Einen kurzen Clip machen, vom leeren Blatt bis zur fertigen Datei

Ich wollte einen Zehn-Sekunden-Clip: eine Frau nachts auf einem Balkon, die Stadt hinter ihr, die Art Einstellung, mit der etwas anfängt. Nichts Ehrgeiziges. Es dauerte etwa vierzig Minuten und 3.150 Coins, und aufzuschreiben, wohin die gingen, ist nützlicher als jedes aufgeräumte Tutorial, weil der Großteil dieser vierzig Minuten nicht mit Tippen verging.

Zuerst den Weg wählen, was ich fast falsch gemacht hätte

Mein Reflex war, alles in Text zu beschreiben und das Modell erfinden zu lassen. Das wäre die falsche Entscheidung gewesen, und der Grund ist das Einzige, was man vorher wissen sollte: Text zu Video erfindet auch die Person, und bei jedem Lauf eine andere.

Da ich ein bestimmtes Aussehen wollte, das den ganzen Clip überlebt, hieß die Antwort: erst ein Standbild machen und das animieren. Hätte ich Wellen an einer Mole oder nächtlichen Verkehr gewollt, wäre Text in Ordnung gewesen und ich hätte einen Schritt gespart. Diese ganze Entscheidung ist einen Satz lang, und der Vergleichsbeitrag liefert ihn.

Das Standbild: vier Bilder, 160 Coins

Standardqualität, je 40 Coins. Das erste war zu hell, beim zweiten sah sie in die Kamera, obwohl ich sie wegblickend wollte, das dritte stimmte, war aber zu weit gerahmt, das vierte war es.

Eines tat ich bewusst, weil ich es teuer gelernt hatte: Ich schrieb das Standbild als Startbild, nicht als gute Fotografie. Das heißt, das Motiv ruht, statt mitten in einer Geste zu sein, denn ein Standbild, das schon nach der Mitte einer Bewegung aussieht, lässt dem Videomodell keinen Weg. Und der Hintergrund ist unscharf, weil Abdriften zuerst dort sichtbar wird.

Erster Clip: vier Sekunden, 500 Coins, daneben

Entwurf mit vier Sekunden und 720p auf einem Turbo-Modell, die billigste brauchbare Kombination, die es gibt. Mein Prompt beschrieb die Szene: den Balkon, die Stadtlichter, ihr Haar, die Stimmung.

Zurück kam etwas, das aussah, als hätte man das Standbild leicht angestoßen. Kaum Bewegung, und was da war, wirkte ziellos.

Der Fehler ist im Rückblick offensichtlich, und ich mache ihn jedes Mal, wenn ich eine Woche kein Video angefasst habe. Das Standbild hatte bereits gesagt, wie die Szene aussieht. Das im Prompt zu wiederholen verbrauchte mein gesamtes Anweisungsbudget für Information, die das Modell schon hatte. Ein Videoprompt soll davon handeln, was sich bewegt.

Zweiter Clip: vier Sekunden, 500 Coins, fast

Neu geschrieben, nur Bewegung: ein langsamer Atemzug, ihr Haar hebt sich leicht im Wind, die Stadtlichter verschieben hinter ihr sanft die Schärfe, Kamera statisch. Vier Satzteile, alle über Veränderung in der Zeit.

Riesiger Unterschied. Jetzt war es eine Einstellung und keine wackelnde Fotografie. Trotzdem noch nicht richtig: Die statische Kamera ließ es wie Überwachungsmaterial wirken. Was zu wissen nützlich war, denn es hieß, die Variable war die Kamera, und die hatte ich nicht angerührt.

Dritter Clip: vier Sekunden, 500 Coins, das ist er

Genau eine Sache geändert. Aus statischer Kamera wurde „very slow push in“. Alles andere identisch.

Das war die Einstellung. Eine leichte Bewegung auf das Motiv zu tut mit der Aufmerksamkeit etwas, das nichts im Bild allein schafft, und es kostete einen Satzteil.

Dieselbe Disziplin wie bei Bildern: eine Variable pro Versuch. Bei Video ist sie wichtiger, nicht unwichtiger, weil jeder Versuch das Zwölffache kostet.

Sich auf die Länge festlegen: zehn Sekunden, 1.250 Coins

Erst jetzt, mit geklärter Bewegung und Kamera, ließ ich es mit zehn Sekunden neu laufen. Gleicher Prompt, gleiches Startbild, längere Dauer.

Das ist der Teil des Ablaufs, der wirklich Geld spart. Zehn Sekunden sind 1.250 Coins in 720p Turbo; ich habe die Versuche mit 500 gefahren und den Zehn-Sekunden-Preis einmal bezahlt, am Ende. Andersherum frisst ein einzelner Clip ein großes Paket, und die Preisleiter ist steil genug, dass sich die Disziplin sofort rechnet.

Eine ehrliche Anmerkung: Die längere Fassung ist nicht einfach die verlängerte Vier-Sekunden-Version. Sie wird neu generiert, die Bewegung ist also ähnlich, aber nicht identisch. Gelegentlich ist die längere Aufnahme schlechter und man lässt sie erneut laufen. Plane diese Möglichkeit ein, statt dich davon überraschen zu lassen.

Ton: nichts

Buchstäblich nichts zu tun. Der Clip kam als eine MP4 mit bereits enthaltener Tonspur, für dieselbe Szene erzeugt, und der Preis änderte sich nicht. Ich hatte „distant traffic, wind“ in den Prompt geschrieben, und ungefähr das war zu hören.

Das ist der Schritt, der früher die halbe Arbeit war, und jetzt der Schritt, den es nicht gibt. Mehr dazu im Beitrag über erzeugten Ton.

Die Endabrechnung

• 4 Standbilder zu je 40 Coins: 160
• 3 Entwurfsclips zu vier Sekunden: 1.500
• 1 finaler Clip zu zehn Sekunden: 1.250
• Gesamt: 3.150 Coins, etwa vierzig Minuten

Von diesen vierzig Minuten waren vielleicht sechs Tippen. Der Rest war Warten auf Renderings, die Minuten statt Sekunden laufen, und Herumstehen mit der Frage, ob das Letzte gut genug war. Dieser Rhythmus ist der eigentliche Unterschied zur Bildarbeit: Man kann nicht schnell iterieren, also muss jeder Versuch es wert sein.

Was ich mir vorher sagen würde: Schreib das Standbild als Startbild, beschreibe nur Bewegung, ändere eine Variable, und rühr die Dauer nicht an, bis die Vier-Sekunden-Fassung die Einstellung ist, die du willst. Alles andere ist Geduld. Das Ganze passiert in Fellowi Video, und der Leitfaden für Videoprompts ist die komprimierte Fassung der beiden Clips, die ich vergeudet habe.