Wie KI-Video funktioniert
Video-KI-Modelle 2026 sind alle Diffusion-basiert — ähnlich wie Bildmodelle, aber mit zeitlicher Konsistenz.
Schlüssel-Konzepte
| Konzept | Bedeutung |
|---|---|
| Latent Video Diffusion | Bild-Diffusion + zeitliche Dimension |
| Temporal Consistency | Objekte bleiben über Zeit hinweg ähnlich |
| Frame Rate | 24-30 fps üblich, 60 fps für Action |
| Resolution | 720p Standard, 1080p Premium, 4K via Upscaling |
| Clip-Länge | 5-15 Sekunden Standard, Sora 2 bis 60s+ |
| Conditioning | Text, Bild, oder Bild+Text als Eingabe |
Generierungs-Modi
- Text-to-Video: Aus Prompt komplett neuen Clip generieren.
- Image-to-Video: Bestehendes Bild zum Video animieren.
- Video-to-Video: Stil eines Referenzvideos auf Inhalt übertragen.
- Inpainting / Editing: Teile eines Videos austauschen.
- Extension: Bestehendes Video verlängern.
Aktuelle Limits 20261) Schnelle, komplexe Action — wackelig. 2) Hände/Finger noch fragil. 3) Längere Erzählungen brauchen mehrere Clips + Schnitt. 4) Audio (Stimme/Musik) meist separat.