Dialog braucht eine klare Spielanweisung
Eine Sprechszene ist mehr als ein Geräusch zu einem bewegten Gesicht. Das Publikum muss verstehen, wer spricht, was der Satz bedeutet und wie die andere Person reagiert. Kläre das, bevor du aufwendige Beleuchtung oder mehrere Kamerabewegungen beschreibst. Dieser Leitfaden konzentriert sich auf Dialog; die Tonübersicht erklärt das allgemeine Verhalten der Audioausgabe.
Laut der Seedance-Übersicht von ByteDance werden Audio und Video gemeinsam erzeugt. Deshalb sollte der Prompt sichtbare Darbietung und gesprochenen Inhalt als eine Szene beschreiben. Das bedeutet nicht, dass jedes gewünschte Wort, jeder Akzent oder jede Mundform perfekt wiedergegeben wird. Höre dir das Ergebnis an, statt aus plausiblen Lippenbewegungen auf einen korrekten Wortlaut zu schließen.
SeaDance generiert Ton zusammen mit dem Bild, unterstützt das Hochladen von Audiodateien nicht und bietet keinen Schalter für stumme Generierung. Ein geschriebener Satz fordert eine neue Darbietung an; er ist keine festgelegte Aufnahme. Wenn das Projekt exakte aufgezeichnete Sprache voraussetzt, plane deren Produktion außerhalb von SeaDance, bevor du Geld für Bildversuche ausgibst.
Beginne mit einer sprechenden Person
Benenne die Person, gib die gesprochene Sprache an, setze den Satz in Anführungszeichen und beschreibe die Sprechweise außerhalb der Anführungszeichen. Halte Umgebungsgeräusche in einem eigenen Satz fest. Schreibe keine Spielanweisungen in den gesprochenen Text, wo sie als mitzusprechende Wörter verstanden werden könnten. Wähle einen kurzen Satz, der anschließend Raum für einen natürlichen Gesichtsausdruck lässt.
Eigener Prompt: „Ein Ladeninhaber mit einer marineblauen Schürze steht hinter einer aufgeräumten Theke und blickt zum Kunden direkt neben der Kamera. Statische Nahaufnahme. Der Ladeninhaber sagt herzlich auf Deutsch: ‚Ich habe das letzte Brot für dich aufgehoben.‘ Nach dem Satz lächelt er kurz. Darunter liegt leiser Ladenraumton. Am Ende blickt der Ladeninhaber weiterhin zum Kunden.“
Das Beispiel legt die sprechende Person, Blickrichtung, Dialogzeile und das Ende fest. Es verlangt weder eine Pause nach jedem Wort noch einen unpassenden Kameraeffekt. Wirkt die Sprache gehetzt, kürze den Text oder wähle eine unterstützte längere Dauer. Weitere emotionale Adjektive helfen meist weniger, als einen Satzteil zu entfernen, für den die Szene keine Zeit lässt.
Mache Sprecherwechsel in einer Szene mit zwei Personen sichtbar
Gib jeder Person einen festen Namen und eine eindeutige Position. Beschreibe bei jedem Redebeitrag, wer zuhört. Ordne die Dialogzeilen nacheinander an und vermeide beim Testen gleichzeitiges Sprechen. Eine Einstellung über die Schulter oder ein ruhiger gemeinsamer Bildausschnitt macht die gerade sprechende Person oft leichter prüfbar als schnelle Schnitte zwischen wechselnden Gesichtern.
Eigener Prompt: „Mara in einer olivgrünen Jacke steht links; Ellis in einem anthrazitfarbenen Pullover steht rechts neben einem Werkstatttisch. Statische gemeinsame halbnahe Einstellung. Mara sagt auf Deutsch: ‚Hast du das Licht angelassen?‘ Ellis hört schweigend zu und antwortet dann auf Deutsch: ‚Nur in der Werkstatt.‘ Mara hört während der Antwort zu. Leiser Raumton. Am Ende blicken beide zur offenen Tür.“
Das ist ein vorgeschlagener Prompt, keine überprüfte generierte Darbietung. Werden die Stimmen vertauscht, vereinfache die räumliche Anordnung und wiederhole die Kleidung der sprechenden Person direkt bei ihrer Zeile. Bewegen sich beide Münder, beschreibe ausdrücklich, dass die zuhörende Person während des Redebeitrags schweigt. Bleibt das Timing zu eng, teile das Gespräch in separat geplante Einstellungen auf und prüfe den Anschluss am Schnitt.
Plane Budget für Dialogtests ein
| Modell | Auflösung auf SeaDance | 5-Sekunden-Test, Ton aktiviert |
|---|---|---|
| Seedance 2.0 Mini | 480p | 4 Credits / $0,80 |
| Seedance 2.5 | 480p | 11 Credits / $2,21 |
| MiniMax H3 | 768P | 9 Credits / $1,81 |
| Kling 3.0 | 720p | 13 Credits / $2,61 |
Alle Dollar-Gegenwerte rechnen vorausbezahlte Credits zum Kurs des monatlichen Basic-Tarifs um: $29,90 für 149 Credits, also etwa $0,2007 pro Credit. Es handelt sich nicht um separate Kaufpreise. Auf der Seite Preise findest du Tarife und Pakete. Neue Konten starten mit 0 Credits. Jeder neue Versuch wird erneut berechnet, auch ein abgeschlossenes Ergebnis, das dir nicht gefällt. Bei fehlgeschlagener Generierung werden die Generierungs-Credits zurückgebucht. Das ist etwas anderes als die Erstattung einer Abonnementzahlung. Lies dazu die Rückerstattungsrichtlinie.
Prüfe Wörter, Münder und Bedeutung getrennt
Höre zuerst auf den exakt verlangten Wortlaut. Notiere Auslassungen, Ersetzungen, zusätzliche Sprache und eine ungewollte Sprache. Prüfe danach, ob das richtige Gesicht zum richtigen Zeitpunkt spricht. Beurteile anschließend, ob Mundbewegung und Sprechrhythmus plausibel zusammenpassen. Eine Szene kann die erste Prüfung bestehen und an der zweiten scheitern. Fasse deshalb nicht alle Tonprobleme unter „Lippensynchronität“ zusammen.
Behalte Referenzbilder und Figurenbeschreibungen bei, wenn ein Gespräch in einer weiteren Einstellung fortgesetzt wird. Eine passende Jacke garantiert keine passende Stimme, und ein wiederholter Name erzeugt keine gespeicherte Stimmidentität. Nutze dieselben schriftlichen Hinweise zur Sprechweise als Orientierung, prüfe die Stimmkontinuität aber im Ergebnis – sie ist keine aktivierte Sperre.
Kling 4.0 ist über die Modellübersicht verfügbar; prüfe die aktuell angezeigten Kosten im Generator. Laut der Einführungsübersicht von Kuaishou gehört eine genauere Lippensynchronität zu den audiovisuellen Verbesserungen. Das ist eine Herstelleraussage, keine Garantie für den exakten Wortlaut und keine Zusage, dass SeaDance hochgeladene Sprachspuren unterstützt.
Behebe zuerst den kleinsten Fehler
Spricht die falsche Person, kläre zuerst die benannte sprechende und die zuhörende Person, bevor du den Bildstil änderst. Ist die Sprache gehetzt, kürze den Satz, bevor du mehrere neue Pausen verlangst. Wird ein Satz falsch ausgesprochen, versuche einfachere Formulierungen, sofern die Bedeutung das erlaubt. Bewahre vorgeschriebenen Wortlaut und erkenne, wann weitere Generierungen kein geeigneter Weg zu diesem Wortlaut sind.
Überlagert Musik die Sprache, verlange einen zurückhaltenden Hintergrund und klaren Dialog. Das ist eine Promptanweisung, keine separate Mischpultfunktion. Wird der Mund verdeckt, fordere ein frei sichtbares Gesicht und reduziere die Kopfbewegung. Halte Hände, Tassen und Drehgesten während des Satzes vom Mund fern, sofern diese Inszenierung nicht notwendig ist.
Notiere den Grund für jede Wiederholung. Ein abgeschlossenes Ergebnis mit einem veränderten Satz bleibt eine abgeschlossene kostenpflichtige Generierung, auch wenn du es im Projekt nicht nutzen kannst. Verwechsle kreative Ablehnung nicht mit einem fehlgeschlagenen Auftrag. Ein kleiner Folgetest kann zeigen, ob deine Überarbeitung das Sprecher- oder Timingproblem gelöst hat, bevor du die gesamte Szene neu aufbaust.
Wann separate Sprachaufnahmen in der Nachbearbeitung sinnvoll sind
Nutze einen separaten Aufnahmeablauf, wenn ein exakter juristischer Wortlaut, eine bestimmte darstellende Person, sorgfältige Aussprache oder wiederholbare Stimmkontinuität zwingend sind. Du kannst Bildmaterial generieren und Aufnahme sowie Zusammenbau anderswo erledigen. SeaDance bietet keine Funktion zum Austauschen der Tonspur; plane die nötigen Arbeitsschritte deshalb in einem anderen Werkzeug.
Ein späterer Sprachaustausch korrigiert sichtbare Mundbewegungen nicht automatisch. Wenn sich die Aufnahme stark ändern muss, eignen sich eine Reaktionseinstellung, Zuhörende, eine entfernt sprechende Person oder ein Gegenstandsdetail oft besser. Ist ein sprechendes Gesicht in Nahaufnahme notwendig, gib Stimme und Mundbewegung gemeinsam frei, bevor du die Einstellung als fertig betrachtest.
Speichere zur Prüfung das Transkript der tatsächlich gesprochenen Worte neben dem gewünschten Satz und notiere jede Änderung. Lass bei Bedarf jemanden mit sicheren Kenntnissen der gewünschten Sprache die Aussprache prüfen. Ansprechende Gesichtsbewegungen belegen keine korrekte Sprache. Entscheide über die Freigabe zuerst anhand von gefordertem Wortlaut und Darbietung, danach anhand des Bildstils.
Häufige Fragen
Kann ich meine eigene Dialogaufnahme hochladen?
Nein. SeaDance unterstützt das Hochladen von Audiodateien nicht. Der Generator erzeugt Ton zusammen mit dem Bild; eine vorhandene Aufnahme braucht einen separaten Produktionsablauf.
Wie gebe ich die Sprache an?
Benenne die gesprochene Sprache direkt bei jeder sprechenden Person und setze den gewünschten Satz in Anführungszeichen. Beschreibe Inszenierung und Emotion außerhalb der Anführungszeichen und höre dir anschließend das tatsächliche Ergebnis an.
Garantieren Anführungszeichen den genauen Wortlaut?
Nein. Sie verdeutlichen die Anfrage, doch generierter Dialog kann weiterhin Wörter auslassen oder verändern. Prüfe Transkript und sichtbare sprechende Person vor der Freigabe.
Reicht eine spätere Sprachaufnahme aus, um Lippensynchronität zu korrigieren?
Nicht unbedingt. Ein anderer Rhythmus kann ein sichtbar sprechendes Gesicht weniger überzeugend machen. Wenn die Aufnahme geändert werden muss, erwäge Bilder, die keine exakt passenden Mundbewegungen erfordern.
Quellen
Die offiziellen Hintergrundinformationen wurden am 5. November 2026 geprüft. Einstellungen und Abrechnung von SeaDance richten sich in diesem Artikel nach der aktuellen Produktkonfiguration und nicht nach dem vollständigen Funktionsumfang der Hersteller.