Beispiele und ihre Prompts
Echte Ergebnisse aus diesem Generator. Ein Prompt kann unverändert verwendet oder kopiert und angepasst werden.
KI-Videomodelle im Vergleich
Alle 35 Videomodelle mit ihren Stärken, der maximalen Länge und Auflösung, der Tonausgabe und den akzeptierten Eingaben. Die Angaben stammen aus den veröffentlichten Spezifikationen des jeweiligen Modells, die Preise aus der aktuellen Preisliste, berechnet wie im Generator.
Modellliste aktualisiert am
| Modell | Geeignet für | Funktion | Länge · Auflösung | Eingaben | Heutiger Preis |
|---|---|---|---|---|---|
Seedance 1.0 Pro FastBytePlus | Multi-shot video from text or image |
| 2–12 s480p–1080p | Bis zu 1 Bild | |
Gemini Omni 1.1 FlashGoogle | Keyframe and image references up to 4K |
| 3–10 s360p–4K | Bis zu 10 Bilder · 3 Videos | |
Gemini Omni FlashGoogle | Image and clip references with audio |
| —— | Bis zu 6 Bilder · 1 Video | |
Grok Imagine Video 1.0xAI | Text and still-image video generation |
| 1–15 s480p–720p | Bis zu 7 Bilder | |
Grok Imagine Video 1.5 LitexAI | Low-cost draft video clips |
| 1–15 s480p–1080p | Bis zu 1 Bild | |
Grok Imagine Video 1.5xAI | Multi-reference video with audio |
| 1–15 s480p–1080p | Bis zu 7 Bilder | |
Happy Horse 1.0Alibaba | Physically realistic motion-smooth video |
| 3–15 s720p–1080p | Bis zu 9 Bilder · 1 Video | |
Happy Horse 1.1Alibaba | Stable subject and scene referencing |
| 3–15 s720p–1080p | Bis zu 9 Bilder | |
Kling O3Kling | Reference and edit video modes |
| 3–15 s720p–4K | Bis zu 16 Bilder · 1 Video | |
Kling O1Kling | Image-to-video and video editing |
| 5–10 s— | Bis zu 4 Bilder · 1 Video | |
Kling 2.6 Motion ControlKling | Motion transfer with original audio |
| —720p–1080p | Bis zu 1 Bild · 1 Video | |
Kling 3.0Kling | Text-to-video with element library |
| 3–15 s720p–4K | Bis zu 2 Bilder | |
Kling 3.0 Motion ControlKling | Motion control with facial consistency |
| —720p–1080p | Bis zu 1 Bild · 1 Video | |
Kling 3.0 TurboKling | Faster text and image video generation |
| 3–15 s720p–1080p | Bis zu 1 Bild | |
Kling 4.0Kling | Long takes with keyframe control |
| 3–30 s720p–1080p | Bis zu 10 Bilder · 5 Videos | |
MiniMax H3MiniMax | 2K short video generation |
| 4–15 s768p–2K | Bis zu 9 Bilder · 3 Videos · 3 Audiodateien | |
MiniMax H3 MaxMiniMax | High-volume video with references |
| 5–15 s480p–768p | Bis zu 2 Bilder | |
MiniMax H3 Max TurboMiniMax | High-volume first-frame video |
| 5–15 s480p–768p | Bis zu 2 Bilder | |
Hailuo 02MiniMax | Extreme physics mastery for complex motion |
| 6–10 s512p–1080p | Bis zu 2 Bilder | |
Hailuo 2.3MiniMax | Expressive characters across art styles |
| 6–10 s768p–1080p | Bis zu 1 Bild | |
OmniHuman 1.5BytePlus | Multi-character interaction video generation |
| —— | Bis zu 1 Bild · 1 Audiodatei | |
Seedance 1.5 ProBytePlus | Joint audio-video with lip-sync |
| 4–12 s480p–1080p | Bis zu 2 Bilder | |
Seedance 2.0 FastBytePlus | Faster multimodal video up to 720p |
| 4–15 s480p–720p | Bis zu 9 Bilder · 3 Videos · 3 Audiodateien | |
Seedance 2.0BytePlus | Real-person-style video generation |
| 4–15 s480p–4K | Bis zu 9 Bilder · 3 Videos · 3 Audiodateien | |
Seedance 2.0 MiniBytePlus | Lower-cost 480p video drafts |
| 4–15 s480p–720p | Bis zu 9 Bilder · 3 Videos · 3 Audiodateien | |
Seedance 2.5BytePlus | Long multi-reference video clips |
| 4–30 s480p–1080p | Bis zu 30 Bilder · 10 Videos · 10 Audiodateien | |
Tencent Video UpscaleTencent | Video enhancement up to 4K |
| —720p–4K | Bis zu 1 Video | |
Veo 3.1 FastGoogle | Lower-cost cinematic video |
| 4–8 s720p–4K | Bis zu 3 Bilder | |
Veo 3.1 ProGoogle | Cinematic video with first and last frames |
| 4–8 s720p–4K | Bis zu 3 Bilder | |
Veo 3.1 LiteGoogle | Efficient cinematic video generation |
| 4–8 s720p–1080p | Bis zu 2 Bilder | |
Wan 2.5Alibaba | Text-to-video with synchronized audio |
| 5–10 s480p–1080p | Bis zu 1 Bild | |
Wan 2.6Alibaba | Multi-shot narrative with audio sync |
| 2–15 s720p–1080p | Bis zu 1 Bild · 3 Videos · 1 Audiodatei | |
Wan 2.7Alibaba | Multi-shot narratives and style transfer |
| 2–15 s720p–1080p | Bis zu 17 Bilder · 1 Video · 5 Audiodateien | |
Wan 3.0Alibaba | 30-second video from mixed references |
| 2–30 s480p–1080p | Bis zu 10 Bilder · 5 Videos · 5 Audiodateien | |
Wan 3.0 PrimeAlibaba | Faster interactive video previews |
| 2–30 s480p–1080p | Bis zu 10 Bilder · 5 Videos · 5 Audiodateien |
KI-Video erstellen
In vier Schritten von einer Beschreibung oder einem Standbild zur bewegten Einstellung.
Videomodell auswählen
Die Modellkarte befindet sich über dem Prompt-Feld. Für jedes Modell sind seine Aufgaben aufgeführt: Text zu Video, Bild zu Video, Referenzen, Bearbeiten oder Verlängern. Beim Wechsel des Modells bleibt der Prompt erhalten.
Szene beschreiben oder Frame hochladen
Es wird ein Prompt eingegeben oder ein erster Frame hochgeladen, bei Modellen mit entsprechender Unterstützung auch ein letzter Frame. Upload-Felder erscheinen nur für Eingaben, die das gewählte Modell akzeptiert.
Länge, Auflösung und Ton festlegen
Angezeigt werden nur Einstellungen, die das Modell unterstützt. Vor dem Klick zeigt die Schaltfläche „Generieren“ an, wie viele Credits dieser Durchlauf kostet.
Generieren und herunterladen
Mit „Generieren“ wird der Vorgang gestartet. Der Clip erscheint unter „Zuletzt erstellt“ und im Verlauf. Dort lässt er sich herunterladen, umbenennen oder mit seinen Einstellungen für den nächsten Take wiederverwenden.
Vom Referenzbild zur Bewegung
Ausgangspunkt ist ein Standbild: Das Modell behält dessen Aussehen bei und setzt es in Bewegung.
- Referenzbild
- Wird generiert
- Bewegte Einstellung
Häufige Fragen
Antworten auf die häufigsten Fragen.
Was ist ein KI-Videogenerator?
Ein KI-Videogenerator erzeugt aus einem Text-Prompt, einem Standbild oder Referenzmaterial einen neuen Videoclip. Bei Arumi wird eines von 35 Videomodellen ausgewählt, die Szene beschrieben und vom Modell gerendert. Anschließend lässt sich der Clip herunterladen oder mit seinen Einstellungen für den nächsten Take wiederverwenden.
Ist der KI-Videogenerator kostenlos?
Die Videogenerierung verbraucht Credits. Kostenlose Credits, etwa aus dem Willkommensbonus oder dem täglichen Check-in, gelten hier für die niedrigste Qualität und Auflösung des jeweiligen Modells. Höhere Einstellungen und kostenpflichtige Extras wie generierter Ton erfordern ein Credit-Paket. Es wird einmalig gekauft und verlängert sich nicht. Die verfügbaren Pakete sind auf der Seite „Preise“ aufgeführt.
Welches KI-Videomodell ist das beste?
Ein einzelnes bestes Modell gibt es nicht. Die Modelle unterscheiden sich bei Bewegung, Realismus, Länge, Auflösung und Ton. Der Vergleich auf dieser Seite zeigt die Stärken und Grenzen der einzelnen Modelle. Bewährt hat sich folgendes Vorgehen: Kurze Entwürfe in niedriger Auflösung entstehen mit einem günstigeren Modell, die finale Szene wird mit dem Modell gerendert, dessen Bildwirkung überzeugt.
Kann aus einem Foto ein Video entstehen?
Ja. Dafür wird ein Modell gewählt, bei dem Bild zu Video aufgeführt ist. Das Bild wird als erster Frame hochgeladen und die Bewegung im Prompt beschrieben. Einige Modelle akzeptieren zusätzlich einen letzten Frame und ergänzen die Bewegung dazwischen. Der Ausgang von einem Bild bietet die zuverlässigste Kontrolle über das Aussehen des Clips.
Wie lang kann ein KI-Video sein?
Je nach Modell bis zu 30 Sekunden pro Generierung. Bei den meisten Modellen wird die Länge vor dem Generieren gewählt. Einige Modelle können außerdem einen vorhandenen Clip verlängern. Für längere Beiträge werden die Szenen einzeln generiert und anschließend zusammengeschnitten.
Welche Auflösung haben die Videos?
Je nach Modell bis zu 4K. Höhere Auflösungen kosten mehr Credits und benötigen mehr Zeit. Deshalb empfiehlt es sich, in niedriger Auflösung zu testen und die endgültige Version in der höchsten Stufe zu rendern.
Können die Videos Ton haben?
18 der 35 Videomodelle bieten eine Ton-Option und erzeugen Dialoge, Geräusche oder Musik zusammen mit dem Bild. Die Option wird vor dem Generieren eingeschaltet. Welche Modelle das sind, zeigt der Filter „Mit Ton“ im Vergleich.
Wie lange dauert die Generierung eines Videos?
Je nach Modell, Länge und Auflösung zwischen weniger als einer Minute und mehreren Minuten. Die Generierung läuft weiter, wenn die Seite verlassen wird. Der fertige Clip erscheint unter „Zuletzt erstellt“ und im Verlauf.
Was kostet ein KI-Video?
Der Preis hängt von Modell, Länge, Auflösung und Ton ab. Der Vergleich zeigt für jedes Modell den niedrigsten Preis nach den heutigen Tarifen. Der Generator zeigt vor dem Klick den Preis für die gewählten Einstellungen an. Bei erfolgreicher Generierung werden genau die angezeigten Credits berechnet.
Dürfen die Videos kommerziell genutzt werden?
Im Verhältnis zwischen dir und Arumi stehen dir die für dich generierten Videos zur Nutzung zu. Es gelten die Nutzungsbedingungen von Arumi, die Bedingungen des Anbieters, der das Modell betreibt, und die gesetzlichen Regelungen. In einigen Ländern besteht für maschinell erzeugte Werke kein Urheberrecht. Für die Rechte an hochgeladenen Inhalten bist du selbst verantwortlich.
Was geschieht mit Prompts und Uploads?
Uploads werden privat gespeichert und sind nur für dich zugänglich, solange du angemeldet bist. Prompts, Uploads und Ergebnisse werden nicht zum Training eigener Modelle verwendet. Zur Erstellung eines Videos werden der Prompt und die Referenzdateien an den Anbieter übermittelt, der das gewählte Modell betreibt.
Was geschieht, wenn ein Video fehlschlägt oder blockiert wird?
Jede Anfrage durchläuft eine Inhaltsprüfung, bevor sie das Modell erreicht. Wird eine Generierung von dieser Prüfung oder vom Sicherheitssystem des Modells gestoppt oder schlägt das Modell fehl, nennt die Karte den Grund und gibt an, ob Credits berechnet wurden. Von der eigenen Prüfung gestoppte Anfragen und Fehler auf Seiten von Arumi werden nie berechnet.
Keine passende Antwort gefunden? E-Mail an support@arumi.ai.
Erstes KI-Video erstellen
Modell auswählen, Szene beschreiben und die Credits vor dem Klick auf „Generieren“ einsehen.


