Text-zu-Video KI-Generator
Skript einfügen. MP4 mit Visuals, Erzählstimme und Untertiteln zurückbekommen, geschnitten im Takt der Worte.
Dafür brauchst du keine Timeline, keine Stockbibliothek und keinen Export. Das Skript ist die Eingabe und ein fertiges Video ist die Ausgabe.
Mit ClipPilot erstellte Videos
Wie es funktioniert
- 1
Skript einfügen
Es wird Wort für Wort zur Erzählung. Oder gib eine Einzeiler-Idee und lass das Skript für dich schreiben.
- 2
Standbild oder animiert wählen
Standbilder für skriptgeführte Videos, generierte Videoclips wenn das Visuelle im Vordergrund steht.
- 3
Stimme, Stil und Format einstellen
36 Stimmen, zehn visuelle Stile, Untertitelstil und -farbe, Seitenverhältnis und Qualität.
- 4
Rendern und herunterladen
Eine MP4 mit synchronisierten Untertiteln und ohne Wasserzeichen, nachträglich editierbar falls eine Szene nicht passt.
Was passiert, nachdem du das Skript eingefügt hast
Das Skript wird einmal gelesen und an natürlichen Pausen in Szenen aufgeteilt, etwa eine Szene pro Satz oder Nebensatz je nach Tempo. Jede Szene bekommt ihren eigenen Bild- oder Videoprompt, formuliert nach dem von dir gewählten visuellen Stil, sodass alle Szenen zusammenpassen.
Die Erzählstimme wird in einem Durchgang erzeugt, der das Timing jedes einzelnen Wortes zurückgibt. Dieses Timing ist dann die maßgebliche Uhr: Hervorhebungen der Untertitel und Szenenwechsel werden davon abgeleitet, statt aus Zeichenanzahlen geschätzt zu werden. Deshalb landen Schnitte an Satzgrenzen und nicht eine halbe Silbe zu spät.
Die Bilder werden pro Szene erzeugt, mit den von dir gewählten Übergangs- und Musik-Einstellungen zusammengesetzt und gerendert. Für die meisten Videos dauert das zwei bis fünf Minuten.
Ein Skript schreiben, das gut rendert
Kurze, aussagekräftige Sätze ergeben klare Szenengrenzen. Lange Sätze mit vielen Nebensätzen führen oft dazu, dass eine Szene lange stehenbleibt, während viel gesagt wird, was langsam wirkt.
Konkrete Nomen geben dem Bildgenerator etwas Handfestes zum Arbeiten. Ein Satz über einen bestimmten Gegenstand an einem bestimmten Ort rendert deutlich besser als eine abstrakte Aussage, weil der Prompt für diese Szene etwas zu zeigen hat.
Vermeide Regieanweisungen im Skript. Alles, was du schreibst, wird zur Erzählung und laut vorgelesen, einschließlich einer Notiz an dich selbst darüber, wie die Einstellung aussehen soll.
Standbilder oder generierte Videoclips
Die Bildausgabe erzeugt pro Szene ein Standbild und bewegt die Kamera langsam darüber. Sie ist günstig, etwa 100 Credits pro Minute, und die richtige Voreinstellung für skriptgeführte Videos, bei denen die Worte das Video tragen.
Die Animationsausgabe erstellt pro Szene einen echten Videoclip mit Bewegung und nativer Tonspur. Sie kostet 35 Credits pro Sekunde in HD, also 2.100 Credits pro Minute, und lohnt sich, wenn das Visuelle der Grund ist, warum jemand zuschaut und nicht die Erzählung.
Animierte Videos akzeptieren ein Skript von bis zu 1.200 Zeichen. Bildvideos vertragen deutlich längere Skripte.
Stimmen und Untertitel
Es gibt 36 Stimmen mit Vorschaulisten. Welche du wählst, wird mit dem Video gespeichert, sodass eine spätere Neuerstellung wie das Original klingt und nicht wie die aktuelle Standardeinstellung.
Untertitel sind wort-synchronisiert, in zwei Stilvarianten mit wählbarer Highlight-Farbe. Sie benötigen ein Voiceover, denn sonst gibt es nichts, woran sie synchronisiert werden könnten. Du kannst auch ein Video ohne Erzählung generieren, dann kommt das Timing von den von dir gesetzten Szenenlängen.
Später die Meinung ändern
Der Editor lässt dich die Erzählung neu schreiben und neu kompilieren. Wenn sich die Worte ändern, werden Voiceover und Untertitel in einem abgestimmten Durchgang neu erzeugt und die Szenengrenzen an das neue Audio angepasst, sodass nichts aus dem Takt gerät.
Wenn sich die Worte nicht ändern, werden das bestehende Audio und die Untertitel wiederverwendet und du zahlst nur für das Rendern. Das Neu generieren der Visuals einer einzelnen Szene funktioniert genauso, dann zahlst du nur für diese eine Szene.
Formate und Ausgabe
Bildvideos werden in 9:16, 16:9, 1:1 und 4:5 gerendert. Animierte Videos werden in 9:16, 16:9 und 1:1 gerendert, in Standard 480p, HD 720p oder Full HD 1080p.
Die Ausgabe ist eine gewöhnliche MP4 ohne Wasserzeichen in jedem Tarif, und du erhältst volle kommerzielle Rechte daran.
Was es kostet
Tarife beginnen bei $19 pro Monat für 3.000 Credits. Ein einminütiges Bildvideo braucht etwa 100 Credits. Animiertes Video wird pro fertiger Videosekunde berechnet, mit 35 Credits pro Sekunde in HD.
Bei keinem Tarif gibt es ein Wasserzeichen, und du erhältst volle kommerzielle Rechte an allem, was du erzeugst.
Häufig gestellte Fragen
Wie lang darf das Skript sein?
Animierte Videos nehmen bis zu 1.200 Zeichen Erzählung auf, das sind etwa 75 Sekunden Sprechzeit. Bildvideos akzeptieren längere Skripte, ihre Länge folgt der Erzählung. Wenn du statt eines Skripts nur eine Idee angibst, ist dieses Feld auf 500 Zeichen begrenzt.
Welche Sprachen werden unterstützt?
Der Stimmenkatalog ist Englisch. Die zugrundeliegenden Stimmmodelle können andere Sprachen unterschiedlich gut, aber wir liefern und testen nur englische Stimmen, behandle daher alles andere vorerst als nicht unterstützt.
Kann ich ein Video ohne Voiceover erzeugen?
Ja. Animierte Videos können mit der eigenen Audiotonspur der Clips ohne Erzählung laufen, so funktionieren auch die Viral-Vorlagen. In diesem Fall sind die Untertitel ausgeschaltet, weil es keine Sprache gibt, an der sie synchronisiert werden könnten.
Ist die Ausgabe eine normale Videodatei?
Ja, eine normale MP4, die du herunterladen und überall verwenden kannst. Es gibt in keinem Tarif ein Wasserzeichen, und du erhältst vollständige kommerzielle Nutzungsrechte.
Kann ich den visuellen Stil wählen?
Ja, aus zehn Stilen: fotorealistisch, Cartoon, Comic, Anime, weiche Illustration, Clay-Animation, gruselig, Cyberpunk, Vintage und flache, moderne Grafik. Der Stil gilt für jede Szene und wird mit dem Video gespeichert, sodass das Neu generieren einer Szene später zu den anderen passt.
