Text zu Video KI: ein Clip aus deinem Prompt – und dieselbe Figur, wenn du sie brauchst - RefVid
Schreib, was passiert, und hab in Minuten ein Video · Dein erstes Video ist gratis, ohne Wasserzeichen
Erstes Video gratis, ohne Karte
Ja, RefVid macht ein Video allein aus Worten. Du beschreibst, wer im Bild ist, wo die Szene spielt und was die Kamera tut, und das Modell erzeugt alles aus dieser Beschreibung.
Das läuft auf Kling 4, Kling 3.0 Omni und den meisten anderen Modellen im Studio, startet kostenlos ohne Karte und setzt kein Wasserzeichen. Ein Prompt erfindet sein Motiv in jedem Clip neu.
Soll eine Person oder ein Produkt wiederkommen, nimmst du ein bis fünf Fotos dazu, und derselbe Prompt hält es fest.
Drei Prompts, keine Fotos
So entsteht ein Video aus Text mit KI
- Ein Text-zu-Video-Modell liest deinen Prompt und erzeugt daraus jedes einzelne Bild: die Menschen, den Ort, das Licht und die Kamerabewegung. Nichts wird aus einem Foto animiert. Das ist der schnellste Weg von der Idee zum Clip – und zugleich der Grund, warum sich das Motiv von Clip zu Clip verändert.
- Worte beschreiben einen Typ, keine Person. „Eine Frau Ende zwanzig mit kupferrotem Bob und Sommersprossen“ passt auf Tausende Gesichter, und das Modell wählt bei jedem Durchlauf eines davon. Für eine einzelne Einstellung, eine Stimmung oder B-Roll spielt das keine Rolle. Für eine Serie, eine Anzeige oder eine Geschichte mit wiederkehrendem Gesicht schon.
KI Video aus Text erstellen: auf RefVid nur mit Worten starten
- Öffne das Studio ohne Element, schreib den Prompt und klick auf „Generieren“. Du bestimmst Modell, Länge, Format (16:9, 9:16 oder 1:1) und ob der Clip Ton hat. Ein Clip braucht meist 2 bis 10 Minuten und landet dann in deinen Videos, bereit zum Download ohne Wasserzeichen.
- Die Länge hängt vom Modell ab: 3 bis 30 Sekunden mit Kling 4, dem Standard, und bis zu 15 Sekunden mit Kling 3.0 Omni. Der Prompt muss die ganze Einstellung tragen und fällt deshalb länger aus als einer, der sich auf Referenzfotos stützt.
Kling text to video und die anderen Modelle
- Kling 4 und Kling 3.0 Omni haben beide einen Text-zu-Video-Modus, und RefVid nutzt ihn, sobald du „Nur Text“ wählst. Kling 4 erzeugt immer Ton und schafft bis zu 30 Sekunden; Kling 3.0 Omni ist die günstigere Wahl und kann auch stumme Clips machen.
- Auch Seedance 2.5, Wan 3.0, Gemini Omni Flash, PixVerse C1 und Happy Horse 1.1 erstellen Clips allein aus Worten. Die Ausnahme ist Vidu Q4: Auf RefVid funktioniert es nur mit einem Motiv. Lass denselben Prompt auf zwei Modellen laufen, dann siehst du schnell, welches besser zur Szene passt.
Beispiele für Text-zu-Video-Prompts
- Ein guter Prompt für ein Video nur aus Worten beschreibt das Motiv konkret, nennt eine einzige Handlung und sagt, wo die Kamera steht und wie sie sich bewegt. Licht und Objektiv kommen zuletzt. Lass weg, was dir egal ist: Jedes zusätzliche Detail muss das Modell in wenigen Sekunden unterbringen.
- Beispiel für eine Figur: „Eine Frau Ende zwanzig mit kupferrotem Bob und geradem Pony, leichten Sommersprossen und olivgrüner Utility-Jacke steht zur goldenen Stunde an einem windigen Strand. Sie blickt aufs Meer hinaus und dann kurz in die Kamera. Langsamer Push-in von der Halbnahen zur Nahaufnahme, warmes Gegenlicht.“
- Beispiel mit mitfahrender Kamera, der Prompt hinter dem Clip oben auf dieser Seite: „…geht nachts bei leichtem Regen durch eine neonbeleuchtete Seitenstraße in Tokio, der nasse Asphalt spiegelt pinkes und blaues Neonlicht. Die Kamera fährt in Schulterhöhe in einer ruhigen seitlichen Dolly-Bewegung neben ihr mit. Filmisch, geringe Schärfentiefe.“
Wenn dieselbe Figur wiederkommen soll
Nimm Fotos dazu. Genau dafür ist RefVid gebaut: Du speicherst eine Person oder ein Produkt einmal aus 1 bis 5 Fotos, und jeder Prompt, den du schreibst, behält Gesicht, Outfit, Logo oder Etikett bei. Der Prompt beschreibt dann nur noch die Szene, das Motiv kommt aus den Fotos – an jedem Ort und aus Blickwinkeln, die die Fotos gar nicht zeigen.
Unten dieselben drei Szenen wie oben auf der Seite noch einmal mit demselben Modell, diesmal mit vier Fotos von ihr statt der Beschreibung in Worten. Oben zeichnet jeder Clip eine andere Frau, unten ist es durchgehend dieselbe Person.
Vier Referenzfotos
Kostenlos starten, ohne Wasserzeichen
- Ein Video aus Worten kostet dieselben Credits wie eines mit Motiv, und neue Konten starten kostenlos. Neue Konten bekommen ein kostenloses 5-Sekunden-Video mit Kling 3.0 Omni, ohne Karte. Kostenlose Credits reichen für stumme Clips; für Ton brauchst du bezahlte Credits.
- Jedes Video lädst du als saubere Datei herunter, so wie das Modell sie erzeugt hat, ohne Wasserzeichen – beim kostenlosen Start genauso wie im bezahlten Plan. Du brauchst ein kostenloses Konto über Google oder E-Mail, damit deine Clips an einem Ort gespeichert sind.
Prüf den Clip, bevor du ihn verwendest
- Sieh dir jeden Clip in voller Größe an, bevor du ihn postest. Achte auf Hände, Gesichter in Bewegung und Text im Bild – daran scheitern die Modelle noch am häufigsten. Ist ein Durchlauf daneben und der nächste in Ordnung, war das Zufall: Generiere mit demselben Prompt neu, bevor du ihn umschreibst. Gib eine generierte Person nicht als echte aus.
Weitere Anleitungen
Häufige Fragen
Gibt es Text zu Video KI kostenlos ohne Wasserzeichen?
Ja. RefVid startet kostenlos ohne Karte, und die Videos tragen nie ein Wasserzeichen, ob kostenlos oder bezahlt. Mit den kostenlosen Credits entstehen kurze stumme Clips auf Kling 3.0 Omni; längere Clips und Ton laufen über bezahlte Credits.
Muss ich mich registrieren, um ein Video aus einem Prompt zu erstellen?
Ja, mit einem kostenlosen Konto über Google oder E-Mail, ohne Karte. Dort werden deine Clips und Prompts gespeichert, sodass du sie später herunterladen oder einen Prompt wiederverwenden kannst.
Welches Kling text to video Modell soll ich wählen?
Kling 4 für die beste Qualität, Clips bis 30 Sekunden und Ton, den es immer erzeugt. Kling 3.0 Omni für günstigere Clips bis 15 Sekunden, mit oder ohne Ton. Beide laufen mit demselben Prompt.
Sieht die Person aus meinem Prompt im nächsten Clip genauso aus?
Meist nicht. Eine Beschreibung passt auf viele Gesichter, und das Modell wählt jedes Mal eines aus. Damit eine Person oder ein Produkt über mehrere Clips gleich bleibt, speicherst du sie aus 1 bis 5 Fotos und wählst sie statt „Nur Text“.
Wie lang kann ein Clip aus einem Prompt sein?
3 bis 30 Sekunden mit Kling 4 und bis zu 15 Sekunden mit Kling 3.0 Omni. Längere Geschichten funktionieren besser als mehrere Einstellungen von je 5 bis 10 Sekunden.
Von Louis Chi