Die besten Image-to-Video-Modelle für Produktwerbung: Kling 4.0 vs. Veo 3.1 vs. Runway Gen-4.5 vs. Seedance 2.5

Wenn du auf hiapi ein Produkt-Standbild in einen kurzen Werbespot verwandeln möchtest, lohnt ein Blick auf vier Image-to-Video-Modelle: Kling 4.0, Veo 3.1, Runway Gen-4.5 und Seedance 2.5. Ihre Datenblätter sehen sehr ähnlich aus. Der wirkliche Unterschied liegt im Preis pro Sekunde, darin, ob das Video mit dem von dir vorgegebenen Bild enden kann, ob Ton erzeugt wird und ob das Produkt am Ende des Videos noch wie dein Produkt aussieht.

Wir haben allen vier Modellen dasselbe 9:16-Standbild eines Sneakers und denselben Prompt gegeben und dann auf das geachtet, was in der Produktwerbung am wichtigsten ist: Bleibt die Farbgebung erhalten?

Kurzfazit: Seedance 2.5 hält das Produkt am nächsten am Original. Veo 3.1 liefert das ausgefeilteste Ergebnis, kostet aber am meisten. Kling 4.0 ist bei der Dauer am flexibelsten, färbt den Schuh aber mittendrin um. Runway Gen-4.5 hat die niedrigsten Kosten pro Sekunde, fügt jedoch Details hinzu, die im Original nicht vorhanden sind, und gibt kein Audio aus.

Testaufbau

Alle Videos beginnen mit demselben Eingangsbild: ein wolfgrauer Basketballschuh aus Wildleder mit neon-gelben Schnürsenkeln, schwebend über einem Sockel aus nassem Stein. Wir haben dieses Bild mit gpt-image-2 für einen früheren Praxisartikel zu Veo 3.1 für Kurzvideos erzeugt.

Alle vier Modelle erhielten exakt denselben Prompt:

Der Sneaker dreht sich langsam um etwa 90 Grad, während die Kamera aus einem niedrigen Winkel heranfährt. Staubpartikel schweben im Streiflicht. Der Schuh landet auf dem Sockel aus nassem Stein mit einem tiefen, befriedigenden dumpfen Aufprall, und an den Rändern breitet sich ein sanfter Nebelring aus. Ein warmer Lichtstreif gleitet über die Wildlederstruktur, Wassertropfen glitzern leicht. Im Hintergrund setzt allmählich ein subtiler niederfrequenter elektronischer Puls ein, begleitet von einem tiefen Luftrauschen beim Aufprall. Cinematische Produktwerbung, ruhige und stabile Kameraführung, keine Texteinblendungen, keine Untertitel.

Der Prompt enthält bewusst einen „warmen Lichtstreif“. Echte Werbeanforderungen verlangen das oft, und es ist zugleich ein guter Stresstest: Das Modell muss das Produkt beleuchten, ohne seine Farbe zu verändern.

Für diesen Artikel haben wir im November 2026 Kling 4.0, Runway Gen-4.5 und Seedance 2.5 ausgeführt, jeweils nur den ersten Durchlauf, in 720p und 4–5 Sekunden, ohne das beste Ergebnis auszuwählen. Das Video von Veo 3.1 stammt aus dem früheren Praxistest: 6 Sekunden, 1080p, erster Durchlauf. Es verwendete dasselbe Standbild und denselben Prompt, nur ohne die Wörter „Wassertropfen glitzern leicht“ und „keine Untertitel“. Beachte, dass Veo im folgenden Vergleich einen Auflösungsvorteil hat.

Die vier Videos

Veo 3.1: am vollständigsten im Look, aber am teuersten

Farbgebung, Schnürsenkel und halbtransparente Sohle bleiben während des gesamten Videos erhalten, und die Tonspur ist unter den drei Modellen mit Audio die lauteste und vollste. Eine Schwäche für die Werbung: Es versteht die „heranfahrende Kamera“ sehr wörtlich und endet in einer Makroaufnahme der Schnürsenkel. In der letzten Sekunde ist der ganze Schuh aus dem Bild. Wenn deine Endkarte das vollständige Produkt zeigen soll, schreibe das Schlussbild in den Prompt (zum Beispiel „endet mit der vollständigen Seitenansicht des Schuhs“).

Kling 4.0: flüssige Bewegung, aber die Farbgebung driftet ab

Landung, Nebel und Audio sehen gut aus. Aber als der warme Lichtstreif darüberfährt, wird das graue Wildleder dauerhaft braun, und das bleibt bis zum letzten Frame so. Der Braunton verschwindet nicht, nachdem das Licht weiterzieht, es ist also nicht nur ein Beleuchtungseffekt. Das Modell hat die Materialfarbe verändert. Für farbverbindliche Werbung bedeutet das: neu drehen. Wenn du mit Kling 4.0 an Produkten arbeitest, entferne warmfarbige Licht-Hinweise aus dem Prompt oder füge eine ausdrückliche Vorgabe hinzu, etwa „Wildleder bleibt durchgehend wolfgrau“. Außerdem ist die „720p“-Ausgabe in der Messung 724×1284 statt 720×1280, also plane einen Skalierungsschritt ein, wenn deine Werbeplattform exakte Größen verlangt.

Runway Gen-4.5: stärkste Bewegung, erfindet aber Details hinzu

Runway lässt den Schuh am stärksten rotieren und zeigt die Fersenseite, was kein anderes Modell geschafft hat. Dafür musste es das Aussehen der Schuh-Rückseite erfinden: Es erscheinen eine leuchtende türkisfarbene Mittelsohle und ein weißes Fersenelement, die im Original nicht vorhanden sind. Der Nebel verschluckt zudem die Landung. Und die Datei hat überhaupt keine Tonspur, obwohl der Prompt Ton verlangte. Runway eignet sich für Stimmungsbilder und B-Roll. Für Produktaufnahmen, die exakt zur SKU passen müssen, ist das Risiko hoch.

Seedance 2.5: am originalgetreuesten

Graues Wildleder, neon-farbene Schnürsenkel und halbtransparente Sohle stimmen vom ersten bis zum letzten Frame mit dem Quellbild überein, und der Schuh landet sauber mit einem Nebelring. Der Preis dafür ist eine geringere Drehung als die von uns geforderten 90 Grad. Auch das Audio ist das leiseste der vier, vor dem Upload ist also eine Loudness-Normalisierung nötig.

Letzte Frames im direkten Vergleich

Gemessene Daten pro Durchlauf

	Veo 3.1	Kling 4.0	Runway Gen-4.5	Seedance 2.5
Einstellungen	6 Sekunden, 1080p	4 Sekunden, 720p	5 Sekunden, 9:16	4 Sekunden, 720p
Ausgabegröße	1080×1920	724×1284	720×1280	720×1280
Tonspur	ja (48 kHz)	ja (44.1 kHz)	nein	ja (32 kHz)
Durchschnittliche Lautheit	−11.5 dB	−16.1 dB	—	−23.9 dB
Einreichung bis Fertigstellung	115 Sekunden	249 Sekunden	119 Sekunden	185 Sekunden
Farbgebung erhalten	ja	nein (wird braun)	teilweise (Mittelsohle aus dem Nichts)	ja
Letzter Frame enthält vollständiges Produkt	nein (Makro-Beschnitt)	ja	teilweise (durch Nebel verdeckt)	ja
Kosten dieses Durchlaufs*	$3.42	$0.88	$0.86	$0.82

*Berechnet nach aktueller Preisliste. Jedes Modell wurde nur einmal ausgeführt; die Generierungszeit variiert mit der Warteschlangenlast, daher sind die Zeitangaben nur eine Stichprobe pro Einzellauf.

Spezifikationen, die die Entscheidung beeinflussen

Diese Eingabegrenzen haben wir diesen Monat gegen die Live-API bestätigt. Beachte, dass das Bildfeld bei jedem Modell anders heißt – wichtig, wenn du eine gemeinsame Pipeline für alle vier Modelle schreiben willst.

	Veo 3.1	Kling 4.0	Runway Gen-4.5	Seedance 2.5
Modell-ID	veo-3.1/image-to-video	kling-4.0/image-to-video	runway-gen-4.5/image-to-video	seedance-2.5/image-to-video
Bildfeld	image_url (String)	image_urls (Array, 1 Element)	image_urls (Array, 1 Element)	first_frame_url (+ optional last_frame_url)
Endbild-Steuerung	nicht unterstützt	nicht unterstützt	nicht unterstützt	unterstützt
Dauer	4, 6 oder 8 Sekunden	3–30 Sekunden	5, 8 oder 10 Sekunden	4–30 Sekunden
Auflösung	720p, 1080p, 4k	720p, 1080p	nur 720p	720p, 1080p
Seitenverhältnis	folgt dem Bild	wählbar: 16:9, 9:16, 1:1, 21:9	wählbar: 16:9, 9:16, 4:3, 3:4, 1:1	folgt dem Bild (adaptive)
Audio	Schalter (generate_audio)	immer an	kein Audio	Schalter (generate_audio)
Preis pro Sekunde	$0.57 mit Audio / $0.29 ohne (720p–1080p); 4k $0.86 / $0.57	$0.22 (720p) / $0.33 (1080p)	$0.1715	$0.204 (720p) / $0.516 (1080p)

Seedance 2.5 ist das einzige der vier Modelle, das ein von dir geliefertes Bild als Endframe verwenden kann. Das ist praktisch für Werbespots, die mit einem Produktbild oder einem Logo-Frame enden müssen. Kling 4.0 und Seedance 2.5 sind die einzigen beiden, die in einem Durchlauf Videos von mehr als 10 Sekunden erzeugen können – nützlich für 15-sekündige Spots ohne Schnitt.

Da sich das Bildfeld von Modell zu Modell unterscheidet, funktioniert eine einfache Schleife nach dem Motto „Modellnamen austauschen“ nicht ohne Weiteres. Hier sind die drei Eingabestrukturen, die wir gesendet haben:

{"model": "kling-4.0/image-to-video",
 "input": {"prompt": "...", "image_urls": ["https://your-cdn.example.com/still.jpg"], "duration": 4, "resolution": "720p"}}

{"model": "runway-gen-4.5/image-to-video",
 "input": {"prompt": "...", "image_urls": ["https://your-cdn.example.com/still.jpg"], "duration": 5, "aspect_ratio": "9:16"}}

{"model": "seedance-2.5/image-to-video",
 "input": {"prompt": "...", "first_frame_url": "https://your-cdn.example.com/still.jpg", "duration": 4, "resolution": "720p", "generate_audio": true}}

Sie alle werden an denselben Endpunkt zum Erstellen von Aufgaben gesendet und auf dieselbe Weise abgefragt. Zur Struktur von Veo mit dem einzelnen String image_url siehe den Veo-3.1-Praxisartikel.

Kosten pro fertigem Werbespot: ein Rechenbeispiel

Angenommen, du brauchst ein 8-sekündiges 9:16-Hero-Video. Du erstellst zuerst zwei Bewegungsentwürfe mit den günstigsten sinnvollen Einstellungen und renderst dann die endgültige Version in der besten Auflösung jedes Modells:

Modell	2 Entwürfe	Finaler 8-Sekunden-Render	Gesamt
Runway Gen-4.5	2 × 5 Sekunden × $0.1715 = $1.72	720p: $1.37	$3.09 (kein Audio, maximal 720p)
Kling 4.0	2 × 4 Sekunden × $0.22 = $1.76	1080p: $2.64	$4.40
Seedance 2.5	2 × 4 Sekunden × $0.204 = $1.63	1080p: $4.13	$5.76
Veo 3.1	2 × 4 Sekunden × $0.29 (ohne Audio) = $2.32	1080p mit Audio: $4.56	$6.88

Runway ist am günstigsten, aber du musst selbst Ton hinzufügen und 720p akzeptieren. Für eine einmalige 15-Sekunden-Generierung schaffen es nur Kling 4.0 ($4.95 bei 1080p) und Seedance 2.5 ($7.74 bei 1080p, $3.06 bei 720p) in einem Durchlauf. Veo reicht maximal 8 Sekunden, Runway maximal 10 Sekunden. Die Preise stammen aus /api/pricing mit Stand November 2026.

Entscheidungscheckliste

• Farbe oder Etikett müssen exakt zur SKU passen: Beginne mit Seedance 2.5. Wenn du zusätzlich 1080p+-Feinheit und eine starke Tonspur brauchst, wähle Veo 3.1.
• Das Video muss mit einem bestimmten Produktbild oder Logo-Frame enden: Seedance 2.5. Es ist das einzige Modell, das last_frame_url unterstützt.
• Du brauchst 15–30 Sekunden in einem Durchlauf: Kling 4.0 (pro Sekunde günstiger bei 1080p) oder Seedance 2.5. Vermeide bei Kling warmfarbige Licht-Hinweise im Prompt.
• Du brauchst fertiges Audio direkt aus der API: Veo 3.1 (lauteste Mischung), danach Kling 4.0. Die Tonspur von Seedance ist leiser und muss vor dem Upload normalisiert werden. Runway liefert kein Audio.
• Du willst günstige Stimmungsaufnahmen oder B-Roll, Produktdetails müssen nicht exakt sein: Runway Gen-4.5, $0.1715 pro Sekunde.
• Du brauchst ein 4K-Master für weitere Platzierungen: Von den vier Modellen hat nur Veo 3.1 die Stufe 4k.

Egal wofür du dich entscheidest: Erstelle zunächst Entwürfe in 720p und kurzer Dauer und prüfe vor dem kostenpflichtigen 1080p-Render den letzten Frame auf Farbdrift.

Häufige Fragen

Welches Image-to-Video-Modell auf hiapi eignet sich am besten für Produktwerbung? In unserem Test mit demselben Standbild hielt Seedance 2.5 Farbe und Details des Produkts am nächsten am Quellbild, und es ist das einzige Modell mit Endbild-Steuerung. Veo 3.1 lieferte das ausgefeilteste 1080p-Video und das stärkste Audio, kostet aber pro Sekunde am meisten.

Warum hat Kling 4.0 die Farbe meines Produkts verändert? In unserem Durchlauf hat der „warme Lichtstreif“ aus dem Prompt das graue Wildleder dauerhaft braun gemacht. Entferne warmfarbige Hinweise aus den Lichtanweisungen oder benenne die Produktfarbe ausdrücklich („Wildleder bleibt durchgehend wolfgrau“).

Erzeugt Runway Gen-4.5 Ton? Nein. Unsere Image-to-Video-Ausgabe von Runway Gen-4.5 hatte keinen Audiostream, und im Schema gibt es keine Audiooption. Füge Musik oder Soundeffekte beim Schnitt hinzu.

Kann ich für Veo 3.1 oder Seedance 2.5 ein Seitenverhältnis festlegen? Nicht unabhängig. Veo 3.1 hat kein Feld für das Seitenverhältnis, und Seedance 2.5 akzeptiert nur adaptive, beide folgen also dem Eingabebild. Schneide das Standbild vor dem Einreichen eines Hochformat-Spots auf 9:16 zu.

Wie lang kann ein einzelnes Video maximal sein? Veo 3.1: 4, 6 oder 8 Sekunden. Runway Gen-4.5: 5, 8 oder 10 Sekunden. Kling 4.0: 3–30 Sekunden. Seedance 2.5: 4–30 Sekunden.

Nächste Schritte

Probiere mit deinem eigenen Produkt-Standbild die beiden Modelle aus, die zu deiner Checkliste passen. Die Seiten Seedance 2.5 Image-to-Video und Veo 3.1 Image-to-Video bieten Live-Preise und ein Testpanel. Wenn Dauer oder Preis pro Sekunde wichtiger sind, vergleiche Kling 4.0 und Runway Gen-4.5. Details auf Anfrageebene findest du im Kling 4.0 Image-to-Video API-Leitfaden und im Seedance 2.5 Leitfaden zu erstem und letztem Frame.