Generación con IA

Was macht Generación con IA?

Generieren ist einfach. Die Kunst liegt darin, dass es echt aussieht, nichts erfindet und nicht das Budget an einem Nachmittag auffrisst. Diese Skill entscheidet, bevor ausgegeben wird: ob überhaupt generiert werden muss, mit welchem Modell, wie viel es kostet und was zuerst gezeigt wird.

1 · Vor dem Generieren

1. Lies das Ziel aus: Hoch- oder Querformat, fps und exakte Dauer des Abschnitts. Einmal wurden acht vertikale Videos generiert, die für eine horizontale Komposition bestimmt waren.
2. Muss generiert werden? In dieser Reihenfolge: echtes Material (vom Kunden oder eigenes, einschließlich bereits bezahlter, ungenutzter Aufnahmen) → lizenzierte Stockmedien (es gibt auch kostenlose echte Videos) → kostenlose 3D-Modelle (CC0 oder MIT) → generieren. Im Zweifel echte Aufnahmen verwenden.
3. Wähle das Modell basierend auf dem, was im Bild ist (Abschnitt 2).
4. Budget, immer. Erstelle den Plan (jede Variation zählt, plus einen realistischen Wiederholungsdurchlauf) und reiche ihn durch die Skill presupuesto (skills/presupuesto/; das Werkzeug ist herramientas/presupuesto.py, im Paketstamm). OK bedeutet generieren; PREGUNTAR wartet auf ein Ja; PARAR generiert nicht. Wenn das Modell nicht in herramientas/precios.json steht, erfinde keinen Preis.
5. Prüfe das Kontoguthaben vor einem größeren Durchlauf: Eine andere Sitzung könnte es bereits aufgebraucht haben.
6. Zeige zuerst: Ein Schlüsselbild oder einen kurzen Clip, vor dem gesamten Durchlauf.
7. Danach: Überprüfe das Ergebnis selbst, bevor du es präsentierst, sage, was schiefgelaufen ist, und verbuche die tatsächlich abgerechneten Kosten (presupuesto.py registrar).

2 · Welches Modell für was

Katalog getestet bis November 2026. Ändert sich schnell: Wenn etwas Neues erscheint, wird es mit einer einzigen Generierung und mit Erlaubnis getestet.

Im Bild ist…	Verwende	Achtung
Das reale Produkt des Kunden (starr, mit Beschriftungen)	Kling 3.0 vom echten Foto aus, nur die Kamera bewegen	Seedance und andere verändern Teile und schreiben Beschriftungen um
Ein Produkt, das sich Stück für Stück verwandelt	Seedance 2.5 mit festgelegtem erstem und letztem Bild	Kling zeichnet einen Flüssigkeitsstrahl besser
Eine Szene mit Personen	Seedance 2.5 (omni_reference, das Bild als Start)	Um die Bewegung einer echten Aufnahme zu kopieren: Seedance 2.0 mit video_references und der Stimme in audio_references
Personen, die nicht wie KI aussehen sollen	Echtes Stock-Video, oder HeyGen text_to_video ohne Bild, mit einem Prompt, der wie ein echter Dreh klingt	Eine Karikatur als Referenz zieht deren Stil mit
Etwas, das man nicht filmen kann	Veo 3.1 oder Gemini Omni Flash	Beschreibe das Material und verbiete Buchstaben (Abschnitt 5)
Dieselbe Bewegung mit anderem Aussehen	Seedance 2.5 video_edit	Hat Glas nicht durch Wasser ersetzt: das wurde neu generiert
Ein anderer Protagonist in deinem Video	Higgsfield Genjutsu (Objekt ersetzen)	Nur mit eigenem Material oder mit Rechten: Eine fremde Referenz wird studiert, nicht kopiert
Schlüsselbilder und Standbilder	nano_banana_pro (2k, Seitenverhältnis des Ziels, Referenzen) oder GPT Image
Etwas, das in einem Bild stört	GPT Image, innerhalb einer Maske
Eine animierte Figur, die spricht	OmniHuman auf grünem Hintergrund, dann compositen
Stimme	ElevenLabs, auch innerhalb von Higgsfield	Klonen nur mit Erlaubnis
Musik und Soundeffekte	ElevenLabs	Higgsfield macht keine Musik oder Effekte: sein Audio ist nur Sprache
Lip-Sync über einer echten Aufnahme	ElevenLabs-Workflows (Sync 3, Sync 2 Pro, Veed)	Akzeptiert kein generiertes Video einer realen Person
Personen oder Objekte in 3D	Zuerst kostenlose: Microsoft Rocketbox (MIT), Quaternius (CC0)	Herunterladen erfordert ein Ja: Quelle, Lizenz und Größe

Kling 4.0 (Oktober 2026: bis zu 10 Schlüsselbilder und 15 Referenzen) muss noch getestet werden.

Bevor du die Methode neu erfindest, schöpfe den Katalog aus. Ein anderes Modell zu testen kostet weniger als eine halbe Stunde Maskenarbeit.

3 · Was nicht kaputt geht

Budget und Wiederholungen

• Nichts wird ohne presupuesto generiert. Ein Videomodell kann Dutzende Credits pro Clip kosten, und sieben Tests fressen das halbe Budget.
• Ein grundloser Fehler wird einmal wiederholt, nicht der ganze Durchlauf. Ein erneuter Aufruf einer Generierung wird doppelt berechnet.

Das Produkt des Kunden (Details in referencias/producto-real.md)

• Es wird reproduziert, nicht neu erschaffen. Image-to-Video nimmt das Foto als Inspiration und ändert Proportionen, Teile und Beschriftungen. Wenn die Werbung etwas zeigt, das sie nicht liefern werden, lügt sie, und wer das Produkt kennt, merkt es auf den ersten Blick.
• Das Rezept, das funktioniert: Das echte Foto, mit Alphakanal ausgeschnitten über einem Set, und dem Modell wird nur gesagt, es solle die Kamera bewegen, mit explizit genannten Verboten. Eine große Umlaufbahn zwingt dazu, die Gesichter zu erfinden, die das Foto nicht zeigt.
• Dass das Produkt nicht angefasst wird, wiegt schwerer als jede Bewegungsverbesserung. Wenn das Modell die Bewegung nicht hergibt, Standfoto und manuelle Animation im Editor: Null Risiko.
• „Es muss nicht das Originalfoto sein“ berechtigt nicht dazu, die Form zu erfinden. Ein 3D-Modell oder Render kopiert Position für Position die echten Fotos und Videos. Zuerst ein genehmigtes 360°-Bild, dann das Video. Ein aus dem Gedächtnis erstelltes 3D-Modell sah aus „wie ein schlecht gemachter Lego-Stein“.
• Das Generierte ist für das, was nicht das Produkt ist: Hintergrund, Licht, Umgebung, der abstrakt erklärte Mechanismus.

Personen und Figuren (Details in referencias/personas-y-voz.md)

• Dieselbe Figur innerhalb eines Stücks; eine neue in jedem Stück. Innerhalb des Stücks ist das genehmigte Porträt die Referenz für alle Einstellungen. Zwischen den Stücken werden weder Gesicht noch Produkt wiederholt: Dasselbe Gesicht in zwei Anzeigen verrät den Trick.
• Gesicht und Produkt müssen zusammenpassen. Wenn sich das Produkt ändert, ändern sich Gesicht und Szenerie. Eine aus einem anderen Stück recycelte Verkäuferin bot schließlich Brot in einer Unterhaltung an, die nicht über Brot handelte.
• Die Kunden des Kunden wiederholen sich innerhalb derselben Anzeige: Es sind dieselben Personen, die schreiben.
• Das Gesicht einer realen Person wird nicht von Grund auf generiert. Kein Modell hat es beibehalten: Es kamen „ähnliche Geschwister“ heraus. Es funktioniert, 2–3 s eines echten Frames von ihr zu animieren oder ihre eigenen Aufnahmen zu verwenden; KI nur für den Hintergrund.
• Stimme oder Gesicht von jemandem, nur mit dessen Erlaubnis und wenn die Person, die den Auftrag gibt, es verlangt.
• Ein generiertes Testimonial ist eine eindeutig animierte Figur. Eine erfundene realistische Person wird als echtes Testimonial gelesen.

Wie korrigiert wird

• Abgelehnter Entwurf = Bearbeitung ausgehend vom Genehmigten, nicht Neugenerierung. Übergib das Bild, das gefallen hat, als Referenz, schreibe „keep exactly“ und eine kurze Liste der Änderungen. Von Null zu generieren ergab zwei abgelehnte Runden; durch schrittweises Bearbeiten klappte es.
• Nach zwei Ablehnungen ohne Richtung gib nicht blind eine dritte aus. Sage, was du verstanden hast, und bitte um ein Bild oder einen Satz. Wenn die Person ihre Meinung ändert, sende das, was sie zuletzt gesagt hat.
• Eine Änderung in einem Abschnitt regeneriert nur diesen Clip, mit denselben Start- und Endbildern, damit die Übergänge weiterhin stimmen.
• Repariere ohne Neugenerierung, wenn möglich (verformte Buchstaben, störende Personen, eine langsamere Einstellung): referencias/composicion-y-arreglos.md.
• Blindauswahl: Stimmen und Versionen werden verglichen, ohne zu sagen, welche welche ist, bei gleicher Lautstärke. Wenn die Person zufällig richtig liegt, ist der Unterschied nicht wahrnehmbar.

Was generiert wird

• Was man sieht, ist das, was die Stimme sagt. Die Handlung der Einstellung ist der Satz des Voice-Overs, keine Illustration des Themas.
• In einer generierten Szene passiert etwas. Kamera und Aktion bewegen sich: Der Prompt enthält THINGS MOVE, die konkrete Aktion und CAMERA MOVES: a steady dolly-in … ending noticeably tighter. Stillstand ist nur für das Produkt.
• Kein erfundener Text. Überprüfe jedes Schild Buchstabe für Buchstabe; wenn du keine Buchstaben willst, verbiete sie im Prompt.
• Der Chroma-Key über einem Foto, „das wie gefilmt aussieht“, hat seine Grenzen, und das wird vor Beginn gesagt. Wenn Realismus wichtig ist, wird die Szene zusammen generiert oder gefilmt (siehe Komposition und Reparaturen).
• Bei einem Trend mit geringem Wert: Ein Durchlauf und ausliefern. Nicht vier Versionen oder ein langes Video abschnittsweise neu machen.

4 · Zahlen

Was	Wie viel
Produkt: Kamerafahrt	12 bis 15 %
Produkt: seitliche Drehung	maximal 10°
Zusätzlicher Zoom im Editor über einem Kling-Clip	maximal 4 % (der Clip bringt seine eigene Fahrt mit)
Animierte Geste von einem echten Bild	2 bis 3 s
Überblendung zwischen aneinandergereihten Clips	4 Frames
Lip-Sync	2 Takes pro Satz; akzeptierte Abweichung ±3 Frames
Zoom-Stoß auf einen Moderator	Stoß von 0,3 bis 0,5 s; ein trockener von 0,15 s wirkt wie ein Versatz
Probe zum Klonen einer Stimme in Higgsfield	MP3 von 10 s bis 3 min
Chroma: Hintergrundunschärfe	maximal 1,2 px, sonst sind die Schilder nicht mehr lesbar
Was ruhig sein muss	weniger als 1 px Bewegung
Aufeinanderfolgende Ablehnungen vor dem Nachfragen	2
Wiederholungen eines grundlosen Fehlers	1

5 · Bekannte technische Fallstricke

• Hochladen eines lokalen Fotos zu Higgsfield: media_upload → curl -X PUT --data-binary @datei "<url>" → media_confirm. Das Widget wird nicht benötigt. Start- und Endbild werden über die Job-ID des Bildes übergeben.
• Der Preset-Empfehler von Higgsfield blockiert generate_video mit einem unzusammenhängenden Preset und erstellt den Job nicht. Sende erneut mit declined_preset_id gleich der ID DIESES Fehlers (ändert sich bei jedem Versuch). Da nichts erstellt wurde, wird nichts berechnet.
• Die „feststehende Kamera“ von Kling verrutscht um etwa 12 px in 5 s. Wenn du darüber compositen willst, stabilisiere es gegen den Hintergrund.
• Kling mit sehr unterschiedlichem Start und Ende überblendet (Doppelbelichtung nach etwa 2,5 s) anstatt die Kamera zu bewegen. Verwende den guten Teil und mach die Fahrt im Schnitt.
• Seedance schreibt Beschriftungen um (verdoppelt Buchstaben einer Webseite). Überprüfe jeden Markentext.
• Die KI-Neurahmung eines langen Videos ist unzuverlässig: Sie erfand etwa 5 s einer Einstellung und fraß einen Schnitt. Für die Umwandlung ins Hochformat schneide dem Protagonisten folgend zu.
• Videoeditoren, die die ursprüngliche Bewegung beibehalten, addieren statt zu ändern: Ein in die Hand gelegtes Handy erschien mit drei Händen (Runway Aleph; erfordert außerdem maximal 30 fps und gibt 612×1088 aus).
• Seltsame Materialien: Beschreibe sie („undurchsichtig, spiegelnd, verschmolzenes Chrom“ für eine Flüssigmetall) und verbiete im Negative Prompt das, womit das Modell sie verwechselt (Wasser, Perlen). Wasser muss als Wasser erkennbar sein: Eine glatte Kugel sieht aus wie Glas.
• Nicht angeforderte Buchstaben: Ein Modell schrieb „POLICE“ in englischer Sprache auf einige Westen. Wenn du keinen Text willst, verbiete es.
• Glanzlichter und Hologramme auf hellem Hintergrund: Der Mischmodus „Bildschirm“ verschwindet auf Weiß. Backe ein Video mit eigenem Alphakanal.
• Was in den Schnitt geht, wird nur als Video und auf die exakte Dauer zugeschnitten exportiert. Das Einfügen eines generierten Clips mit seinem Audio löschte bereits die Tonspur; überprüfe sie nach dem Einfügen.
• Doppelte Dateien: Vergleiche Gesicht oder Produkt eines neuen Stücks mit md5 mit denen der vorherigen. Drei „verschiedene“ Stücke verwendeten dieselbe kopierte Datei.

Beobachtete Kosten zwischen September und November 2026, zur Orientierung (ändern sich: prüfe sie im Dienst und verwende precios.json): Kling 3.0 auf 9:16, 1,25 bis 1,5 Credits pro Sekunde (im 4K-Modus etwa 48 pro 5–8 s-Take); Seedance 2.0 in 4K, 176 Credits pro Clip; Genjutsu in 1080p, etwa 20,6 Credits pro Sekunde; eine KI-Neurahmung von 45 s, 561 Credits; HeyGen text_to_video, 9 Credits pro 5 s in 1080p; Lip-Sync mit Sync 3, etwa 1,80 US-Dollar pro 10 s.

6 · Was ausgeliefert und was überprüft wird

Ausgeliefert wird: die Dateien im Format des Ziels (Auflösung, fps und exakte Dauer; nur Video, wenn sie in den Schnitt gehen) und für jede Datei das Modell, der Prompt, die Referenzbilder und die gebuchten Kosten. Was schiefgelaufen ist, wird gesagt, nicht versteckt.

Überprüft wird, und bei Auslieferung mitgeteilt:

• Schilder und Texte, Buchstabe für Buchstabe.
• Das Produkt, Seite an Seite mit seinem echten Foto: Proportionen, Anzahl der Teile, Position jedes Teils.
• Dasselbe Gesicht in allen Einstellungen des Stücks und ein anderes als in vorherigen Stücken (md5).
• Hände, Finger und Objekte, die erscheinen oder verschwinden.
• Dass das Fixierte fixiert ist: Ein Teil, das sich nicht bewegen soll, bewegt sich weniger als 1 px.
• Format, fps und Dauer gleich dem Ziel.
• Die Ausgaben, gebucht und innerhalb des Limits des Stücks.