KI-Video für Podcast-Clips: Hochformat-Schnitte, Loops und Cover

Ein Podcast hat ein Verbreitungsproblem, das nichts mit Audio zu tun hat. Die Folge ist gut. Aber die Clips, die die Folge verkaufen sollen, brauchen Bilder – und mit Bildern wolltest du eigentlich nie etwas zu tun haben. Die meisten Podcaster landen bei denselben drei Optionen: eine Wellenform auf einem farbigen Rechteck, eine Kamera, die auf ein Mikrofon zeigt, oder gar nichts. Generiertes Video ist eine vierte – vorausgesetzt, du weißt genau, welche Teile der Arbeit es übernimmt und welche es nicht anfasst.

Was eroq mit deiner Folge nicht macht

Das sollte klar sein, bevor du einen Workflow darum herum planst. eroq nimmt keine Podcast-Datei und gibt dir untertitelte Hochformat-Clips zurück. Es gibt keine Pipeline, die eine MP3 einliest, den guten Moment findet, Untertitel einbrennt und ein Reel exportiert. Nichts in eroq trimmt, schneidet, untertitelt, blendet über oder macht ein Grading – es rendert Assets, und dann ist Schluss.

Was es gibt, ist die Transkriptionshälfte. Scribe One ist Speech-to-Text für 1 Credit pro Audiominute, nimmt Dateien bis 8 MB und erkennt die Sprache automatisch. Es liefert dir die Worte. Die sechzig Sekunden auswählen, die sich als Clip lohnen, die Untertitel übers Bild legen und die Hochformat-Datei exportieren – das alles passiert in deinem Schnittprogramm, genau wie heute.

Die ehrliche Arbeitsteilung für einen Podcast sieht also so aus: eroq macht die Bilder, Scribe One macht den Text, und dein Schnittprogramm bringt beides mit dem Audio zusammen, das du schon hast.

Drei visuelle Assets pro Folge

Pro Folge lohnt es sich, drei Dinge zu rendern:

1. Ein Atmo-Loop – der Bildhintergrund, der unter dem Zitat läuft, während der Gast spricht. Ein regennasses Fenster, eine Schreibtischlampe um 2 Uhr nachts, eine Autobahn in der Dämmerung. Mit dem Thema hat er nichts zu tun – aber alles damit, keine Wellenform zu sein.
2. Bildmaterial für drei oder vier Hochformat-Clips – ein kurzer Clip pro Moment, den du ausschneiden willst, in 9:16, damit dieselbe Folge mehrere Posts ergibt, die sich nicht gleichen.
3. Ein Episodencover – ein quadratisches Bild, das erkennbar zur Familie deiner Show gehört.

Der Loop ist das Asset mit der größten Hebelwirkung, weil er wiederverwendbar ist. Eine Show mit sechs Loops in Rotation muss für eine normale Folge nie wieder etwas rendern.

Der Prompt für den Atmo-Loop

Das Tool „Video“ nimmt einen durchgehenden Absatz – Motiv, Bewegung, Kamera, Licht, Stimmung – und arbeitet das Regiepult für dich mit ein:

Regen läuft nachts an einem dunklen Bürofenster herab, statische Einstellung, während Scheinwerfer auf der Straße darunter zu Bokeh verschwimmen und im Vordergrund unscharf eine Schreibtischlampe leuchtet, anamorphotisches Objektiv bei f/1.4, Neon-Noir-Palette, nur Practicals, ruhiges Tempo, Arthouse-Look, Nahaufnahme.

Statisch ist hier die richtige Kamerabewegung, und es lohnt sich zu sagen, warum. Ein Loop läuft dreißig Sekunden lang unter Sprache; eine Ranfahrt, die irgendwo ankommt, ist eine Einstellung – ein Bild, das sich kaum bewegt, dagegen ein Hintergrund. Handkamera und Kreisfahrt sind für die Zwischenschnitte da, nicht für das, worauf deine Stimme liegt.

Render den Loop mit 10 Sekunden und lass ihn im Schnittprogramm wiederholen. Zehn Sekunden Regen auf Glas schneiden zurück auf ihren eigenen ersten Frame, ohne dass es jemand merkt.

Episodencover mit Image One

Image One ist das fotorealistische Flaggschiff in 1024×1024 für 10 Credits pro Bild, mit Stapeln von 1 bis 4, Referenzfotos, Negativ-Prompt und CFG-Steuerung. Vier Varianten eines Covers auf einmal, eine behalten – und du hast 40 Credits für eine Entscheidung ausgegeben, die früher einen Abend in Canva gekostet hat.

Zwei praktische Hinweise. Lass „text, watermark, logo“ (Text, Wasserzeichen, Logo) im Negativ-Prompt stehen – generierte Schrift besteht immer aus Fast-Wörtern, und deinen Titel setzt du ohnehin in deinem eigenen Design-Tool. Und eroq hat keinen Upscaler: 1024×1024 ist das, was das Modell liefert. Verlangt dein Podcast-Hoster ein größeres Cover, platzier den Render in deinem Bildbearbeitungsprogramm und stell es dort fertig.

Ist die Show eher illustriert als fotografisch, übernimmt Image Anime stilisierte Arbeiten, und Image Art folgt langen, beschreibenden Prompts in malerischem Stil, beide zu denselben 10 Credits. Das Format stellst du im Tool „Bild“ ein – 1:1 fürs Cover, 9:16 für das Story-Bild, 16:9 als Grundlage fürs YouTube-Thumbnail.

Was eine Folge kostet

Eine Folge: vier Hochformat-Clips à 5 Sekunden auf Seedance 1.0 Lite zu 120 Credits, ein 5-Sekunden-Atmo-Loop auf Motion One zu 60, vier Cover-Varianten auf Image One zu 10 und eine Stunde Audio, transkribiert zu 1 Credit pro Minute – in so vielen Teilen, wie es bei deiner Export-Bitrate unter dem Limit von 8 MB pro Anfrage braucht:

• Hochformat-Clips – 4 × 120 = 480
• Atmo-Loop – 1 × 60 = 60
• Cover-Varianten – 4 × 10 = 40
• Transkription – 60 min × 1 = 60

Insgesamt 640 Credits pro Folge. Eine wöchentliche Show kommt auf 4 × 640 = 2.560 Credits im Monat – das passt in Hobby für $15 mit 1.800 Credits, und -760 bleiben übrig.

Und hier schlägt die Rechnung zu: Render den Loop mit 10 statt 5 Sekunden, und Motion One berechnet 60 statt 60 – die Folge kostet dann 640 und der Monat 2.560, also 760 Credits über dem Hobby-Kontingent. Die Lösung ist kein größerer Plan, sondern den Loop einmal zu rendern und ein Quartal lang wiederzuverwenden. Ein Loop ist kein Inhalt pro Folge.

Erscheint die Show alle zwei Wochen, kostet dieselbe Folge zu 640 Credits 1.280 im Monat, und die 50 Gratis-Credits, mit denen ein neues Konto startet, reichen für fünf Cover-Varianten – genug, um zu entscheiden, ob dir der Look gefällt, bevor du etwas bezahlst. Für einen Clip reichen sie nicht: Der günstigste 5-Sekunden-Render kostet 120 Credits auf Seedance 1.0 Lite und 60 auf Motion One, der Engine eines kostenlosen Kontos. Gib sie also für Bilder aus.

Der Rhythmus, der es lohnend macht

Bündeln. Render sechs Atmo-Loops in einer Sitzung, vier Cover pro Monat in einer anderen, und lass das Tool „Video“ zwischen den Folgen in Ruhe. Jeder Render wird samt Rezept in deiner Bibliothek gespeichert, und Remix lädt dieses Rezept zurück ins Tool – „der mit dem Regen, aber mit Schnee“ ist also eine Änderung von zwei Wörtern statt einer Neufassung. Die Rechnung auf der Audioseite – Sprechertext, Abrechnung nach Zeichen, die beiden Voice-Engines – steht im Anwendungsfall Hörbücher und Podcasts.

Häufige Fragen

Kann eroq meine Folge automatisch in untertitelte Clips verwandeln?

Nein. Scribe One transkribiert dein Audio für 1 Credit pro Minute, in Dateien bis 8 MB – und dort endet die Rolle von eroq in deiner Timeline. Clip auswählen, Untertitel einbrennen und im Hochformat exportieren passiert in deinem Schnittprogramm.

Welche Bilder eignen sich unter einem Clip, in dem gesprochen wird?

Ein nahezu statischer Atmo-Loop, einmal gerendert und wiederverwendet. Motion One kostet mit jedem Konto 60 Credits für 5 Sekunden und 60 für 10, Seedance 1.0 Lite 120 für 5 Sekunden ab Hobby. Bewegung konkurriert mit Sprache – halt die Kamera also ruhig.

Kann ich ein Bild meines Gastes generieren?

Nein. Reale, identifizierbare Personen ohne Einwilligung sind laut Richtlinie verboten, und generierte Menschen sind fiktive Fremde. Nimm das eigene Foto deines Gastes oder bleib im Bild bei der Atmosphäre.

Nimmst du diese Woche auf? Öffne das Tool „Video“, render zwei Atmo-Loops und poste nie wieder eine Wellenform.