Text vs. Bild vs. Referenz: So wählst du die richtige Eingabe für deinen Cartoon

Meist um die fünfte oder sechste Erzeugung kommt der Moment, in dem du nicht mehr fragst „Warum sieht es anders aus?“, sondern „Warum sieht es jedes Mal anders aus?“. Das ist der Moment, aufzuhören, den Prompt zu verlängern, und den Eingabemodus zu wechseln.

Ein aktueller Cartoon-Ersteller lässt dich von verschiedenen Arten von Material starten, und jede gibt dir ein anderes Maß an Kontrolle im Tausch gegen ein anderes Maß an Freiheit. Die richtige zu wählen, verbessert die Qualität meist mehr als jedes Feilen am Prompt.

Die vier Modi auf einen Blick

Text zu Video: maximale Freiheit, minimale Kontrolle

Du beschreibst eine Szene, und das Modell erfindet alles. Der Modus für die Phase, in der du ausprobierst — du weißt noch nicht, wie das Video aussehen soll, und willst Optionen sehen.

Nutze ihn, wenn: du keine Illustrationen hast, eine Idee testest, jedes Mal etwas anderes willst oder die Figur nicht wieder auftauchen muss.

Seine echte Schwäche ist die Identitätsdrift. Nur deine Worte bestimmen das Aussehen der Figur, also ergibt derselbe Prompt zweimal zwei verschiedene Figuren. Feste körperliche Merkmale („ein blaues und ein grünes Auge, die linke Schulter verbeult“) helfen, sind aber eine Orientierung, keine Garantie.

Praktischer Tipp: Text zu Video ist außerdem der einzige Modus, in dem du das Format frei wählst. Fügst du ein Quellbild oder -video hinzu, übernimmt das Modell die Form dieser Datei.

Bild zu Video: das erste Bild gehört dir

Du lädst ein Bild hoch, und das Modell behandelt es als erstes Bild und animiert von dort. Was auf diesem Bild zu sehen ist — Figurendesign, Palette, Komposition, Licht —, ist am Anfang festgelegt und bleibt meist erhalten.

Nutze ihn, wenn: du schon ein Figurendesign, ein Logo, ein Produktfoto, Konzeptkunst oder eine Kinderzeichnung hast, die du animieren willst. Auch wenn eine Text-Erzeugung die Idee trifft, aber nicht den Stil. Mach ein Standbild, das dir gefällt, und animiere es.

Die Rolle des Prompts ändert sich hier komplett. Du musst das Aussehen nicht mehr beschreiben. Das hat das Bild schon getan. Du beschreibst, was passiert. „Die Füchsin dreht den Kopf zum Fenster und zuckt mit einem Ohr“ ist ein guter Bild-zu-Video-Prompt. „Eine animierte Füchsin im Wald“ ist ein verschwendeter Prompt, denn er beschreibt nur das Bild, das du schon gegeben hast.

Einschränkung, die du beachten solltest: Das Ergebnis übernimmt das Format des Bildes. Wenn du ein 9:16-Hochformat-Video brauchst, schneide das Quellbild vor dem Hochladen auf 9:16 zu. In diesem Modus kannst du das Format nicht ändern.

Erstes und letztes Bild: Du bestimmst das Ziel

Du gibst zwei Bilder vor — eines als erstes, eines als letztes —, und das Modell animiert eine natürliche Bewegung zwischen beiden. Der am wenigsten genutzte Modus, und er löst das lästigste Problem erzeugter Videos: das Ende.

Bei einer normalen Erzeugung wählst du den Anfang, aber nicht das Ende. Für alles, was auf etwas Bestimmtem enden muss, ist das eine echte Einschränkung. Erstes und letztes Bild dreht das um.

Nutze ihn für:

• Logo-Animationen. Beginne im Chaos und ende auf dem Logo, genau wie im Markenhandbuch.
• Verwandlungen. Von der Raupe zum Schmetterling, vom chaotischen zum aufgeräumten Schreibtisch, von der Skizze zum Fertigen. Das Modell löst den schwierigen Mittelteil, du bestimmst die Enden.
• Vorher und nachher. Produktdemos, bei denen das Ergebnis exakt sein muss, nicht erfunden.
• Loops. Nutze dasselbe Bild am Anfang und am Ende, und du bekommst einen Clip, der zum Anfang zurückkehrt. Perfekt für Hintergründe in Schleife und wiederholte Posts.

Einschränkungen: Das Format wird vom ersten Bild übernommen, und die beiden Bilder brauchen eine natürliche Verbindung. Wenn du in 30 Sekunden von einem Aquarellwald zu einem Pixel-Art-Raumschiff willst, kommt etwas Zusammenhangloses heraus. Das Modell interpoliert; es teleportiert nicht.

Referenz zu Video: dieselbe Identität in vielen Szenen

Statt eines Bildes gibst du eine Reihe von Referenzen — eine Figur aus mehreren Winkeln, Gegenstände, Orte —, und das Modell bringt sie in neue Einstellungen, die in keiner Referenz vorkommen.

Das ist der Unterschied zwischen einem Video und einer Serie. Mit Referenzen kann eine erkennbare Figur aus Folge 1 in Folge 4 auftreten, an einem Ort, den du nie gefilmt hast, bei etwas, das du nie gezeichnet hast.

Nutze ihn, wenn: Konsistenz das Wichtigste ist — Marken mit Maskottchen, eine wiederkehrende Besetzung, eine Reihe von Anzeigen, die zusammengehören müssen.

So bereitest du gute Referenzen vor:

• Zeig die Figur groß und scharf, am besten vor einfarbigem Hintergrund.
• Zwei oder drei Winkel sind besser als einer. Mit einer Frontalansicht und einer 45-Grad-Ansicht verschwindet fast jede Unklarheit zum Gesicht.
• Neutrales Licht. Starkes farbiges Licht in der Referenz wird als Teil der Palette der Figur gelesen.
• Nenne sie im Prompt mit einem kurzen, immer gleichen Namen — „das orange Katzen-Maskottchen“ —, damit Worte und Bilder sich einig sind, um wen es geht.

Du kannst mehrere Referenzen in einer Erzeugung vorgeben, also musst du nicht zwischen Figur, Kostüm, Gegenständen oder Umgebung wählen: Du gibst sie zusammen.

Der Entscheidungsablauf

In der Praxis lohnt sich für die meisten diese Reihenfolge.

1. Starte mit Text. Mach 3 oder 4 schnelle Erzeugungen, um Konzept und Stil zu finden, die funktionieren. Das ist Erkundung, also noch nicht feilen.
2. Wenn es fast passt, nimm ein Standbild. Nimm aus dieser Erzeugung ein Standbild, das dir gefällt, wechsle zu Bild zu Video und nutze es als erstes Bild. So ist der Look festgelegt.
3. Wenn das Ende wichtig ist, füg das letzte Bild hinzu. Besonders bei allem, was auf einem Logo, einem Produkt oder einer Schlusspose endet.
4. Wenn du mehr als ein Video brauchst, sammle Referenzen. Sobald du eine Figur hast, die du behalten willst, sammle 2 oder 3 saubere Standbilder und nutze ab dann den Referenzmodus.

Der Fehler, den fast alle machen, ist, die Arbeit von Schritt 4 mit dem Werkzeug von Schritt 1 zu erledigen. Mit immer detaillierteren Text-Prompts eine Figur festhalten zu wollen, die nur ein Bild festhalten kann. Text beschreibt, ein Bild legt fest. Nimm das richtige.

Und wenn du eine lange Geschichte über mehrere Minuten willst, musst du das alles nicht von Hand bauen. Wähle die Länge im Studio, und die ganze Geschichte wird von Anfang bis Ende mit derselben Besetzung geplant.

Was kein Modus löst

Zwei Grenzen bleiben in jedem Eingabemodus, und es lohnt sich, sie zu kennen, bevor du ein Projekt darum herum planst. Gerenderter Text im Bild — Schilder, Etiketten, Untertitel — ist in keinem aktuellen Modell zuverlässig. Füg ihn später im Editor hinzu. Und eine bildgenaue Synchronisation mit einer vorab aufgenommenen Erzählung kannst du noch nicht verlangen. Wenn der Clip bei 00:14 auf einen Schlag treffen muss, plan, den Ton ans Bild anzupassen, nicht das Bild an den Ton.

Alles andere hängt davon ab, das richtige Ausgangsmaterial zu wählen. Probier dieselbe Idee in zwei Modi im Cartoon-Ersteller. Mit einer Erzeugung von jedem wird der Unterschied in der Kontrolle glasklar.