Sie haben eine Szene von 30–40 Sekunden und wollen, dass sie als Drama zusammenpasst, nicht als sechs hübsche Clips. Schreiben Sie die Veränderung der Szene in einem Satz, teilen Sie sie in sichtbare Handlungen und geben Sie jeder Handlung ihren eigenen Shot: ein Standbild, einen Bewegungsprompt, einen Schnittpunkt. Das Beispiel mit sechs Shots unten kostet $9.9828 mit Seedance 2.5 Bild-zu-Video bei 720p, und ein einzelner Shot, den Sie wiederholen müssen, kostet $1.6638. Shots in längere Anfragen zu gruppieren ändert die Summe pro Sekunde nicht, aber sie ändert, was eine Wiederholung kostet (siehe den Abschnitt zum langen Take).
Eine Geschichte, die in sechs Shots passt
Sofia, eine erwachsene Schneiderin in burgunderroter Bluse und cremefarbener Schürze, schließt ihre Werkstatt. Jonas, ein Mann in den Vierzigern mit anthrazitfarbenem Pullover, kommt mit einem marineblauen Mantel, dem ein roter Knopf fehlt. Sie sieht den Schaden, zögert und entscheidet sich dann zu helfen. Der Film endet damit, dass sie die Reparatur annimmt, nicht mit einem fertigen Nähauftrag.
Die Lampe bleibt durchgehend an. Der Mantel wird getragen und dann auf den Tisch gelegt; Jonas trägt ihn nie. Das hält die Kontinuität für das Modell einfach.
| Finaler Schnitt | Framing | Start-Standbild | Eine Handlung zum Animieren | Schnitt, wenn |
|---|---|---|---|---|
| 0–6 s: Schließen | Totale | Sofia neben der erleuchteten Schreibtischlampe, Hand auf der Werkbank | Ihre Hand kommt zur Ruhe und ihr Blick wendet sich zur Tür | Ihre Aufmerksamkeit die Tür erreicht |
| 6–12 s: Ankunft | Halbtotale | Jonas in der Tür, marineblauer Mantel über seinen Unterarmen | Er macht einen kleinen Schritt nach innen | Der Mantel sichtbar ist, ohne sein Gesicht zu verdecken |
| 12–18 s: Problem | Insert | Mantel flach auf der Werkbank; lose Fäden an der Stelle des fehlenden Knopfes | Ein langsamer Kamerapush zur fehlenden Stelle | Das Publikum den Defekt lesen kann |
| 18–24 s: Zögern | Nahaufnahme | Sofia schaut auf den Mantel | Sie blickt vom Mantel zu Jonas | Ihr Gesicht sich beruhigt, bevor eine zweite Geste beginnt |
| 24–30 s: Entscheidung | Halbtotale | Sofia neben dem Tisch, Hand weg vom Mantel | Sie zieht den Mantel ein kurzes Stück zu sich | Die Geste des Annehmens abgeschlossen ist |
| 30–36 s: Auflösung | Zweierbild | Beide Erwachsenen über den Tisch hinweg sichtbar, Lampe noch an | Jonas lässt die Schultern sinken; Sofia nickt leicht | Die Gefühlsänderung sichtbar ist |
Die Totale setzt Menschen und Lampe in den Rahmen, eine Nahaufnahme trägt eine Entscheidung oder Reaktion, ein Insert lässt das Publikum ein Objekt lesen, und ein Zweierbild schließt die Auflösung. Wechseln Sie zwischen benachbarten Schnitten höchstens eine der beiden Größen: Bildgröße oder Winkel. Kürzen Sie im Schnitt unangenehme Anfänge und Enden; ein 31-Sekunden-Schnitt erzählt diese Geschichte besser, als jedes generierte Frame zu behalten.
Das Mantel-Requisit: Ein roter Knopf fehlt, an seiner Stelle sind lose Fäden.
Wie man von der Szene zu Shots kommt
- Formulieren Sie die Veränderung. „Sofia schließt, Jonas kommt mit einem beschädigten Mantel, und sie entscheidet sich zu helfen." Schneiden Sie jeden Shot, der sie nicht vorbereitet, zeigt oder darauf reagiert.
- Listen Sie die sichtbaren Beats. Machen Sie aus Gedanken Dinge, die eine Kamera sehen kann: „sie zögert" wird zu „ihre Augen wandern vom Mantel zu Jonas und ihre Hand hält inne".
- Geben Sie jedem Beat eine Handlung. Ein Subjekt, eine Geste, höchstens eine Kamerabewegung. „Sie liest das Etikett, erkennt es, steht auf, geht um den Tisch herum und konfrontiert ihn" sind vier Shots.
- Notieren Sie die Verbindung. Schreiben Sie für jeden Shot, was am Anfang sichtbar ist, was sich bis zum Ende geändert hat und worauf er schneidet.
- Rechnen Sie Schnitte gegen Sekunden. Sechs Shots in 36 Sekunden sind ein Schnitt alle sechs Sekunden, was zu leisem Drama passt; eine Actionszene mit achtzehn Schnitten in fünfzehn Sekunden braucht weniger, längere Beats, bevor Sie generieren.
Ein langer Take oder einzelne Clips
Seedance 2.5 akzeptiert 4 bis 30 Sekunden pro Anfrage, aber längere Läufe driften: Bestätigen Sie die Bewegung bei kurzer Länge und rechnen Sie damit, dass mehrere kürzere Takes besser halten als ein 30-Sekunden-Take. Die meisten Shots funktionieren am besten bei 10 bis 15 Sekunden, mit Drift ab etwa 20. Die Wahl für diesen Film:
| Plan (720p) | Anfragen | Kosten | Passt | Kostet Sie |
|---|---|---|---|---|
| Sechs 6-s-Clips | 6 | $9.9828 | Jeder Beat hat sein eigenes Subjekt oder seinen eigenen Winkel, wie hier | Sechs Standbilder zum Vorbereiten und fünf Verbindungen zum Verbergen |
| Zwei 6-s-Clips und zwei 12-s-Clips | 4 | $9.9828 | Benachbarte Beats teilen sich eine Kamera und einen Raum (Shots 3–4, 5–6) | Das Beat-Timing wird von Ihrem Prompt vorgegeben, nicht von Ihrem Schnitt |
| Ein 30-s-Take | 1 | $8.319 | Ein einziger durchgehender Raum ohne Winkelwechsel | Eine misslungene Geste bedeutet, alle 30 Sekunden noch einmal zu bezahlen |
Die Ersparnis des langen Takes verschwindet beim ersten Wiederholen: Ein Sechs-Sekunden-Shot kostet $1.6638 zum Ersetzen, der ganze Take $8.319. Gruppieren Sie nach Kameraeinstellung: Shots 1 und 2 wechseln das Subjekt und behalten ihre eigenen Anfragen; Shots 3 und 4 teilen sich den Mantel auf dem Tisch und werden zu einer 12-Sekunden-Anfrage, ebenso Shots 5 und 6. Bei Shots 3 und 4 muss das Standbild mit dem Mantel auf dem Tisch auch Sofias Sitzposition zeigen; wenn das nicht geht, behalten Sie Shot 4 als eigene Anfrage.
Für eine gruppierte Anfrage schreiben Sie aufeinanderfolgende Zeitbereiche ohne Lücken, der letzte endet bei der Gesamtdauer. Verwenden Sie dieses Standbild als Input image und setzen Sie Duration auf 12:
Close insert, continuous. 0–6s: Slow push toward the navy coat flat on the worktable until the missing red-button position and loose thread fill the lower frame. 6–9s: Hold on the missing button. 9–12s: The camera eases up and across to Sofia looking down at the coat; her eyes move toward the doorway. The desk lamp stays lit. No other camera movement, no text. Sound: quiet room tone. No speech or music.
Um Shots zu verketten, schalten Sie Return last frame unter Advanced parameters ein: Das letzte Frame kommt als Bild zurück, das Sie als Input image des nächsten Shots verwenden können. Um ein Ende festzulegen, fügen Sie ein Standbild als Closing frame hinzu; es fixiert das Ende, nicht die Mitte, halten Sie die beiden Frames also bei Licht und Komposition ähnlich. Der Last-Frame-Guide behandelt das Zusammenfügen mit ffmpeg.
Lassen Sie die Startbilder die Kontinuität übernehmen
Bereiten Sie die Charakterporträts und die Raumansicht vor, bevor Sie die sechs Shot-Bilder erzeugen. Ein günstiger Weg ist Seedream 5.0 Flash Bild-zu-Bild für $0.029 pro Bild: Fügen Sie die freigegebenen Porträts und die Raumansicht unter Images hinzu, setzen Sie Aspect ratio passend zum Film (9:16 für vertikal) und beschreiben Sie den Shot in Prompt. Sechs Standbilder, jedes einmal wiederholt, plus zwei Porträts und eine Raumansicht ergeben etwa 15 Bilder, grob $0.44. Bauen Sie jedes Shot-Standbild aus denselben freigegebenen Referenzen; erzeugen Sie nicht pro Winkel eine neue, unpassende „Schneiderwerkstatt", sonst tauschen Tür und Tisch die Seiten.
Wiederholen Sie diese Details in jeder Bildbeschreibung: burgunderrote Bluse, cremefarbene Schürze, anthrazitfarbener Pullover, marineblauer Mantel, rote Knöpfe, warme Schreibtischlampe, Tür auf derselben Seite des Raums. Für die Nahaufnahme des Defekts zeigen Sie leere Stiche und lose Fäden dort, wo ein Knopf hingehört; eine vollständige Knopfreihe liest sich nicht als Schaden, weil der Prompt „kaputter Mantel" sagt.
Bild-zu-Video bietet keine Auswahl des Seitenverhältnisses, das Standbild trägt also den Ausschnitt: Machen Sie für einen vertikalen Film ein vertikales Standbild, halten Sie beide Gesichter von den Rändern fern, und bemessen Sie jede Seite zwischen 300 und 6000 Pixeln.
Für Schuss und Gegenschuss halten Sie Sofia im Bild links nach rechts blickend und Jonas im Bild rechts nach links blickend, mit beiden Kameras auf derselben Seite der Linie zwischen ihnen und unveränderten relativen Höhen. Wenn nach dem Schnitt beide nach links blicken, bauen Sie dieses Standbild neu.
Kopieren Sie diese Bewegungsprompts
Probieren Sie es im Playground
- Öffnen Sie die Seedance 2.5 Bild-zu-Video-Seite und bleiben Sie im Tab Playground, in der Ansicht Form. Melden Sie sich mit einem aufgeladenen Konto an, um zu starten.
- Fügen Sie das freigegebene Start-Standbild unter Input image hinzu; es wird das erste Frame.
- Fügen Sie einen der folgenden Prompts in Prompt ein.
- Setzen Sie Duration auf 6 und Resolution auf 480p für eine billige Prüfung oder auf 720p für das fertige Bild; lassen Sie Generate audio an oder aus, wie Sie es geplant haben.
- Starten Sie den Lauf und wiederholen Sie ihn für jeden Shot.
Für den Eröffnungs-Shot laden Sie das freigegebene Lampen-Standbild als image_url hoch und verwenden:
Locked wide shot of the workshop. Sofia, the adult tailor in the burgundy blouse and cream apron, slowly lowers her hand to the worktable, then pauses and looks toward the doorway. The lamp remains lit for the entire shot. She stays beside the table. No other person enters the frame. No text.
Für Jonas' Ankunft:
Locked medium shot of the adult man in the charcoal sweater standing in the workshop doorway. He takes one small step forward while holding the navy coat across both forearms. The coat remains a carried object, not clothing he is wearing. His expression is hesitant. Keep his face visible. No camera orbit, no text.
Für die Entscheidung:
Medium view of the adult tailor beside the worktable. She gently slides the navy coat a short distance toward herself, then rests her hand beside it. The missing red-button position stays visible. Her expression changes from hesitation to a small reassuring smile. The desk lamp stays lit. Locked camera. No sewing action.
„Locked" ist nur eine Formulierung im Prompt (es gibt keine Eingabe für eine Kamerasperre); der Fixed-Camera-Guide behandelt Frames, die sich trotzdem bewegen. Um einen Prompt günstig zu beurteilen, rendern Sie in 480p ($0.1234 pro Sekunde, $4.4424 für alle sechs Shots) und ändern Sie jeweils eine Klausel; rendern Sie die brauchbaren Versionen in 720p oder in 1080p für $0.6823 pro Sekunde.
Oder aus dem Code aufrufen
Denselben Shot können Sie über die CLI aufrufen (npx @spicyapi/cli funktioniert ohne Installation); der Bild-zu-Video-Guide enthält das Python SDK und die übrigen Felder:
spicyapi tasks create --model bytedance/seedance-2.5/image-to-video \
--input-json '{"image_url":"https://.../still.png","prompt":"<paste the prompt>","duration_seconds":6,"resolution":"720p","generate_audio":false}' --waitOder lassen Sie einen Agenten laufen. Ein Assistent kann diesen Aufruf über die obige CLI, den MCP-Server (spicyapi_upload_file für jedes Standbild, dann spicyapi_task_create, das für Ihre Preisbestätigung anhält) oder den Skill (npx skills add spicyapi-ai/spicy-skill) ausführen.
Dialog und Ton
generate_audio ist standardmäßig aktiv und kostet an oder aus gleich viel. Legen Sie eine durchgehende Raumton-Spur unter den gesamten Schnitt, damit sechs separat gerenderte Räume nicht wie sechs Räume klingen.
Halten Sie gesprochene Zeilen kurz: je eine für Jonas und Sofia („Können Sie das reparieren?" passt in Shot 2), aufgenommen oder einzeln vertont (setzen Sie generate_audio auf false, gleicher Preis, damit generierte Stimmen nicht gegen die Aufnahme kämpfen), weil Audio, das mit dem Bild gerendert wurde, nicht korrigiert werden kann, ohne den Clip neu zu rendern. Ist der Mund im Bild, folgen Sie dem Lip-Sync-Workflow; sonst genügen Voiceover oder Untertitel.
Wann stattdessen Referenz-zu-Video
Wählen Sie Referenz-zu-Video, wenn das Modell einen Shot aus Figuren- und Raumreferenzen komponieren soll, statt ein freigegebenes Frame zu animieren. Es akzeptiert bis zu 30 Referenzbilder, 10 Referenzclips und 10 Audiodateien. Referenzmodus und Erstframe-Modus schließen sich gegenseitig aus: Muss das erste Frame exakt sein, bleiben Sie bei Bild-zu-Video.
Weisen Sie die Bilder in Reihenfolge zu und benennen Sie jede Rolle:
@Image1 is Sofia, the adult tailor. @Image2 is Jonas, the adult customer. @Image3 supplies the workshop layout. Show Sofia on the left side of the worktable and Jonas near the doorway on the right. Jonas carries the navy coat. Sofia looks toward him. Warm desk lamp remains lit, medium two-person composition, restrained movement.
Auf der Seite für Referenz-zu-Video fügen Sie die Porträts und die Raumansicht als Reference images hinzu, setzen Sie Aspect ratio auf 9:16, Duration auf 6 und Resolution auf 720p. Anfragen nur mit Bildern kosten dieselben $0.2773 pro Sekunde bei 720p; das Hinzufügen von Referenzclips senkt den Satz pro Sekunde auf $0.1659, aber ihre Länge wird zu den abgerechneten Sekunden addiert, holen Sie also zuerst ein Angebot ein.
Reparieren Sie den fehlgeschlagenen Shot, nicht den ganzen Film
| Problem in einem Shot | Konkrete Reparatur |
|---|---|
| Die Lampe geht vor dem Ende aus | Halten Sie jede Hand vom Schalter weg, im Standbild und im Prompt; animieren Sie Sofia, wie sie sich zur Tür dreht, während ihre Hand auf dem Tisch bleibt. |
| Jonas scheint den zu reparierenden Mantel zu tragen | Ersetzen Sie das Start-Standbild durch eines, in dem beide Unterarme den Mantel sichtbar tragen; behalten Sie „carried object" im Bewegungsprompt. |
| Der fehlende Knopf wird zu einer vollständigen Reihe | Halten Sie im Schnitt das freigegebene Requisiten-Standbild als Nahaufnahme. |
| Die Hand verschmilzt beim Heranziehen mit dem Mantel | Schneiden Sie von Sofias Blick auf ein eigenes Standbild des näher gerückten Mantels und dann auf das Nicken. |
| Jonas und Sofia ändern im letzten Zweierbild ihr Gesicht | Bauen Sie dieses Start-Standbild aus den freigegebenen Porträts neu; ein längerer Prompt repariert kein falsches Quellgesicht. |
| Generierter Dialog ändert den Wortlaut | Nehmen Sie den Dialog aus dem Prompt heraus und fügen Sie die Zeile als aufgezeichnetes Voiceover oder als Untertitel hinzu. |
Das Wiederholen nur der misslungenen Geste kostet $1.6638, das Neugenerieren aller sechs Shots nochmals $9.9828, ein fehlerhaftes Shot-Standbild freizugeben spart also echtes Geld. Preise sind Katalogpreise vom 3. Oktober 2026; addieren Sie etwa $0.45 für die Standbilder.
FAQ
Wie viele Shots sollte ein KI-Kurzdrama von 30–40 Sekunden haben?
Etwa eine sichtbare Handlung alle fünf bis acht Sekunden passt zu leisem Drama. Beginnen Sie mit den Beats, nicht mit einer Zahl.
Kann eine Seedance 2.5-Anfrage die ganze Szene erzeugen?
Sie kann bis zu 30 Sekunden laufen, eine Einraumszene passt also. Der Preis ist, dass eine misslungene Geste bedeutet, alles neu zu generieren, weshalb der Plan die Beats in getrennten oder kleinen gruppierten Anfragen hält.
Kann ich die Shots vertikal für TikTok oder Reels machen?
Ja. Erzeugen Sie vertikale Standbilder, weil Bild-zu-Video der Form des Standbilds folgt, oder verwenden Sie Referenz-zu-Video mit Aspect ratio auf 9:16.
