Zum Hauptinhalt springen

Ein 30-Sekunden-Video ohne Zensur mit KI bauen: die Letztbild-Kette

Nach 5–10 s Schluss? Jeden Clip auf dem letzten Bild des vorigen starten, mit ffmpeg verbinden. 30 s ab $0.57 (stumm), $1.11 mit Ton.

Autor
SpicyAPI Engineering
Erschienen
Lesedauer
26 Min. Lesezeit
Aktualisiert
Ein langer, durchscheinender Filmstreifen mit leeren, leuchtenden Bildern windet sich durch eine dunkle, indigoblaue Galerie und verliert sich weit in der Tiefe

Viele Videomodelle ohne Zensur hören zwischen 5 und 15 Sekunden auf. Wer weiter will, verkettet Clips, und eine nachlässige Kette liefert ein neues Gesicht, einen Sprung an der Nahtstelle oder eine Kamera, die nicht aufhört zu zoomen.

Kurz gesagt: Verketten Sie die Clips. Starten Sie jeden auf dem letzten Bild des vorherigen und fügen Sie sie mit ffmpeg zusammen; rund 30 Sekunden kosten in 480p je nach Modell $0.57 bis $6.48. Oder lassen Sie die Kette weg: Seedance 2.5, Seedance 2.5 Spicy und die Wan-3.0-Familie schaffen 30 Sekunden in einem Take, ab $1.35.

Die Lösung ist die Letztbild-Kette: Jeder neue Clip beginnt exakt auf dem Bild, mit dem der vorige endete. Unten: ein 13.3-Sekunden-Beispiel mit der Verlängerung, dem Ein-Aufruf-Verwandten der Kette (zwei Aufrufe, 720p, $0.81, kein sichtbarer Sprung an der Nahtstelle), dann die Schritte, Befehle und Kosten. Auf Basis unserer Tests vom September und Oktober 2026; die Preise sind Katalogpreise.

Acht Bilder aus einem 13-Sekunden-Clip in zwei Reihen. Obere Reihe, Aufruf 1: Eine dunkelhaarige Frau in einem lockeren champagnerfarbenen Satinmantel dreht sich in einem golden beleuchteten Raum, bis sie bei 5.3 Sekunden der Kamera den Rücken zuwendet. Untere Reihe, Aufruf 2: Dieselbe Frau im selben Raum setzt bei 5.4 Sekunden fort, dreht sich seitlich und wieder zurück und endet bei 13.2 Sekunden

Wan 2.2 Spicy LoRA in 720p: oben ein 5-Sekunden-Clip Bild-zu-Video, unten dessen 8-Sekunden-Verlängerung. Die Naht liegt zwischen 5.3 und 5.4 Sekunden. In den neuen Sekunden lockert sich der Mantel zu einem eng anliegenden Satinrock. Der erste Aufruf allein

Das 13.3-Sekunden-Ergebnis: Wan 2.2 Spicy LoRA Bild-zu-Video (5 s), gefolgt von der 8-Sekunden-Verlängerung in 720p

Auf einen Blick

  • Jedes Glied startet auf dem letzten Bild des vorigen. Das funktioniert mit jedem Bild-zu-Video-Modell bei uns, und Sie wiederholen bei einem Fehlschlag nur ein Glied, nicht die ganze Szene.
  • Für eine unsichtbare Naht verlängern Sie den Clip selbst. Wan 2.2 Spicy LoRA setzt einen fertigen Clip pro Aufruf um 5 oder 8 Sekunden fort, wie im Beispiel oben.
  • Das Bild bestimmt die Stufe des nächsten Glieds. Starten Sie von einem L3-Bild, bleibt das nächste Glied nahe an L3; der Prompt kann es etwa eine Stufe weiter schieben. Für mehr starten Sie von einem Bild, das schon so ist, wie Sie es brauchen.
  • Drei Familien schaffen 30 Sekunden in einem Take: Seedance 2.5 Spicy, Seedance 2.5 und die Wan-3.0-Familie.
  • Rund 30 Sekunden kosten in 480p $0.57 bis $6.48: unten eine stumme LTX-Kette, ganz oben ein einziger Take mit Seedance 2.5 Spicy.

Wege über die 10-Sekunden-Grenze

WegWas Sie tunWo es gehtWorauf achten
Ein langer TakeBis zu 30 Sekunden anfordernSeedance 2.5 Spicy, Seedance 2.5, die Wan-3.0-FamilieEin misslungener Take kostet die vollen 30 Sekunden
Letztbild-KetteDen nächsten Clip vom letzten Bild startenJedes Bild-zu-Video-ModellDie Bewegung setzt an jeder Naht neu an
VerlängernDen fertigen Clip zurückgeben und die nächsten Sekunden bekommenWan 2.2 Spicy LoRADie zurückgegebene Datei wiederholt zuerst Ihre Vorlage
Schnitt zwischen EinstellungenJeden Clip zu einem anderen Blickwinkel oder Ort machen und schneidenJedes ModellKein durchgehender Take: Der Schnitt muss Sinn ergeben

Entscheiden Sie danach, was ein Fehlversuch kostet: Ein 30-Sekunden-Take, der bei Sekunde 20 kippt, wird zweimal voll bezahlt; eine Kette, die in Glied 3 kippt, kostet Sie nur Glied 3. Lange Takes driften außerdem: Je länger eine Einstellung läuft, desto stärker verformen sich Anatomie und Szenenausstattung, für wirklich lange Sequenzen halten also mehrere kurze Takes, die man zusammenschneidet, besser durch.

Hat die Szene mehr als einen Blickwinkel (erst eine Totale, dann eine Nahaufnahme), brauchen Sie gar keinen durchgehenden Take: Machen Sie pro Einstellung einen Clip aus demselben Standbild der Figur und schneiden Sie dazwischen. Verketten Sie nur dort, wo Kamera und Handlung weiterlaufen müssen. Eine Szene kann beides mischen.

Wie lang ein einzelner Clip sein kann

Jedes Modell unten ist als Unzensiert gekennzeichnet. Die Stufen für Inhalte für Erwachsene gehen von L1 Andeutung, L2 reife Themen, L3 stark, L4 intensiv bis zu L5a Szenen mit höherer Intensität; L5b ist filmischer Gore ohne Erwachsenenbezug. Das letzte Bild trägt Personen, Kleidung und Szene in das nächste Glied; Modell und Prompt können sie trotzdem verändern. Die Preise gelten für die günstigste Auflösung.

ModellLängster ClipStartet von5 s abEndbild festlegenWeiteste bestandene Stufe
Seedance 2.5 Spicy30 sBild$1.08 (480p)JaL4, beide L5-Briefings
Seedance 2.530 sText, Bild, Referenzbilder$0.62 (480p)Beim Start aus einem BildL4 in 8 von 9 Clips, L5
Wan 3.0 Spicy, auch Prime Spicy30 sBild$0.285 (480p); Prime Spicy $0.45JaL1 bis L4 und beide L5-Briefings. Neigt ungefragt ins Erwachsenere
Wan 3.030 sText, Bild, Referenzbilder$0.225 (480p)Beim Start aus einem BildL4, beide L5-Briefings
Wan 3.0 Prime30 sText, Bild, Referenzbilder$0.31 (480p)Beim Start aus einem BildText/Referenz: L4, L5a; Bild: L3, schwächt L4 ab
LTX 2.520 sText, Bild$0.45 (720p)Beim Start aus einem BildL4, L5
LTX 2.3 Spicy20 sBild$0.095 (480p)NeinL3 Stark, ungefragt bis L4
Vidu Q3 Spicy16 sBild$0.33 (540p)NeinL3, L5
MiniMax H315 sText, Bild, Referenzbilder$0.185 (768p)Beim Start aus einem BildL4, beide L5-Briefings
MiniMax H3 Spicy15 sBild$0.19 (480p)JaL4, L5
Seedance 2.0 Spicy15 sBild$0.57 (480p)JaL3, L5, ungefragt bis L4
Wan 2.7 Spicy15 sBild$0.62 (720p)NeinL3, L5, ungefragt bis L4
Wan 2.6 Spicy5, 10 oder 15 sBild$0.475 (720p)NeinL3, L5, ungefragt bis L4
Wan 2.2 Spicy8 sBild$0.095 (480p)JaL1 bis L4; schwächt L5 meist ab; ungefragt bis L4
Wan 2.2 Spicy LoRA8 s, plus VerlängerungBild oder ein Clip zum Fortsetzen$0.10 (480p)NeinL3; die Verlängerung ging bis L4

„Ungefragt bis L4" heißt: Das Modell ist von sich aus auf L4 übergegangen. Wan 3.0 Pro und Pro Prime schaffen ebenfalls 30 s, starten aber bei 1080p ($0.144 und $0.234 pro Sekunde, also $4.32 und $7.02 für 30 s). Nicht in der Tabelle: H3 Max, Wan 2.2 und HappyHorse 1.1, die L4 und L5 ablehnen oder abschwächen. Die vollständige Rangliste: die besten Videomodelle ohne Zensur.

Die Letztbild-Kette Schritt für Schritt

Wir bauen eine ungefähr 29-sekündige Szene in einer Hotelsuite aus zwei 15-Sekunden-Gliedern mit MiniMax H3: $1.11 in 768p, mit Ton. H3 liefert jede 15-Sekunden-Anfrage als 14.4 Sekunden zurück, zwei Glieder ergeben also 28.8. Dieselben Schritte funktionieren mit jedem Modell aus der Tabelle.

So ausgeführt, erschien der Übergang nicht als Schnitt: Pose, Tasse und Licht wurden durchgetragen. Die Frau, ihr Haar, der Pullover und das Café blieben über die vollen 28.8 Sekunden dieselben, wenn auch ihr Gesicht am Ende leicht driftete.

Schritt 1: Modell wählen und den Look festlegen

  • Größte Bandbreite, günstigste Glieder: MiniMax H3, 15 Sekunden pro Glied, bis L5. Ein von Ihnen vorgegebenes Endbild ist ein Anstoß, keine Sperre.
  • Kein Bild herausziehen oder eigene LoRA-Dateien: Wan 2.2 Spicy LoRA mit Verlängern. H3 LoRA und LTX 2.3 Spicy LoRA nehmen ebenfalls LoRAs an, haben aber kein Verlängern; verketten Sie sie über das letzte Bild.
  • Wenigste Glieder: Wan 3.0, Wan 3.0 Spicy oder Seedance 2.5 Spicy, je 30 Sekunden. Wan 3.0 Spicy neigt von selbst ins Erwachsenere und kann ein bekleidetes Bild ausziehen; wenn das Outfit bleiben muss, nehmen Sie das normale Wan 3.0.
  • Günstigste Sekunden: LTX 2.3 Spicy, 20 Sekunden pro Glied, ohne Ton.

Wenn es auf das Gesicht ankommt, erstellen Sie zuerst ein Standbild Ihrer Figur mit einem Bildmodell ohne Zensur und starten Glied 1 davon: H3 hat keinen Seed, zwei Textläufe liefern also zwei verschiedene Frauen.

Schreiben Sie vor dem Generieren pro Glied einen Handlungsschritt auf („Glied 1: Sie wendet sich vom Fenster ab und hält inne; Glied 2: Sie geht zum Bett und legt sich zurück"). Das zeigt auch, wo ein Schnitt besser dient als eine Kette.

Schritt 2: Glied 1 erstellen und mit einem Halt enden lassen

Die letzte Sekunde von Glied 1 wird das erste Bild von Glied 2. Schreiben Sie also ein Ende, das als Standbild funktioniert.

An adult woman with dark shoulder-length hair stands at the window of a dim hotel suite at dusk in an ivory silk robe. She gathers her hair over one shoulder and turns her back to the camera, then looks back over her shoulder and holds still. Slow push-in, then the camera stops. Warm lamp on the left, cool city light through the glass. Quiet room tone, distant traffic.

Glied 1 mit MiniMax H3 ausführen →

Stellen Sie die Länge auf 15 Sekunden. Um ihr Gesicht festzulegen, führen Sie denselben Prompt mit Ihrem eigenen Standbild als Bild-zu-Video aus; die Schaltfläche oben ist Text-zu-Video, damit Sie die Idee ohne Standbild ausprobieren können. Entscheidend sind „holds still" und „the camera stops": Ein Glied, das mitten in einer Geste endet, übergibt dem nächsten eine verwischte, halb fertige Pose. Lassen Sie jedes Glied auch mit dem Gesicht zur Linse enden: Das Modell braucht am Anfang oder Ende eines Segments eine klare Sicht auf das Gesicht, um es konsistent zu halten (r/StableDiffusion-Thread). Ein Glied, das auf dem Hinterkopf endet, gibt dem nächsten nichts zum Abgucken.

Schritt 3: Das letzte Bild herausziehen

Drei mattierte Filmstreifen hängen hintereinander an einer dunklen, indigoblauen Wand, verbunden durch Kupferklammern; die Bilder auf beiden Seiten jeder Verbindung leuchten am hellsten

Der Befehl springt in die letzte Sekunde und überschreibt dabei immer wieder ein einziges Bild, sodass am Ende das letzte Bild übrig bleibt:

bash
ffmpeg -sseof -1 -i segment_01.mp4 -update 1 -q:v 1 last_frame.png

Sehen Sie sich das Bild an, bevor Sie es verwenden: Pose, Kleidung, eine zweite Person, die Stufe: All das ist der Ausgangspunkt von Glied 2. Speichern Sie als PNG, nicht als JPEG; verlustbehaftete Speicherungen summieren sich über die Glieder.

Die Standardaufgaben Seedance 2.5 und Seedance 2.0 Bild-zu-Video können Ihnen das Bild stattdessen liefern: Setzen Sie return_last_frame auf true, und das letzte Bild kommt als separates Bild zurück, ohne Aufpreis.

Laden Sie das PNG auf der Modellseite hoch oder legen Sie es als direkten Dateilink ab. Laden Sie jedes Ergebnis herunter, sobald es fertig ist (Aufbewahrung).

Schritt 4: Glied 2 von diesem Bild starten

Öffnen Sie MiniMax H3 Bild-zu-Video, fügen Sie das Bild hinzu und beschreiben Sie nur, was als Nächstes passiert:

She turns away from the window, walks slowly to the bed and sits on the edge, then lies back across the white sheets, stretches both arms above her head and goes still. The camera follows at waist height, then holds. Quiet room tone, distant traffic.

Glied 2 mit MiniMax H3 Bild-zu-Video ausführen →

Schwach: „A beautiful woman with dark hair in a hotel room at dusk, cinematic, highly detailed." Der Prompt wiederholt nur das Bild und gibt ihr nichts zu tun, also erfindet das Modell die Bewegung.

Stark: der Prompt oben. Er sagt nie, wer sie ist (das Bild bringt das mit), reiht eine Handlung an die nächste mit „then" und hält die Kamera an.

Soll Glied 2 an einem bestimmten Ort landen? Die meisten Modelle aus der Tabelle nehmen auch ein Endbild. Nehmen Sie Ihr ursprüngliches Standbild als Endbild von Glied 2, dann werden die letzten Sekunden zu dem Gesicht hingezogen, mit dem Sie begonnen haben (bei H3 ein Anstoß; Wan 3.0 Spicy endet auf dem vorgegebenen Bild).

Schritt 5: Wiederholen und jede Naht prüfen, bevor Sie das nächste Glied bezahlen

Für eine längere Szene ziehen Sie das letzte Bild von Glied 2 heraus und beginnen von vorn. Prüfen Sie zuerst die letzte Sekunde jedes Glieds: Wan 3.0 Spicy geht oft weiter als gewünscht und kann ein bekleidetes Bild ausziehen, und Wan 2.2 Spicy kann eine zweite Person in ein Solo-Bild bringen. Das nächste Glied startet von dem, was das Modell hinzugefügt hat, also wiederholen Sie nur das Glied, das schiefgegangen ist.

Schritt 6: Die Glieder zusammenfügen

Harter Schnitt. Ein verkettetes Glied beginnt auf dem Bild, mit dem das vorige endete; dieser Befehl lässt es weg, damit die Naht nicht ein Bild lang stehen bleibt:

bash
ffmpeg -i segment_01.mp4 -i segment_02.mp4 -filter_complex \
  "[1:v]trim=start_frame=1,setpts=PTS-STARTPTS[b];[0:v][b]concat=n=2:v=1:a=0[v]" \
  -map "[v]" -c:v libx264 -pix_fmt yuv420p joined.mp4

Das lässt den Ton weg. Bei Gliedern mit Ton behalten Sie das gemeinsame Bild und fügen Bild und Ton zusammen, damit ihre Längen zusammenpassen. Ist der kurze Halt merklich, nehmen Sie die Überblendung unten:

bash
ffmpeg -i segment_01.mp4 -i segment_02.mp4 -filter_complex \
  "[0:v][0:a][1:v][1:a]concat=n=2:v=1:a=1[v][a]" \
  -map "[v]" -map "[a]" -c:v libx264 -pix_fmt yuv420p -c:a aac joined_av_cut.mp4

Überblendung. Eine halbe Sekunde Blende verdeckt kleine Sprünge in Farbe oder Position. Der Offset ist die Länge des ersten Clips minus die Blende: 4.5 für zwei 5-Sekunden-Clips. Messen Sie die tatsächliche Datei statt der angeforderten Dauer: Die H3-Glieder hier laufen 14.375 Sekunden, der Offset ist also 13.875.

bash
CLIP_SECONDS=$(ffprobe -v error -show_entries format=duration -of default=nw=1:nk=1 segment_01.mp4)
FADE_OFFSET=$(python3 -c 'import sys; print(float(sys.argv[1]) - 0.5)' "$CLIP_SECONDS")
ffmpeg -i segment_01.mp4 -i segment_02.mp4 -filter_complex \
  "[0:v][1:v]xfade=transition=fade:duration=0.5:offset=${FADE_OFFSET},format=yuv420p[v]" \
  -map "[v]" -c:v libx264 joined_xfade.mp4

Für ein drittes Glied hängen Sie eine weitere Blende an. Ihr Offset ist die bisherige Gesamtlänge minus der Blende (9.0 nach zwei 5-Sekunden-Clips):

bash
ffmpeg -i s1.mp4 -i s2.mp4 -i s3.mp4 -filter_complex \
  "[0:v][1:v]xfade=transition=fade:duration=0.5:offset=4.5[ab];[ab][2:v]xfade=transition=fade:duration=0.5:offset=9[v];[v]format=yuv420p[out]" \
  -map "[out]" -c:v libx264 joined3.mp4

Mit Ton überblenden Sie ihn ebenfalls, sonst bricht der Ton ab, während das Bild überblendet. Dieses Beispiel nutzt zwei 5-Sekunden-Clips; für die beiden H3-Glieder verwenden Sie den gemessenen Offset von 13.875:

bash
ffmpeg -i s1.mp4 -i s2.mp4 -filter_complex \
  "[0:v][1:v]xfade=transition=fade:duration=0.5:offset=4.5,format=yuv420p[v];[0:a][1:a]acrossfade=d=0.5[a]" \
  -map "[v]" -map "[a]" -c:v libx264 -c:a aac joined_av.mp4

Alle Glieder brauchen dieselbe Auflösung und Bildrate.

Verlängern: dieselbe Idee ohne Bild herausziehen

Das Verlängern von Wan 2.2 Spicy LoRA nimmt den fertigen Clip als Datei statt als Bild. Die Verlängerung beginnt mit dem letzten Bild des Clips, deshalb schließt eine Vorlage, die in einer ruhigen Pose endet, am saubersten an; deshalb endet der Eröffnungsclip unten mit „holds". Im 13.3-Sekunden-Paar oben ist die Naht nicht zu sehen.

  1. Erstellen Sie einen Eröffnungsclip von 5 oder 8 Sekunden mit Wan 2.2 Spicy LoRA Bild-zu-Video.

She turns slowly on the spot and the satin slips off one shoulder, the gold key light raking across her back. She stops with her back to the camera and holds. Camera locked, shallow depth of field, heavy film grain.

Eröffnungsclip ausführen →

  1. Öffnen Sie das Verlängern, geben Sie den Clip als direkten Dateilink an und schreiben Sie nur den nächsten Handlungsschritt.

She turns away from the light, lets the satin fall from her other shoulder and takes two slow steps toward the dark doorway, then stops with her back to the camera. Camera locked.

Verlängerung ausführen →

  1. Wählen Sie 5 oder 8 neue Sekunden in der Auflösung Ihrer Vorlage.
  2. Haben Sie den ersten Durchgang mit LoRA-Dateien gestaltet? Hängen Sie dieselben mit derselben Stärke an; die Verlängerung erbt sie nicht, und die Seite warnt, dass sich der Stil an der Naht verschiebt, wenn Sie es nicht tun.
  3. Wiederholen: Ein 5-Sekunden-Auftakt plus fünf 5-Sekunden-Verlängerungen ergibt 30 Sekunden. Geben Sie jedem Aufruf das zuletzt gekürzte Stück (oder die zuvor zurückgegebene Datei) und kürzen Sie wie oben; jede zurückgegebene Datei beginnt mit ihrer Vorlage.

Die Datei kommt länger zurück, als verlangt, weil sie mit Ihrer Vorlage beginnt. Sie zahlen nur für die neuen Sekunden: Eine 8-Sekunden-Verlängerung in 720p kostet $0.608, egal ob die Vorlage 5 Sekunden oder 13 läuft. So behalten Sie nur den neuen Teil:

bash
SRC=$(ffprobe -v error -show_entries format=duration -of default=nw=1:nk=1 segment_01.mp4)
ffmpeg -ss "$SRC" -i extended.mp4 -c:v libx264 -pix_fmt yuv420p -an segment_02.mp4

Verlängerungsstücke fügen Sie dann mit einem einfachen Schnitt zusammen; es gibt kein wiederholtes Bild, das wegfallen müsste.

Wie weit es geht: Das Verlängern kann weiter gehen als seine Vorlage: ein L3-Clip, fortgesetzt bis L4.

Dieselbe Person in jedem Glied behalten

  • Starten Sie von einem Standbild, nicht von Text. Das Standbild trägt Gesicht, Körper, Kleidung und Kulisse; ein Text-Neuwurf erfindet eine neue Person.
  • Ein Modell, eine Auflösung, ein Seitenverhältnis für die ganze Szene. Modelle rendern Haut, Korn und Licht unterschiedlich, und ein Wechsel zeigt sich an der Naht. Entwerfen Sie nicht in 480p, um dann nur die guten Glieder in 720p neu zu rechnen: Das Startbild jedes Glieds stammt aus dem Render in der niedrigeren Auflösung.
  • Beschreiben Sie, was sich ändert, nie, wer sie ist. Wer sie in jedem Glied neu beschreibt, lädt das Modell ein, sie neu zu deuten.
  • Rechnen Sie auch bei einer guten Kette mit leichtem Drift. Über zwei H3-Glieder blieb das Gesicht erkennbar dieselbe Frau, aber Hauttextur und Kinn wirkten am Ende etwas anders. Verankern Sie vom Standbild aus neu, wenn ein Detail zählt.
  • Zeigen Sie das Gesicht an der Naht. Beginnen oder beenden Sie ein Glied mit klarer Sicht darauf (siehe Schritt 2) und halten Sie Wandbilder und dichte Muster aus dem Start-Standbild heraus: Das Modell verändert Bilder an der Wand in jedem Durchgang.
  • Verankern Sie neu, wenn das Gesicht zu wandern beginnt. Ein Bild aus Glied 4 hat vier Generationen hinter sich. Starten Sie das nächste Glied von Ihrem ursprünglichen Standbild oder machen Sie es zu dessen Endbild. Farbe und Schärfe rutschen nach drei oder vier Gliedern genauso, deshalb hilft die Überblendung unten mit anschließendem Grading.
  • Nennen Sie die Kleidung, wenn sie wichtig ist. In unserem 13-Sekunden-Beispiel hielten Gesicht, Haare, Raum und Licht über die Naht, aber der lockere Mantel wurde zu einem Satinrock. Fügen Sie pro Glied einen kurzen Satz hinzu („der lockere Satinmantel bleibt, wie er ist").

Was ein 30-Sekunden-Video kostet

Die Glieder laufen nacheinander, und ein langsames Modell kann mehrere Minuten pro Clip brauchen, eine Kette aus sechs Gliedern ist also eine lange Sitzung.

Der Eröffnungsclip von Wan 2.2 Spicy LoRA enthält die aktuelle 15%-Preissenkung für LoRA ($0.102 in 480p und $0.204 in 720p für 5 Sekunden; Listenpreis $0.024 und $0.048 pro Sekunde). Verlängerungen sind nicht vergünstigt ($0.038 und $0.076 pro Sekunde).

PlanGlieder480p720pEin schlechtes Glied wiederholen480p, wenn ein Glied danebenliegt
Ein Take, Seedance 2.5 Spicy1 × 30 s$6.48$12.96$6.48$12.96
Ein Take, Wan 3.01 × 30 s$1.35$2.70$1.35$2.70
Ein Take, Wan 3.0 Spicy1 × 30 s$1.71$3.42$1.71$3.42
Letztbild-Kette, MiniMax H32 × 15 s (28.8 s)– (ab 768p)$1.11 (768p)$0.555 (768p)$1.67 (768p)
Letztbild-Kette, LTX 2.3 Spicy, stumm20 s + 10 s$0.57$1.14$0.38$0.95
Verlängerungskette, Wan 2.2 Spicy LoRA5 s + 5 × 5 s$1.05$2.10$0.19$1.24
  • Das günstigste Material: die stumme LTX-2.3-Spicy-Kette, ohne Endbild-Feld, um das letzte Glied zu Ihrem Standbild zurückzulenken.
  • Ton: H3 und Seedance 2.5 Spicy enthalten ihn ohne Aufpreis. Wan 3.0 und Wan 3.0 Spicy erzeugen ihn standardmäßig und lassen ihn abschalten. Die Wan-2.2-Familie ist stumm. Der Ton läuft nicht von allein über die Glieder weiter; wenn Sie im Schnitt stattdessen ein Musikbett legen, erzeugen Sie die Glieder ohne Ton, wo das Modell es erlaubt.
  • Das 13.3-Sekunden-Beispiel kostet $0.81: $0.204 für die ersten 5 Sekunden in 720p und $0.608 für die 8-Sekunden-Verlängerung.

Wenn etwas schiefgeht

Was Sie sehenAbhilfe
Die Bewegung bricht an der Naht abrupt abLassen Sie jedes Glied mit einem Halt enden und das nächste mit einer neuen Handlung beginnen. Eine 0.5-Sekunden-Überblendung deckt den Rest ab.
Ein Bild lang Ruckeln am SchnittDas neue Glied wiederholt das Bild, das Sie ihm gegeben haben. Nutzen Sie den Befehl für den harten Schnitt ohne Ton, um es wegzulassen, oder blenden Sie Glieder mit Ton über.
Farbe oder Helligkeit springen an der NahtEin bekanntes Problem der Kette (Wan-2.2-Issue), das auch ein Farbabgleich nicht ganz behebt. Überblenden Sie und graden Sie dann das fertige Video als einen Clip.
Die Figur hat in Glied 3 oder 4 ein anderes GesichtVerankern Sie neu von Ihrem ursprünglichen Standbild oder setzen Sie es als Endbild des nächsten Glieds.
Das nächste Glied ist zahmer als das letzteDas Bild bestimmt die Stufe. Verwenden Sie ein Startbild, das die gewünschte Szene schon enthält, und beschreiben Sie dann seine Bewegung. Ein stärkerer Prompt allein lässt ein zahmes Bild womöglich unverändert; bleibt es weich, wählen Sie ein Modell, das Ihre Zielstufe geliefert hat.
Jemand Neues kommt herein, oder die Szene eskaliertPrüfen Sie das letzte Bild, bevor Sie es herausziehen; wiederholen Sie nur dieses Glied.
Eine Verlängerung ignorierte den neuen Ort, den Sie verlangt habenDer Clip schlägt den Prompt: Eine unserer Beispielverlängerungen verlangte Treppe und Krypta, und die neuen Sekunden blieben am Fenster ihrer Vorlage. Wechseln Sie den Ort mit einem Schnitt.
Die Kamera schleicht immer weiter heranSagen Sie, wo sie anhält: „camera locked" oder „then holds". Die Verlängerung im Clip unten sagt „Camera locked.", und der Bildausschnitt bewegt sich in ihren neuen Sekunden nie.
Der Verlängerungsaufruf schlägt fehl und wird erstattetPrüfen Sie den zurückgegebenen Fehler und ob video_url auf eine herunterladbare Datei zeigt, nicht auf eine Player-Seite. Nutzen Sie einen direkten Dateilink oder laden Sie den Clip hoch.
Schlusshalt: eine 8-Sekunden-Verlängerung mit Wan 2.2 Spicy LoRA bei fester Kamera. Zuerst läuft die 4.8-Sekunden-Vorlage, und Treppe und Krypta aus dem Prompt erscheinen nie

Erst im Playground, dann über die API

Zuerst im Playground. Öffnen Sie die Aufgabenseite des Modells (zum Beispiel MiniMax H3 Bild-zu-Video), wählen Sie den Modus (einen Satz, Ihr eigenes Startbild oder Referenzbilder), fügen Sie den Prompt ein und führen Sie aus; der genaue Preis wird angezeigt, bevor etwas berechnet wird. Erstellen Sie ein Konto, wenn Sie keins haben.

Dann die API, sobald ein Glied funktioniert und Sie die Kette skripten wollen. Ein Glied, als H3 Bild-zu-Video (für ein anderes Modell ändern Sie model und input auf die Felder dieser Aufgabe; eine Verlängerung nimmt ein video_url, wo ein verkettetes Glied ein image_url nimmt):

bash
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
  -H "Authorization: Bearer $SPICY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: $(uuidgen)" \
  --data '{
    "model": "minimax/h3/image-to-video",
    "input": {
      "image_url": "https://your-storage.example.com/link-01-last-frame.png",
      "prompt": "She turns away from the window, walks slowly to the bed ...",
      "resolution": "768p",
      "duration_seconds": 15
    }
  }'

Felder, Ergebnisse und Fehler stehen in der API-Referenz.

Lassen Sie einen Agenten das ausführen. Ein Agent kann jedes Glied über die CLI, den MCP-Server oder den Agent Skill ausführen; CLI und MCP zeigen den Preis und fragen nach Bestätigung, bevor ein Task angelegt wird. Mit gesetztem SPICY_API_KEY:

bash
# CLI
npx @spicyapi/cli tasks create --model minimax/h3/image-to-video \
  --input-json '{"image_url": "https://your-storage.example.com/link-01-last-frame.png", "prompt": "She turns away from the window, walks slowly to the bed ...", "resolution": "768p", "duration_seconds": 15}' --wait

# MCP server: the command your assistant's MCP config runs
npx --yes --package=@spicyapi/mcp spicyapi-mcp

# Agent Skill
npx skills add spicyapi-ai/spicy-skill

FAQ

Wie mache ich ein KI-Video länger als 10 Sekunden?

Nehmen Sie ein Modell, das 30 Sekunden in einem Take schafft (Seedance 2.5 Spicy, Seedance 2.5, Wan 3.0, Wan 3.0 Spicy), oder verketten Sie: Starten Sie jeden neuen Clip auf dem letzten Bild des vorigen und fügen Sie sie dann mit ffmpeg zusammen. Hat die Szene mehrere Blickwinkel, machen Sie einen Clip pro Einstellung und schneiden.

Was ist das längste KI-Video ohne Zensur, das ich am Stück machen kann?

30 Sekunden, mit Seedance 2.5 Spicy, Seedance 2.5 und den sechs Wan-3.0-Builds (Wan 3.0, Prime, Pro, Pro Prime, Spicy und Prime Spicy). LTX endet bei 20, Vidu Q3 Spicy bei 16, MiniMax H3 bei 15. Der lange Take ist auf den Stufen verfügbar, die auch die kurzen Clips bestehen.

Warum ruckelt oder friert mein Video dort, wo die Clips zusammentreffen?

Ein verkettetes Glied startet von einem eingefrorenen Bild. Lassen Sie jedes Glied mit einem Halt enden, beginnen Sie das nächste mit einer neuen Handlung und fügen Sie eine halbe Sekunde Überblendung hinzu. Das Verlängern vermeidet das eingefrorene Bild, weil es den Clip selbst fortsetzt.

Bleibt der nächste Clip auf derselben Stufe, wenn ich ihn vom letzten Bild starte?

Meistens. Das Bild bestimmt die Stufe: Ein L3- oder L5-Bild läuft ungefähr auf dieser Stufe weiter, und eine Verlängerung kann einen Schritt weiter gehen als ihre Vorlage. Ein zahmeres Bild bleibt so, wie der Prompt auch lautet, abgesehen von einem Anstoß von etwa einer Stufe, also ziehen Sie ein Bild, das schon so ist, wie Sie es brauchen.

Wie verlängere ich ein Video, das ich schon habe?

Schicken Sie es mit einer Zeile dazu, was als Nächstes passiert, an das Verlängern von Wan 2.2 Spicy LoRA: 5 oder 8 neue Sekunden pro Aufruf. Bei allen anderen Modellen nutzen Sie die Letztbild-Kette.

Wie behalte ich dieselbe Figur über mehrere Clips?

Starten Sie von einem Standbild, bleiben Sie bei einem Modell und einer Auflösung, beschreiben Sie nur, was sich ändert, und starten Sie vom ursprünglichen Standbild neu, wenn das Gesicht driftet.

Kann ich ein Seedance- oder MiniMax-Video verlängern?

Nicht mit einer Extend-Schaltfläche. Nehmen Sie den längsten Take (30 Sekunden bei Seedance 2.5, 15 bei MiniMax H3) und verketten Sie dann vom letzten Bild.

Ihr Teil

Wir fügen keinen eigenen zusätzlichen Inhaltsfilter hinzu. Alle Personen im Bild müssen Erwachsene sein. Jede reale, erkennbare Person muss eingewilligt haben, auch in Referenz-Standbildern und in LoRA-Dateien, die aus ihrem Abbild gebaut sind. Sie brauchen die Rechte an allem, was Sie hochladen, und Sie sind für das Recht an dem Ort verantwortlich, an dem Sie veröffentlichen.

Machen Sie Ihr erstes Glied

Erstellen Sie ein Konto, öffnen Sie MiniMax H3 im Playground und fügen Sie den Prompt für Glied 1 aus Schritt 2 ein. Das kostet $0.555 für 15 Sekunden in 768p. Sieht die letzte Sekunde richtig aus, ziehen Sie das Bild heraus und führen Glied 2 aus. Alles Weitere steht im Katalog unzensierter Videos.

Auch in English · 日本語 · 한국어 · Français · Español · Português (Brasil) · Русский · Italiano · Polski

Selbst ausprobieren

Sie zahlen nur für das, was Sie ausführen – ohne Tarif, ohne Abo.

Erstellt mit MiniMax H3 · ByteDance Seedance 2.0 Fast