KI-Produktvideos, in denen das Produkt gleich bleibt

Text-zu-Video-Modelle haben Tausende Flaschen und Sneaker gesehen. Ein Prompt liefert deshalb ein glaubwürdiges Produkt, aber nicht deins. Bild-zu-Video hält das erste Bild gut, driftet dann aber mit der Kamerabewegung ab: die Kappe wird höher, das Etikett verläuft anders, die Naht verändert sich.

Referenz-zu-Video-Modelle wie Kling 3.0 Omni und Veo 3.1 nehmen mehrere Fotos des Artikels und behandeln sie als Beschreibung dessen, was zu sehen sein muss. Genau das unterscheidet ein Stimmungsvideo von einem Produktvideo.

Fotografiere den echten Artikel, nicht eine Renderung, außer die Renderung ist genau das, was du verkaufst. Drei bis fünf Bilder reichen meist: den Hero-Winkel von Verpackung oder Produktseite, eine gerade Front- oder Seitenansicht, die Rückseite, eine Dreiviertelansicht von leicht oben und eine scharfe Nahaufnahme von Logo oder Etikett, die gut lesbar ist.

Fotografiere vor einem schlichten hellgrauen oder weißen Hintergrund, mit weichem, gleichmäßigem Licht und ohne harte Reflexionen über dem Logo. Achte auf originalgetreue Farben, denn ein warm getöntes Foto reproduziert das Modell mit demselben Farbstich. Entferne Preisschilder, Schutzfolien und Aufkleber, die nicht zum Produkt gehören.

Wenn das Modell Referenzvideos akzeptiert, bringt ein kurzer Clip, in dem sich das Produkt langsam auf einem Drehteller dreht, Blickwinkel, die Einzelbilder nicht liefern. Kling 3.0 Omni akzeptiert laut Klings Leitfaden (Stand Oktober 2026) ein Referenzvideo von 3 bis 10 Sekunden.

1. Hero-Auftritt: Das Produkt steht auf einem Sockel, die Kamera fährt langsam heran und endet im Hero-Winkel. 5 Sekunden.

2. Detail: Eine langsame Makrofahrt über Logo oder Oberfläche mit geringer Schärfentiefe. 3 Sekunden.

3. In der Hand: Eine Hand nimmt das Produkt und dreht es zur Kamera. Der Griff bleibt einfach. 5 Sekunden.

4. Im Einsatz: Das Produkt erfüllt seinen Zweck, etwa beim Gießen, Sprühen, Einrasten oder Schritt. Nur eine Aktion. 5 Sekunden.

5. Im Kontext: Das Produkt in einer Alltagssituation, etwa auf dem Badregal, am Schreibtisch oder in der Sporttasche, mit langsamer Kamerabewegung. 5 Sekunden.

6. Endkarte: Das Produkt zentriert auf sauberem Hintergrund, mit Platz für dein Logo und Text, den du später im Schnitt einfügst. 3 Sekunden.

Das ergibt 26 Sekunden Material, das sich zu einer 15-Sekunden-Anzeige oder einem 6-Sekunden-Bumper schneiden lässt. Generiere zwei oder drei Varianten jeder Szene und behalte die beste.

Lass die Referenzen das Produkt beschreiben und den Prompt alles Übrige. Liste keine Produktmerkmale auf, denn eine zweite Beschreibung konkurriert mit den Fotos. Lege eine Bewegung, die Kamerafahrt, das Licht und das letzte Bild fest. Ein Ende in einem Winkel, den du fotografiert hast, etwa "endet mit dem vorderen Etikett zur Kamera", hält das Modell an bekanntem Terrain in dem Moment, in dem Zuschauer am genauesten hinsehen.

Halte das Produkt groß im Bild. Ein Produkt, das ein Fünftel des Bildes füllt, bekommt weniger Pixel und mehr Annäherung.

Kleiner Text. Inhaltsstoffe, Pflichthinweise und Modellnummern werden von jedem aktuellen Modell neu gezeichnet. Plane Szenen, in denen das Kleingedruckte unscharf ist oder abgewandt liegt, und füge echten Text im Schnitt hinzu.

Proportionen in der Hand. Hände lassen Produkte kleiner oder größer wirken, als sie sind. Vergleiche die Szene mit der Hand mit einem echten Foto.

Farbverschiebungen durch Szenenlicht. Eine Sonnenuntergangsszene färbt ein weißes Produkt warm. Für die Stimmung kann das passen, für Szenen, die die Farbe verkaufen sollen, nimm aber neutrales Licht.

Aussagen. Zeige das Produkt nicht bei etwas, das es nicht leisten kann. Eine KI-Szene, in der eine Jacke starken Regen abperlen lässt, ist eine Werbeaussage wie jede andere.

Varianten. Eine andere Farbvariante ist ein anderes Produkt. Gib ihr einen eigenen Referenzsatz, statt das Modell umfärben zu lassen.

In RefVid legst du ein Produkt an, lädst 1 bis 5 Fotos hoch, mit dem Hero-Winkel zuerst, und generierst jede Szene aus diesem Satz auf Kling 3.0 Omni. Die oben genannten Längen entsprechen den Optionen von 3 und 5 Sekunden in RefVid. Jeder Clip wird auf der Produktseite aufgelistet, wo ein Etikett, das in einer Variante verrutscht, leicht auffällt. Bewerte die Varianten, die du behalten willst, damit die besten hervorstechen.