfeld vorgegeben. Eine lange Liste von Adjektiven ergibt einen überladenen Track. Einen Kunden-Referenztrack akzeptiert Suno nicht: Analysiere Tempo und Charakter und übersetze sie in Worte in den Prompt.
Was in jede Generierung geladen wird
- Porträt der Figur aus dem genehmigten Blatt (nicht das Raster selbst).
- Bild oder Ortsblatt, einschließlich Makroeinstellungen.
- Echtes Produktfoto oder genehmigte Packshot-Vorlage.
Dies sind drei obligatorische Referenzen, füge keine weiteren hinzu: Mit zusätzlichen Bildern beginnt das Modell zu mitteln, und das Gesicht wird schwächer. Wenn das Produkt in der Szene nicht hält, wird es in einem separaten Durchlauf eingefügt (siehe unten).
Regel für echte Produkte. Generiere die Verpackung nicht nach textueller Beschreibung: Es wird ein erfundenes Produkt herauskommen, und das ist eine Ablehnung, keine Korrektur. Die Form kann man nicht mit Worten vorgeben: "würfelförmige Box" liest das Modell als "quadratisch von vorne". Fehlt ein Foto der benötigten Variante (es gibt eine Box, keinen Beutel), erstelle zuerst einen separaten sauberen Packshot, der genehmigt wird, dann die Szenen. Die Ausrichtung der Verpackung hält die Referenz, nicht der Text: Ein Foto aus einem Winkel ergibt eine umkippende Packung. Ein heikles Logo füge im Bearbeitungsmodus ein: Szene mit leerem Platz für das Produkt, dann separater Durchlauf "lege diesen Packshot hier hinein, den Rest nicht ändern". Ein kleines Produkt in der Totalen erfindet das Modell dazu: Wenn es lesbar sein soll, mache es größer und passe die Bildkomposition an.
Look. Der Kern von film-look am Ende jedes Prompts. Warme Grading wird in zwei Fällen weggelassen: helle Innenräume und Produktaufnahmen mit Firmenfarben (zieht in gelbes Monochrom) sowie dunkle Szenen mit einer warmen Lampe (braune Seife). Und auch bei kühlem, monochromem oder Neon-Stil. Das Seitenverhältnis wird nur durch den Modellparameter bestimmt.
Referenzen nur PNG. Im Higgsfield CLI schlägt das Laden von JPEGs mit einem Storage-Signaturfehler im Log fehl, aber der Befehl selbst gibt keinen Fehler zurück, und die Generierung läuft still ohne Referenz.
Konvertiere im Voraus (sips -s format png auf macOS oder einen beliebigen Konverter) und lies nach jedem Batch die Logs auf Fehlerzeilen, anstatt die Dateiexistenz zu prüfen. Storage-Verbindungsfehler werden durch Wiederholen behoben.
Wo Zeit verloren geht
- Generierung ohne Blätter. Gesicht und Ort verändern sich, die Welle wird komplett verworfen. Keine Szenen vor genehmigten Blättern.
- Gleichnamige Dateien. Aus Downloads leicht das falsche Bild mit ähnlichem Namen zu nehmen. Neue Version erhält einen neuen Namen, vor dem Einsetzen die Prüfsumme (md5) vergleichen.
- Vergessener Neuaufbau der Präsentation. Bilder sind im HTML eingebettet: Datei auf der Platte geändert, PDF wird mit der alten erstellt. Baue bei jeder Änderung neu auf.
- Kamerafahrt im Standbild. Das Bildmodell versteht keine Bogenbewegung: Es dreht die Figur auf dem Stuhl, der Hintergrund bleibt stehen. Im Standbild wird das definiert, was physisch im Bild sichtbar ist (welche Wand hinter dem Rücken, wessen Schulter vorne). Kamerabewegung ist Aufgabe des Videomodells.
- i2i von einem Bild mit einem alten Detail. Haarlänge und Ärmel lassen sich so nicht ändern: Das Bild überschreibt den Text. Es wird eine Referenz benötigt, bei der das Detail bereits korrekt ist, oder eine Generierung von Grund auf.
- Material durch Namen. Der Produktname wird vom Modell eigenständig interpretiert und ein anderes Material gezeichnet. Beschreibe die physikalische Oberfläche (wachsig, halbtransparent, Lichtreflex auf Kanten) und verbiete separat Merkmale eines anderen Materials (Porosität, Kruste).
Checkliste für die Auslieferung
- Verpackung überall mit der Vorderseite, Logo nicht gespiegelt, Symbole an Ort und Stelle, kleiner Text mit der Vorlage Bild für Bild verglichen.
- Produkt in allen Bildern identisch.
- Figur mit demselben Gesicht in allen Bildern.
- Licht ändert sich nach Dramaturgie, nicht zufällig.
- Ort in allen Bildern identisch, einschließlich Makro.
- Text auf dem Bildschirm nur beim Schnitt, in den Bildern ist Platz.
- Laufzeit und Format wie im Brief, Sicherheitszonen der Plattform geprüft.
- Alle Punkte der letzten Korrekturliste erledigt.
- Leichte Vorschauen für das Telefon liegen in
stills/preview*/.
Verbindungen zu anderen Skills des Sets
shot-list: Shot-List-Tabelle für die Synopsis und deren Prüfung.film-look: Ein Look für alle Generierungen des Projekts.motion-graphics: Einblendungen, Titel, Endcard bei der Montage.archive-footage: Archivbilder und Quellenverzeichnis, falls vorhanden.youtube-thumbnail: Vorschaubild, wenn das Video auch auf den Kanal geht.
Was zuerst veraltet
Namen und Versionen der Modelle, welche Referenzformate das Tool akzeptiert, Tarife und unbegrenzte Nutzung der Aggregatoren. Die Reihenfolge der Phasen und die Genehmigungsregeln veralten langsam. Geprüft im Oktober 2026.
Tiefergehend
Vollständige Vorlagen für Blätter und Präsentationen, Analysen realer Videos und die Konfiguration der Pipeline für das Team zeigt Studio AIVFX in der Arbeit und in der Schulung: https://aivfx.ru.