KI-Bild-zu-Video-Generator für Produkt-, Shop- und Social-Clips

Vertikale 9:16-Produktwerbung mit dynamischen Motion-Graphics im kühnen Grafik-Werbestil. Ein eleganter AERO-Technologie-Laufschuh (mattschwarzes gewebtes Strick-Obermaterial, elektrozyanblaues Akzentpanel, geformte weiße Zwischensohle, geometrisches „AERO“-Logo an der Ferse), niemals von Grafiken verdeckt, keine Personen, hoher Kontrast, scharfes Studio-Kantenlicht auf einem dunklen reflektierenden Boden mit dezentem zyanblauem Neon-Schimmer, klare geometrische Formen und Markenfarbblöcke. Bildschirmtext in klarer, fetter, englischer Sans-Serif in Großbuchstaben. Liefere diese fünf Beats als eine durchgehende 10-Sekunden-Sequenz mit sauberen, kraftvollen harten Schnitten auf den Beat:

0–2 s Hook: Der Schuh schwingt/dreht sich dramatisch von außerhalb des Bildes ins Bild hinein mit einem Dolly-in, filmisch; das fette Wort „AERO“ knallt neben das Produkt auf den Bildschirm und löst sich dann wieder. 2–4 s Verkaufsargument: Makro-Nahaufnahme der Zwischensohle und des gewebten Obermaterials, während dünne zyanblaue geometrische Tech-Linien und kleine Formen vorbeigleiten; Bildschirmtext „TECH-DRIVEN“. 4–6 s Verkaufsargument: der ganze Schuh in einem schwungvollen Seitenprofil-Bogen, Produkt klar in der Mitte; Bildschirmtext „BUILT TO RUN“. 6–8 s Textur: Farbblock-Übergang in einen kühnen zyanblauen/schwarzen geometrischen Hintergrund, kurze Textur-Nahaufnahme des Obermaterials; Bildschirmtext „PREMIUM CRAFT“. 8–10 s Markenabschluss: Das Produkt kommt zur Ruhe und zentriert sich, das Marken-Lockup bildet sich: „AERO · RUNNER“ mit der geometrischen Logomarke; selbstbewusst gehaltenes Bild.

Kamerabewegungen in einfachen physischen Begriffen: energische orbitale Schwünge und kontrollierte Push-ins, gleichmäßiger Rhythmus zwischen den Beats, keine Bewegungsunschärfe, die das Produkt verdeckt. Die einzelne Botschaft jedes Beats klar lesbar. Nativer Ton: minimaler elektronischer Beat mit sauberen Whooshes bei jedem Schnitt; keine gesprochene Erzählung.

Ein durchgehendes Handy-Selfie mit Handheld-Gefühl. Die Kette besteht aus geschichteten facettierten Kristallperlen in Rosa und Lila, mit cremefarbenen Perlen, Roségold-Fassungen, mehreren tropfenförmigen Anhängern und einem zentralen Blütencluster aus Kristallen. Die Kette ist voll und mehrlagig.

MOTIV Eine junge Frau um die 22 bis 24, mit französischer Ausstrahlung, feinen weichen Gesichtszügen, viel Haar, hellbraunem oder dunkelbraunem Haar, das locker hochgesteckt ist und ein paar Strähnen neben ihrem Gesicht herabfallen, leichtem Make-up, feiner Haut, einem sanften lebendigen Blick, einer stillen Eleganz.

KETTE Die Hauptkette besteht aus Lagen kleiner facettierter Kristallperlen in Rosa und Lila, mit cremefarbenen Süßwasserperlen, die gleichmäßig dazwischen verteilt sind, in Roségold gefasst. Mehrere rosa-lila tropfenförmige Kristallanhänger in unterschiedlichen Längen hängen natürlich herab. Ein blütenförmiger Kristallcluster in der Mitte ist der Hauptschmuck. Das ganze Stück ist mehrlagig, fein und verspielt, mit einem zarten Funkeln in den Steinen.

KLEIDUNG Ein helles V-Ausschnitt-Oberteil oder ein helles trägerloses Slip-Kleid, cremefarben oder hellbeige, elegant und bedeckt, der Hals vollständig sichtbar. Die Kette wird vollständig außerhalb des Ausschnitts getragen und ist klar sichtbar.

KAMERA UND HANDLUNG 0–3 s: ein extremes Nah-Selfie von Hals und Brust unter dem Kinn, die ganze Kette sichtbar, die Steine funkeln im Licht, ein leichtes Handheld-Wackeln und natürlicher Atem. Die Kamera hält still, damit das Detail der Kette erkennbar ist. Bei etwa 3 Sekunden beginnt sie, sich extrem langsam nach oben zu bewegen und leicht zurückzuziehen. 3–5 s: Die Kamera steigt und zieht sich langsam zurück, zeigt zuerst die Lippen und den Kiefer, dann das ganze Gesicht und die hochgesteckte französische Frisur und erreicht bei 5 Sekunden eine Selfie-Bildkomposition von Kopf bis Oberkörper. Die Kette bleibt im unteren Teil des Bildes. 5–6,5 s: eine stabile Selfie-Bildkomposition. Sie blickt sanft auf die Kette herab, der Mundwinkel hebt sich leicht. 6,5–8 s: Sie hebt langsam die Augen, blickt direkt in die Linse, warm und erfreut, und endet natürlich. Die Kette bleibt im Bild.

Der ganze Film ist eine einzige Einstellung. Kein Schnitt, kein Übergang, kein Gehen.

SOCIAL-BUBBLE, OBEN LINKS Ein kleines Bubble-Tag im Instagram-/TikTok-Stil oben links: eine weiße abgerundete Karte mit „✨ so gorgeous“ oder ein rosa Herz plus kleiner Schrift „obsessed 💜“. Kleine Schrift, ein durchscheinender Untergrund, leicht und natürlich, das Motiv nicht verdeckend.

STIMME Sie sagt natürlich auf Englisch: „Look at this necklace… it's absolutely gorgeous. I'm completely obsessed.“ Echt, teilend, aufrichtig erfreut, ein lockeres Tempo, etwa die ersten 5–6 Sekunden abdeckend.

HINTERGRUND Eine hellbeige gekalkte Wand, Leinenvorhänge, eine niedrige Sideboard aus Massivholz, eine kleine Keramikvase, spätnachmittägliche Sonne, die schräg durch das Fenster fällt, und natürliche Fensterschatten, ein warmes Zuhause. Die Kristalle bleiben ein akkurates Rosa-Lila und werden vom warmen Licht nicht orange verfärbt.

BILD Die Textur einer echten Handy-Frontkamera: natürlich und klar, keine starke Glättung, kein Studio-Look, helle saubere Farbe. Kein zusätzlicher Text, keine Logos oder Objekte außer der oben links angegebenen Bubble.

Ein vertikaler amerikanischer Café-Kurzfilm, eine durchgehende lange Einstellung, Ich-Perspektive. Zwei echte Menschen erscheinen: die Person hinter der Theke und die Frau, die am Ende das Dessert isst. Beide wirken natürlich und ungestylt. Es erscheint keine Markenbeschriftung oder kein Logo.

Eröffnung: An der Theke eines warmen amerikanischen Cafés steht ein amerikanischer Service-Mitarbeiter hinter dem Tresen und hält mit beiden Händen einen hellbraunen Steingutteller hin. Darauf liegt ein dreieckiges Stück Tiramisu – eine dicke Schicht Kakao oben, elfenbeinfarbene Mascarpone und in Kaffee getränkte Löffelbiskuits in der Mitte geschichtet, die Schichten an der Seite klar erkennbar. Die Kamera ist die Perspektive des Gastes. Eine Hand reicht von unten ins Bild und nimmt den Teller ruhig entgegen. Der Service-Mitarbeiter blickt in die Linse, nickt und lächelt.

Dann: Die Kamera bleibt in der Ich-Perspektive und geht den Gang entlang, den Teller tragend. Die lange Einstellung wird nicht geschnitten. Warme gelbe Pendelleuchten, dicht über dem Tresen, gleiten links aus dem Bild. Gegenlicht von einem bodentiefen Fenster und die Silhouette einer Pflanze kommen von rechts ins Bild. Die Kamera endet nahe einem kleinen Tisch am Fenster.

Hinsetzen: Die Hand, die den Teller trägt, stellt ihn sanft auf den Tisch. Die Kamera neigt sich, um das Tiramisu anzusehen, hält das Dessert einen Moment, dann steigt sie zur amerikanischen Frau auf, die gegenüber sitzt – blond, lässig gekleidet. Sie blickt auf das Dessert, nimmt dann eine Gabel, schneidet ein kleines Stück ab und isst es, erfreut.

Stil und Ton: warmes Orange, hohe Sättigung, geringe Schärfentiefe, weiches Licht und ein leichtes Filmkorn. Die Atmosphäre ist Café-Gemurmel, Schritte und das leichte Klirren von Besteck, mit einem hellen Instrumentalstück. Kein Voice-over.

Ein heller, ordentlicher Friseursalon am Tag, eine Spiegelwand und eine weiße Theke, mehrere Salonstühle. Dieselbe Frau, um die 30, sitzt mit einem schwarzen Umhang vor dem Spiegel, dunkelbraunes glattes Haar, das knapp über die Schultern reicht, ein Streifen dunkleren Neuwuchses am Ansatz. Dieselbe Stylistin, um die 35, steht hinter ihr. Beide Gesichter, Frisuren, Kleidung und Positionen bleiben konsistent. Der Spiegel bleibt auf derselben Seite, und das Spiegelbild ist richtig ausgerichtet. Sie sprechen nicht zur Kamera. Sie sprechen miteinander in natürlichem amerikanischem Englisch. Salon-Raumton: ein Föhn leise in der Ferne, Scheren und Werkzeuge, die leicht klirren, Gespräch. Keine Musik.

Drei Bildkompositionen: eine seitliche Halbtotale mit dem Spiegel, eine Nahaufnahme über die Schulter und eine Rückkehr zum Spiegel. Die drei verbinden sich durch ein Zurückwerfen des Haares und ein langsames Zurückziehen der Kamera. Nirgends ein harter Schnitt.

[0–4 s | seitliche Halbtotale mit Spiegelreflexion] Eine seitliche Halbtotale. Die Komposition zeigt beide und ihre Spiegelung im Spiegel. Die Stylistin hält eine Farbsschale in einer Hand und rührt die Farbe mit einem Pinsel in der anderen, blickt die Kundin im Spiegel an und sagt: „Ready for a change?“ Die Kundin hebt eine schlaffe glatte Strähne von ihrer Schulter, zwirbelt die Spitzen und antwortet: „So ready.“ Wenn die beiden Zeilen gesprochen werden, erscheinen weiße Sans-Serif-Untertitel zentriert im sicheren Bereich am unteren Bildrand, klar lesbar.

[4–8 s | Haar fegt über die Linse und wird zur Nahaufnahme über die Schulter] Bei 4 Sekunden wirft die Kundin ihr Haar nach vorn. Strähnen fegen über die Linse und füllen kurz das Bild. Die Kamera folgt dieser Bewegung und rückt nahtlos näher, wird zur Nahaufnahme über die Schulter. Ihre Hand schiebt das Haar zurück. Als es fällt, ist es bereits weiches karamellfarbenes Welliges – endet weiterhin knapp über den Schultern. Nur die Welle und die Farbe haben sich verändert, gleichmäßig von der Wurzel bis zur Spitze gefärbt, glänzend, federt beim Fallen zurück.

[8–12 s | die Kamera kehrt zum Spiegel zurück] Die Kamera zieht sich sanft zur Eröffnungs-Spiegelansicht zurück und zeigt die Kundin und ihre Spiegelung wieder zusammen. Sie dreht den Kopf. Die Wellen an ihrer Schläfe bewegen sich leicht. Sie klingt, als könne sie es nicht glauben: „Is that me?“ Die Stylistin legt beide Hände auf die Rückenlehne des Stuhls, lächelt sie im Spiegel an und antwortet: „All you.“ Auch diese beiden Zeilen erscheinen als weiße Sans-Serif-Untertitel zentriert am unteren Rand, synchron zur Sprache.

Alle Untertitel sind weiß, Sans-Serif, zentriert im sicheren Bereich am unteren Bildrand. Es erscheint kein Wasserzeichen, keine Markenmarke oder sonstiger Text.

MOTIV Dieselbe Katze von der ersten bis zur letzten Sekunde: dieselbe Rasse, dasselbe Gesicht und dieselben Augen, dasselbe Fell und dieselben Zeichnungen – ein hellweißes Fell mit einem weichen silbergrauen Ton an Gesicht und Körper, ein rundes Gesicht, große Augen. Es ist eine echte Katze, die auf vier Pfoten steht, mit dem Körper einer normalen Katze.

ORT UND KAMERA Ein warmes Wohnzimmer: warmer Holzboden im Vordergrund, ein helles Stoffsofa und weiche Einrichtung dahinter, warmes Innenlicht. Eine Einstellung, Kamera fixiert. Sie bewegt sich nicht, fährt nicht vor oder zurück, schwenkt nicht und schneidet nicht. Die Kamera befindet sich etwa auf Augenhöhe der Katze, ein leicht niedriger frontaler Winkel. Die Katze bleibt von Anfang bis Ende vollständig im Bild, verlässt nie das Bild und wird nie verdeckt.

ZEITABLAUF [0–2 s | aufstehen] Vor dem Sofa erhebt sich die Katze auf ihre beiden Hinterbeine, Körper aufrecht, beide Vorderpfoten an die Brust gehoben. Ein leichter Pop-Beat setzt in diesem Moment ein. [2–6 s | im Takt tanzen] Sie tritt auf ihren Hinterbeinen von einer Seite zur anderen. Die Vorderpfoten schwingen im Takt auf und ab, und der Kopf wiegt sich nach links und rechts. Die Bewegung ist kontinuierlich und natürlich, und der Körper bleibt der Körper einer echten Katze. [6–8 s | etwas größer] Die Schritte und die Pfotenschwünge werden etwas größer. Der Schwanz schwingt leicht hinter ihr zum Gleichgewicht. [8–10 s | nichts ist passiert] Sie senkt ihre Vorderpfoten, landet auf allen vieren, setzt sich dann hin und blickt ruhig in die Linse, als wäre nichts passiert.

TON Ein leichtes Pop-Instrumental, ein gleichmäßiger Four-on-the-Floor, ungefähr im Takt mit den Schritten und den Pfotenschwüngen. Nur Instrumental, kein gesungener Text.

Eine fixierte Einstellung, eine einzige Aufnahme. Die Kamera bewegt sich nicht, schneidet nicht, fährt nicht vor oder zurück. Sie ist auf einen CRT-Fernseher der 1980er Jahre auf einem Holzschrank gerichtet. Das Wohnzimmer ist dunkel, nur vom Fernseher beleuchtet. Die gewölbte Bildröhre füllt den Großteil des Bildes, mit der Holzmaserungs-Blende und einigen Knöpfen darum sichtbar. Das ganze Video zeigt den Fernseher selbst. Alles auf dem Bildschirm wird durch die Röhre gesehen: horizontale Abtastzeilen, eine leichte Unschärfe, leicht verblasste Farben und eine schwache Spiegelung des Raums auf dem gewölbten Glas. Abgesehen von den Untertiteln unten erscheint kein weiterer Text, kein Senderlogo und kein Wasserzeichen.

[0–1,5 s | das Gerät schaltet sich ein] Der Bildschirm beginnt als Schnee, Abtastzeilen rollen, dann rastet er ein. Der Raum ist dunkel. Das kühle Licht des Bildschirms fällt auf den Schrank, die Holzblende und die Knöpfe.

[1,5–4,5 s | erste Zeile] Auf dem Bildschirm steht ein fröhlicher männlicher Moderator um die 45 vor einem glitzernden silbernen Vorhang. Er hat einen dicken Schnurrbart und trägt einen braunen Anzug mit breiten Revers. Er blickt direkt in die Linse, lächelt und sagt: „Happy birthday!“ Während er es sagt, erscheint dieselbe Zeile in weißen Untertiteln am unteren Bildschirmrand, klar lesbar. Er nickt leicht, als er fertig ist.

[4,5–8 s | Zwinkern und Zeigen] Er zwinkert, hebt die rechte Hand, zeigt auf den Zuschauer vor der Linse und sagt die zweite Zeile: „Wishing you a year full of love, luck and cake.“ Der weiße Untertitel unten wechselt zu dieser Zeile. Er lächelt, und der Schnurrbart bewegt sich leicht, während er spricht.

[8–10 s | Konservenapplaus] Er senkt die Hand, steht aufrecht, lächelt breiter und nickt. Konservenapplaus erklingt aus dem Bildschirm. Der Untertitel blendet aus und lässt den glitzernden Vorhang und sein Lächeln zurück.

TON Jeder Ton kommt aus dem kleinen Lautsprecher des Fernsehers: mono, etwas dünn, mit einem schwachen elektrischen Rauschen und leichter Verzerrung, der Klang eines alten Röhrengeräts. Die Zeilen werden in natürlichem Tempo gesprochen. Keine Hintergrundmusik. Der Konservenapplaus am Ende hat dieselbe dünne Kleinstlautsprecher-Qualität und läuft bis zum Ende des Bildes weiter.

KONTINUITÄT Fixierte Kamera, eine Aufnahme. Das Gesicht des Moderators, der braune Anzug, der Schnurrbart und der Vorhang hinter ihm ändern sich nie. Die Abtastzeilen, die leichte Unschärfe, die verblassten Farben und die Spiegelung auf dem gewölbten Glas bleiben konsistent. Mund, Untertitel und Zeilen bleiben synchron.