KI-Videogenerierungs-Skill
Erstellen Sie vollständige Videos aus Textbeschreibungen mittels KI.
Fähigkeiten
- Bildgenerierung – DALL-E 3, Stable Diffusion, Flux
- Videogenerierung – LumaAI, Runway, Replicate-Modelle
- Sprachausgabe – OpenAI TTS, ElevenLabs
- Videoschnitt – FFmpeg-Montage, Überblendungen, Overlays
Schnellstart
# Ein komplettes Video generieren
python skills/ai-video-gen/generate_video.py --prompt "Ein Sonnenuntergang über den Bergen" --output sonnenuntergang.mp4
# Nur Bilder zu Video
python skills/ai-video-gen/images_to_video.py --images img1.png img2.png --output ergebnis.mp4
# Sprachausgabe hinzufügen
python skills/ai-video-gen/add_voiceover.py --video eingabe.mp4 --text "Ihr Sprechertext" --output final.mp4
Einrichtung
Erforderliche API-Schlüssel
Fügen Sie sie Ihrer Umgebung oder .env-Datei hinzu:
# Bildgenerierung (eines auswählen)
OPENAI_API_KEY=sk-... # DALL-E 3
REPLICATE_API_TOKEN=r8_... # Stable Diffusion, Flux
# Videogenerierung (eines auswählen)
LUMAAI_API_KEY=luma_... # LumaAI Dream Machine
RUNWAY_API_KEY=... # Runway ML
REPLICATE_API_TOKEN=r8_... # Mehrere Modelle
# Sprachausgabe (optional)
OPENAI_API_KEY=sk-... # OpenAI TTS
ELEVENLABS_API_KEY=... # ElevenLabs
# Oder kostenlose lokale Optionen nutzen (keine API nötig)
Abhängigkeiten installieren
pip install openai requests pillow replicate python-dotenv
FFmpeg
Bereits via winget installiert.
Anwendungsbeispiele
1. Text zu Video (vollständige Pipeline)
python skills/ai-video-gen/generate_video.py \
--prompt "Eine futuristische Stadt bei Nacht mit fliegenden Autos" \
--dauer 5 \
--voiceover "Willkommen in der Zukunft" \
--output zukunftsstadt.mp4
2. Mehrere Szenen
python skills/ai-video-gen/multi_scene.py \
--szenen "Morgendämmerung" "Belebte Stadtstraße" "Friedliche Nacht" \
--dauer 3 \
--output tag_im_leben.mp4
3. Bildsequenz zu Video
python skills/ai-video-gen/images_to_video.py \
--images frame1.png frame2.png frame3.png \
--fps 24 \
--output animation.mp4
Workflow-Optionen
Sparmodus (KOSTENLOS)
- Bild: Stable Diffusion (lokal oder kostenlose API)
- Video: Open-Source-Modelle
- Sprachausgabe: OpenAI TTS (günstig) oder kostenloses TTS
- Schnitt: FFmpeg
Qualitätsmodus (Bezahlt)
- Bild: DALL-E 3 oder Midjourney
- Video: Runway Gen-3 oder LumaAI
- Sprachausgabe: ElevenLabs
- Schnitt: FFmpeg + Effekte
Skript-Referenz
generate_video.py– Hauptgenerator (Ende-zu-Ende)images_to_video.py– Bildsequenz in Video umwandelnadd_voiceover.py– Erzählung zu bestehendem Video hinzufügenmulti_scene.py– Mehrszenen-Videos erstellenedit_video.py– Effekte, Überblendungen, Overlays anwenden
API-Kostenschätzung
- DALL-E 3: ~0,04–0,08 € pro Bild
- Replicate: ~0,01–0,10 € pro Generierung
- LumaAI: 0–0,50 € pro 5 Sek. (kostenlose Stufe verfügbar)
- Runway: ~0,05 € pro Sekunde
- OpenAI TTS: ~0,015 € pro 1.000 Zeichen
- ElevenLabs: ~0,30 € pro 1.000 Zeichen (bessere Qualität)
Beispiele
Siehe Ordner examples/ für Beispielausgaben und Eingabeaufforderungen.