KI-Wörterbuch / Text-to-video

🎨 Bild, Video und Audio

Text-to-Video ist die Generierung bewegter Aufnahmen aus Textbeschreibungen, und zunehmend auch aus einzelnen Bildern (Image-to-Video), die das Modell zum Leben erweckt. Moderne Systeme erstellen mehrere Sekunden bis über zehn Sekunden lange Clips mit glaubwürdiger Bewegungsphysik, und die besten generieren auch synchronisierten Ton. Die größten Herausforderungen sind Figurenkonsistenz zwischen Aufnahmen, längere Sequenzen und präzise Regiekontrolle. In der Praxis behandeln Kreative diese Tools als Fabrik für einzelne Aufnahmen zum Schnitt, nicht als Maschine für fertige Filme.