Bild-zu-Video-Engines im Vergleich: Welche animiert dein Bild?

Einer Engine ein Standbild zu geben ist der kontrollierbarste Weg zu einem Video. Motiv, Bildausschnitt und Licht sind schon entschieden – sie stecken im Bild –, und der Engine bleibt nur noch eine Aufgabe: es in Bewegung zu versetzen. Jede Video-Engine auf eroq akzeptiert einen Startframe. Die Frage ist also nie, ob eine Engine Bild-zu-Video kann, sondern was sie nach dem ersten Frame daraus macht.

Was dir ein Startframe wirklich bringt

Bei Text-zu-Video erfindet die Engine Motiv, Komposition, Licht und Bewegung auf einmal, und ein Fehler an irgendeiner Stelle ruiniert den Take. Bei Bild-zu-Video sind drei dieser vier Dinge schon festgelegt: ein Gesicht, das du abgenommen hast, ein Produkt, fotografiert genau so, wie der Kunde es freigegeben hat, ein Gemälde, dessen Farbpalette vier Renders gebraucht hat, bis sie saß.

Daraus ergibt sich der Workflow. Arbeite das Standbild im Tool „Bild“ aus, bis es stimmt, und animiere es erst dann. Jeder Render wird mit seinem Rezept in deiner Bibliothek gespeichert, und Animieren auf einer Bildkarte schickt ihn als Quelle ins Tool „Video“. Ein Charakter funktioniert anders: Erwähne ihn mit @, und Engines, die Referenzbilder lesen (Seedance, Kling, Veo 3.1, Hailuo 3, Wan), tragen sein Gesicht in den Clip.

Das Line-up, bewertet nach dem, was nach Frame eins passiert

Motion One ist die eigene, unzensierte Engine von eroq, und das allein entscheidet schon über eine ganze Kategorie von Jobs. Sie und ihre Schwester Motion Pro sind die einzigen Video-Engines ohne vorgelagerte Moderation: Wenn ein Anbieter ein Standbild ablehnt – eine düstere, gewalttätige oder intensive Szene –, sind sie die Alternative. Motion One ist in jedem Konto enthalten, auch im kostenlosen, für 29 Credits / Sekunde (145 Credits für 5 Sekunden), 5 bis 15 Sekunden in 480p oder 768p (1080p und 2K hochskaliert), mit eingebautem Ton, und nimmt einen ersten Frame, einen letzten Frame oder beide. Motion Pro rendert 720p oder 1080p aus einem Startframe. Der Rest dieses Artikels behandelt die Engines von Drittanbietern, die von ihren Anbietern vorgelagert moderiert werden.

Kling 3.0 ist die Engine, der du ein Gesicht anvertraust. Sie ist bekannt für flüssige Bewegung und Gesichter, und in der Praxis heißt das: Ein Porträt, das du mit Kling animierst, bleibt vom ersten bis zum letzten Frame meist dieselbe Person, statt sich auf halber Strecke in einen Cousin zu verwandeln. 720p, 3 bis 15 Sekunden, mit Ton, 270 Credits für 5 Sekunden, ab dem Hobby-Plan (Kling 3.0 Pro bei Creator). Zeigt dein Standbild eine Person und geht es im Clip um diese Person, fang hier an. Einen direkten Vergleich mit Seedance findest du unter /compare/seedance-vs-kling.

Hailuo 3 Max ist die Engine für Szenen mit Wetter. Sie ist bekannt für filmische Physik und dramatisches Licht – Rauch, Wasser, herabfallende Trümmer, harte Lichtstrahlen, die sich mit der Zeit verändern. Soll sich in deinem Standbild nicht die Person bewegen, sondern die Luft um sie herum, ist Hailuo die richtige Wahl. 480p oder 768p, 5 bis 15 Sekunden, stumm, 170 Credits für 5 Sekunden, ab Hobby; Hailuo 3 bei Creator macht dasselbe in 2K und mit Ton.

Seedance 2.5 ist die Engine mit den Reglern und der Länge. Sie respektiert einen Seed für reproduzierbare Ergebnisse: Sobald ein Take funktioniert, renderst du Varianten vom selben Ausgangspunkt, statt neu zu würfeln. Außerdem beherrscht sie die Interpolation zwischen Start- und Endframe – gib ihr das Standbild, mit dem du beginnst, und das, auf dem du landen willst, und sie füllt die Mitte. 4 bis 30 Sekunden, 480p oder 720p (1080p und 2K hochskaliert), mit Ton, ab Creator, 490 Credits für 5 Sekunden. Eine Grenze: Die Seedance-Engines lehnen einen Startframe ab, der wie ein Foto einer echten Person aussieht; Illustrationen und 3D-Renders gehen durch.

Seedance 2.0, 2.0 Fast und 2.0 Mini sind der Rest der Familie, 4 bis 15 Sekunden, alle mit Seed und beiden Frames. Mini, in jedem Konto, für 60 Credits bei 4 Sekunden, ist der günstigste Weg der Familie herauszufinden, ob sich ein Standbild gut animieren lässt, bevor du mehr dafür ausgibst.

Die Veo-3.1-Familie animiert ein Standbild und rendert gleich den Ton dazu – Atmo, Effekte, Dialog – bei 4, 6 oder 8 Sekunden, bis 1080p bei Lite und bis 4K bei den anderen beiden (4K ab Creator): Veo 3.1 Lite in jedem Konto, Veo 3.1 Fast ab Hobby (344 Credits für 8 Sekunden), Veo 3.1 bei Creator. Sie nimmt auch einen Endframe und einen Seed.

Schreib den Prompt nur für die Bewegung

Das ist der mit Abstand größte Fehler bei Bild-zu-Video, und er ist leicht zu beheben. Wenn das Standbild das Motiv schon zeigt, bringt es nichts, das Motiv noch einmal zu beschreiben – es kann sogar gegen das Bild arbeiten, das du vorgegeben hast. Die Engine sieht den roten Mantel. Wenn du ihn beschreibst, gibst du ihr nur die Gelegenheit, einen anderen zu rendern.

Reduziere den Prompt also auf das, was sich mit der Zeit verändert: was sich bewegt, wie sich die Kamera bewegt, was das Licht macht.

Angenommen, dein Ausgangsbild zeigt eine Frau, die nachts an einem regennassen Fenster steht, im Tool „Bild“ erstellt und schon genau richtig. Der Prompt ist keine Beschreibung von ihr. Sondern das hier:

Sie atmet langsam aus, und am Bildrand beschlägt das Glas; eine Hand hebt sich und wischt einen kurzen Bogen frei. Draußen läuft weiter Regen an der Scheibe herunter, und das Neonlicht dahinter pulsiert über das Wasser. Langsame Ranfahrt, ein paar Grad Drift der Handkamera, alles andere bleibt still.

Jeder Satzteil ist ein Verb oder eine Kameraanweisung. „Alles andere bleibt still“ leistet echte Arbeit: Es sagt der Engine, dass der Rest des Bildes fertig ist – und genau das ist die ganze Idee dahinter, ein Standbild zu animieren.

Vergleich das mit dem üblichen ersten Versuch – „Eine schöne Frau in rotem Mantel nachts an einem verregneten Fenster, Neonlichter, filmisch, 35mm“. Das ist ein Text-zu-Video-Prompt, in einen Bild-zu-Video-Job kopiert. Er beschreibt, was das Bild schon ist, verlangt überhaupt keine Bewegung und kommt zurück wie ein Foto, durch das eine leichte Brise weht.

Eine Checkliste in drei Zeilen für einen Bewegungs-Prompt:

1. Eine Handlung. Sie wischt über das Glas. Die Autotür geht auf. Der Rauch steigt auf.
2. Eine Kamerabewegung. Ranfahrt, Kreisfahrt, langsamer Schwenk, Handkamera-Drift. Ausgesprochen, nicht nur angedeutet.
3. Eine Zeile dazu, was das Licht oder die Umgebung macht – oder der ausdrückliche Hinweis, dass beides so bleibt.

Der Endframe-Trick

Wenn du weißt, wo die Einstellung landen muss – ein Logo, das sich formt, ein Gesicht, das sich zur Kamera dreht, eine Tür, die ganz offen steht –, nehmen viele Engines beide Enden an: die Seedance-, Veo-, Kling- und Hailuo-Familien und Motion One. Rendere zwei Standbilder im Tool „Bild“, setz das erste als Startframe und das zweite als Endframe, und schreib einen Prompt, der nur den Weg dazwischen beschreibt.

Näher kommst du im ganzen Line-up nicht an echtes Regieführen statt Prompten heran, und genau das macht eine Sequenz schneidbar: Einstellung zwei kann exakt auf dem Frame beginnen, auf dem Einstellung eins geendet hat.

Was Bild-zu-Video nicht kann

Das sollte man klar sagen. Auf eroq gibt es kein Lip-Sync – ein animiertes Standbild bewegt die Lippen nicht zu einer Sprachspur, die du mitbringst; Engines mit Ton sprechen stattdessen die im Prompt geschriebenen Zeilen. Upscaling ist ein eigener Schritt: eroq Upscale (demnächst) bringt einen fertigen Clip auf 1080p oder 2K, über Video › Edit › Hochskalieren oder den Button „Auf 1080p oder 2K hochskalieren“ an einem Take. Wer in einem fertigen Clip zu sehen ist, änderst du mit Replace, nicht mit Bild-zu-Video. Ein Clip kommt in der Auflösung und Länge zurück, die du angefordert hast; Trimmen, Überblendungen, Titel und Sprachspur kommen danach, im Editor oder in Premiere oder After Effects, wenn du ohnehin dort arbeitest.

Die Kurzfassung

• Ein Anbieter lehnt das Standbild ab → Motion One oder Motion Pro, die unzensierten Engines von eroq.
• Das Standbild zeigt eine Person, und im Clip geht es um sie → Kling 3.0.
• Das Standbild ist eine Szene, und die Bewegung ist Physik, Wetter oder Licht → Hailuo 3 Max (oder Hailuo 3 in 2K).
• Du kennst das letzte Bild oder brauchst einen Seed → Seedance (Mini, um das Bildpaar zu testen, 2.0 oder 2.5 für das Finale) oder Veo 3.1; länger als 15 Sekunden → Seedance 2.5.
• Es muss mit Ton ankommen → die meisten Engines können das; Veo 3.1 Fast ist die übliche Wahl.
• Du weißt nicht, ob sich das Standbild überhaupt animieren lässt → Seedance 2.0 Mini, 4 Sekunden, 60 Credits, dann festlegen.

Häufige Fragen

Kann jede Video-Engine von eroq ein Bild animieren?

Ja. Jede Engine akzeptiert einen Startframe, egal ob er aus einem Upload oder aus einem Render in deiner Bibliothek stammt. Unterschiede gibt es bei Länge, Auflösung, Plan-Zugang und darin, was jede Engine gut kann, sobald sich das Bild bewegt. Die Seedance-Engines lehnen Startframes ab, die wie ein Foto einer echten Person aussehen.

Welche Engine hält ein Gesicht bei Bild-zu-Video konsistent?

Kling 3.0, bekannt für flüssige Bewegung und Gesichter. Noch besser wird es mit einem Charakter statt eines einzelnen Fotos: Auf Engines, die Referenzbilder lesen, tragen seine Bilder dasselbe Gesicht durch Bilder und Clips.

Welche Engine unterstützt einen Start- und einen Endframe?

Die Seedance-, Veo-3.1-, Kling-3.0- und Hailuo-Familien und Motion One nehmen alle einen Start- und einen Endframe an. Du gibst der Engine also das Bild vor, mit dem der Clip beginnt, und das, auf dem er landet, und lässt sie die Mitte füllen. Seedance 2.0 Mini ist der günstige Weg, das Bildpaar zu testen; Seedance 2.5 schafft die längsten Clips.

Erst das Bild entwerfen, dann drei Zeilen Bewegung schreiben – öffne das Tool „Video“.