Text-to-Video bezeichnet KI-Verfahren, die aus einer Beschreibung in gewöhnlicher Sprache eine Videosequenz erzeugen. Dieselbe Technik erzeugt auch Bewegung aus einem vorhandenen Bild, dann spricht man von Image-to-Video.
- Text-to-Video
Ein KI-Verfahren, das aus einer Beschreibung eine Videosequenz erzeugt.
Beispiel: „Das Text-to-Video lieferte acht brauchbare Sekunden, und der Rest des Films kam aus dem Archiv.“Bekannte Werkzeuge sind Sora von OpenAI, Veo von Google, Runway und Kling. Die Länge einer einzelnen Sequenz liegt dabei im Bereich von Sekunden, und längere Filme entstehen durch Aneinanderreihen.
Technisch ist es die Erweiterung der Bilderzeugung um die Zeit: Das Modell muss über viele Bilder hinweg treffen und dabei die Übergänge plausibel halten.
Was heute verlässlich geht
Kurze Einstellungen ohne Sprache, ohne lesbare Schrift und ohne wiederkehrende Personen: Luftaufnahmen, Naturbilder, abstrakte Bewegungen, Produktumgebungen. Schwierig bleibt alles, was über mehrere Sekunden gleich bleiben muss, also ein Gesicht, ein Logo, eine Produktform. Physik gelingt in Grenzen; Flüssigkeiten, Haare und Hände bleiben die kritischen Stellen.
Wofür es sich im Mittelstand lohnt
Für Füllmaterial und Stimmung, nicht für die Hauptaussage. Ein Hintergrundvideo auf einer Startseite, eine Übergangssequenz, eine Veranschaulichung eines Ablaufs: Dafür genügt die heutige Güte, und die Rechnung geht auf, weil ein Drehtag mit Team und Technik ein Vielfaches kostet. Sobald das eigene Produkt oder eigene Mitarbeiter zu sehen sein sollen, führt kein Weg an der Kamera vorbei.
Was zu beachten ist
Dieselben Regeln wie bei Bildern, mit einem Zusatz. Erzeugte Videos fallen schneller in den Bereich der Deepfakes, als man denkt: Die KI-Verordnung zählt dazu jede Nachbildung bestehender Personen, Gegenstände, Orte oder Ereignisse, siehe Deep Fake, und dort greift eine ausdrückliche Offenlegungspflicht. Unsere Linie: erzeugte Videos kennzeichnen, keine erkennbaren Personen, keine Nachbildung bestehender Marken. Dazu kommt eine praktische Regel: Videos ohne Ton planen und die Tonspur getrennt aufnehmen, weil erzeugter Ton und erzeugtes Bild selten zusammenpassen und der Ton am stärksten auffällt, wenn er künstlich klingt. Für den Schnitt gilt dasselbe wie bei echtem Material: kurze Einstellungen, harte Übergänge, und die schwierigen Stellen in der Bewegung verdeckt.