WeShop AIWeShop AI
scroll left

KI-Bild

Effekte

KI-Video

Preise

20% OFF

Lösungen

Benutzerhandbuch

Ressourcen

Download

Affiliate

API

scroll right
Anmelden
Ressourcen
Entdecke Guides und Tipps, mit denen du schneller ans Ziel kommst.
blog
Blog
blog
FAQ
feature request
Feature-Wunsch
jobs
Jobs
app image
Mit WeShop AI immer und überall kreativ werden
Entfalte deine Kreativität unterwegs oder am Schreibtisch. Lade WeShop AI herunter und verwandle Inspiration jederzeit in beeindruckende Designs – leistungsstark, flexibel und immer griffbereit.
November 19

Kling 4.0 Comedy-Kurzfilm: Einmal vs. Shot für Shot

Vergleichen Sie vier 30-sekündige KI-Comedyvideos mit Kling 4.0 und Seedream 5.5: Einmal-Generierung versus Shot-für-Shot-Schnitt, im Hoch- und Querformat.

Ein Schüler gibt dem Hund die Schuld für seine fehlenden Hausaufgaben. Eine Gans kommt mit dem Heft herein. „Er hat auch den Hund gefressen“, erklärt der Schüler. Die Lehrerin prüft die Beweise, übergibt der Gans den Unterricht und setzt sich, um Notizen zu machen.

Wir haben diesen 30-sekündigen KI-Comedy-Kurzfilm mit Kling 4.0 Reference erstellt und dabei Bilder aus Seedream 5.5 als Referenzen verwendet. Ein Workflow generierte das vollständige Video in einer einzigen Anfrage. Der andere generierte sechs separate Clips und setzte sie im Schnitt zusammen. Beide gibt es in einer Quer- und einer Hochformatversion, sodass Sie vier fertige Videos vergleichen können.

Sehen Sie dieselbe Klassenraum-Comedy auf zwei Arten umgesetzt

One-pass · Landscape

One 30-second generation, followed by subtitles and sound finishing.

Shot-by-shot · Landscape

Six generated clips, selected and cut into a 30-second film.

One-pass · Portrait

Separately generated 9:16 version; repeated speech removed during finishing.

Shot-by-shot · Portrait

Separate portrait compositions and generations, then a 30-second edit.

Alle vier fertigen Videos sind 30 Sekunden lang, mit englischem Dialog und chinesischen/englischen Untertiteln. Die ursprünglichen Querformat-Exporte haben 1920 × 1080 Pixel; die Hochformat-Exporte 1080 × 1920 Pixel bei 24 fps. Die Player im Artikel verwenden Wiedergabekopien aus der Medienbibliothek mit 854 × 480 beziehungsweise 480 × 854 Pixeln und behalten dabei die Dauer von 30 Sekunden, Bildrate und Ton bei. Die Personen sind fiktive Erwachsene in einem russischen Klassenzimmer einer Erwachsenenschule. Bildmaterial und Originaldialog wurden per KI erstellt; Untertitel und Finalisierung wurden anschließend hinzugefügt.

ProduktionsentscheidungEinmal-GenerierungShot-für-Shot-Generierung und Schnitt
Videoanfragen pro FormatEine 30-Sekunden-AnfrageSechs 6-Sekunden-Anfragen
Wer bestimmt die internen Schnitte?Das Modell interpretiert die gesamte TimelineDer Editor wählt Quellbereiche und Schnittpunkte
BildvorbereitungKlassenraum-Master, drei Szenenfotos, drei Blocking-KartenGemeinsame Assets plus ein separates Foto und eine Karte für die Kreideübergabe
Hier verwendete FinalisierungUntertitel, Lautstärkeanpassung; wiederholte Sprache im Hochformat entferntZusammenbau, dialogbewusstes Kürzen, ausgewähltes Reframing, Lautstärkeanpassung und Untertitel
Wichtigster KompromissWeniger Kontrolle darüber, wann genau jeder Moment passiertMehr Kontinuitätsprüfungen zwischen separat generierten Clips

Ein Durchgang bedeutet nicht eine einzige durchgehende Kamerafahrt. Das generierte Video kann Schnitte enthalten. Ebenso bedeutet Shot-für-Shot-Schnitt, generierte Clips mit bildgenauer Kontrolle über den Schnitt zu schneiden; wir haben nicht jedes einzelne Bild als separates Bild generiert.

Bereiten Sie die Referenzen vor, bevor Sie Bewegung anfordern

Die Geschichte benötigt drei wiedererkennbare Figuren: Elena, die Lehrerin mit roter Lesebrille und anthrazitfarbener Strickjacke; Misha, ein erwachsener Schüler in einem cremefarbenen Pullover; und eine gewöhnliche weiße Gans. Ein Klassenraum-Masterbild legte ihr Aussehen zusammen mit der grünen Tafel, Holztischen und Fensterlicht fest.

Seedream 5.5 classroom master showing Elena, Misha and a white goose
Shared identity and location reference used as an actual video input.

Wir verwendeten Seedream 5.5 über WeShop CLI, um diesen Master sowie die zentralen Szenenfotos und Blocking-Karten vorzubereiten. Beide Video-Workflows nutzten dieselbe visuelle Grundlage. Das Projekt verwendete ein gemeinsames Klassenraumbild als Identitätsreferenz; es wurden nicht zuerst unabhängige Character Turnarounds oder separate Gesichtsbögen erstellt.

Bereiten Sie für jedes Seitenverhältnis drei fotografische Setups vor: die Hausaufgabenkontrolle, die mit einem blauen Heft eintreffende Gans und die unterrichtende Gans, während beide Menschen Notizen machen. Behandeln Sie diese als getrennte Momente einer Geschichte.

Three photographic scene references: homework check, goose arrival, and goose teaching
Landscape scene photographs. The portrait versions were prepared separately.

Erstellen Sie dann für jedes Setup eine passende vereinfachte Blocking-Karte. Behalten Sie Kameraperspektive, Ausschnitt, relative Größe, Position, Blickrichtung und Verdeckung bei. Verwenden Sie deutliche dünne farbige Umrisse zur Kennzeichnung der Figuren, während Aussehen und Beleuchtung den Fotos überlassen bleiben.

Three simplified colored blocking maps for the classroom story
Position references: blue identifies the teacher, orange the adult student, purple the goose.

In unseren Prompts kennzeichnete Blau Elena, Orange Misha und Lila die Gans. Diese Farben dienten nur zur Identifizierung der Figuren in den Diagrammen. Die tatsächliche Garderobe stammte aus den fotografischen Referenzen. Die Fotos wurden vor den Karten angehängt, wobei die Rolle jedes Bildes im Prompt ausdrücklich zugewiesen wurde. Dies sind in diesem Beispiel getestete Produktionsentscheidungen und keine Garantie für eine exakte Positionierung.

Route 1: Den vollständigen 30-Sekunden-Film in einem Durchgang generieren

Öffnen Sie Kling auf WeShop und wählen Sie Kling 4.0 Reference. Um diesen Fall nachzubilden, verwenden Sie 30s, 1080p, quantity 1, mit 16:9 für Querformat oder 9:16 für Hochformat. Dies sind die in unseren Generierungsanfragen dokumentierten Einstellungen; aktuelle Details zur CLI-Nutzung finden Sie in der WeShop API-Referenz.

Hängen Sie sieben Bilder in dieser Reihenfolge an: den Master, die drei Szenenfotos und die drei entsprechenden Karten. Verwenden Sie die für das gewählte Format vorbereiteten Bilder. Die beiden Formate wurden separat generiert, jeweils mit eigenen Szenenkompositionen und Karten.

Schreiben Sie die vollständige Geschichte in einen Prompt. Weisen Sie zuerst die Referenzen zu und geben Sie dann Handlungsreihenfolge, exakten Dialog, Spielaufgaben und Ton an. Die kompakte Timeline unten zeigt die angeforderte Struktur, nicht eine gemessene Darstellung jedes Schnitts im Ergebnis:

Angefordertes IntervallHandlungsmoment
0–9sLehrerin fragt nach den Hausaufgaben; Schüler gibt dem Hund die Schuld; eine Pause lenkt die Aufmerksamkeit um
9–18sGans kommt mit dem Heft herein; Lehrerin erkennt sie; Schüler steigert seine Ausrede
18–25sLehrerin bewertet die Unterbrechung und überträgt die Unterrichtsverantwortung
25–30sGans unterrichtet; beide Menschen machen Notizen; Schüler versucht, eine Frage zu stellen

Der wiederverwendbare Fall enthält den vollständigen Original-Prompt und seine sieben Referenzeingaben. Dies ist ein Auszug aus den Spielanweisungen:

„Wo sind deine Hausaufgaben?“ — verlange Verantwortungsübernahme und prüfe seine Bereitschaft zu antworten. „Das ist eine Gans.“ — gib ihm die Chance, seine Geschichte zu korrigieren. „Gut. Du unterrichtest.“ — übergib der Gans Verantwortung und prüfe, ob sie sie annimmt.

Die Lehrerin versucht, den Unterricht am Laufen zu halten. Der Schüler versucht, seine Ausrede trotz neuer Beweise aufrechtzuerhalten. Die Gans sucht Aufmerksamkeit und nimmt die Unterrichtsposition ein. Eine Aufgabe für jede Figur macht die absurde Situation verständlich, ohne die Darsteller den Witz ausstellen zu lassen.

Prüfen Sie das Ergebnis, bevor Sie Untertitel hinzufügen

Prüfen Sie die gesprochenen Zeilen, die Sichtbarkeit des Hefts, die Positionen im Klassenraum und den abschließenden Rollentausch. Achten Sie darauf, ob farbige Umrisse oder Diagrammstil im Material erscheinen. Die ausgewählten Ausgaben behielten die fotografische Bildsprache bei, und beide Einmal-Versionen erreichten das Ende mit der unterrichtenden Gans, doch die angeforderten Zeitpunkte und Aktionen wurden nicht exakt befolgt.

Im Hochformat-Original wurde „Gut. Du unterrichtest.“ wiederholt. Bei der Finalisierung wurde das zweite Vorkommen bei 21.65–24.65s durch Raumton ersetzt, der aus 6.4–9.4s desselben Videos kopiert wurde. Das Bild blieb unverändert. Beide Formate erhielten an die generierte Sprache angepasste Untertitel und eine Lautstärkebearbeitung. Die Player oben zeigen diese finalisierten Versionen und nicht unbearbeitete Rohdaten.

Route 2: Sechs Shots generieren und den finalen Schnitt kontrollieren

Für den zweiten Workflow fügten wir ein eigenes Referenzfoto und eine Blocking-Karte hinzu, auf denen die Lehrerin am Tisch die Verantwortung übergibt. Dadurch erhielt der Übergang sein eigenes visuelles Setup, statt die gesamte Übergabe dem Prompt für den vollständigen Film zu überlassen.

Jeder Shot verwendete Kling 4.0 Reference, 6s, 1080p, quantity 1. Die Quer- und Hochformat-Sets wurden unabhängig voneinander generiert. Jede Anfrage enthielt den Master, das relevante Szenenfoto und dessen Blocking-Karte; die notwendigen Anweisungen zu Identität, Ort, Dialog und Ton wurden jeweils vollständig wiederholt.

ShotSein BeitragFinal beibehaltene Dauer
1Hausaufgabenfrage und die erste Ausrede6s
2Gans mit dem Heft: ein kurzer Beweis-Einschub1s
3„Das ist eine Gans.“ / „Er hat auch den Hund gefressen.“6s
4Lehrerin überträgt der Gans den Unterricht6s
5Gans unterrichtet; beide Menschen machen Notizen5s
6Schüler hebt die Hand, erhält ein Schnattern und schreibt weiter6s

Der ursprüngliche Plan war, von jeder Sechs-Sekunden-Quelle fünf Sekunden zu behalten und an beiden Enden je eine halbe Sekunde zum Kürzen zu lassen. Der tatsächliche Dialog passte nicht in diese geplanten Zeitfenster. Wir änderten den Schnitt auf 6 + 1 + 6 + 6 + 5 + 6 = 30 Sekunden, um vollständige gesprochene Zeilen zu erhalten.

Das Heft offenbarte außerdem ein Kontinuitätsproblem: Später in der Quelle mit der eintreffenden Gans entsprach es nicht mehr dem für den nächsten Shot benötigten Zustand. Wir behielten die erste Sekunde als Einschub bei. Dadurch wurde die Ankunft des Hefts verständlich, während das inkonsistente Ende des Clips vermieden wurde. Dies war ein redaktioneller Workaround und keine Korrektur der ursprünglich generierten Aktion.

Der finale Schnitt verwendete feste Ausschnitte für den dritten und sechsten Shot, um die Bildgestaltung zu variieren, normalisierte die Lautstärke und fügte zweisprachige Untertitel hinzu. Der separat generierte Dialog wurde beibehalten; eine wiederholte Stimmbeschreibung in den Prompts sollte nicht als Beweis für perfekt identische Stimmen zwischen den Clips verstanden werden.

Komponieren Sie Hoch- und Querformat als getrennte Szenen

Im Querformat bietet der Raum Lehrerin, Schüler und Gans mehr horizontale Trennung. Das Hochformat benötigt eine Komposition, die weiterhin ihre Beziehung, das Heft und den Tisch zeigt. Deshalb bereitete dieses Projekt eigene 9:16-Referenzszenen und Karten vor und generierte das Hochformatmaterial separat.

Beobachten Sie den Auftritt des Hefts und den abschließenden Moment mit der erhobenen Hand in beiden Formaten. Sie verraten mehr über Inszenierung und komisches Timing als der Vergleich eines einzelnen attraktiven Frames. Das fertige Hochformatvideo ist nicht einfach ein mittiger Beschnitt der Querformatausgabe, obwohl ausgewählte Shots während des Schnitts zusätzlich neu gerahmt wurden.

Wählen Sie den Workflow nach dem Moment, den Sie bewahren müssen

Nutzen Sie die Einmal-Route, wenn Sie testen möchten, ob der vollständige Witz funktioniert, und akzeptieren können, dass das Modell die internen Schnitte interpretiert. Sie müssen Sprache, Requisiten und Ende dennoch prüfen und das Ergebnis anschließend finalisieren.

Wählen Sie die Shot-für-Shot-Route, wenn die Übergabe, die Reaktionspause oder die abschließende Frage eigene beibehaltene Bildschirmzeit benötigen. Sie ermöglicht Ihnen außerdem, einen Quellclip zu überarbeiten und die anderen beizubehalten – um den Preis, Kontinuität und Ton zwischen separaten Generierungen prüfen zu müssen.

Diese vier Videos dokumentieren ein Produktionsbeispiel und keinen Benchmark für Erfolgsraten. Beginnen Sie mit dem vollständigen 30-Sekunden-Klassenraumfall, prüfen Sie, was Ihr Ergebnis tatsächlich bewahrt, und teilen Sie die Szene in Shots auf, wenn ein bestimmter Moment mehr Kontrolle benötigt.

Sie können es direkt mit dem Tool rechts ausprobieren.