Skill zur Videogenerierung
Generiere Videos mit KI (Google Veo 3.1, OpenAI Sora).
Funktionen:
- 🎬 Text‑zu‑Video: Erstelle Videos aus Textbeschreibungen
- 🖼️ Bild‑zu‑Video: Animierte Bilder als erstes Einzelbild
- 🔊 Audiogenerierung: Dialoge, Soundeffekte, Umgebungsgeräusche (Veo 3+)
- 🎭 Referenzbilder: Führe bis zu 3 Referenzbilder ein, um den Videoinhalt zu lenken (Veo 3.1)
Voraussetzungen
Standard: Vertex AI (10 Anfragen/Minute) ⭐
Vertex AI ist das empfohlene Backend mit 1400-mal höheren Ratenlimits:
# 1. Projekt setzen
export GOOGLE_CLOUD_PROJECT=deine-projekt-id
# 2. Authentifizieren (öffnet Browser)
gcloud auth application-default login
# 3. API aktivieren (einmalig)
gcloud services enable aiplatform.googleapis.com
In die .env-Datei einfügen:
GOOGLE_CLOUD_PROJECT=deine-projekt-id
GOOGLE_CLOUD_LOCATION=us-central1
Fallback: AI Studio (10 Anfragen/Tag)
Nur verwenden, wenn du kein GCP-Projekt hast:
GOOGLE_API_KEY- Abrufbar unter https://aistudio.google.com/apikey
Für Sora (OpenAI)
OPENAI_API_KEY- Für OpenAI Sora
Verfügbare Modelle
Google Veo Modelle
| Modell | Beschreibung | Am besten geeignet für |
|---|---|---|
veo-3.1 | Höchste Qualität (Standard) | Professionelle Videos, Dialoge, Referenzbilder |
veo-3.1-fast | Schnellere Verarbeitung | Schnelle Iterationen, Batch‑Generierung |
Beide Modelle bieten:
- Auflösung 720p/1080p
- Dauer 4, 6 oder 8 Sekunden
- Nativen Audio (Dialoge, Soundeffekte, Umgebungsgeräusche)
- Bild‑zu‑Video (Bilder animieren)
- Referenzbilder (bis zu 3)
- Videoerweiterung
- Batch‑/Parallelgenerierung
OpenAI Sora
- Am besten geeignet für: Kreative Videos, filmische Qualität, komplexe Bewegungen
- Auflösungen: 480p, 720p, 1080p
- Dauern: 5s, 10s, 15s, 20s
- Funktionen: Text‑zu‑Video, Bild‑zu‑Video
Arbeitsablauf
Schritt 1: Anforderungen sammeln (ERFORDERLICH)
⚠️ Verwende interaktives Fragen – stelle EINE Frage nach der anderen.
Fragenablauf
⚠️ Verwende für jede der folgenden Fragen das Tool AskUserQuestion. Gib die Fragen nicht einfach in deiner Antwort aus – verwende das Tool, um interaktive Aufforderungen mit den angezeigten Optionen zu erstellen.
F1: Bild
„Ich werde das Video für dich generieren! Zunächst – hast du ein Bild, das du animieren möchtest?
- Ja (Pfad angeben – ich verwende es als erstes Einzelbild)
- Nein, von Grund auf generieren“
Auf Antwort warten.
F2: Audio
„Welche Audioeinstellung bevorzugst du?
- Mit Audio (Standard) – Veo 3.1 generiert Dialoge, Soundeffekte, Umgebungsgeräusche
- Stummvideo – kein Audio“
Auf Antwort warten.
F3: Modell
„Welches Modell möchtest du verwenden?
veo-3.1– Neuestes, höchste Qualität mit Audio (Standard)veo-3.1-fast– Schnellere Verarbeitung mit Audioveo-3/veo-3-fast– Vorherige Generation mit Audiosora– OpenAI, bis zu 20 Sekunden, kein Audio“
Auf Antwort warten.
F4: Dauer
„Welche Dauer?
- 4 Sekunden
- 6 Sekunden
- 8 Sekunden (Standard)“
Auf Antwort warten.
F5: Format
„Welches Seitenverhältnis und Auflösung?
- 16:9 Querformat, 720p
- 16:9 Querformat, 1080p
- 9:16 Hochformat, 720p
- 9:16 Hochformat, 1080p
- Oder eigene Angabe“
Auf Antwort warten.
Kurzreferenz
| Frage | Bestimmt |
|---|---|
| Bild | Bild‑zu‑Video vs. Text‑zu‑Video |
| Audio | Mit/ohne Audiogenerierung |
| Modell | Abwägung zwischen Qualität und Geschwindigkeit |
| Dauer | Cliplänge |
| Format | Seitenverhältnis und Auflösung |
Schritt 2: Prompt formulieren
Wandle die Benutzeranfrage in einen effektiven Video-Prompt um:
- Szene beschreiben: Den visuellen Kontext festlegen
- Aktion angeben: Was sich bewegt, verändert, passiert
- Kameraführung einbeziehen: „Langsamer Schwenk“, „Tracking-Aufnahme“, „Dolly-Fahrt“
- Audiohinweise hinzufügen (Veo 3+): Dialoge in Anführungszeichen setzen, Geräusche beschreiben
- Stimmung festlegen: Beleuchtung, Atmosphäre, Tageszeit
Beispiel mit Dialog (Veo 3.1):
- Benutzer: „Eine Person entdeckt einen Schatz“
- Verbessert: „Nahaufnahme des Gesichts einer Schatzsucherin, während Fackellicht flackert. Sie murmelt ‚Das muss es sein…‘ und wischt Staub von einer alten Truhe. Knarrende Scharniere, als sie sie öffnet, goldener Lichtschein auf ihrem ehrfürchtigen Gesicht. Kinematographisch, dramatische Schatten.“
Beispiel ohne Dialog:
- Benutzer: „Ein Hund rennt am Strand“
- Verbessert: „Kinematographische Zeitlupenaufnahme eines Golden Retrievers, der freudig bei Sonnenuntergang am Strand entlangläuft, Wellen plätschern, warmes goldene Stundenlicht, geringe Schärfentiefe“
Schritt 3: Modell auswählen
Standard: veo-3.1 (höchste Qualität, mit Audio)
| Anwendungsfall | Empfohlenes Modell | Grund |
|---|---|---|
| Beste Qualität | veo-3.1 (Standard) | Höchste Qualität, Audio |
| Schnelle Iteration | veo-3.1-fast | Schnellere Verarbeitung |
| Batch‑Generierung | veo-3.1-fast | Geschwindigkeit wichtig für mehrere Clips |
| Längere Videos (>8s) | sora | Unterstützt bis zu 20s |
Schritt 4: Video generieren
Führe das entsprechende Skript aus ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/ aus:
Für Google Veo 3.1 (Standard, mit Audio):
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py \
--prompt "dein verbesserter Prompt mit 'Dialog in Anführungszeichen'" \
--model "veo-3.1" \
--duration 8 \
--aspect-ratio "16:9" \
--resolution "720p"
Für Google Veo 3.1 mit Bildeingabe:
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py \
--prompt "Die Katze öffnet langsam die Augen und gähnt" \
--image "/pfad/zur/katze.jpg" \
--model "veo-3.1" \
--duration 8
Für schnellere Generierung:
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py \
--prompt "dein Prompt" \
--model "veo-3.1-fast"
Für OpenAI Sora (längere Videos):
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/sora.py \
--prompt "dein verbesserter Prompt" \
--duration 20 \
--resolution "1080p"
Verfügbare Modelle auflisten:
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py --list-models
Videoerweiterung (Für Langform-Kontinuität)
Das --extend‑Flag erzeugt ECHTE visuelle Kontinuität, indem es dort fortfährt, wo ein vorheriges Veo-Video endete. Dies ist der beste Ansatz für längere Videos.
Einfache Erweiterung:
# Zuerst ersten Clip generieren
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py \
--prompt "Eine Person geht bei Sonnenaufgang durch einen Wald" \
--duration 8
# Mit neuem Inhalt erweitern (fügt ~7 Sekunden hinzu)
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py \
--extend veo_veo-3.1_20260104_120000.mp4 \
--prompt "Weitergehen, einen versteckten Bach entdecken"
Mehrfache Erweiterungen (für längere Videos):
# 5-mal erweitern (fügt ~35 Sekunden Fortsetzung hinzu)
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py \
--extend initial_clip.mp4 \
--prompt "Den Wald weiter erkunden, Wildtieren begegnen" \
--extend-times 5
Erweiterung vs. Zusammenfügen:
| Ansatz | Ergebnis | Anwendungsfall |
|---|---|---|
| Erweiterung | Echte Kontinuität, gleiche Figuren/Szene | Lange durchgehende Aufnahmen |
| Zusammenfügen | Getrennte Clips mit Übergängen | Szenenwechsel, Montagen |
Grenzen der Erweiterung:
- Eingangsvideo muss Veo-generiert sein (max. 141 Sekunden)
- Jede Erweiterung fügt ~7 Sekunden hinzu
- Maximal 20 Erweiterungen insgesamt (~2,5 Minuten)
- Ausgabeauflösung ist 720p
Batch‑Generierung (Parallel)
Generiere mehrere Videos gleichzeitig für schnellere Multi‑Szenen‑Arbeitsabläufe. Anstatt 15+ Minuten auf 5 aufeinanderfolgende Videos zu warten, generiere sie alle parallel (~3 Minuten gesamt).
Erstelle eine scenes.json-Datei:
[
{"prompt": "Szene 1: Kinematographische Heldenaufnahme von kabellosen Ohrhörern auf dunkler Oberfläche", "duration": 6, "output": "szene1_held.mp4"},
{"prompt": "Szene 2: Schallwellenvisualisierung, Person genießt Musik", "duration": 8, "output": "szene2_klang.mp4"},
{"prompt": "Szene 3: Nahaufnahme des Ohrhörers im Ohr, Person trainiert", "duration": 8, "output": "szene3_komfort.mp4"},
{"prompt": "Szene 4: Lifestyle-Montage, verschiedene Settings", "duration": 8, "output": "szene4_lifestyle.mp4"},
{"prompt": "Szene 5: Produkt mit Logo auf sauberem Hintergrund", "duration": 4, "output": "szene5_cta.mp4"}
]
Alle Szenen parallel generieren:
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py \
--batch scenes.json
Mit benutzerdefinierter Worker‑Anzahl:
python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py \
--batch scenes.json \
--max-workers 3
Batch‑Konfigurationsoptionen pro Video:
| Option | Beschreibung | Standard |
|---|---|---|
prompt | Videobeschreibung (erforderlich) | - |
model | veo-3.1, veo-3.1-fast, etc. | veo-3.1 |
duration | 4, 6 oder 8 Sekunden | 8 |
aspect_ratio | "16:9" oder "9:16" | "16:9" |
resolution | "720p" oder "1080p" | "720p" |
image | Pfad zum Bild für Bild‑zu‑Video | - |
negative_prompt | Was vermieden werden soll | - |
output | Benutzerdefinierter Ausgabedateiname | automatisch generiert |
Geschwindigkeitsvergleich:
| Szenen | Sequentiell | Parallel (5 Worker) | Beschleunigung |
|---|---|---|---|
| 3 | ~9 Min | ~3 Min | 3x |
| 5 | ~15 Min | ~3 Min | 5x |
| 10 | ~30 Min | ~6 Min | 5x |
Schritt 5: Ergebnis ausliefern
- Die generierte Videodatei/URL bereitstellen
- Den verwendeten verbesserten Prompt teilen
- Generierungseinstellungen nennen (Dauer, Auflösung)
- Angebote machen:
- Variationen generieren
- Anderen Stil/Dauer ausprobieren
- Eine andere API verwenden
- Das Video erweitern
Fehlerbehandlung
Fehlender API‑Key: Den Benutzer informieren, welcher Key benötigt wird:
Verstoß gegen Inhaltsrichtlinien: Prompt angemessen umformulieren.
Generierung fehlgeschlagen: Mit vereinfachtem Prompt oder einer anderen API erneut versuchen.
Kontingent überschritten: Warten oder den anderen Anbieter versuchen vorschlagen.
Tipps zur Prompt‑Entwicklung
Für Audio (Veo 3.1)
- Dialog: Anführungszeichen für Sprache verwenden:
„Hallo!“ sagte sie aufgeregt - Soundeffekte: Explizit beschreiben:
Reifen quietschen, Motor brüllt - Umgebungsgeräusche: Die Klanglandschaft beschreiben:
Vögel zwitschern, entfernter Verkehr - Beispiel:
Ein Mann flüstert „Hast du das gehört?“ als Schritte im dunklen Flur hallen
Für filmische Qualität
- Kamerarichtungen einbeziehen: „Langsamer Dolly“, „Tracking-Aufnahme“, „Kranaufnahme“
- Beleuchtung angeben: „Goldene Stunde“, „dramatische Schatten“, „weiches diffuses Licht“
- Filmreferenzen hinzufügen: „Blade Runner Stil“, „Wes Anderson Ästhetik“
Für realistische Bewegungen
- Physik beschreiben: „Natürliche Bewegung“, „realistische Physik“
- Umgebungsdetails einbeziehen: „Wind in den Haaren“, „raschelnde Blätter“
- Geschwindigkeit angeben: „Zeitlupe“, „Echtzeit“, „Zeitraffer“
Für Bild‑zu‑Video
- Beschreiben, was sich vom Startbild aus ändern/bewegen soll
- Die Aktion genau angeben: „Die Katze öffnet langsam die Augen“
- Umgebungsbewegung einbeziehen: „Blätter wehen vorbei“
Negative Prompts
- Beschreiben, was NICHT enthalten sein soll:
--negative-prompt "Cartoon, niedrige Qualität, unscharf" - „Nein“ oder „nicht“ vermeiden – einfach die unerwünschten Elemente beschreiben
API‑Vergleich
| Funktion | Veo 3.1 (Standard) | Veo 3.1 Fast | Sora |
|---|---|---|---|
| Anbieter | OpenAI | ||
| API‑Key | GOOGLE_API_KEY | GOOGLE_API_KEY | OPENAI_API_KEY |
| Maximale Dauer | 8 Sekunden | 8 Sekunden | 20 Sekunden |
| Auflösung | 720p, 1080p | 720p, 1080p | Bis 1080p |
| Seitenverhältnisse | 16:9, 9:16 | 16:9, 9:16 | 16:9, 9:16, 1:1 |
| Audio (Dialog, SFX) | ✅ Ja | ✅ Ja | ❌ Nein |
| Bild‑zu‑Video | ✅ Ja | ✅ Ja | ✅ Ja |
| Referenzbilder | ✅ Bis zu 3 | ✅ Bis zu 3 | ❌ Nein |
| Videoerweiterung | ✅ Ja | ✅ Ja | ❌ Nein |
| Batch‑Generierung | ✅ Ja | ✅ Ja | ❌ Nein |
| Geschwindigkeit | Beste Qualität | ~2x schneller | Langsamer |
| Am besten geeignet für | Professionelle Videos | Batch‑Arbeitsabläufe | Längere Videos |