Ein Skript für KI-Video schreiben, das die Generierung übersteht

Ein Drehbuch setzt eine Crew voraus, die eine Idee drei Minuten lang halten kann. Ein Schauspieler durchquert einen Raum, überlegt es sich anders, greift zum Telefon, und die Kamera folgt allem in einer einzigen Einstellung. Eine Video-Engine hält eine Idee etwa fünf Sekunden lang und hört dann auf. Skripte, die für das erste Medium geschrieben sind, zerfallen im zweiten – nicht, weil sie schlecht geschrieben sind, sondern weil jede Zeile drei Einstellungen enthält und der Generator raten muss, welche du gemeint hast. So schreibst du ein Skript, das aus der Maschine so herauskommt, wie du es geschrieben hast.

Schreib in Beats von Cliplänge

Die Einheit eines KI-Films ist nicht die Szene, sondern der Clip – und die Cliplänge legt die Engine fest, bevor du ein Wort tippst:

• Motion One – 5 oder 10 s, für jedes Konto verfügbar
• Seedance 1.0 Lite und Seedance 1.0 Pro – 3 bis 12 s
• Hailuo 02 – 6 oder 10 s
• Kling 2.5 Turbo – 5 oder 10 s
• Veo 3 Fast – fest 8 s
• Seedance 2.5 – 4 bis 30 s

Dein Plan begrenzt sie ein zweites Mal: 10 s im kostenlosen Tarif, 15 s bei Hobby, 20 s bei Creator, 30 s ab Studio. Der praktische Beat dauert also fünf bis zehn Sekunden, und der Test ist geradezu peinlich einfach: Sag laut, was in dem Beat passiert. Brauchst du dafür länger als zehn Sekunden, sind es zwei Beats.

Ein Beat ist ein Motiv, eine Handlung, eine Kameraposition. Das ist die ganze Spezifikation.

Eine Handlung pro Einstellung

Hier eine Zeile, die sich gut liest und schlecht rendert:

NADIA drückt die Tür auf, mustert kurz den Raum und setzt sich dem Mann im grauen Mantel gegenüber.

Drei Handlungen und zwei Figuren in achtzehn Wörtern. Eine Engine, die das alles auf einmal umsetzen soll, liefert einen Durchschnitt aus allen dreien – eine Frau irgendwo in der Nähe einer Tür, irgendwie sitzend, der Mann taucht aus dem Nichts auf. Teil die Zeile auf, und jedes Stück wird drehbar:

1. Nadia drückt eine Glastür auf, tritt in eine dunkle Lobby und bleibt stehen. (Begleitfahrt, 5 s)
2. Ihr Blick wandert durch den Raum und liest ihn. (Nahaufnahme, 3 bis 5 s)
3. Sie setzt sich einem Mann im grauen Mantel gegenüber. (Totale, 5 s)

Drei Clips, fünfzehn Sekunden, jeweils eine lesbare Idee. Der Schnitt erledigt, was der Satz versucht hat. Deshalb ist ein Storyboard auch die richtige Form für das Skript – du schreibst keine Absätze, sondern eine nummerierte Liste von Einstellungen, an denen eben etwas Prosa hängt.

Wohin die Worte gehören

Nichts in eroq synchronisiert einen Mund mit einer aufgenommenen Zeile. Es gibt kein Lip-Sync – ein Skript, das auf Nahaufnahmen von Menschen setzt, die Dialog sprechen, wettet also auf ein Feature, das es nicht gibt. Drei Dinge funktionieren dagegen:

• Voice-over. Schreib den Text als Erzählung, nimm ihn im Tool „Stimme“ auf und leg die MP3 in deinem Schnittprogramm unter das Bild. Die meisten KI-Kurzfilme werden genau deshalb erzählt, und Erzählung ist eine legitime Form, kein Trostpreis.
• Ton aus der Engine. Veo 3 Fast ist die einzige Engine hier, die mit dem Clip eine Tonspur rendert – Atmo, Effekte, Dialog. Du führst dabei nicht so Regie wie bei einer aufgenommenen Zeile, aber ein Raum, der wie ein Raum klingen muss, bekommt seinen Klang.
• Text, den du später hinzufügst. eroq zeichnet keine Titel, Untertitel oder Logos. Die kommen in Premiere oder After Effects dazu, und den freien Teil des Bildes dafür solltest du schon beim Schreiben einplanen.

Schreib die Sprechtexte trotzdem ins Skript. Du musst wissen, was eine Figur meint, bevor du ihr Gesicht so drehen kannst, dass man es ihr ansieht.

Prosa im Tool „Text“ entwerfen, dann im Tool „Video“ drehen

Das Tool „Text“ ist der günstigste Raum im Haus – RP+ für 3 Credits pro Antwort, RP mini für 1 –, und dort solltest du mit einer Szene ringen, bevor sie einen Render kostet. Nimm den Stil „Szene“ für immersive Prosa und „Nachrichten“ für kurze Wechsel im Chat-Stil.

Die Formatierung der Ausgabe tut dir einen Gefallen, den du erst beim zweiten Film zu schätzen weißt: *Handlungen und Gedanken* erscheinen gedimmt und kursiv, **Betonung** erscheint fett, sodass sich Sprache und Handlung auf einen Blick trennen. Wenn du eine Szene in Einstellungen umwandelst, sind die kursiven Zeilen dein Bild und die normalen Zeilen dein Ton. Die Liste schreibt sich von selbst.

Mach aus jedem Beat einen Absatz

Ein Prompt, der rendert, ist ein fließender Absatz von dreißig bis achtzig Wörtern, der Motiv, Bewegung, Kamera, Licht und Stimmung nennt – in dieser Reihenfolge, denn das ist ungefähr die Rangfolge der Wichtigkeit für das Modell. Ein vollständiger Beat, bereit zum Einfügen:

Eine Frau in einem grauen Wollmantel drückt nach Feierabend eine gläserne Bürotür auf, tritt in eine dunkle Lobby, bleibt abrupt stehen und lässt die Tür hinter sich zufallen; Begleitfahrt von hinten auf Schulterhöhe, das einzige Licht kommt von einer Reihe Getränkeautomaten, die links von ihr leuchten, dahinter läuft Regen an der Glaswand herunter, eine unruhige, stille Stimmung.

Knapp sechzig Wörter, eine Handlung, eine Kamera, eine Lichtquelle. Das Tool „Video“ bietet vierundzwanzig Kamerabewegungen – Statisch, Langsamer Schwenk, Ranfahrt, Begleitfahrt, Kreisfahrt, Handkamera, Nahaufnahme, Totale, Rückfahrt, Dolly-Zoom, Kranfahrt aufwärts, Kranfahrt abwärts, Reißschwenk, FPV-Drohne, Rückfahrt aus der Luft, POV, Snorricam, Bullet Time, Slider, Rotation, Gekippte Kamera, Vogelperspektive, Crash-Zoom, Steadicam –, und geschriebene Anweisungen im Prompt („Totalaufnahme“, „Ranfahrt“, „Begleitfahrt“) werden ebenfalls erkannt. So stimmen beide Wege überein, statt sich gegenseitig zu widersprechen.

Wenn dein Beat noch aus drei Wörtern und einem Gefühl besteht, drück auf „Verbessern“. Der Prompt-Optimierer macht aus einer groben Notiz einen Absatz auf Regie-Niveau und kostet nichts – es gibt also keinen Grund, der Engine deinen ersten Entwurf zu überlassen.

Eine ausgearbeitete Seite mit sechs Beats

Ein Opening von dreißig Sekunden, geschrieben als sechs Beats und mit je 5 s auf Seedance 1.0 Lite gedreht, zu je 120 Credits:

1. Establishing Shot – das Bürohochhaus von der anderen Straßenseite, Regen. Totale, statisch.
2. Nadia kommt durch die Glastür und bleibt stehen. Begleitfahrt.
3. Ihr Blick liest den Raum. Nahaufnahme.
4. Der Mann im grauen Mantel, der nicht aufblickt. Totale.
5. Sie setzt sich. Langsamer Schwenk.
6. Die Mappe gleitet über den Tisch. Nahaufnahme, Ranfahrt.

Sechs Renders, 720 Credits, je ein Take. Zwei dieser Einstellungen werden dich enttäuschen – das tun sie immer –, und beide neu zu rendern kostet weitere 240. Plan das Budget für einen ersten Durchgang, nicht für ein Meisterwerk, und du gibst ungefähr ein Drittel dessen aus, was es kostet, dieselben Erkenntnisse mit vier Takes pro Szene zu gewinnen.

Schreib die Beats. Sprich sie laut und stopp die Zeit. Dreh sie einzeln.

Häufige Fragen

Wie lang sollte ein Beat sein?

Fünf bis zehn Sekunden Bildschirmzeit – also ein Motiv, das eine Sache tut. Engines laufen von 3 s bis 30 s, und dein Plan begrenzt das Maximum auf 10, 15, 20 oder 30 s.

Kann ich überhaupt Dialoge schreiben?

Schreib sie und setz sie dann als Voice-over um – es gibt kein Lip-Sync. Veo 3 Fast rendert eigenen Ton, auch Gesprochenes, aber die Darbietung steuerst du nicht so wie bei einer aufgenommenen Spur.

Muss ich die Prompts selbst schreiben?

Nein. „Verbessern“ macht aus einer groben Zeile kostenlos einen vollständigen Prompt auf Regie-Niveau, und „Überrasch mich“ erfindet einen, wenn du schon einen Look, aber noch keine Szene hast.

Hast du eine Seite voller Beats? Öffne das Tool „Video“ und dreh Beat eins.