KI-Videos mit Ton erstellen

Welche SeaDance-Modelle erzeugen Ton?

Bei allen sieben derzeit auf SeaDance angebotenen Videomodellen ist die Tonausgabe aktiviert. Die Seedance- und MiniMax-H3-Familien erzeugen Ton mit fester Einstellung. Auch Kling 3.0 läuft im aktuellen SeaDance-Ablauf mit aktiviertem Ton. Wähle ein Modell nach den verfügbaren Bildeinstellungen und deiner kreativen Idee; Ton ist in diesem Ablauf keine separat hochgeladene Datei.

Laut der Übersicht zu Seedance 2.0 von ByteDance erzeugt das Modell Audio und Video gemeinsam. Laut der Ankündigung von Kling 3.0 durch Kuaishou unterstützt Kling native Audioerzeugung. Diese Angaben liefern den Hintergrund für audiovisuelle Prompts. Welche Modelle, Ausgabeeinstellungen und Preise auf SeaDance tatsächlich verfügbar sind, zeigt die folgende Übersicht – unabhängig von weitergehenden Fähigkeiten, die Entwickler beschreiben.

Die Dollar-Schätzungen beruhen auf gekauften Credits im monatlichen Basic-Tarif: $29,90 für 149 Credits, also etwa $0,2007 pro Credit. Es handelt sich nicht um separate Kaufpreise. Neue Konten starten mit 0 Credits. Prüfe die Preise vor dem Absenden; jede nachstehende Kostenangabe gilt für ein Ergebnis.

Jedes Video in dieser Tabelle hat das Seitenverhältnis 16:9; jede Anfrage liefert ein Ergebnis. Eine andere Auflösung ist innerhalb dieser Modelleinträge keine separat wählbare Erweiterung. Starte mit dem verfügbaren Modus Video aus Text oder Video aus Bild und beschreibe den Ton passend zum sichtbaren Geschehen.

Beschreibe Umgebungsgeräusche als Teil des Ortes

Benenne eine glaubwürdige Geräuschquelle, statt „immersives Audio“ zu verlangen. In einem leeren Gewächshaus könnten das Regen auf dem Dach, ein leiser Lüfter und Schritte im Gang sein. Gib an, welche Geräusche nah und welche entfernt sind. So erhält die Szene eine akustische Perspektive, ohne dass die Kamera jede Schallquelle aufsuchen muss.

Eigenes Beispiel für Atmosphäre: „Eine Gärtnerin geht langsam durch ein Gewächshaus. Leichter Regen klopft auf das Glasdach; nahe Schritte sind deutlich zu hören, während in der Ferne ein Lüfter leise summt. Die Atmosphäre bleibt ruhig, ohne Sprache oder Musik.“ Das ist ein geeigneter Ausgangspunkt für eine stille Beobachtungsszene. Der Wunsch nach keiner Sprache ist eine Anweisung, keine garantierte Stummschaltung.

Verbinde Geräusche mit sichtbaren Ereignissen

Beschreibe bei einer Produkthandlung das Ereignis, das den Ton auslöst. Ein Deckel klickt beim Schließen; eine Tasse berührt die Untertasse; Papier raschelt beim Falten. Ergänze nicht zu jeder Kamerabewegung einen lauten Effekt. Kamerafahrt und Objekthandlung sind getrennte Vorgänge. Ein unnötiges Tonsignal kann von dem Ereignis ablenken, das die Zuschauer verstehen sollen.

Eigenes Geräuschbeispiel: „Feste Ansicht einer Keramiktasse, die behutsam auf einen Holzschreibtisch gestellt wird. Beim Kontakt des Bodens mit der Oberfläche ertönt ein leises Aufsetzgeräusch, danach bleibt nur ruhige Raumatmosphäre. Kein dramatischer Aufprall und keine Stimme.“ Prüfe, ob der Ton mit der sichtbaren Berührung verbunden wirkt. Kommt er im falschen Moment, vereinfache die Handlung und entferne konkurrierende Geräusche aus dem nächsten Prompt.

Beschreibe Musik anhand ihrer Aufgabe

Eine hilfreiche Musikanweisung benennt Instrumente, Stimmung und Lautstärke im Verhältnis zur Szene. Für eine ruhige Produktszene passt ein dezenter instrumentaler Hintergrund unter der sichtbaren Handlung. Für eine dynamische Szene beschreibe einen stärkeren Rhythmus, ohne eine komplizierte Folge präziser musikalischer Wechsel zu verlangen. Verwende eigene musikalische Beschreibungen und Material, an dem du die nötigen Rechte hast; fordere keine Nachbildung einer kommerziellen Aufnahme an.

Eigenes Musikbeispiel: „Ein Reisebecher steht im morgendlichen Fensterlicht neben einem Notizbuch. Leise gezupfte Saiten bilden einen warmen instrumentalen Hintergrund ohne Gesang; das Abstellen des Bechers bleibt gut hörbar.“ Die Musik unterstützt die Szene. Wirkt das Ergebnis zu überladen, streiche ein Instrument oder beschränke dich auf Umgebungsgeräusche, bevor du das Bildgeschehen komplexer machst.

Halte Dialoge kurz und benenne die sprechende Person

Setze den gewünschten Wortlaut in Anführungszeichen, benenne die sprechende Person und beschreibe die Sprechweise. Für einen ersten Test eignet sich eine einzelne sichtbare Person, weil die Zuordnung der Worte klar ist. Halte den Satz so kurz, dass er natürlich in die gewählte Dauer passt und Zeit für eine sichtbare Reaktion bleibt. Aussprache und Synchronität musst du dennoch anhören und im Bild prüfen.

Eigenes Dialogbeispiel: „Eine Ladenbesitzerin blickt neben einem Regal mit handgefertigten Schalen in die Kamera. Mit ruhiger deutscher Stimme sagt sie: ‚Diese Schale ist bereit für deinen Tisch.‘ Leise Ladengeräusche bleiben hinter ihrer Stimme; kein Hintergrundgesang.“ Bei 5 Sekunden kann ein noch kürzerer Satz passen. Lass bei 10 oder 15 Sekunden Raum zum Atmen, statt jeden Moment mit Sprache zu füllen.

Grenzen bei Toneingaben und stummer Ausgabe

Auf SeaDance kannst du keine Audiodatei als Vorgabe für die Generierung hochladen. Beschreibe Atmosphäre, Musik und Sprache im Text. Ein Tonwunsch macht einen nicht unterstützten Upload nicht zu einer zulässigen Eingabe. Auch eine Entwicklerdemo zusätzlicher Eingaben belegt nicht deren Verfügbarkeit hier. Nutze nur die Bild-Upload-Felder des gewählten Modus.

Der Kling-Rechner enthält einen günstigeren Tarif ohne Ton, den die folgende Tabelle zur Transparenz zeigt. Dieser Tarif steht auf SeaDance nicht zur tatsächlichen Generierung bereit: Im Ablauf bleibt Ton aktiviert. Du kannst den günstigeren Preis nicht durch „stumm“ im Prompt einschalten. Bei Seedance und MiniMax H3 ist die Audioerzeugung fest vorgegeben; für diese Familien gibt es daher keine entsprechende Preisauswahl ohne Ton.

Prüfe Bild und Ton gemeinsam

Achte beim Anhören auf unerwünschte Sprache, ablenkende Musik, abrupte Effekte und unverständliche Wörter. Prüfe im Bild, ob Schritte, Kontaktgeräusche und Mundbewegungen zur Handlung passen. Überarbeite den Prompt gezielt: Vereinfache Sprecherwechsel, reduziere überlappende Effekte oder ordne Musik der Stimme unter. Auch eine erfolgreich gelieferte Datei kann kreativ überarbeitet werden müssen; erzeugter Ton garantiert nicht die genau vorgestellte Darbietung.

Wenn der gesprochene Satz anders ausfällt

Bei Sprechszenen wird häufig bemängelt, dass der erzeugte Text vom vorgegebenen Satz abweicht oder die Mundbewegung nicht mehr zu den Wörtern passt. Auf SeaDance entsteht der Ton gemeinsam mit dem Bild. Du kannst daher im Generator weder eine vorab aufgenommene Sprachspur festlegen noch die Lippensynchronität nachjustieren.

Halte jeden gesprochenen Satz kurz, setze den genauen Wortlaut in Anführungszeichen, verwende nur eine sprechende Person pro Einstellung und verzichte während des Satzes auf Musik oder Effekte. Prüfe Wörter und Mundbewegungen vor der Nutzung des Clips. Wenn der Wortlaut genau stimmen muss, etwa bei einer Produktaussage oder einem Namen, plane eine eigene Sprachaufnahme für den Schnitt ein, statt dich auf generierten Dialog zu verlassen.

Häufige Fragen

Quellen

ByteDance: Seedance 2.0 · Kuaishou: Kling 3.0 native audio

Weitere Artikel

Prompts für Kamerabewegungen · Kling 3.0 vs MiniMax H3 · Hilfe bei fehlgeschlagenen Generierungen