Wie man KI-Filme macht: Blockiere deine Szenen in 3D, mit Daten von 9 Filmen, die in Flick erstellt wurden

Ja, eine Person kann einen KI-Film machen: schreibe die Beats, wähle einen Look, erstelle Referenzbögen, plane jede Einstellung, verwandle Standbilder in Video und schneide dann mit Ton. Beginne jede Einstellung mit einem Prompt, und wenn der Prompt die Kamera oder Positionen nicht richtig hinbekommt, stelle die Einstellung in Flicks 3D Stage zusammen: der Agent baut das Set aus einem deiner Bilder, farbige Formen stehen für die Schauspieler, und du kannst die Kamerabewegung mit deinem Handy filmen, sodass keine 3D-Erfahrung nötig ist. Die 9 in Flick erstellten Filme unten brauchten im Median 84 Generierungen pro fertiger Minute.

Das einzige 3D-zu-KI-Filmmaking-Tutorial, das du brauchst, mit Jaime Yao (Flick auf YouTube). Schritt 4 unten basiert auf dieser Methode.

Filme von Jaime Yao (Flick-Team und Flick Residency), Zoey Z. (Flick-Team) und Simay Ezer Pekcan (Flick Residency). Vorgestelltes Tutorial: Jaime Yao.

Was es braucht, um einen KI-Film zu erstellen: 9 Filme in Zahlen

Flick veröffentlicht eine Aufschlüsselung des geteilten Workflows jedes Films: jedes Bild und Video, das dafür generiert wurde, einschließlich der verworfenen Takes. Dies sind die 9 Filme mit öffentlicher Aufschlüsselung.

Film	Laufzeit	Bilder	Videos	Video generiert	Top-Bild- und Videomodell
In 'twixt Vows	16:00	1.145	373	90 min	Nano Banana Pro, Seedance 2.5
A Proper Introduction	5:45	897	217	32 min	Nano Banana Pro, Kling O3 Pro
The Herder	4:27	364	254	32 min	Nano Banana Pro, Kling 3.0 Pro
Ulysses	4:36	349	37	3 min	Nano Banana Pro, Kling O3 Pro
Embedding Valley	4:12	242	109	20 min	GPT Image 2, Seedance 2.0
In Our Time	3:47	33	98	9 min	Nano Banana, Seedance Pro
Sonny's worth	2:50	81	56	16 min	Nano Banana Pro, Seedance 2.5
To My Grandma	1:38	22	13	3 min	Midjourney, Seedance 2.5
The Little Fox's Dream	1:31	59	59	9 min	Nano Banana, Seedance Pro

Flick Filmaufschlüsselungen, 19. Oktober 2026. Die Zählungen beinhalten verworfene Takes; Uploads und Audio werden nicht gezählt. Laufzeit aus Flick's Video-Sitemap.

• Etwa 84 Generierungen pro fertige Minute. Das ist der Median der 9 Filme. Er reicht von 21 für To My Grandma, ein Film mit Erzählstimme, der auf wenigen einfachen Standbildern basiert, bis 194 für A Proper Introduction, bei dem jede Einstellung zuerst skizziert und dann mehrfach bearbeitet wurde.
• Etwa 5,5 Sekunden Video für jede Sekunde auf dem Bildschirm. Bei 8 der Filme benötigte der Medianfilm 5,5 mal so viel Video wie seine Laufzeit, sodass das meiste generierte Video nie verwendet wird. Weniger Neuversuche ist der Zweck des Blockings einer Einstellung in 3D (Schritt 4). Ulysses wird hier ausgelassen: Sein Workflow enthält 3 Minuten Video für einen 4:36-Film, sodass sein Verhältnis nicht vergleichbar ist.
• Der Großteil der Arbeit sind Standbilder. 72% aller Generierungen (3.192 von 4.408) waren Bilder: Charakterbögen, Frames und Bearbeitungen, die erstellt wurden, bevor sich etwas bewegte. Ein Seedance 2.0 oder 2.5 Take mit Referenzen kostet 10 bis 60 mal so viel wie ein Bild (siehe Kostentabelle unten), daher legen die Filme zuerst jedes Frame fest.
• In 'twixt Vows von Jaime Yao (Flick Residency)
• A Proper Introduction von Jaime Yao (Flick Team)
• The Herder von Jaime Yao (Flick Team)
• Ulysses von Jaime Yao (Flick Team)
• Embedding Valley von Jaime Yao (Flick Team)
• In Our Time von Jaime Yao (Flick Team)
• Sonny's worth von Zoey Z. (Flick Team)
• To My Grandma von Zoey Z. (Flick Team)
• The Little Fox's Dream von Jaime Yao (Flick Team)

Schritt 1: Schreibe die Idee als Beats, bevor du etwas generierst

Ein Beat ist ein Moment, den das Publikum in der richtigen Reihenfolge mit einer ungefähren Länge sehen muss. Die Beats zuerst zu schreiben zeigt dir, welche Einstellungen und Referenzen du brauchst, sodass du aufhörst, Bilder zu generieren, die keinen Platz im Film haben.

1. Plane den Film als zeitlich festgelegte Beats

Wie man es erhält

The Herder (4:27): Jaime schrieb den gesamten Film als Notiz auf dem Canvas mit 11 zeitlich festgelegten Beats, vom Titelschild bis zu einem ruhigen Ende in den Wolken. Die meisten Beats nennen die Einstellungen, die sie brauchen, sodass die Notiz gleichzeitig als Shot-Liste dient.

To My Grandma (1:38): Zoey begann mit einem kurzen Brief in der Ich-Form. Die Erzählung, eingesprochen in 10 ElevenLabs v3 Clips, bestimmte dann die Bilder: Die Video-Prompts sind oft einfache Ich-Sätze, wie der Brief.

The Little Fox's Dream (1:31): Die Idee war ein Absatz, der eine einzige lange Einstellung beschrieb, und derselbe Text ging in Midjourney. Ein Waldbild daraus wurde zur meistverwendeten Referenz des Films, in 13 Generierungen.

Modell: Textnotiz (The Herder) · Notiz: Einer der 11 Beats

First a hand reaches through the cloud top, then his head emerges, then he swings a leg over and climbs onto the cloud surface.

Modell: Seedance 2.5 (To My Grandma) · Notiz: Ein Ich-Satz, verwendet als Video-Prompt

My grandma would walk around, tending to her garden.

Achte auf: Eine Liste gut aussehender Einstellungen, in denen sich nichts verändert. Flick's Academy verlangt drei Beats pro Szene (Vorher, Wendung, Nachher), jeder ein sichtbarer Handlungsmoment, und einen Ort mit einer kleinen Besetzung für einen ersten Film.

Schritt 2: Wählen Sie einen Look und wiederholen Sie ihn in jedem Prompt

Der Look ist der visuelle Stil des Films: Medium, Textur, Licht und Farbpalette. Entscheiden Sie ihn, bevor Sie Charaktere entwerfen, denn jeder Bogen und jedes Bild muss darin erstellt werden. Unser Leitfaden zu Animationsstilen für KI enthält 15 Looks mit den Prompts aus Flick-Filmen (am Ende verlinkt).

2. Schreiben Sie den Look einmal und verwenden Sie ihn dann Wort für Wort wieder

Wie man es erhält

The Herder: Alles ist wie ein Miniaturmodell aufgenommen: Tilt-Shift, geringe Schärfentiefe. Derselbe Look wird in 196 der 254 Video-Prompts beschrieben. Jaime wählte ihn teilweise, weil kleine KI-Inkonsistenzen in der Unschärfe verloren gehen.

Embedding Valley: Ein Tonpapier-Ausschnitt-Look wird in 193 der 245 behaltenen Prompts genannt, und ein Modell, GPT Image 2, erstellte 199 der 242 Bilder, sodass die Papiertextur zwischen den Sets nie wechselt.

In Our Time: Hier kam der Look von Zeichnungen, nicht von Worten: 59 der 66 animierten Standbilder sind hochgeladene Illustrationen, viele in einem zweifarbigen Holzschnitt-Stil, und die Video-Prompts wiederholen ihn.

Modell: Kling 3.0 Pro (The Herder) · Hinweis: Anfang eines Video-Prompts

Miniature diorama / tilt-shift macro cinematic look, shallow DOF. Heavy rain with wind-driven diagonal streaks. …

Achten Sie auf: Vage Stil-Wörter. Eine Regel aus Jaimes Prompt-Spickzettel lautet, „vage Stil-Wörter durch sichtbare Anweisungen zu ersetzen": Benennen Sie die Textur, das Licht und die Farbpalette, die Sie sehen möchten, anstatt „filmisch" zu schreiben.

Schritt 3: Erstellen Sie ein Referenzblatt für jeden Charakter, jedes Set und jede wichtige Requisite

Ein Referenzblatt (auch Turnaround oder Drei-Ansichten-Blatt genannt) zeigt einen Charakter von vorne, von der Seite und von hinten. Jedes spätere Bild und jeder Clip wird daraus generiert, was es zur wichtigsten Methode macht, um einen Charakter von Einstellung zu Einstellung gleich zu halten.

3. Erstellen Sie die Blätter einmal und verwenden Sie sie dann überall

Wie man es erhält

Wie oft sie wiederverwendet werden: In Embedding Valley wurden die vier Charakter-Blätter als Referenzen in 118, 112, 102 und 62 Generierungen verwendet. In A Proper Introduction wurde das Blatt des Ritters in 167 verwendet, mehr als jedes andere Bild im Film.

Auch Requisiten und Kreaturen: A Proper Introduction gab einem Pappkarton ein eigenes Blatt mit jeder Seite und Notizen zu Größe und Material. In 'twixt Vows war das Kreaturenkopf-Blatt eine Referenz in 92 Generierungen und die von Ranken umwickelte Waffe in 59.

Beginnen Sie mit funktionierendem Material: Sonny's worth erstellte seine Blätter aus Frames früher Test-Clips statt aus neuen Designs, sodass die Blätter zu dem passen, was das Videomodell bereits produziert hatte.

Probieren Sie zwei Modelle aus, behalten Sie das bessere: Im Tutorial speichert Jaime Flicks Image Generation Prompts Guide als dauerhafte Regel für den Agenten und generiert dann jede Referenz mit Nano Banana Pro und GPT Image 2.5 und behält die bessere.

Erweitern, nicht neu zeichnen: Ulysses begann mit einem Gesichtsblatt aus drei Ansichten und erweiterte es dann auf Hüfthöhe und Ganzkörper, wobei das Gesicht identisch blieb. In 'twixt Vows wurde dasselbe für Lady Caerwyn gemacht:

Modell: Nano Banana Pro (In 'twixt Vows)

… Image A is the approved final head-and-shoulders three-view design. … Do only one thing: extend Lady Caerwyn into a full-body three-view sheet without changing any approved design already present in Image A…

Schritt 4: Mit einem Prompt beginnen, dann die Einstellung in 3D blocken, wenn der Prompt es nicht hinbekommt

Blocken bedeutet, die Schauspieler und die Kamera zu platzieren, bevor man dreht. Prompts sind am schwächsten bei exakten Kamerapfaden und -positionen, und jeder Fehlversuch ist ein weiterer Video-Take für etwa 344 bis 550 Credits (Kostentabelle unten). In Flicks 3D Stage blockst du mit farbigen Platzhaltern in einer groben Kopie deines Sets, nimmst die Kamerabewegung auf und gibst diese Aufnahme dem Videomodell zum Folgen. Teile 4.1, 4.3 und 4.4 folgen Jaime Yaos Tutorial oben zu einer Szene aus 1943: ein verwundeter Widerstandskämpfer in einem Keller, ein Arzt neben ihm, ein Pianist im Obergeschoss und ein Patrouilliensoldat auf der Straße. Teil 4.2 stammt aus Flicks 3D Stage-Dokumentation und Simay Ezer Pekcans Happy Souls Alive-Einstellung.

4.1. Previsualisierung ohne 3D-Kenntnisse

Was es ist

Previsualisierung: Previs ist eine grobe Version einer Einstellung, die festlegt, wohin die Kamera geht und wer wo steht. Beim KI-Filmemachen machst du das, bevor du Credits für Video ausgibst.

Was andere Filme gemacht haben: Skizzen und einfache Layouts. A Proper Introduction hat Einstellungen in Blender geblockt und dann jede als Skizze neu gezeichnet, etwa 70 insgesamt. Ulysses begann 158 seiner 349 Bild-Prompts mit einer Skizze. In 'twixt Vows erstellte einfache Weiß-Modell-Layouts in GPT Image 2. 3D Stage gibt dieselbe Kontrolle ohne Modellieren oder Zeichnen.

Wie man es erhält

Das Set aus einem Bild erstellen: Wähle dein Umgebungsbild auf dem Canvas aus und klicke auf To 3D Stage. Der Agent erstellt daraus ein grobes 3D-Set, normalerweise in 2 bis 3 Minuten, sagt Jaime.

Platzhalter durch Fragen hinzufügen: Fordere vom Agent eine einfache Figur pro Charakter an, jede in ihrer eigenen Farbe (Jaimes Anfrage ist unten). Flick hat auch Mannequins, die du posieren kannst, wenn die Körperposition wichtig ist.

Die Kamera hinzufügen: Füge eine Kamera hinzu und beurteile die Einstellung aus ihrem Vorschaufenster, nicht aus dem Editor: Die Aufnahme ist genau das, was die Kamera zeigt.

Modell: Flick Agent, in 3D Stage · Hinweis: Wie im Video gezeigt getippt; eine Farbe pro Charakter

Use a sphere and a cube as a character's head and body. add four characters into the scene. Yellow one lying on the bed in the basement, the red one is beside the bed. The blue one is by the piano at the first floor, and the green one is outside the building on the street.

4.2. Ein 3D-Animatic erstellen, um die Szene zu timen

Film: Happy Souls Alive von Simay Ezer Pekcan (Flick Residency)

Was es ist

Animatic: Ein Animatic ist die Zusammenschnitt der Filmeinstellungen in ihrer echten Länge, bevor die finalen Bilder existieren. In einem 3D-Animatic sind diese Einstellungen aufgenommene Takes deines Blockings, sodass du die Kamerabewegungen und das Timing zusammen prüfst.

Warum vor dem Rendering: Eine Bewegung, die zu lang läuft oder zu früh beginnt, verschwendet eine ganze Video-Aufnahme. Über die Orbit-Bewegung in diesem Happy Souls Alive Shot sagt Simay Ezer Pekcan: "Es richtig hinzubekommen könnte unzählige Wiederholungen erfordern."

Wie man es erhält

Jede Bewegung timen: Jede Kamera und jeder Charakter bekommt eine Spur auf der 3D Stage Timeline, und jede Bewegung ist ein Segment mit eigener Dauer oder Geschwindigkeit. Drücke Rehearse, um die Szene aus der Kameraperspektive abzuspielen und anzupassen, bis die Bewegung zur Aktion passt. Simay hat so die Dauer, Richtung und Distanz ihrer Orbit-Bewegung eingestellt und sie einige Male vorher angesehen, bevor sie aufgenommen hat.

Oder zeitlich zeichnen: Auf einer 3D-Szenen-Karte auf dem Canvas läuft die Szene, während du eine Kamerabewegung zeichnest, und die Bewegung behält die Geschwindigkeit bei, mit der du sie gezeichnet hast, einschließlich Pausen.

Jede Kamera aufnehmen: Record oben auf der Stage nimmt alle Kameras auf, jede während ihres eigenen Segments der Timeline. Die Takes landen auf dem Canvas.

Die Takes zusammenschneiden: Wähle einen Take aus und verwende Add to Timeline, um ihn zum Flick-Videoeditor zu senden. In Reihenfolge sind die Takes dein Animatic: Länge und Schnitte der Szene, überprüft bevor du irgendein Video generierst.

Achte auf: Zwei Bewegungen in einem Take. Flicks Dokumentation empfiehlt einen Job pro Kamera pro Shot und eine Aktion pro Beat (gehen, stoppen, dann drehen), weil eine kombinierte Bewegung schwer mit einem generierten Clip abzustimmen ist.

4.3. Filme es mit deinem Handy für echte Wackelkamera

Was es ist

Wackelkamera: Wackelkamera ist handgehaltenes Footage, bei dem der Bildausschnitt mit den Schritten des Operators wackelt und driftet, sodass sich eine Szene präsent und angespannt anfühlt. In einem Prompt musst du jede kleine Bewegung beschreiben; mit deinem Handy in der 3D-Szene führst du sie aus.

Wie man es erhält

Verbinde dein Handy: Wähle die Kamera aus, ziehe die Manual-Aktion auf ihre Spur, klicke auf Start filming in ihren Eigenschaften, wähle Phone und scanne den QR-Code.

Laufe den Shot ab: Was du auf dem Handy einrahmst, ist das, was die 3D Stage Kamera aufnimmt, Wackeln inklusive. Mache ein paar Übungsdurchläufe, dann tippe auf Record auf dem Handy. Sobald du den Dreh raushast, sagt Jaime, bekommst du "sehr natürliche handgehaltene Kamerabewegung."

Bring es zurück: Der Take erscheint auf der 3D Stage Timeline. Klicke auf Record, um ihn zu erfassen, und sende dann das gewünschte Footage als deinen Blocking-Clip auf den Canvas.

Kannst nicht filmen? Stelle Handheld Shake auf der 3D Stage Kamera in ihren Eigenschaften ein, oder schreibe das Wackeln in den Prompt, wie es In 'twixt Vows für einen Gehshot getan hat:

Model: Seedance 2.0 (In 'twixt Vows) · Hinweis: Referenz zu Video; Kürzungen markiert mit …

… Camera: one continuous handheld shot. … The follow is imperfect and human, with clear handheld presence throughout: visible footstep bob, irregular body sway, small balance corrections, and slight reframing as the operator walks through wet uneven ground. The camera movement is steady in intention but physically unstable from walking. … No cuts, zooms, push-ins, or pull-outs. …

Worte, die die Arbeit machen: "visible footstep bob, irregular body sway, small balance corrections" erzeugen das Wackeln; "steady in intention" hält die Verfolgung lesbar.

4.4. Vom Blocking-Clip zum finalen Shot

Die Regel

Jede Referenz bekommt eine Aufgabe: Ihre Bilder steuern den Look: Gesichter, Kostüme, Set und Licht. Der Blocking-Clip steuert nur den Kamerapfad, das Timing und wo alle stehen. Wie Simay es ausdrückt: „Das 3D-Video ist nur für die Kamerabewegung."

Wie man es erhält

Den Agenten briefen: Jaime fügt zunächst Flicks zwei Seedance-Prompt-Leitfäden in Notizen ein und teilt dem Agenten mit, dass dies seine Regeln für Seedance-Prompts sind, und speichert sie dann als Projektgedächtnis (Flicks Dokumentation nennt diese Chat-Regeln). Er sagt ihm, was der Blocking-Clip steuert und welche Farbe welche Person ist (erste Box), und es schreibt den Seedance 2.5-Prompt (zweite Box).

Generieren: Fügen Sie den Prompt in Omni Reference mit dem Blocking-Clip, den Charakterbögen und dem Set ein. Jaimes 30-Sekunden-Take in 720p kostete 1.440 Credits, etwa 48 pro Sekunde.

Oder von einem fertigen Frame starten: Simay verwendete Extract Frame auf ihrem 3D-Take, ersetzte die Platzhalter durch ihre Charaktere, um einen gemalten ersten Frame zu erstellen, und gab Seedance dann diesen Frame, den Charakterbogen und die 3D-Bewegung. Flicks Dokumentation schlägt dasselbe vor: Der Frame leitet die Eröffnung, die Aufnahme leitet die Bewegung.

Modell: Flick-Agent · Hinweis: Eingegeben wie im Video gezeigt; Kürzungen mit … markiert

I'll be using these assets as references in our omni seedance 2.5 videos. the 3d blocking video controlls the camera movements and shots composition, we also have our environment and characters references. Specify the yellow proxy represents the resistance wounded soldier, the red represents the doctor, the blue for pianist, and the green for patrol soldier. the doctor is doing a surgery to the wounded soldier, … pianist is playing piano like crazy trying to cover up the sound, the patrol soldier … loads his weapon in the end. Give me a seedance 2.5 prompt…

Modell: Seedance 2.5, Omni Reference · Hinweis: 720p, 30 s; vom Agenten geschrieben

For all four characters, identity, facial structure, hairstyle, body proportions, outfit, and all visible wounds, stains, and equipment 100% match their respective image references.

… reference only the blocking. Camera trajectory, framing, height, angle, roll, recorded handheld movement, timing, architectural layout, occlusion, character locations, relative scale, and base facing directions remain 100% unchanged. Add the articulated performances below within these established positions.

Live-action appearance, natural skin texture, subtle lens softness, and fine photographic grain.

…

Wenn der Agent eine Regel übersieht: Weisen Sie genau darauf hin, was er falsch gemacht hat, damit er es korrigiert und nicht wiederholt. Deshalb bittet Jaime Sie, die Leitfäden selbst zu lesen.

Achten Sie auf: Einen 3D-Screenshot direkt in ein Foto umzuwandeln. Jaime stellte fest, dass Blender-Screenshots synthetisch aussahen, weshalb A Proper Introduction zunächst über Skizzen ging.

Wann es zu verwenden ist: Wenn der Kamerapfad oder die Positionen wichtig sind und Prompts es weiterhin verfehlen. Jaime schreibt, dass er immer zuerst mit Prompts versucht; in In 'twixt Vows nahm er einen Shot zu 3D Stage, weil die Kamera sich genau um 90 Grad drehen musste.

682 Personen haben 1.833 Takes in 3D Stage aufgenommen (Flick-Daten, letzte 90 Tage, Oktober 2026, Flick-Mitarbeiter ausgeschlossen).

Schritt 5: Fertige Standbilder animieren und jeder Referenz eine Aufgabe geben

Die meisten Shots in diesen Filmen beginnen mit einem fertigen Standbild oder einer Reihe von Referenzbildern, nicht allein aus Text. Der Video-Prompt übernimmt dann drei Aufgaben: Er sagt, was jede Referenz steuert, positioniert die Kamera und beschreibt die Aktion der Reihe nach.

5.1. Sage, was jede Referenz steuert

Wie man es erhält

In 'twixt Vows: 183 der 263 beibehaltenen Video-Prompts verknüpfen jede Figur mit ihrem Bogen durch eine „Erscheinungsübereinstimmung"-Zeile, und 97 übergeben zusätzlich einen Sprachclip für die Stimme und den Akzent der Figur. 130 nummerieren ihre Einstellungen („Shot 1"), damit Seedance innerhalb eines Clips schneiden kann.

Embedding Valley: 62 der 86 beibehaltenen Video-Prompts übergeben einen Sprachclip, 76 geben genau an, wie viele Einstellungen erstellt werden sollen, und 45 fordern harte Schnitte ohne Überblendungen.

Modell: Seedance 2.0 (Embedding Valley) · Hinweis: @ benennt ein Canvas-Element; der chinesische Name des Bogens bedeutet Drei-Ansichten-Figurenbogen

Congxing's appearance match @Congxing 三视图角色设定 100%.
Reference Congxing's voice and accent from @Usage Growth Projection.
…
Exactly 2 shots in total.
Exactly 1 hard cut.
Do not create any additional shots.
Do not morph, dissolve, or add transitions between the shots.
…

5.2. Setze zuerst die Kamera, dann eine Handlung nach der anderen

Wie man es erhält

A Proper Introduction: 191 der 206 beibehaltenen Video-Prompts beginnen mit der Kamera, handgehalten oder fixiert, und beschreiben dann die Handlung Zeile für Zeile. 163 fordern keine Hintergrundmusik und überlassen den Ton dem Schnitt.

In Our Time: 62 der 98 Video-Prompts beginnen mit einer fixierten Kamera und benennen dann das eine Element, das sich bewegen darf.

Verbindung von Einstellungen: Für 44 der Clips von The Herder erhielt das Modell ein erstes und ein letztes Bild und füllte die Bewegung dazwischen aus. The Little Fox's Dream zog 20 Bilder aus fertigen Clips, damit die nächste Einstellung dort beginnt, wo die letzte endete.

Modell: Seedance Pro (In Our Time)

Locked camera, same composition and style as the source image: woodcut-like linework, strict two-tone palette of deep desaturated blue and off-white, no new details, no change in lighting, no extra textures.
Only animate the salmon and the waterfall inside the doorway; the doorway, trench, sky and foreground stay completely still.
…

Modell: Seedance 2.5 (Sonny's worth) · Hinweis: Die Wiederholung, die funktionierte

The woman screams hysterically: "Do it!"
when she says "it!", the camera quickly zoom pans into her mouth until the screen is dark
don't fade to black, the scene should be at full opacity the entire duration, it just zooms into the darkness of her mouth
don't start the zoom in until she says "it", before that camera should be locked

Achte auf: Eine Bewegung, die zu früh beginnt, oder eine Überblendung, die niemand angefordert hat. Der Schrei in Sonny's worth wurde zunächst als Videobearbeitung versucht, dann mit dem genauen Moment, in dem der Zoom beginnen darf, und was nicht passieren darf, neu generiert (zweiter Kasten).

Schritt 6: Schneide den Film und füge Ton in Flick hinzu

Die Aufschlüsselungen sagen weniger über den Schnitt aus als die früheren Schritte. Was sie zeigen: Stimmen und Musik wurden neben den Bildern generiert, und von den 9 beschreibt nur die Sonny's worth-Aufschlüsselung den Schnitt: Er wurde in Flicks Video-Editor erstellt.

• Nimm die Stimmen vor dem Video auf, wenn es Dialoge gibt. Embedding Valley generierte 15 ElevenLabs v3 Sprachclips und übergab sie an Seedance als Sprachreferenzen. Die Musik besteht aus 12 Stücken, die mit Eleven Music erstellt wurden.
• Untertitel und der Schnitt. Sonny's worth erstellte seine Dialoge mit ElevenLabs v3 und Untertitel mit ElevenLabs Scribe und wurde in Flicks Video-Editor mit Trims, Clip-Effekten, Anpassungsebenen und Titeltext geschnitten.
• Erstelle Grafiken im Look des Films. Embedding Valleys Namensschilder wurden ebenfalls als Papierschnitte generiert, damit die Titel zur selben Welt gehören.
• Schneide früh und ohne Gnade. Flicks Academy empfiehlt, früh einen Rohschnitt des gesamten Films zusammenzustellen und eine Einstellung zu verwerfen, die der Geschichte nicht hilft, auch wenn sie schwierig oder teuer zu erstellen war.

Welche KI-Modelle Filme erstellen und was eine Aufnahme kostet

Die 9 Filme basieren auf einigen wenigen Modellen. Nano Banana Pro ist das Hauptbildmodell in 5 von ihnen; in den anderen 4 sind es Nano Banana (2 Filme), GPT Image 2 oder Midjourney. Für Bewegung verwendeten 8 der 9 Filme Seedance, und Kling war das Hauptvideomodell in 3.

Modell	Typische Credits	Typische Zeit
GPT Image 2	etwa 9	etwa 75 s
GPT Image 2.5	etwa 9	etwa 33 s
Nano Banana Pro	etwa 32	etwa 45 s
Seedance 2.0 Mini mit Referenzen	etwa 77	etwa 3,5 Min.
Seedance 2.0 mit Referenzen	etwa 344	etwa 5 Min.
Seedance 2.5 mit Referenzen	etwa 550	etwa 6 Min.

Flick-Daten, erfolgreiche Generierungen in den letzten 90 Tagen, Oktober 2026. Durchschnittswerte; eine längere oder höher aufgelöste Aufnahme kostet mehr.

Grobe Rechnung für eine fertige Minute: Der durchschnittliche Film erzeugte etwa 26 Videogenerierungen pro fertige Minute. Bei etwa 344 Credits pro Aufnahme mit Seedance 2.0 und Referenzen entspricht das knapp 9.000 Credits für Video, ohne jegliche Bilder. Betrachten Sie dies als Größenordnung, da die Aufnahmelängen variieren und mehrere dieser Filme günstigere oder ältere Modelle verwendeten.

Machen Sie Ihren ersten KI-Film in Flick

Registrieren Sie sich, öffnen Sie ein Canvas und blockieren Sie Ihre erste Szene in 3D, bevor Sie generieren.

Jedes Konto erhält 100 kostenlose Credits bei der Anmeldung und jeden Montag 100 weitere.

Erstellen Sie Ihr kostenloses Flick-Konto →

Weiter geht's

• Animationsstile für KI 15 Looks, jeweils mit dem echten Prompt aus einem in Flick erstellten Film.
• KI-Kamerabewegungen 12 Kamerabewegungen mit Prompt-Formulierung und wann man stattdessen eine Bewegung in 3D zeichnet.
• Behind In 'twixt Vows Jaime Yao über reale Referenzen, welches Modell was macht und 3D Stage-Kameraarbeit.
• Wie ich einen Wikingerfilm mit KI gemacht habe Jaime Yaos vollständiger Ulysses-Workflow, von Skizzen bis zu Kling-Dialogaufnahmen.
• Behind The Herder Wie der Miniatur-Look und die Turnaround-Sheets entstanden sind.
• Machen Sie Ihren ersten Film (Flick Academy) Flicks Schritt-für-Schritt-Kurs, vom Story-Brief bis zum fertigen Schnitt.
• Leitfaden für Bildgenerierungs-Prompts (Docs) Der Leitfaden, den Jaime als Agentenregeln für Standbilder speichert.
• Seedance-Performance-Leitfaden (Docs)
• Seedance-Action-Leitfaden (Docs)
• 3D Stage-Grundlagen (Docs) Platzhalter, Props und Kameras; der Agent kann die Szene aus Ihrem Bild erstellen.
• 3D Stage-Kameras (Docs) Objektiv, Bildausschnitt und jede Kameraaktion, einschließlich manuell.
• 3D Stage-Export (Docs) Nehmen Sie eine Kamera oder alle auf, dann verwenden Sie die Aufnahme in Omni Reference.
• Omni Reference (Docs) Welche Referenz was steuert: Startbild, Charakter, Bewegung und Stimme.
• Mit dem Agenten sprechen (Docs) Wie man den Agenten briefed und wo Chat-Regeln gespeichert werden.

Über den Autor

Bilguun Bayarkhuu ist Growth Engineer bei Flick. Dieser Leitfaden basiert auf den öffentlichen Workflow-Aufschlüsselungen von 9 in Flick erstellten Filmen von Jaime Yao und Zoey Z., aus Jaimes 3D-Tutorial auf Flicks YouTube-Kanal und aus Simay Ezer Pekcans Happy Souls Alive-Tutorial.

Häufig gestellte Fragen

Kann ich einen Film mit KI machen?

Ja, und zwar allein. Ulysses, ein 4:36-Kurzfilm, wurde von einer Person ohne Crew gemacht, und To My Grandma (1:38) benötigte nur 22 Bilder und 13 Videoclips. Die Arbeit liegt in der Planung: Beats, ein Look, Referenzbögen und ein Plan für jede Aufnahme, dann Video.

Wie werden KI-Filme gemacht?

Die meisten der oben genannten Filme folgen dieser Reihenfolge: die Beats schreiben, einen Look festlegen, Referenzbögen für die Hauptcharaktere und Sets erstellen, jede Aufnahme mit einer Skizze oder durch Blockieren in 3D planen, den Plan in fertige Standbilder umsetzen, die Standbilder mit einem Videomodell wie Seedance oder Kling animieren, dann mit Stimmen, Musik und Untertiteln schneiden. Etwa 72 % aller Generierungen waren Standbilder.

Wie lange dauert es, einen KI-Film zu machen?

Jaime Yao hat Ulysses (4:36) in etwa 8 Tagen erstellt, mit 432 Generierungsjobs, und er sagt, dass die meiste Zeit für die Auswahl zwischen Takes draufging und nicht für das Warten auf Renderings. In Flick dauert ein Video-Take normalerweise 3,5 bis 6 Minuten zum Generieren, und ein Bild unter anderthalb Minuten.

Wie viel kostet es, einen KI-Film zu machen?

In Flick wird in Credits bezahlt, und Video macht den größten Teil aus: etwa 344 bis 550 Credits für einen typischen Seedance 2.0 oder 2.5 Take mit Referenzen, gegenüber etwa 9 bis 32 für ein Bild. Die 9 Filme oben haben im Median etwa 26 Video-Generierungen pro fertiger Minute erstellt. Flicks monatliche Pläne beinhalten 500 (Casual), 2.500 (Standard), 8.000 (Pro) oder 24.000 (Studio) Credits.