KI-Video mit dem Handy erstellen: die komplette Anleitung

Um ein KI-Video mit dem Handy zu erstellen, installierst du eine KI-Video-Generator-App, beschreibst die gewünschte Szene in einem Satz, wählst ein KI-Modell, legst Länge und Format fest und startest die Generierung. Die App schickt deinen Prompt an ein KI-Videomodell und liefert wenige Minuten später einen kurzen Clip zurück. VIBE macht das auf iPhone und Android mit 39 Videomodellen — 11 davon kostenlos — und du kannst ohne Anmeldung sofort loslegen.

Was ein KI-Video-Generator wirklich macht

Ein KI-Video-Generator verwandelt eine geschriebene Beschreibung in einen bewegten Clip. Du filmst nichts und du schneidest nichts. Du beschreibst eine Szene in normaler Sprache, und ein auf Video trainiertes Modell erzeugt dazu passende Einzelbilder — inklusive Bewegung, Licht und Kamerafahrt.

Es gibt zwei Wege hinein. Text-zu-Video startet allein mit deinen Worten. Bild-zu-Video startet mit einem Foto, das du hochlädst: Das Foto wird zum ersten Bild, dein Prompt beschreibt nur noch die Bewegung. Bild-zu-Video gibt dir deutlich mehr Kontrolle über das Ergebnis, weil die Bildkomposition bereits feststeht.

Jedes Modell verhält sich anders. Manche erzeugen Ton zum Bild, andere bleiben stumm. Manche laufen vier Sekunden, andere dreißig. Genau deshalb liefern Apps mehrere Modelle statt einem einzigen: Die richtige Wahl hängt davon ab, was du vorhast.

Was du brauchst

• Ein iPhone oder ein Android-Handy. Auf deinem Gerät wird nichts gerendert, deshalb reicht auch ein älteres Modell.
• Eine Internetverbindung. Die Generierung läuft auf Servern, das fertige Video wird anschließend aufs Handy geladen.
• Eine Idee, formuliert als Satz. Dieser Teil entscheidet tatsächlich darüber, ob das Video gut wird.
• Optional ein Foto — falls du etwas Vorhandenes animieren willst, statt eine Szene zu erfinden.
• Ein paar Minuten Zeit. Die meisten Clips brauchen zwei bis drei Minuten; längere Clips und höhere Auflösungen dauern länger.

KI-Video am Handy erstellen: Schritt für Schritt

1. 1Installiere eine KI-Video-Generator-App. VIBE gibt es im App Store und bei Google Play. Du kannst ohne Anmeldung generieren und musst also kein Konto anlegen, bevor du weißt, ob dir das Ganze gefällt.
2. 2Öffne den Create-Bildschirm und wähle KI-Video. Derselbe Bildschirm schaltet auf KI-Bild um, wenn du lieber ein Standbild möchtest.
3. 3Schreibe deinen Prompt ins Textfeld. Ein oder zwei klare Sätze schlagen einen langen Absatz. Es gibt außerdem eine Reihe mit Schnellideen, falls du lieber von einem Beispiel aus startest und es anpasst.
4. 4Lade ein Foto hoch, wenn du Bild-zu-Video willst. Die meisten Modelle der App nehmen ein Startbild an; einige wenige arbeiten nur mit Text, und die App zeigt dir bei der Auswahl, welche das sind.
5. 5Wähle ein Modell. In der Auswahl siehst du Auflösung, verfügbare Dauern und Token-Kosten jedes Modells und kannst vergleichen, bevor du dich festlegst. Starte mit einem kostenlosen Modell, solange du die Idee noch testest.
6. 6Lege Dauer und Seitenverhältnis fest. 9:16 für TikTok, Reels und Shorts, 16:9 für YouTube, 1:1 für Feed-Posts. Welche Dauern zur Wahl stehen, hängt vom Modell ab — manche bieten 5 oder 10 Sekunden, andere jede beliebige ganze Sekunde in einem Bereich.
7. 7Wähle die Auflösung, falls das Modell mehrere anbietet. Höhere Auflösungen kosten mehr Tokens. Richte dich danach, wo das Video später zu sehen ist, statt immer das Maximum zu nehmen.
8. 8Tippe auf Generieren und warte. Die App zeigt den Fortschritt an. Danach bekommst du eine Vorschau.
9. 9Sieh dir das Ergebnis an, lade es in deine Fotos oder teile es direkt in TikTok oder eine andere App. Wenn es fast passt, ändere den Prompt und generiere neu, statt von vorn anzufangen.

Das ist der gesamte Ablauf. Das eigentliche Können steckt in den Schritten drei und fünf: den Prompt schreiben und ein Modell wählen, das zur Aufgabe passt.

So schreibst du deinen ersten Prompt

Ein Modell kann nicht nachfragen, was du gemeint hast. Es erzeugt das, was deine Worte beschreiben, und füllt alles Weggelassene mit dem auf, was es für am wahrscheinlichsten hält. Die schnellste Verbesserung ist deshalb: weniger weglassen.

Ein guter Prompt nennt meist fünf Dinge: das Motiv, was das Motiv tut, wo es passiert, wie sich die Kamera verhält und wie das Ganze aussehen soll. Filmhochschul-Vokabular brauchst du dafür nicht, einfache und konkrete Wörter reichen völlig. Die Beispiele unten stehen bewusst auf Englisch: Die Modelle sind überwiegend auf englische Beschreibungen trainiert und setzen englische Prompts präziser um. Deutsche Prompts funktionieren auch, nur weniger zuverlässig.

• Motiv — wer oder was im Bild ist, konkret beschrieben.
• Aktion — eine klare Sache, die passiert. Nicht drei gleichzeitig.
• Schauplatz — der Ort, die Tageszeit, das Wetter.
• Kamera — statisch, langsame Fahrt nach vorn, Umkreisung, Handkamera, Vogelperspektive.
• Look — Licht, Farbe, Filmstil, Stimmung.

Beachte, dass der dritte Prompt die Szene überhaupt nicht beschreibt. Sobald du ein Foto hochlädst, ist die Szene bereits erledigt — dein Prompt muss nur noch die Bewegung beschreiben. Prompts wie „animiere das" geben dem Modell nichts an die Hand, und genau das ist der übliche Grund, warum sich ein animiertes Foto kaum bewegt.

Das passende Modell für dein Ziel

VIBE enthält 39 KI-Videomodelle. Du musst nicht alle kennen. Wähle danach, was du vorhast, teste zuerst auf einem kostenlosen Modell und schicke den Gewinner-Prompt anschließend durch ein Premium-Modell, wenn die Idee steht.

Weil all diese Modelle in einer App liegen, ist der praktische Weg, denselben Prompt durch zwei Modelle zu schicken und zu vergleichen. Modelle widersprechen einander ständig, besonders bei Gesichtern, Händen und schnellen Bewegungen.

Typische Fehler

• Ein zu vager Prompt. „Ein cooles Video von einem Auto" überlässt dem Modell jede Entscheidung. Sag, welches Auto, welche Straße, welche Tageszeit und wie sich die Kamera bewegt.
• Zu viel in einem Clip. Ein kurzer Clip trägt eine Aktion. Zwei oder drei konkurrierende Aktionen ergeben meist Chaos und lassen das Motiv oft mitten im Clip die Gestalt wechseln.
• Lesbaren Text erwarten. KI-Videomodelle sind bei Wörtern, Logos und Schildern unzuverlässig. Setze Text lieber nachträglich in einer Schnitt-App ein.
• Das falsche Seitenverhältnis wählen und später zuschneiden. Entscheide dich vor der Generierung für hochkant, quer oder quadratisch, dann behältst du das ganze Bild.
• Für einen Test ein Flaggschiff-Modell bezahlen. Beweise den Prompt zuerst auf einem kostenlosen Modell und gib die Tokens dann für die Version aus, die du wirklich veröffentlichst.
• Denselben Prompt erneut laufen lassen und auf ein besseres Ergebnis hoffen. Ändere genau eine Sache — Kamerarichtung, Licht oder Aktion — damit du lernst, was den Unterschied gemacht hat.
• Die Audio-Einstellungen ignorieren. Manche Modelle erzeugen immer Ton, manche lassen ihn abschalten, manche bleiben stumm. Ton auszuschalten senkt dort, wo das Modell es erlaubt, meist die Token-Kosten.

Was es kostet

KI-Video ist teuer im Betrieb. Jeder Clip wird irgendwo auf einer GPU berechnet, und diese Kosten wachsen mit Länge, Auflösung und Größe des Modells. Keine App kann unbegrenzt Generierungen auf Flaggschiff-Modellen verschenken, und wer das behauptet, deckelt dich an anderer Stelle oder ändert demnächst seine Preise.

VIBE löst das über Tokens. Tokens sind das interne Guthaben der App: Du gibst sie beim Generieren aus, und die genauen Kosten stehen neben jedem Modell, bevor du auf Generieren tippst. Videomodelle werden pro Sekunde Ausgabe abgerechnet, ein 10-Sekunden-Clip kostet also etwa doppelt so viel wie ein 5-Sekunden-Clip, und höhere Auflösungen kosten mehr pro Sekunde. Das Talking-Avatar-Modell ist die Ausnahme: Es hat einen Festpreis pro Video, weil seine Länge nicht über einen Regler, sondern über die hochgeladene Audiodatei festgelegt wird.

Tokens bekommst du auf mehreren Wegen: ein Startguthaben beim ersten Öffnen der App, einen täglichen Bonus zum Abholen, Belohnungsvideos und Token-Pakete zum Kaufen. Ein Abo schaltet die Premium-Modelle frei und füllt dein Guthaben regelmäßig auf.

VIBE enthält außerdem 10 KI-Bildmodelle, von denen eines — Flux Schnell — kostenlos ist, mit 5 Generierungen pro Tag für alle ohne Abo. Erst ein Standbild zu erzeugen und es dann zu animieren ist oft günstiger, als immer wieder Video zu generieren, weil du die Bildkomposition zu Bildpreisen durchspielen kannst.

So sieht eine realistische erste Session aus

Wenn du zwanzig Minuten hast, nutze sie so: Schreibe einen Prompt mit allen fünf Elementen. Generiere ihn auf einem kostenlosen Modell mit kurzer Dauer. Sieh dir an, was das Modell falsch gemacht hat, ändere genau eine Sache im Prompt und generiere erneut. Wiederhole das drei- oder viermal.

Nach dem vierten Durchgang hast du einen Prompt, der zuverlässig etwas liefert, das deiner Vorstellung nahekommt — und ein Gefühl dafür, auf welche Wörter das Modell tatsächlich reagiert. Genau dieser Prompt ist es wert, Premium-Tokens dafür auszugeben. Die meisten, die von KI-Video enttäuscht sind, haben einmal generiert, etwas Seltsames bekommen und aufgehört.