Wie man einen fesselnden Kurzfilm mit KI erstellt

1. Ursprünge und Präsentation des Endprodukts

Die Inspiration für diese Methode kommt aus der Community von KI-Enthusiasten auf der Plattform X. Zunächst teilte der User @techhalla zwei Prompts für Nano Banana Pro, die ein hochgeladenes Bild in ein filmartiges Grid-Storyboard umwandeln und Frames extrahieren können, um Videos zu erzeugen. Am Beispiel von Higgsfield AI zeigten diese Prompts, wie man Storyboards schnell erstellen kann. Allerdings erzeugten die originalen Prompts oft Frames aus verschiedenen Kamerawinkeln, was zu schlechter Kontinuität beim finalen Schnitt führte und es schwer machte, fließende Segmente zu bilden.

2. Wie geht's?

2.1. Keyframes mit Nano Banana generieren

• Schritte:

  1. Greifen Sie auf Nano Banana Pro zu (über Gemini oder verwandte Plattformen).
  2. Laden Sie Ihr Referenzbild hoch.
  3. Geben Sie den optimierten Prompt ein (hier die vollständige Version von Underwood):

     <role>
     You are an award-winning trailer director + cinematographer + storyboard artist. Your job: turn ONE reference image into a cohesive cinematic short sequence, then output AI-video-ready keyframes.
     </role>
     
     <input>
     User provides: one reference image (image).
     </input>
     
     <non-negotiable rules - continuity & truthfulness>
     1) First, analyze the full composition: identify ALL key subjects (person/group/vehicle/object/animal/props/environment elements) and describe spatial relationships and interactions (left/right/foreground/background, facing direction, what each is doing).
     2) Do NOT guess real identities, exact real-world locations, or brand ownership. Stick to visible facts. Mood/atmosphere inference is allowed, but never present it as real-world truth.
     3) Strict continuity across ALL shots: same subjects, same wardrobe/appearance, same environment, same time-of-day and lighting style. Only action, expression, blocking, framing, angle, and camera movement may change.
     4) Depth of field must be realistic: deeper in wides, shallower in close-ups with natural bokeh. Keep ONE consistent cinematic color grade across the entire sequence.
     5) Do NOT introduce new characters/objects not present in the reference image. If you need tension/conflict, imply it off-screen (shadow, sound, reflection, occlusion, gaze).
     </non-negotiable rules - continuity & truthfulness>
     
     <goal>
     Expand the image into a 10–20 second cinematic clip with a clear theme and emotional progression (setup → build → turn → payoff).
     The user will generate video clips from your keyframes and stitch them into a final sequence.
     </goal>
     
     <step 1 - scene breakdown>
     Output (with clear subheadings):
     - Subjects: list each key subject (A/B/C…), describe visible traits (wardrobe/material/form), relative positions, facing direction, action/state, and any interaction.
     - Environment & Lighting: interior/exterior, spatial layout, background elements, ground/walls/materials, light direction & quality (hard/soft; key/fill/rim), implied time-of-day, 3–8 vibe keywords.
     - Visual Anchors: list 3–6 visual traits that must stay constant across all shots (palette, signature prop, key light source, weather/fog/rain, grain/texture, background markers).
     </step 1 - scene breakdown>
     
     <step 2 - theme & story>
     From the image, propose:
     - Theme: one sentence.
     - Logline: one restrained trailer-style sentence grounded in what the image can support.
     - Emotional Arc: 4 beats (setup/build/turn/payoff), one line each.
     </step 2 - theme & story>
     
     <step 3 - cinematic approach>
     Choose and explain your filmmaking approach (must include):
     - Shot progression strategy: how you move from wide to close (or reverse) to serve the beats
     - Camera movement plan: push/pull/pan/dolly/track/orbit/handheld micro-shake/gimbal—and WHY
     - Lens & exposure suggestions: focal length range (18/24/35/50/85mm etc.), DoF tendency (shallow/medium/deep), shutter “feel” (cinematic vs documentary)
     - Light & color: contrast, key tones, material rendering priorities, optional grain (must match the reference style)
     </step 3 - cinematic approach>
     
     <step 4 - keyframes for AI video (primary deliverable)>
     Output a Keyframe List: default 9–12 frames (later assembled into ONE master grid). These frames must stitch into a coherent 10–20s sequence with a clear 4-beat arc.
     Each frame must be a plausible continuation within the SAME environment.
     
     Use this exact format per frame:
     
     [KF# | suggested duration (sec) | shot type (ELS/LS/MLS/MS/MCU/CU/ECU/Low/Worm’s-eye/High/Bird’s-eye/Insert)]
     - Composition: subject placement, foreground/mid/background, leading lines, gaze direction
     - Action/beat: what visibly happens (simple, executable)
     - Camera: height, angle, movement (e.g., slow 5% push-in / 1m lateral move / subtle handheld)
     - Lens/DoF: focal length (mm), DoF (shallow/medium/deep), focus target
     - Lighting & grade: keep consistent; call out highlight/shadow emphasis
     - Sound/atmos (optional): one line (wind, city hum, footsteps, metal creak) to support editing rhythm
     
     Hard requirements:
     - Must include: 1 environment-establishing wide, 1 intimate close-up, 1 extreme detail ECU, and 1 power-angle shot (low or high).
     - Ensure edit-motivated continuity between shots (eyeline match, action continuation, consistent screen direction / axis).
     </step 4 - keyframes for AI video>
     
     <step 5 - contact sheet output (MUST OUTPUT ONE BIG GRID IMAGE)>
     You MUST additionally output ONE single master image: a Cinematic Contact Sheet / Storyboard Grid containing ALL keyframes in one large image.
     - Default grid: 3x3. If more than 9 keyframes, use 4x3 or 5x3 so every keyframe fits into ONE image.
     Requirements:
     1) The single master image must include every keyframe as a separate panel (one shot per cell) for easy selection.
     2) Each panel must be clearly labeled: KF number + shot type + suggested duration (labels placed in safe margins, never covering the subject).
     3) Strict continuity across ALL panels: same subjects, same wardrobe/appearance, same environment, same lighting & same cinematic color grade; only action/expression/blocking/framing/movement changes.
     4) DoF shifts realistically: shallow in close-ups, deeper in wides; photoreal textures and consistent grading.
     5) After the master grid image, output the full text breakdown for each KF in order so the user can regenerate any single frame at higher quality.
     </step 5 - contact sheet output>
     
     <final output format>
     Output in this order:
     A) Scene Breakdown
     B) Theme & Story
     C) Cinematic Approach
     D) Keyframes (KF# list)
     E) ONE Master Contact Sheet Image (All KFs in one grid)
     </final output format>
     

  4. Generieren Sie das Storyboard: Die KI erstellt ein 3x3- oder ähnliches Grid-Bild, wobei jede Zelle ein Keyframe ist, ergänzt um Labels wie KF#, Dauer und Shot-Typ.

• Tipps: Wenn der Prompt zu lang ist, machen Sie einen Screenshot und geben Sie ihn ein. Bei Tests wählen Sie ein klares Referenzbild, um zu verhindern, dass die KI irrelevante Elemente einfügt.

2.2. Übergänge mit Klings "Start/End Frame Reference" füllen

• Schritte:

  1. Greifen Sie auf die kreative Oberfläche von Kling AI zu.
  2. Klicken Sie auf das "Start & End Frames"-Icon, laden Sie den ersten Frame des Storyboards als Start und den letzten als End hoch.
  3. Geben Sie einen Prompt ein: Zum Beispiel "Beginne mit [Beschreibung des Start-Frames], ende mit [Beschreibung des End-Frames], [füge Änderungsdetails hinzu, wie Charakterhandlungen oder Kamerabewegungen]." Wie: "Beginne mit dem Drachen, der den Krieger überblickt, ende mit dem Krieger, der sein Schwert zieht und angreift, schiebe die Aufnahme langsam vor, füge Schneenebel-Effekte hinzu."
  4. Optional: Legen Sie die Videodauer fest (3–10 Sekunden).
  5. Generieren Sie das Video: Kling erstellt Übergänge basierend auf dem Prompt und stellt die Gesamtkontinuität sicher.

• Tipps: Fügen Sie detaillierte Beschreibungen hinzu, um die Genauigkeit zu verbessern, z. B. "Halte dieselbe Beleuchtung und Atmosphäre bei." Bei mehreren Subjekten laden Sie zusätzliche Referenzbilder hoch (bis zu 7). Das Tool unterstützt gemischte Bild- und Video-Referenzen.

2.3. Bearbeiten und Verfeinern mit CapCut

• Schritte:

  1. Laden Sie CapCut herunter und öffnen Sie es (unterstützt Desktop- oder Mobile-Versionen).
  2. Importieren Sie die von Kling generierten Videosegmente.
  3. Nutzen Sie Tools: Laden Sie Segmente hoch, wählen Sie Vorlagen oder geben Sie Skripte ein für automatischen Schnitt (z. B. Hinzufügen von Übergängen und Effekten).
  4. Manuelle Anpassungen: Passen Sie die Timeline an, fügen Sie Musik, Text, Effekte hinzu oder schneiden Sie inkonsistente Teile. Verwenden Sie KI-Sprachfunktionen, um Erzählungen zu generieren oder Audio zu ersetzen.
  5. Exportieren: Wählen Sie hohe Auflösung, um den finalen Kurzfilm zu erzeugen.

• Tipps: Bei Fehlern in der KI-Generierung (z. B. unnatürliche Bewegungen) korrigieren Sie mit CapCuts Stabilisierung und Geschwindigkeitsanpassungen. Beim Zusammenfügen mehrerer Kling-Segmente zu einem vollständigen Kurzfilm achten Sie auf konsistente Tempo.

3. Herausforderungen und Erkenntnisse im Produktionsprozess

1. Wie man KI zu geschichtengetriebenen Visuals bringt: Integrieren Sie Charakterbeziehungen und narrative Absichten in Prompts, um oberflächliche Ausgaben zu vermeiden. Verhindern Sie auch Prompt-Kontext-Verschmutzung – bei instabilen KI-Antworten starten Sie ein neues Gespräch, um Keyframes neu zu extrahieren und Konsistenz zu gewährleisten.
2. Prompts in filmischer Sprache schreiben: Geben Sie Shot-Typen, Bewegungen und Kompositionsänderungen klar an, um Übergänge flüssiger zu machen und Professionalität zu steigern. Bei Kling-Generierung optimieren Sie Lücken in Übergängen mit detaillierten Beschreibungen (z. B. "Langsam vorstoßen und Atmosphäre beibehalten"), doch letztlich ist menschliche Intuition für Feinabstimmungen erforderlich.
3. Der Schnitt ist die wahre Qualitätsgrenze: Shot-Kombinationen, Tempo-Kontrolle, emotionale Aufbau und audiovisuelle Synchronisation hängen von der Post-Production ab, die über Erfolg oder Misserfolg entscheidet. Besonders beim Hinzufügen von Hintergrundmusik erfordert Beat-Synchronisation oft manuelle Eingriffe; aktuelle KI-Tools können das nicht perfekt ersetzen. Empfohlen: Nutzen Sie CapCut für manuelle Anpassungen von Geschwindigkeit und Übergängen, um nahtlose Verbindungen zu erzielen.