Blog

Benutzerhandbuch

Kurzvideos mit veo-3.1-lite/text-to-video auf der HiAPI API erstellen

Ein praktischer Entwickler-Workflow: Storyboard-Text-zu-Video, nativer Ton und die Wahl des Seitenverhältnisses

Nov 9, 2026
Ein复古er kupferfarbener Kupferstich-Schraffur, der sich auf mitternachtsblauem Grund zu einem horizontalen Bildband anordnet und ein abstraktes Titelbild für ein Kurzfilm-Storyboard bildet.
Auf dieser Seite
Ein Kurzvideo, das mit veo-3.1-lite/text-to-video auf der HiAPI API vollständig von Anfang bis Ende produziert wurde – Storyboard, nativer Ton und 16:9-Auslieferung, erzeugt aus einem einzigen Prompt.

Warum Kurzvideos naive Text-zu-Video-Prompts scheitern lassen

Wenn man zum ersten Mal mit einem Text-zu-Video-Modell in Berührung kommt, ist der Instinkt, einen langen, filmischen Prompt zu schreiben und dann ein fertiges Video zurückzuerwarten. Bei einem 30-Sekunden-Kurzvideo ist dieser Ansatz fast immer enttäuschend, und das liegt an der Struktur, nicht an der Ausarbeitung des Prompts.

Ein einzelner Prompt verlangt vom Modell, über einen ganzen narrativen Bogen hinweg konsistent zu bleiben: Figurenkonsistenz, Kamerabewegung, Timing und Audio müssen über die gesamte Laufzeit hinweg zusammenhängen. Ein Kurzvideo ist jedoch kein durchgehender langer Take – es ist eine Abfolge von Beats. Hook, Aufbau, Wendung, Abschluss. Jeder Beat braucht eine andere Komposition, eine andere Energie und oft eine andere Positionierung der Motive. Packt man sie alle in einen Prompt, mittelt das Modell sie, und gerade dieses Mitteln ruiniert die Retention von Kurzvideos.

Ein weiteres Fehlermuster sind die Iterationskosten. Wenn ein Prompt ein langes Video erzeugt und der dritte Beat misslingt, musst du alles neu generieren und hoffen, dass der Teil, der dir gefallen hat, erhalten bleibt. Das ist eine langsame Schleife ohne verlässliche Kontrollmöglichkeiten.

Der in diesem Leitfaden verwendete Workflow ist shot-basiert: Zerlege das Skript in einzelne Shots, sende für jeden Shot eine eigene Generierungsanfrage ab und halte die Kontinuität in deinen eigenen Metadaten statt im Prompt. Jeder folgende Abschnitt baut auf dieser Zerlegung auf – Anfragestruktur, Seitenverhältnis, Audio und Iteration setzen alle voraus, dass du Shot für Shot arbeitest.

Genau hier passt veo-3.1-lite/text-to-video natürlich. Ein schlankeres Text-zu-Video-Modell eignet sich hervorragend für die Erzeugung vieler kurzer, einzeln neu generierbarer Segmente – und genau das ist die Form einer Kurzvideo-Pipeline.

Den mentalen Modellwechsel vollziehen

Betrachte das Modell nicht länger als einen Regisseur, der fertige Filme zurückgibt. Betrachte es als Shot-Renderer: Du lieferst eine klar abgegrenzte Shot-Beschreibung, es gibt ein Segment zurück, und deine Pipeline übernimmt das Ordnen, die Audio-Mischung und das Timing. Sobald diese Arbeitsteilung klar ist, werden die meisten verbleibenden Entscheidungen zu Engineering-Entscheidungen statt zu Prompt-Schreibentscheidungen.

Die Shot-Liste vor dem API-Aufruf planen

Die Shot-Liste ist der Vertrag zwischen Skript und Generierungsaufrufen. Schreibe sie als Daten, nicht als Prosa, damit deine Pipeline sie durchlaufen kann.

Beginne beim Skript und zerlege es in Beats. Für Kurzvideos gilt eine praktische Regel: ein Shot pro Satz oder pro visueller Idee, je nachdem, was kürzer ist. Wenn ein Satz zwei Einstellungen braucht, um klar zu werden, sind das zwei Shots. Wenn drei Sätze eine durchgehende Visualität teilen, können sie ein Shot sein – aber nur, wenn die Dauer noch bequem in eine Generierung passt.

Erfasse für jeden Shot mindestens:

  • Shot-ID – stabil, für Menschen lesbar, für Caching und Wiederholungen.
  • Prompt – die visuelle Beschreibung, selbsttragend genug, dass der Shot auch isoliert funktioniert.
  • Dauer – wie lange der Shot im finalen Schnitt dauern soll.
  • Seitenverhältnis – pro Kanal festgelegt, vor der Generierung entschieden.
  • Audio-Absicht – nativer Umgebungston, Stille zum Ersetzen oder Platzhalter für Voiceover.
  • Kontinuitätsnotizen – Kleidung der Figuren, Licht, Ort und Bildrichtung.

Kontinuität möglichst aus dem Prompt herausziehen

Kontinuitätsnotizen gehören in die Metadaten, nicht wörtlich wiederholt in jeden Prompt. Prompts, die lange wiederverwendete Beschreibungen tragen, driften oft im Schwerpunkt – ein Shot überbetont die Kleidung, der nächste unterbetont sie. Ein saubereres Muster ist ein kurzer, stabiler Beschreibungsblock für jede Figur oder jeden Ort, den du (als Pipeline-Autor) in jeden Prompt zusammensetzt, sodass die Formulierungen über die Shots hinweg exakt gleich bleiben, auch wenn die Prompts selbst unterschiedlich sind.

Jeden Shot einer Anfrage zuordnen

Jeder Shot sollte in einem einzigen Aufruf generierbar sein. Wenn ein Shot mehr Zeit benötigt, als eine Generierung bequem abdecken kann, teile ihn an einem natürlichen Schnittpunkt – einer Reaktion, einer Kamerabewegung, einem Moment der Stille – statt die Anfrage zu strecken. Kürzere Shots lassen sich auch günstiger neu generieren, wenn einer misslingt, und genau das ist der Sinn der Zerlegung.

Halte die Shot-Liste zusammen mit dem Skript in der Versionskontrolle. Wenn sich das Skript ändert, zeigt dir der Diff genau, welche Shots neu gerendert werden müssen.

Die Generierungsanfrage in der Pipeline konstruieren

Mit einer Shot-Liste als Daten wird die Anfrageschicht zu einem dünnen Wrapper: einen Shot lesen, eine Anfrage für veo-3.1-lite/text-to-video konstruieren, die HiAPI API aufrufen, das Ergebnis unter der Shot-ID speichern.

Auf hoher Ebene trägt ein Generierungsaufruf dieselben Informationen wie der Shot-Datensatz: Prompt-Text, erwartete Dauer und Seitenverhältnis. Die genauen Parameternamen und zulässigen Werte werden von der API-Referenz des Modells auf HiAPI definiert, also behandle die Endpunkt-Dokumentation als maßgebliche Quelle und gleiche die Standardwerte deines Wrappers damit ab, statt Annahmen an vielen Stellen fest zu verdrahten.

Ein wiederverwendbarer Wrapper

Die folgende Form ist bewusst sprachneutraler Pseudocode – der Wert liegt in der Struktur, nicht in der Syntax:

function renderShot(shot, attempt):
    request = {
        model: "veo-3.1-lite/text-to-video",
        prompt: buildPrompt(shot),
        duration: shot.duration,
        aspect_ratio: shot.aspectRatio
    }
    response = hiapi.generate(request)
    save(shot.id, attempt, response)
    return response

Drei Eigenschaften machen diesen Wrapper wertvoll:

  1. Jeder Aufruf ist nach Shot-ID und Versuchsnr. verschlüsselt. Wenn Shot 4 misslingt, weißt du genau, welches Artefakt ersetzt werden muss und welche Versuche fehlgeschlagen sind.
  2. Der Prompt wird gebaut, nicht eingefügt.buildPrompt verschmilzt die Beschreibung des Shots selbst mit den stabilen Figuren- und Ortsblöcken aus den Metadaten, sodass die Kontinuitätsformulierungen über die Shots hinweg konsistent bleiben.
  3. Nachgelagerte Stufen hängen nicht vom Erfolg des ersten Aufrufs ab. Der Wrapper gibt eine Artefakt-Referenz zurück; der Assembler liest den aktuell freigegebenen Inhalt jedes Shots.

In der Praxis ist die Generierung asynchron

Behandle die Generierung als lang laufende Aufgabe, nicht als synchronen Aufruf innerhalb eines Request-Handlers. Übermittle, persistiere die Aufgabenreferenz und poll oder warte in einem Worker-Prozess auf den Abschluss. So bleiben Wiederholungen, Parallelitätsgrenzen und Teilausfälle unter deiner Kontrolle, statt mit dem Request-Lebenszyklus der Anwendung verflochten zu sein.

Die Montage ist eine separate Phase

Generiere und montiere nicht in einem Schritt. Rendere alle freigegebenen Shots, speichere sie und führe dann einen separaten Assemblierungsprozess aus: nach Shot-ID sortieren, zusammenfügen, Übergänge (falls vorhanden) anwenden und Audio mischen. Die Montage separat zu halten bedeutet, dass das erneute Rendern eines Shots nur die Montage erneut ausführen muss, ohne irgendetwas neu zu generieren.

Seitenverhältnis und Segmentlänge nach Kanal wählen

Seitenverhältnis und Dauer sollten von den Distributionskanälen nach innen bestimmt werden, bevor irgendeine Generierung stattfindet – nicht nachträglich angepasst werden. Das Zuschneiden fertiger Segmente auf unterschiedliche Formate ist die häufigste Art, Rendering zu verschwenden.

Seitenverhältnis

Wähle ein primäres Format pro Kanal und halte es über das gesamte Werk hinweg. Gemischte Seitenverhältnisse in einem einzelnen Kurzvideo ruinieren das Seherlebnis auf jeder Plattform.

  • Hochformat – die Standardwahl für Feed-Oberflächen mit wischendem Kurzvideo. Komponiere für das hohe Format: Motiv zentriert oder leicht erhöht, mit sicheren Rändern oben und unten für UI-Overlays.
  • Querformat – für eingebettete Player, Website-Hero-Videos und Präsentationsszenarien, in denen das Publikum stillsitzt.
  • Quadratisch – gelegentlich für Rasterlayouts; behandle es als bewusste Entscheidung, nicht als Notlösung.

Die praktische Auswirkung auf deine Shot-Liste: Eine Hochformat-Komposition verändert, was ins Bild passt. Ein breiter Establishing-Shot, der im Querformat gut funktioniert, kann im hohen Format schwer erkennbar sein. Entscheide das Verhältnis zuerst und schreibe Shots, die dafür komponiert sind.

Segmentlänge

Die Segmentlänge wird vom Rhythmus bestimmt, nicht davon, wie viel das Modell maximal generieren kann. Einige Richtlinien:

  • Der Hook muss kurz sein. Der erste Shot entscheidet oft, ob Aufmerksamkeit gewonnen oder verloren wird; halte ihn knapp und visuell eindeutig.
  • Eine Idee pro Segment. Enthält ein Shot zwei verschiedene visuelle Ereignisse, teile ihn. Kürzere Segmente geben dir im Schnitt zudem eine feinere Kontrolle über das endgültige Tempo.
  • Toleranz zum Zuschneiden einplanen. Generiere etwas länger als der Ziel-Schnittpunkt und schneide bei der Montage zu. Zuschneiden ist kostenlos; Neu-Generieren nicht.
  • Gegen die Plattform summieren. Die Gesamtdauer ergibt sich aus der Summe der Shots. Addiere die geplanten Dauern vor der Generierung und prüfe, ob die Sequenz zum typischen Konsumfenster des Kanals passt – die Shot-Liste neu auszubalancieren ist viel einfacher als neu zu rendern.

Pro Format nur einmal generieren

Wenn du dasselbe Werk tatsächlich in zwei Formaten brauchst, behandle sie als zwei separate Deliverables, jeweils mit einer eigenen Shot-Liste. Gemeinsam genutzte Prompts sind in Ordnung; gemeinsam genutzte Renderings nicht, weil die Komposition unterschiedlich ist. Das Seitenverhältnis in den Shot-Metadaten zu kodieren macht das explizit und verhindert versehentliche kanalübergreifende Wiederverwendung.

Nativen Ton mit Voiceover kombinieren

veo-3.1-lite/text-to-video kann nativen Ton zusammen mit dem Bild generieren, und dieser Ton ist durchaus nützlich – Umgebungston, atmosphärische Textur und einfache diegetische Geräusche verleihen einem Segment eine Präsenz, die Stille vermissen lässt. Der Fehler besteht darin, sowohl den nativen Ton als auch dein eigenes Voiceover dieselbe Rolle übernehmen zu lassen.

Die funktionierende Arbeitsteilung ist: Der native Ton liefert die Welt, das Voiceover liefert die Informationen. Enthält die native Tonspur bereits sprachähnliche Inhalte oder ein starkes musikalisches Bett, gerätst du beim Mischen in Konflikt damit. Entscheide Shot für Shot, welche Tonspur dominiert.

Reihenfolge der Mischung

  1. Leg zuerst das Voiceover an. Das Timing der Erzählung wird vom Skript vorgegeben; alles andere passt sich daran an.
  2. Lege den nativen Ton darunter. Wenn die native Spur Umgebungston oder Textur ist, halte sie hörbar, aber untergeordnet.
  3. Absenken, nicht löschen. Reduziere die native Spur unter der Erzählung, statt sie ganz abzuschneiden – plötzliche Stille zwischen den Zeilen klingt unnatürlich. Führe die Verstärkung an jedem Shot-Übergang weich über.
  4. Zum Schluss normalisieren. Shot-für-Shot-Mischung und anschließende Montage erzeugen Pegelsprünge. Führe eine abschließende Bearbeitung auf dem montierten Werk einmal aus.

Wann die native Tonspur stummgeschaltet werden sollte

Schalte sie stumm – oder generiere den Shot mit einer klareren Audio-Absicht neu –, wenn:

  • der native Ton verständliche Sprache enthält, die mit deinem Voiceover konkurriert.
  • die Textur nicht zur Szene passt (z. B. Innenraum-Umgebungston in einer Außenaufnahme).
  • du das gesamte Werk mit einem durchgehenden Musikbett vertonst und der Rhythmus der nativen Spur damit kollidiert.

Diese lassen sich in der Regel Shot für Shot erkennen, was ein weiterer Grund ist, Shots unabhängig zu halten: Du kannst das Audio eines Shots neu generieren, ohne den Rest anzutasten.

Die Audio-Absicht in die Shot-Liste schreiben

Füge jedem Shot ein explizites Audio-Feld hinzu: native_ambience, silent oder voiceover_covered. Es zwingt dich, die Entscheidung vor der Generierung zu treffen, und sagt der Montagephase, welche Shots abgesenkt und welche nur von ihrer nativen Tonspur befreit werden müssen.

Qualität und Kosten über mehrere Versuche steuern

Iterationsdisziplin ist der Schlüssel, der eine konvergierende Pipeline von einer unterscheidet, die Rendering verbrennt. Die gute Nachricht: Shot-basierte Generierung macht die richtigen Gewohnheiten natürlich.

Nur einzelne Shots neu generieren, nie die Sequenz

Wenn ein Beat misslingt, ersetze diesen Shot. Dein Wrapper verschlüsselt Ergebnisse nach Shot-ID und Versuchsnr., also besteht die Behebung darin, für eine ID einen neuen Versuch zu starten und die Montage erneut auszuführen. Wenn du merkst, dass du mehrere Shots neu renderst, um einen zu reparieren, ist die Shot-Liste wahrscheinlich zu grob – teile sie weiter auf.

Freigegebene Segmente aggressiv cachen

Sobald ein Shot freigegeben ist, behandle ihn als unveränderlich, speichere ihn dauerhaft, verschlüsselt nach Shot-ID plus Hash aus Prompt und Parametern. Ein erneuter Lauf der Pipeline überspringt alles Unveränderte. Das zählt vor allem während der Audio- und Rhythmusarbeit, wenn du die Mischung iterierst, während das Bild feststeht.

Pro Versuch nur eine Variable ändern

Wenn ein Shot nicht den Erwartungen entspricht, ändere eine Sache – die Spezifität des Prompts, die Dauer oder die Komposition – und generiere neu. Drei Variablen gleichzeitig zu ändern verrät dir nicht, welche Korrektur gewirkt hat, und du lernst dieselbe Lektion beim nächsten Shot erneut.

Das Rezept festlegen, bevor du Versuche skalierst

Bringe eine vollständige Sequenz in einen Zustand, mit dem du zufrieden bist, und verwende sie dann als Vorlage für Varianten: alternative Hooks, andere CTAs. Weil die Shot-Liste Daten sind, ist eine Variante nur ein kleiner Diff, kein neues Projekt.

Nach Shot-Anzahl budgetieren, nicht nach fertigen Minuten

Die Arbeitseinheit ist der Shot, also ist die Iterationseinheit ebenfalls der Shot. Bevor du einen Batch generierst, berechne die Anzahl der Shots und die erwarteten Versuche pro Shot. Diese Zahl ist zusammen mit der Abrechnungsgrundlage des Modells deine Planungszahl – prüfe die aktuellen Tarife im HiAPI-Preisdashboard, statt veraltete Annahmen zu übernehmen.

In der endgültigen Größe prüfen

Prüfe jeden Shot im tatsächlichen Seitenverhältnis und auf dem Bildschirm, auf dem das Publikum ihn sehen wird. Probleme, die auf Desktop-Querformat-Größe unsichtbar sind, werden in einem Hochformat-Feed offensichtlich. Sie bei der Prüfung zu entdecken ist weit billiger, als sie nach der Veröffentlichung zu entdecken.

Häufige Generierungsprobleme beheben

Wenn ein Shot unbrauchbar zurückkommt, führe diese Prüfungen in dieser Reihenfolge durch. Sie decken die überwiegende Mehrheit der Fehlerfälle ab, und die ersten beiden lösen die meisten Probleme.

1. Spezifität des Prompts

Ist der Prompt selbsttragend? Beschreibt er Motiv, Aktion, Komposition und Licht, oder verlässt er sich auf den Kontext benachbarter Shots? Shot-Prompts müssen eigenständig funktionieren – das Modell sieht nur, was du sendest. Vage Motivbeschreibungen führen zu Drift; überladene Prompts führen zu einem Brei. Ziel ist ein klares Motiv und eine klare Aktion pro Shot.

2. Länge des Shots

Passiert für seine Dauer zu viel? Wenn ein Prompt in einem kurzen Segment mehrere visuelle Ereignisse andeutet, verdichtet das Modell sie. Teile den Shot auf oder verlängere ihn. Umgekehrt neigen Shots, deren Inhalt für ihre Dauer zu gering ist, zum Umherschweifen – kürze sie.

3. Nicht passendes Seitenverhältnis

Hast du den Prompt für das Format geschrieben, das du tatsächlich anforderst? Breite, horizontale Beschreibungen in einem Hochformat führen zu unangenehmen Beschnitten und totem Raum. Prüfe, ob die visuelle Beschreibung des Shots zu seinem Seitenverhältnis passt und ob eine andere Stufe der Pipeline stillschweigend neu zuschneidet.

4. Audiokonflikt

Wenn das Bild in Ordnung ist, das Ergebnis aber falsch wirkt, höre die native Tonspur isoliert ab. Konkurrierende Sprache, falscher Umgebungston oder ein starker Rhythmus unter der Erzählung sind meist ein Audioproblem, kein visuelles. Behebe es, indem du die native Spur stummschaltest oder die Audio-Absicht des Shots anpasst, und mische dann neu – das Bild muss nicht neu generiert werden.

5. Pipeline- und Parameterfehler

Wenn die Generierung direkt fehlschlägt oder Inhalt zurückgibt, der nicht zur Anfrage passt, validiere die Parameter gegen die Endpunkt-Dokumentation auf HiAPI: Modellbezeichner korrekt geschrieben, Werte für Dauer und Seitenverhältnis im zulässigen Bereich, Prompt nicht leer. Diese Fehler sind langweilig, aber in Wrappern mit fest verdrahteten Standardwerten an mehreren Stellen häufig – genau deshalb sollte die Anfragekonstruktion in einer Funktion bleiben.

6. Kontinuitätsdrift zwischen den Shots

Wenn jeder Shot einzeln in Ordnung aussieht, die Sequenz aber nicht zusammenhängend wirkt, liegt das Problem in den Metadaten, nicht in der Generierung. Vergleiche den zusammengesetzten Prompt-Text jedes Shots: Wenn die Beschreibungen von Figuren oder Orten unterschiedlich formuliert sind, gleiche sie im gemeinsamen Beschreibungsblock an und generiere nur die abweichenden Shots neu.

Arbeite die Liste der Reihe nach ab und notiere, welche Prüfung jeden Fehler behoben hat. Nach einigen Sequenzen weißt du, welche Prüfungen für deine Inhalte dominieren, und die Fehlersuche wird zu einem schnellen Scan statt zu einem Wiederaufbau. Du kannst über die HiAPI API damit beginnen, Shots mit veo-3.1-lite/text-to-video zu rendern, das Preisdashboard die Zahlen übernehmen lassen und dich auf die Sequenz konzentrieren.

Ähnliche Artikel

Alle Artikel ansehen →

Starte mit persistenten KI-Artefakten

Hol dir deinen API-Key und rufe Bild-, Video- und Audiomodelle über eine einzige task-basierte API auf.

API-Dokumentation lesen