Text zu Video: Szene beschreiben, Videoclip erhalten
Text zu Video macht aus einer geschriebenen Beschreibung einen Videoclip. Im Video-Tool von shuut kannst du nur mit Text starten. Ein Bild oder Footage brauchst du nicht.
In shuut beherrschen mehrere Modelle Text zu Video. Sie unterscheiden sich darin, ob sie deine Sätze sprechen, wie sie mit Ton umgehen und wie lang ein einzelner Clip sein kann.
Passende Modelle
| Modell | Entwickelt von | Preis | Niedrigster Preis | Länge |
|---|---|---|---|---|
| Seedance 2.5 | ByteDance | 26 Credits pro Sekunde | 12 Credits pro Sekunde | 4–30 Sekunden |
| Veo 3.1 | 44 Credits pro Sekunde | 22 Credits pro Sekunde | 4 Sekunden, 6 Sekunden und 8 Sekunden | |
| Kling 4.0 | Kuaishou | 18 Credits pro Sekunde | 18 Credits pro Sekunde | 3–30 Sekunden |
| Seedance 2.0 | ByteDance | 17 Credits pro Sekunde | 8 Credits pro Sekunde | 4–15 Sekunden |
| MiniMax H3 | MiniMax | 10 Credits pro Sekunde | 10 Credits pro Sekunde | 4–15 Sekunden |
| Wan 3.0 | Alibaba | 11 Credits pro Sekunde | 6 Credits pro Sekunde | 2–30 Sekunden |
| Grok Imagine Video 1.5 | xAI | 16 Credits pro Sekunde | 9 Credits pro Sekunde | 1–15 Sekunden |
| Omni 1.2 Flash | 8 Credits pro Sekunde | 3 Credits pro Sekunde | 3–15 Sekunden | |
| HappyHorse 1.1 | Alibaba | 16 Credits pro Sekunde | 8 Credits pro Sekunde | 3–15 Sekunden |
Die Preise sind in Credits angegeben (1 Credit = 0,01 US$) und werden pro Nutzung von deinem shuut-Guthaben abgezogen. Vor jeder Generierung siehst du den genauen Preis.
So funktioniert Text zu Video in shuut
Öffne das Video-Tool und wähl ein Modell aus der Liste.
Beschreib die Szene im Prompt: Wer ist zu sehen, wo spielt sie, was bewegt sich und wie verhält sich die Kamera.
Soll eine Figur etwas sagen, setz den Satz in Anführungszeichen und wähl ein Modell, das Sätze in Anführungszeichen spricht.
Bei Modellen mit Ton-Schalter schaltest du den Ton ein oder aus, bevor du „Erstellen“ drückst.
Für mehr als eine Einstellung macht Director Studio aus einer Szenenbeschreibung ein Storyboard und dann einen Film.
Welche Modelle Text zu Video können und wie sie sich unterscheiden
Seedance 2.5, Kling 4.0, Veo 3.1, Veo 3.1 Fast und Omni 1.2 Flash sprechen Sätze, die du in Anführungszeichen setzt.
Kling 4.0 (von Kuaishou), Grok Imagine Video 1.5, HappyHorse 1.1, Omni 1.2 Flash, MiniMax H3 Highspeed und H3 Lite fügen dem Clip immer Ton hinzu.
Bei Seedance, Veo 3.1 und Wan 3.0 entscheidest du, ob der Clip Ton hat. MiniMax H3 selbst erstellt Videos ohne Ton.
Seedance 2.5, Kling 4.0 und Wan 3.0 können einen langen einzelnen Clip erstellen. Sie passen also zu Szenen, die mehr Zeit brauchen.
Veo 3.1 ist das Videomodell von Google. Veo 3.1 ist das Veo mit der höchsten Qualität, in 1080p mit Dialog und Umgebungston. Veo 3.1 Fast ist schneller und günstiger und erstellt trotzdem Dialog und Soundeffekte.
Seedance 2.5 stammt von ByteDance und geht bis 1080p. Seedance 2.5 Flash ist schneller und günstiger, in 480p und 720p.
Tipps für einen Text-zu-Video-Prompt
Schreib die gesprochenen Worte genau so, wie sie klingen sollen, in Anführungszeichen.
Seedance 2.5 spricht auch koreanische Sätze.
Willst du einen Clip ohne Ton, wähl MiniMax H3 oder schalte bei Seedance, Veo 3.1 oder Wan 3.0 den Ton aus.
Sieh dir die Spalte „Länge“ in der Tabelle auf dieser Seite an, bevor du ein Modell für eine längere Szene wählst.
Seedance 2.5 und Veo 3.1 nehmen auch eine Start- und eine Endszene an, falls du den Clip später mit Bildern steuern willst.
Kommen echte Personen im Video vor, prüf, ob der Ort, an dem du es veröffentlichst, eine Kennzeichnung als KI-generiert verlangt.
So erstellst du einen Text-zu-Video-Clip in shuut
- Öffne das Video-Tool in shuut.
- Wähl ein Modell, zum Beispiel Seedance 2.5, Kling 4.0 oder Veo 3.1.
- Beschreib die Szene und setz gesprochene Sätze in Anführungszeichen.
- Schalte den Ton ein oder aus, wenn das Modell die Wahl bietet.
- Drück „Erstellen“, um deinen Videoclip zu erhalten.
Häufige Fragen
- Welches Text-zu-Video-Modell kann meinen Dialog sprechen?
- Seedance 2.5, Kling 4.0, Veo 3.1, Veo 3.1 Fast und Omni 1.2 Flash sprechen Sätze, die du in Anführungszeichen setzt. Seedance 2.5 spricht auch Koreanisch.
- Wie lang kann ein Text-zu-Video-Clip sein?
- Die Cliplängen jedes Modells stehen in der Spalte „Länge“ der Tabelle auf dieser Seite. Seedance 2.5, Kling 4.0 und Wan 3.0 erstellen die längsten einzelnen Clips.
- Veo 3.1 oder Veo 3.1 Fast: Was passt zu meinem Clip?
- Veo 3.1 ist das Veo mit der höchsten Qualität, in 1080p mit Dialog und Umgebungston. Veo 3.1 Fast ist schneller und günstiger und erstellt trotzdem Dialog und Soundeffekte.
- Kann ein Text-zu-Video-Clip ohne Ton entstehen?
- Ja. MiniMax H3 erstellt Videos ohne Ton, und bei Seedance, Veo 3.1 und Wan 3.0 kannst du den Ton ausschalten.
- Was kostet Text zu Video in shuut?
- Jedes Modell zeigt seinen Preis als Angebot an, bevor du „Erstellen“ drückst. Bei Veo 3.1 unterscheidet sich der Preis mit und ohne Ton.
Was du erstellen kannst
- Bild zu Video mit KI: aus einem Foto einen bewegten Clip machen
- KI-Shorts erstellen: vertikale Clips, Untertitel und Seitenverhältnis in shuut
- KI-Video-Upscaler: Clips und Fotos auf 4K vergrößern
- Lippensynchrones KI-Video mit Kling Lip Sync
- Sprechendes KI-Avatar-Video aus Foto und Stimme
- KI-UGC-Video aus Personenfoto, Produktfoto und Skript
Aktualisiert am 17. November 2026
Bevor du startest
Du zahlst pro Ergebnis und erhältst ein Preisangebot, bevor du „Erstellen“ drückst; Abos sind optional.
Motion-Shot, Untertitel und Seitenverhältnis ändern sind nach der Registrierung kostenlos.
Abschnitt 9 der Nutzungsbedingungen regelt die kommerzielle Nutzung; der Umfang hängt vom Modell und von der Vereinbarung ab, und die Prüfung von Rechten, Werberegeln und KI-Kennzeichnungen liegt bei dir.
shuut steht in keiner Verbindung zu den Modellherstellern.