PROJEKTEINBLICK ·
Neu generieren, schneiden oder verwerfen: Wie ich bei KI-Videos entscheide
Nicht jeder Fehler verlangt eine neue Generierung. Drei Praxisfälle zeigen, wann ich ein Ergebnis direkt verwende, gezielt schneide, neu generiere oder vollständig verwerfe.
Nach einer Generierung beginnt nicht automatisch der Schnitt. Zuerst kommt eine grundsätzlichere Entscheidung: Ist das Material bereits gut genug? Lässt sich der konkrete Fehler kontrolliert korrigieren? Muss das Modell die Szene neu erzeugen? Oder ist die Idee in dieser Form nicht mehr sinnvoll zu retten?
Diese Entscheidung spart oft mehr Credits und Zeit als ein noch längerer Prompt. Denn nicht jeder sichtbare Fehler gehört in dieselbe Kategorie. Ein zu langer Schluss lässt sich schneiden. Ein falsch gesprochenes Wort mit passender Lippenbewegung lässt sich nicht einfach austauschen. Eine Figur, deren Anatomie über mehrere Sekunden wandert, wird durch eine Überblendung nicht plötzlich konsistent.
Ich versuche nicht, jede Generierung um jeden Preis zu retten. Ich versuche herauszufinden, welche Art von Eingriff das Problem wirklich löst.
Vier mögliche Entscheidungen statt nur „gut“ oder „schlecht“
| Entscheidung | Wann sie sinnvoll ist | Was sie nicht leisten kann |
|---|---|---|
| Direkt verwenden | Handlung, Figuren, Ton und Timing bestehen die Kontrolle | persönliche Vorlieben nachträglich ändern |
| Schneiden oder mit Remotion ergänzen | Anfang, Ende, Timing, Übergang oder exakte Einblendung sind das Problem | deformierte Motive oder falsche Handlung reparieren |
| Neu generieren | Sprache, Lippenbewegung, Kernhandlung oder Kameraführung sind falsch | garantieren, dass der nächste Versuch besser wird |
| Verwerfen | Grundidee und Ergebnis driften auseinander oder Reparaturen würden den Fehler nur verdecken | bereits verbrauchte Credits zurückholen |
Die Grenzen sind wichtig. Remotion ist ein präzises Werkzeug für kontrollierbare Bestandteile. Es ist aber keine Reparaturwerkstatt für beliebige Modellfehler.
Fall 1: Wenn ein technisch intakter Clip visuell durchfällt
Beim Clip „Works on My Machine“ war die Aufgabe klar: Ein ITler zeigt stolz seinen lokal funktionierenden Laptop, während der Produktionsserver hinter ihm bereits raucht. Die Pointe lebt von der sichtbaren Gegenüberstellung und drei kurzen englischen Sätzen.
Dass der ITler mir dabei ziemlich ähnlich sieht, ist natürlich nicht rein zufällig.
Seedance 2.0 Mini erzeugte den zwölf Sekunden langen Clip für 12 Credits. Alle 289 Frames ließen sich korrekt decodieren; die Datei enthielt keine schwarzen Frames, eingefrorenen Sequenzen oder auffälligen Bildsprünge. Diese technische Prüfung reichte jedoch nicht aus. Bei der visuellen Kontrolle zeigte sich, dass das Hauptobjekt falsch aufgebaut war: Die Rückseite des Laptops wurde wie ein zweites Display dargestellt, und zeitweise wirkt das Gerät sogar, als besäße es zwei Tastaturen. Die Pointe bleibt verständlich, aber der Laptop selbst ist räumlich nicht plausibel. Der Clip wurde deshalb nicht freigegeben.
Transkript
Ein karikierter IT-Mitarbeiter zeigt stolz einen Laptop mit grünem Erfolgssymbol, während ein Produktionsserver hinter ihm rot blinkt, raucht und Funken schlägt. Ein Kollege spricht aus dem Off. Der IT-Mitarbeiter schlägt trocken vor, seinen eigenen Rechner zu deployen. Zu hören sind englischer Dialog, Servergeräusche, Alarm und ein leichter Tech-Comedy-Beat.
Create a 12-second vertical Instagram Reel from the supplied start image. Preserve the exact recognizable stylized adult male IT character, oversized caricature head, compact adult body, blue eyes, swept-back brown hair, moustache, pointed goatee, blue overshirt, white T-shirt, dark trousers and black boots. Preserve the laptop with the bright green success checkmark and the failing red production server behind him.
HOOK, 0-2 seconds: Begin exactly on the supplied frame. The IT guy proudly points at the green laptop while the server behind him suddenly flashes red, releases harmless smoke and throws a brief shower of sparks. He remains smug for one beat. Immediate visual contrast and comedy.
DIALOGUE AND ACTION: Use crisp natural English speech and accurate lip synchronization for the visible IT guy. A second colleague is heard only as a clean off-screen adult voice and is never shown. 0-4 seconds: the IT guy lifts the laptop toward camera and says confidently, "It works perfectly on my machine." 4-7 seconds: the production server alarms intensify and the off-screen colleague urgently says, "But production is down!" The IT guy finally glances over his shoulder. 7-10.5 seconds: he considers this, then holds the laptop toward the burning rack and replies completely seriously, "Great. Then deploy my machine." 10.5-12 seconds: he takes one determined step toward the rack with the laptop while the alarm stops for a beat; end on his proud grin for a satisfying comedic loop.
NATIVE AUDIO: light energetic tech-comedy beat, server hum, brief warning beep and synchronized spark sound. Dialogue must be dominant. Exact spoken text only:
IT GUY: "It works perfectly on my machine."
OFF-SCREEN COLLEAGUE: "But production is down!"
IT GUY: "Great. Then deploy my machine."
STYLE: premium hyper-detailed dark gothic CGI caricature, cinematic warm amber light, cool blue background screens and red emergency glow, polished animated-film quality, smooth stable camera, vertical 9:16.
CONSISTENCY: preserve identity, clothing, compact adult proportions, laptop, checkmark and server-room layout. Exactly one visible adult human. Correct face, hands, fingers, arms and legs. No captions, no new readable text, no logos, no watermark, no extra visible people, no duplicate limbs, no body warping, no costume changes, no camera shake and no gore.Der Prompt verlangte ausdrücklich, den Laptop konsistent zu erhalten. Genau das gelang nicht. Ein Schnitt oder eine Abdeckung in Remotion hätte die widersprüchliche Geometrie des zentralen Gegenstands nicht glaubwürdig reparieren können. Für eine Veröffentlichung wäre deshalb eine neue Generierung nötig gewesen – oder die Entscheidung, den Versuch zu verwerfen.
Fall 2: Wann eine neue Generierung sinnvoller ist
Beim IT-Rap existierte zunächst eine deutsche Fassung. Technisch war sie intakt, aber für die weitere Ausrichtung sollte der Rap auf Englisch funktionieren. Damit änderten sich nicht nur einzelne Wörter. Rhythmus, Betonung, Stimme und Lippenbewegung mussten gemeinsam neu entstehen.
Ein Austausch der Tonspur hätte eine sichtbare Asynchronität erzeugt. Untertitel hätten das eigentliche Problem nicht gelöst. Deshalb war eine neue Generierung die sauberere Entscheidung.
Transkript
Eine stilisierte männliche IT-Figur rappt auf Deutsch in einem dunklen Technikstudio direkt in die Kamera. Sie gestikuliert rhythmisch und beendet den Auftritt selbstbewusst. Zu hören sind deutscher Rap und ein Hip-Hop-Beat.
Die englische Version wurde ebenfalls mit Seedance 2.0 Mini als neue zwölf Sekunden lange Generierung erstellt. Sie kostete weitere 12 Credits. Bild und Ton wurden wieder gemeinsam erzeugt; Remotion kam nicht zum Einsatz.
Transkript
Dieselbe stilisierte männliche IT-Figur performt einen englischen Rap über Server, Bugs, Cloud-Deployments und Freude an IT. Die Figur spricht direkt in die Kamera, gestikuliert rhythmisch und endet mit verschränkten Armen. Zu hören sind englischer Rap und ein Old-School-Hip-Hop-Beat.
Create a 12-second vertical Instagram Reel from the supplied start image. Preserve the exact recognizable stylized adult male character: oversized head, tiny adult body, blue eyes, swept-back brown hair, moustache, pointed goatee, blue overshirt, white T-shirt, dark trousers and black boots. Keep the same dark cinematic 3D-caricature technology studio.
HOOK, 0-2 seconds: On the first beat he snaps his gaze into the camera, steps forward and points toward the viewer while the monitors flash to life. The performance must feel immediately energetic, funny and confident.
PERFORMANCE: He delivers an enthusiastic English IT rap with accurate lip synchronization, strong rhythmic head bobs, lively shoulder movement and confident hand gestures. His excitement builds across the clip. Keep the delivery musical and charismatic, not like ordinary narration.
TIMING: 0-3 seconds, full-body framing with a subtle push-in and direct point to camera. 3-8 seconds, expressive rap gestures while abstract blue code-like light patterns pulse across the monitors; absolutely no readable screen text. 8-12 seconds, he taps his temple, opens both hands on the final rhyme, then folds his arms with a triumphant mischievous smile on the last beat. End in a stable pose that can loop smoothly.
NATIVE AUDIO: Energetic old-school hip-hop beat at approximately 94 BPM, punchy kick and snare, crisp hi-hats and restrained electronic bass. One enthusiastic adult male voice raps clearly in natural English, with no other speakers. Exact lyrics:
Server running hot, but I keep it cool.
Crushing every bug, yeah, I own this tool.
Push to the cloud, watch the code deploy.
When the system comes alive, that's pure IT joy!
STYLE: premium hyper-detailed dark gothic CGI caricature, slightly eerie but friendly, warm orange key light, cool silver rim light, cinematic depth of field. Smooth stable camera, no cuts that obscure the performance. Vertical 9:16.
CONSISTENCY: preserve identity, facial hair, clothing, proportions, studio layout and color palette throughout. Keep adult proportions despite the small body. Correct mouth, teeth, eyes, hands, arms and legs. No captions, no logos, no watermarks, no readable screen text, no extra people, no duplicate limbs, no body warping, no sudden costume changes, no camera shake and no gore.Das Beispiel zeigt einen sinnvollen Grund für zusätzliche Credits: Die Änderung betraf den generativen Kern des Videos. Ein Schnittprogramm kann Timing verändern, aber keine glaubwürdige neue Performance mit anderer Sprache in einen vorhandenen Mund legen.
Fall 3: Wann Remotion genügt
Remotion setze ich ein, wenn das vorhandene Bildmaterial grundsätzlich stimmt und nur ein kontrollierbarer Bestandteil geändert werden muss. Typische Fälle sind ein zu langes Ende, ein gezielter Schnitt, eine Überblendung, ein exakter Screenshot, lesbarer Code oder eine fest vorgegebene Texteinblendung.
Beim knuddeligen Monster aus Teil 7 lag der Fehler ganz am Ende: Die Generierung sprang nach der Nahaufnahme hart zurück zur Ganzkörperansicht. Der brauchbare Teil wurde deshalb exakt vor diesem Frame beendet und anschließend als neuer finaler Export vollständig geprüft. Dafür war keine weitere Generierung nötig.
Anders sieht es aus, wenn das Motiv selbst driftet. Remotion kann einen schlechten Moment herausschneiden oder mit einem kontrollierten Übergang arbeiten. Es kann aber nicht aus wechselnden Blütenblättern rückwirkend eine stabile Lilie machen. Je mehr man einen solchen Fehler verdecken muss, desto größer ist die Gefahr, nur die Symptome zu kaschieren.
Fall 4: Wann ich einen Versuch verwerfe
Beide Fassungen des Roboter-Lilien-Videos aus Teil 7 wurden nicht freigegeben. Die zweite Variante war aufwendiger aufgebaut und enger geführt, erfüllte meinen Anspruch aber ebenfalls nicht. An diesem Punkt war Verwerfen ehrlicher als ein weiterer Rettungsversuch.
Ich verwerfe ein Ergebnis, wenn mindestens einer dieser Punkte zutrifft:
- Die Hauptfigur oder das zentrale Objekt bleibt nicht konsistent.
- Die Pointe oder Aussage der Geschichte funktioniert nicht mehr.
- Der Fehler liegt über viele Frames oder in der Kernhandlung.
- Eine Reparatur würde deutlich sichtbar werden oder nur einen anderen Fehler erzeugen.
- Der notwendige Aufwand ist höher als eine neue, besser vorbereitete Produktion.
- Auch nach einer Korrektur überzeugt mich das Video redaktionell nicht.
Credits, Zeit und bereits geschriebene Prompts machen einen Versuch nicht automatisch veröffentlichungswürdig. Sie erklären nur, warum die Entscheidung manchmal unangenehm ist.
Meine praktische Reihenfolge nach jeder Generierung
- In normaler Geschwindigkeit ansehen. Funktionieren Geschichte, Stimmung und Pointe?
- Den Fehler benennen. Ist er technisch, visuell, sprachlich, dramaturgisch oder redaktionell?
- Seine Dauer bestimmen. Betrifft er einzelne Frames, einen begrenzten Abschnitt oder die gesamte Szene?
- Die kleinste ehrliche Lösung wählen. Direkt verwenden, schneiden, neu generieren oder verwerfen.
- Nur die tatsächliche finale Datei prüfen. Nach jeder Änderung beginnt die Endkontrolle erneut.
Der wichtigste Schritt ist Nummer zwei. Solange ich nur feststelle, dass mir ein Video „irgendwie nicht gefällt“, kann ich keine gute Entscheidung treffen. Erst ein konkreter Befund zeigt, ob ein Werkzeug helfen kann.
Remotion ist Kontrolle, keine Wunderwaffe
Der Reiz eines Schnittprogramms besteht darin, dass das Ergebnis berechenbar ist. Ein gesetzter Schnitt bleibt an derselben Stelle. Ein echter Website-Screenshot bleibt lesbar. Ein C#-Text wird nicht plötzlich zu codeähnlichen Fantasiezeichen. Musik und Geräusche lassen sich exakt auf Frames legen.
Diese Kontrolle hat aber eine klare Grenze: Sie gilt für das, was ich selbst hinzufüge oder arrangiere. Das generierte Ausgangsmaterial muss trotzdem tragfähig sein. Wenn Identität, Anatomie oder Handlung nicht stimmen, brauche ich eine neue Generierung oder eine andere Idee.
So wird aus der Frage „Kann ich diesen Clip noch retten?“ eine bessere Frage:
Welcher Teil des Ergebnisses ist bereits verlässlich – und welches Werkzeug kann den verbleibenden Fehler tatsächlich beheben?
