Den Alles-wird-toll-Knopf gibt es nicht
Räumen wir die schöne Fantasie gleich zu Beginn sanft aus dem Weg: Es gibt keinen magischen Button, der aus einem Prompt ein fertiges Stück macht. Falls doch, waren wir zu diesem Meeting offenbar nicht eingeladen.
Was Sie gerade gesehen haben, sind 1 Minute 37 Sekunden Video. Dafür haben wir 8 Stunden 34 Minuten gebraucht und $85.45 ausgegeben. Darin stecken Charakterentwicklung, Outfits, Szenen, Studio-Shots, Stimme, Lip-Sync und der Schnitt — also der Ort, an dem Optimismus regelmäßig nachverhandelt wird.
Dieser Leitfaden zeigt den kompletten Ablauf: die Prompts direkt bei den Shots, die Fehlversuche, die Korrekturen und die Kosten. Jede Phase hat ihre ganz eigene Art, schiefzugehen. Nervig, ja. Aber genau das ist am Ende die eigentliche Arbeit.
Das ist Mila
Mila ist eine erfundene Figur, keine reale Person. Sie ist 27, etwa 178 cm groß, hat champagnerblondes, schulterlanges Haar mit Mittelscheitel, graublaue mandelförmige Augen, ein ovales, herzförmiges Gesicht, volle blonde Augenbrauen und ein kleines Muttermal unter dem rechten Auge.
Die Richtung war klar: intelligent, ruhig, aufmerksam, modern. Wir wollten keinen glattpolierten Influencer-Klon, weil solche Figuren schnell alle in dasselbe makellose Gesicht kippen — nur mit besserem Licht und weniger Persönlichkeit als eine Hotellobby.
Ihre kleine Hintergrundgeschichte: Mila ist Fashion-Editorin im Jahr 2030, stylt ihre Looks selbst und postet sie. Die markanten Details sind wichtig, weil ein generisch schönes Gesicht über mehrere Shots hinweg kaum überprüfbar ist. Sommersprossen, Brauen und ein Muttermal geben Ihnen — und dem Modell — Ankerpunkte dafür, dass es wirklich noch dieselbe Figur ist.
Schritt 1 — das Reference Sheet
Ein einzelnes Porträt ist noch kein Charakter. Ein Reference Sheet schon. Wir haben sechs Ansichten erzeugt: ein Basisporträt, eine 30°-Drehung, ein 90°-Profil, eine Aufnahme bis zur Mitte des Oberschenkels, eine Ganzkörperaufnahme und eine Ganzkörperaufnahme bei 30°.
Der Kerntrick ist simpel: Sobald ein gutes Bild existiert, geben Sie genau dieses bereits generierte Bild wieder als Referenz hinein. Dazu kommt eine kurze Anweisung, Gesicht und Anatomie unverändert zu lassen. Das funktionierte besser als immer längere Prompts — der Moment, in dem man sonst klingt wie ein Polizeizeichner mit Migräne.
Außerdem sind wir bewusst weitgehend in einer Engine geblieben. Das reduziert Identitätsdrift und hilft zu verstehen, wo genau diese Engine bricht, statt fünf Tools gleichzeitig zu beschuldigen wie ein übermüdeter Elternteil auf einer langen Autofahrt.
Milas Reference Sheet — alle späteren Shots bauen darauf auf.
Die fünf Prompts hinter dem Sheet
Die Prompts stehen jeweils direkt beim Shot, die Notizen erklären den Zweck. Entscheidend ist das Muster: dieselbe körperliche Beschreibung konsequent wiederholen, nur die eine Veränderung benennen und nach und nach freigegebene Bilder als Referenzen hinzufügen.
Jeder Prompt wiederholt dieselbe Gesichtsbeschreibung und fügt nur einen neuen Winkel hinzu. Das hochgeladene Porträt übernimmt die Hauptarbeit; die Worte sagen dem Modell im Grunde nur, wohin es schauen soll.
Prompt anzeigen
Use the uploaded portrait of Mila as the primary identity reference. Create a RAW photorealistic studio portrait of the same real-looking adult woman. Keep her exact face: fair skin with natural texture, oval heart-shaped face, defined cheekbones, soft refined jawline, large expressive grey-blue almond eyes, straight narrow nose, natural medium lips, distinctive full blonde eyebrows with a soft lifted arch, and a small beauty mark below her right eye. Champagne-blonde hair below the shoulders, centre part, soft waves. Head-and-shoulders view, face turned 30 degrees to her left, eyes looking into the camera, head upright and level. Calm, intelligent, slightly reserved expression, closed lips. Minimal makeup, graphite-grey crew-neck top, no jewellery. Light-grey seamless studio background, soft frontal light, 85mm lens look, realistic colour, unretouched human photo. No illustration, CGI, doll face, glamour filter, text or watermark.
Ein sauberes Seitenprofil ist der schwierigste Winkel, wenn die Figur erkennbar bleiben soll. Augenbrauen und Muttermal ausdrücklich zu nennen, hält die Identität zusammen.
Prompt anzeigen
Use the uploaded portrait of Mila as the primary identity reference. Create a RAW photorealistic studio image of the same real-looking adult woman. She is tall and slender, with fair skin, natural texture, visible pores, an oval heart-shaped face, defined cheekbones, a soft refined jawline, large expressive grey-blue almond eyes, a straight narrow nose, natural medium lips, and a small beauty mark below her right eye. Her eyebrows are distinctive: light blonde, full, textured, elegant, with a soft lifted arch. Her hair is champagne blonde, below the shoulders, centre part, soft waves. Show a strict 90-degree right-facing side profile, head level, calm neutral expression, closed lips, hair tucked behind the visible ear. Graphite-grey crew-neck top, no jewellery. Light-grey seamless studio background, soft diffused light, true human photo. No cartoon, CGI, doll face, beauty filter, text or watermark.
„Nicht neu entwerfen, nicht umdeuten, nicht verschönern, nicht ersetzen“ klingt nach Nörgeln. Genau dieses Nörgeln verhindert aber, dass das Gesicht wegdriftet.
Prompt anzeigen
Use the uploaded portrait as the only identity reference. Create a RAW photorealistic studio photo of the exact same woman, framed from head to mid-thigh. Do not redesign, reinterpret, beautify or replace her face. Preserve her identity exactly: same facial geometry, proportions, eyes, eyebrows, nose, lips, jawline, skin tone, hairline, hairstyle and beauty mark. She is a clearly adult woman, tall and slim, with a defined waist and balanced feminine curves. She faces the camera in a relaxed neutral pose, arms slightly away from her torso. She wears a fitted graphite-grey bodysuit. Light-grey seamless background, soft even light, 50mm lens, realistic skin texture, true human photography. Keep the face sharp, detailed and clearly recognizable. No new face, face variation, cartoon, CGI, doll-like skin, distorted anatomy, text or watermark.
Jetzt kommen ZWEI Referenzen hinein: das Porträt und die freigegebene Aufnahme bis zur Mitte des Oberschenkels. Je mehr geprüfte Ansichten Sie zurückfüttern, desto stabiler wird die Figur.
Prompt anzeigen
Use the uploaded portrait and approved mid-thigh image as identity references. Create a RAW photorealistic full-body studio photo of the exact same woman. Do not redesign or replace her face. Preserve her identity exactly: same facial geometry, proportions, eyes, eyebrows, nose, lips, jawline, skin tone, hairline, hairstyle and beauty mark. She is a clearly adult woman, about 178 cm tall, with a slim elegant figure, defined waist, softly rounded hips, balanced feminine curves and long legs, suitable for dress fittings. She stands front-facing in a relaxed neutral pose, arms naturally at her sides, full body visible from head to bare feet. Fitted graphite-grey bodysuit, matte black leggings. Light-grey studio background, soft even light, 50mm lens, true human photo. No new face, face variation, cartoon, CGI, doll-like skin, distorted anatomy, cropped feet, text or watermark.
Ab hier darf der Prompt kürzer werden. Mila existiert bereits; Sie buchen sie nur für eine weitere Ansicht.
Prompt anzeigen
Using the uploaded portrait as the face reference, create a photorealistic full-body studio photo of the exact same woman. Tall, slim figure with a defined waist and natural feminine curves. Body turned 30 degrees, head toward the camera, relaxed pose, full body and feet visible. Preserve her face and hair exactly. Simple fitted grey outfit, soft studio light, plain grey background, no cartoon, CGI or distorted anatomy.
Die fünf Prompts, mit denen aus einem Porträt ein vollständiges Reference Sheet wurde.
Schritt 2 — die Garderobe bauen
Nachdem der Look stand, haben wir das Bildmodell gebeten, jedes Kleidungsstück und jedes Accessoire als eigenen sauberen Produkt-Shot herauszulösen: Kleid, Handtasche, Schuhe, Sonnenbrille, Ohrringe und Armband.
Dieser Zwischenschritt lohnt sich. Sobald ein Teil als eigenes Referenzbild existiert, lässt es sich später in jede Szene zurückbringen und bleibt deutlich eher dasselbe Objekt. So entsteht ein echtes Lookbook — nur ohne Kleiderstange, die ständig im Weg steht.
Jedes Teil als eigener Produkt-Shot, damit es später konsistent wiederverwendet werden kann.
Schritt 3 — Mila sprechen lassen
Für den Talking Shot war unser Stack ehrlich gesagt pragmatisch zusammengestückelt. Wir haben aus einem Still einen sprechenden Clip generiert, die Stimme in ElevenLabs erstellt und den Lip-Sync mit Sync.so gemacht.
Voice und Lip-Sync liegen aktuell noch außerhalb von Vynzo. Kling 2.6 kann Lip-Sync direkt in Vynzo, und GPT Image 2 kommt demnächst ebenfalls zu Vynzo.
Wichtiger als die Tool-Liste ist der praktische Punkt: Starten Sie jeden Lip-Sync-Take mit einem anderen Ausgangsclip, also mit anderen Gesten und einem anderen Ausdruck. Wenn Sie immer denselben Quellclip wiederverwenden, wirkt das Ergebnis schnell roboterhaft — als wäre Mila in einer freundlichen Kundenservice-Schleife gefangen.
Die Sprechszene — Ausdruck und Gestik zählen mehr als die Worte.
Prompt anzeigen
Use the uploaded reference image as the exact identity of the character. Preserve her face, hairstyle, skin tone, proportions, clothing and accessories. Do not redesign or stylize her. Medium close-up, eye-level camera. She looks into the lens and speaks naturally: "[DIALOGUE]". Precise lip sync. Expressions follow the speech: subtle eyebrow movement, realistic blinking, small smiles, brief pauses and natural breathing. She uses restrained hand gestures, small head nods and slight posture shifts. Movements are smooth, relaxed and conversational, never theatrical or repetitive. Keep hands anatomically correct. Negative prompt: identity drift, facial warping, frozen expressions, excessive blinking, random gestures, distorted hands, lip-sync errors, flicker, camera shake, cuts or background changes.
Schritt 4 — die At-Home-Sequenz
Die At-Home-Sequenz klingt auf dem Papier einfach: Mila präsentiert pro Clip ein Produkt. Der Ablauf wiederholt sich jedes Mal: Still aus dem Referenzset generieren, animieren, neu auswürfeln, den besten Take behalten.
Jeder Clip bekam dieselbe Grundanweisung: Identität bewahren, Bewegung natürlich und subtil halten. Die eigentlichen Lektionen stecken in den Notizen unter den Clips, denn die erste Version ist oft der Moment, in dem das Modell Ihnen höflich ein neues Problem vorstellt.
Eine volle Drehung ist der ehrliche Charaktertest: Das Modell muss über 360° hinweg dieselbe Person bleiben. Dieser Take hat funktioniert — auffällig ist aber, wie viel Prompt dafür draufgeht, Dinge zu verbieten, statt etwas zu wünschen.
Prompt anzeigen
Use the provided frame as a strict reference. Vertical 9:16, full-body, static camera. Keep the same woman, identity, face, body proportions, hairstyle, dress, bare feet, room, lighting and framing unchanged throughout. She starts already facing the camera, looking directly into the lens with a soft natural smile. From this exact starting pose, she gently holds the sides of the dress with both hands and makes one smooth natural full turn around herself at normal real-time speed, with small realistic steps. The movement should feel elegant and physically natural, with subtle fabric motion and slight hair movement. After the turn, she finishes facing the camera again. No slow motion, no strange grimaces, no exaggerated expressions, no face distortion, no identity drift, no hand glitches, no extra fingers, no foot deformation, no added heels or footwear, no camera movement, no flicker
Unser liebster Fehlversuch: Das Modell ließ die Tasche einfach DURCH ihren Arm gleiten, als wäre sie ein Geist. Nach vielen Re-Rolls haben wir nur einen Ausschnitt verwendet. Kontakt zwischen Hand und Objekt ist bei Videomodellen immer noch eine wackelige Stelle.
Prompt anzeigen
A woman naturally presents a light-colored leather handbag in a minimalist room. She gently turns her upper body slightly toward the camera, carefully lifts the bag by its handle, and brings it a little closer to the lens to showcase its shape, leather texture, stitching, and hardware. She then subtly adjusts her grip and slowly rotates the handbag to reveal its side profile. Her expression remains calm and confident, with a soft, natural smile. Her hair and clothing move slightly with her body. The camera performs a slow, smooth push-in while keeping the handbag as the main focal point. Realistic premium fashion commercial, soft natural daylight, elegant and controlled movement, high detail, stable composition, smooth natural motion
Ein unsichtbares Handy plus bewusstes, leichtes Handheld-Wackeln macht daraus erst ein echtes Selfie. Die Bügel der Sonnenbrille verschwanden bei der Drehung immer wieder — zu lösen war das nur mit Re-Rolls und der expliziten Nennung genau dieses Details.
Prompt anzeigen
Create a photorealistic vertical 9:16 front-camera selfie video from the reference image. Preserve her identity, hair, sunglasses, mint athletic outfit, room, lighting, and framing. The phone is in her hand but never visible, so the camera should have subtle natural handheld motion throughout: tiny shakes, micro-sways, and slight distance shifts. She looks at the screen, slowly turns her head to one side and freezes, holding still for a moment to show the sunglasses. Then she slowly turns her head to the other side and freezes again. After that, she gently brings the camera closer to her face for a close-up of the sunglasses and holds it there briefly. Add natural blinking, breathing, tiny facial movements, and slight hair motion. No speaking, cuts, sudden motion, warped features, or background changes.
First Frame / Last Frame. Die Regel, die einem niemand sagt: Die Kameraposition muss in BEIDEN Frames identisch sein, sonst wandern Objekte im Schnitt davon.
Prompt anzeigen
Use the first frame as the starting pose and the last frame as the ending pose. In the same bright minimalist room, the woman sits on the sofa and smoothly transitions from reaching toward the open shoebox on the floor to lifting one iridescent heel out of the box and examining it in her hands. At the start, both shoes are clearly inside the shoebox among the tissue paper. During the action, she leans forward, reaches into the box, takes only one shoe by the ankle strap, lifts it up, and supports it with her other hand while looking at it with soft curiosity and a subtle pleased smile. By the end, one shoe is in her hands and the second shoe remains inside the box. Maintain consistent appearance, outfit, room layout, shoebox position, and shoe design. Soft daylight, static camera, realistic motion
Zweiter Versuch. Im ersten drehte die Hand ganz gelassen einmal komplett um 360 Grad — was ein Handgelenk eher nicht kann.
Prompt anzeigen
A cinematic product showcase of a futuristic silver iridescent high-heel sandal being elegantly held in one hand inside a bright, minimalist living room. The camera performs a slow, smooth push-in combined with a subtle left-to-right arc, creating gentle parallax between the shoe and the softly blurred background. The hand naturally rotates the shoe a few degrees to reveal the shimmering holographic panels, metallic finish, sculptural transparent heel, and ankle strap. Soft daylight from the window creates realistic reflections and rainbow highlights that glide across the surface as the camera moves. The background remains calm and out of focus, emphasizing the product. Premium luxury fashion commercial aesthetic, ultra-realistic materials, clean composition, shallow depth of field, stabilized camera, natural motion only, no abrupt movements, no object deformation, no flickering, no warping, no extra fingers or artifacts.
Die At-Home-Sequenz — ein Produkt pro Clip.
Der First-Frame-/Last-Frame-Trick
Bei allem, was einen klaren Anfang und ein klares Ende hat — zum Beispiel einen Schuh aus einer Box nehmen — geben Sie dem Modell sowohl den ersten als auch den letzten Frame. Es muss wissen, wo die Bewegung startet und wo sie landen soll.
Was viele übersehen: die Kameraposition. Erster und letzter Frame müssen aus derselben Kameraposition kommen. Sonst rutschen und verformen sich Objekte, weil das Modell gleichzeitig Kamera und Objekt bewegen will. So werden Schuhe plötzlich heimgesucht.
First Frame und Last Frame — gleiche Kameraposition, sonst rutschen die Objekte.
Schritt 5 — Studio und Runway
Für die Studiosequenz haben wir Mila in den kompletten Look gekleidet, einmal mit und einmal ohne Sonnenbrille, anschließend kam Make-up dazu. Gerade hier braucht die Identität besondere Aufmerksamkeit, weil Make-up ein Gesicht verändert. Es kann kleine Merkmale und winzige Unregelmäßigkeiten verdecken, an denen man die Figur wiedererkennt.
Die Behind-the-Scenes-Fotoshooting-Shots entstanden schnell und wirkten überzeugend: Blitzlicht, Studio-Ventilator, ein Fotograf knapp außerhalb des Bildes. Der Runway-Shot verkauft den ganzen Film, weil er Garderobe, Figur und Bewegung in einem klaren Moment zusammenbringt.
Nano Banana 2 konnte die Accessoires nicht immer identisch halten. GPT Image 2 war für diesen Job besser: Accessoire hochladen und in den Shot hineinbearbeiten. Einfach, nicht magisch — was sich langsam als roter Faden herausstellt.
Der eine Shot, der das ganze Projekt verkaufen muss. Alles wird ausdrücklich benannt — Kleid, Sonnenbrille, Ohrringe, Armband, Heels, Handtasche — denn alles, was Sie nicht benennen, darf das Modell still und leise neu gestalten.
Prompt anzeigen
The same blonde model from the reference walks confidently down a luxury fashion runway with a professional catwalk stride, maintaining the exact same face, hairstyle, white dress, sunglasses, earrings, bracelet, heels, and cream handbag. She reaches the end of the runway, gracefully stops, and performs three elegant high-fashion poses, subtly shifting her weight, rotating her body, lifting her chin, and naturally presenting the handbag. Camera flashes illuminate her as photographers capture every pose. She executes a smooth runway pivot, then confidently walks back. The dress flows naturally, the handbag swings realistically, and every movement is poised and refined. Cinematic fashion film, glossy runway, soft spotlights, shallow depth of field, ultra-realistic, 9:16, 10 seconds, 4K, 24 fps, preserve the exact appearance from the reference, no outfit or face changes.
Die Studiosequenz — erst der komplette Look, dann der Runway.
Studio-Stills
Die Studio-Stills zeigen den vollständigen Look, zusammengesetzt aus den Garderoben-Shots und anschließend in einem Studio-Setup fotografiert. Genau hier beginnt sich die Arbeit an den Produkt-Shots auszuzahlen.
Studio-Stills — der komplette Look, aufgebaut aus den Garderoben-Shots.
Alles, was schiefging
Das ist der Teil, den viele Case Studies weglassen — vermutlich, weil er weniger glamourös ist als das finale Video und eher danach klingt, als wäre einem öffentlich der Koffer aufgeplatzt. Aber diese Fehler sind keine Randnotizen. Sie sind der Job.
Planen Sie Re-Rolls so ein, wie ein Fotograf zusätzliche Frames einplant. Die nützlichste Erkenntnis: Seedance rendert oft in Zeitlupe. Ein negativer Prompt hat das nicht gelöst, also haben wir die Clips im Schnitt um 35–40% beschleunigt.
Die Handtasche ging durch ihren Arm
- Warum es wichtig ist
- Hand-Objekt-Kontakt ist aktuell eine der schwächsten Stellen bei Videomodellen
- Was wirklich geholfen hat
- Viele Re-Rolls; nur einen Teil des Takes verwendet
Die Bügel der Sonnenbrille verschwanden mitten in der Drehung
- Warum es wichtig ist
- Kleine starre Details gehen bei Kopfdrehungen schnell verloren
- Was wirklich geholfen hat
- Re-Roll mit ausdrücklicher Nennung genau dieses Details
Die Hand drehte sich volle 360°
- Warum es wichtig ist
- Anatomie wird nicht zuverlässig eingehalten, wenn man es nicht bemerkt
- Was wirklich geholfen hat
- Ein Re-Roll
Alles kam in Zeitlupe heraus
- Warum es wichtig ist
- Seedance streckt eine kurze Handlung auf die Cliplänge
- Was wirklich geholfen hat
- Ein negativer Prompt half NICHT — Clip im Schnitt um 35–40% beschleunigen
Die Szene mit dem Make-up-Stift
- Warum es wichtig ist
- Manche Handlungen führt das Modell schlicht nicht aus, egal wie man sie formuliert
- Was wirklich geholfen hat
- Gestrichen
Ein unnatürliches Hohlkreuz am Ende
- Warum es wichtig ist
- Die letzten Frames sind oft der Punkt, an dem Posen brechen
- Was wirklich geholfen hat
- Im Schnitt gekürzt
Accessoires wechselten zwischen den Shots
- Warum es wichtig ist
- Bildmodelle driften bei kleinen Requisiten
- Was wirklich geholfen hat
- Nano Banana 2 tat sich schwer; GPT Image 2 hielt sie stabil — Accessoire hochladen und hineinbearbeiten
Teste alle vier Engines mit deinem eigenen Foto – in einem Studio.
Studio öffnenWas es gekostet hat
Die komplette Produktion kostete $85.45 und dauerte 8 Stunden 34 Minuten für 1 Minute 37 Sekunden fertiges Video. Die Rechnung: $55.45 für Bild- und Videogenerierung, $19 für Lip-Sync und $11 für Stimme.
Sind KI-Influencer also günstig? Im Vergleich zu einem echten Shooting mit Model, Fotograf, Studio und Location: ja. Aber nicht kostenlos und nicht sofort fertig. Außerdem sind wir keine Fashion-Blogger; das hier ist eine Demonstration dessen, was die Tools heute leisten. Mehr Takes und ein besserer Schnitt würden das Ergebnis noch stärker machen.
| Posten | Wofür | Kosten |
|---|---|---|
| Seedance 2.0 Pro · Nano Banana 2 · GPT Image 2 | Alle Bilder und alle Videoclips | $55.45 |
| Sync.so | Lip-Sync (nur ca. 20% des Guthabens genutzt) | $19.00 |
| ElevenLabs | Voice-over | $11.00 |
| Gesamt | 1 Minute 37 Sekunden fertiges Video | $85.45 |
| Zeit | Inklusive Schnitt | 8 h 34 min |
Teste alle vier Engines mit deinem eigenen Foto – in einem Studio.
Studio öffnenWas wir Ihnen vor dem Start sagen würden
Erstens: Es gibt keinen magischen Button, und vermutlich wird es ihn auch nie geben. Sorry. Die Roboter haben Licht und Stoff gelernt, aber sie brauchen immer noch einen Menschen mit Geschmack, Geduld und der Bereitschaft, denselben Shot noch einmal zu würfeln, ohne es persönlich zu nehmen.
Zweitens: Ohne klares, interessantes Skript produzieren Sie teuren Lärm. Eine schöne Figur, die durch schöne Bilder läuft, ist keine Geschichte. Das ist ein Bildschirmschoner mit Rechnungen.
Drittens: Die Figur ist das Produkt. Investieren Sie deshalb zuerst ins Reference Sheet. Danach planen Sie Re-Rolls und Schnitt ein, denn im Edit werden Zeitlupe, schwache Enden und unmögliche Shots repariert. Wer einen KI-Influencer erstellen will — egal ob für KI Influencer Instagram, eine Kampagne oder einen AI Influencer Generator — braucht vor allem Konsistenz.