5. September 2026
KI-Video länger als 10 Sekunden: die echten Laufzeiten je Modell und die Methode, die halb so viel kostet
Wie weit jedes Videomodell wirklich geht, warum eine 30 Sekunden Generierung das Sechsfache einer 5 Sekunden Generierung kostet, und wie man einen einminütigen Film aus kurzen Einstellungen mit kostenlosem Schnitt zusammensetzt.
Frank HoubreGründer von Imaginode
Die Grenze, die jeder beim ersten Video entdeckt
Die meisten Videomodelle hören zwischen 5 und 10 Sekunden auf, einige gehen bis 15, und nur drei schaffen 30 Sekunden in einer einzigen Generierung.
Sie haben gerade Ihre erste Einstellung erzeugt. Sie ist schön, die Bewegung sitzt, das Licht stimmt. Und sie dauert fünf Sekunden. Sie suchen den Regler, um auf eine Minute zu gehen, und es gibt ihn nicht.
Das ist die erste Enttäuschung aller, die zum KI-Video kommen, und sie ist berechtigt: Man verkauft uns Filme und liefert uns Einstellungen. Nur ist die Einschränkung nicht die, für die man sie hält, und die Lösung hat nichts Technisches. Sie ist hundert Jahre alt und heißt Montage.
Sehen wir uns das gemeinsam an, mit den genauen Laufzeiten jedes Modells im Katalog, den echten Preisen in Credits und vor allem dem Vergleich, der wehtut: was eine Minute Video in einer einzigen Generierung kostet gegenüber derselben Minute, zerlegt in Einstellungen. Der Abstand wird Sie überraschen.
Die echten Laufzeiten, Modell für Modell
Wan 3.0, Wan 3.0 Prime und Seedance 2.5 gehen bis 30 Sekunden, Flux 3 Video bis 20, Kling V3, Seedance 2.0, Wan 2.7 und Grok Imagine bis 15, während Veo 3.1 bei 8 Sekunden deckelt.
Hier der Stand des Katalogs, denn diese Obergrenzen stehen nirgendwo sonst lesbar geschrieben. Die längsten zuerst: Wan 3.0 und Wan 3.0 Prime nehmen 2 bis 30 Sekunden, Seedance 2.5 4 bis 30. Das sind die einzigen drei, die die halbe Minute erreichen.
Knapp darunter geht Flux 3 Video von 5 bis 20 Sekunden. Dann das Feld der 15er: Kling V3 von 3 bis 15, Seedance 2.0 und Seedance 2.0 Fast von 4 bis 15, Wan 2.7 von 2 bis 15, Grok Imagine Video von 1 bis 15.
Und die kurzen, die oft die besten sind: Kling 2.5 Turbo bietet 5 oder 10 Sekunden, ohne Zwischenwert. Veo 3.1 Lite und Veo 3.1 Fast lassen die Wahl zwischen 4, 6 und 8 Sekunden, keine mehr. Der vollständige Katalog steht auf der Modellseite, mit dem Preis, der sich je nach Ihren Einstellungen live mitbewegt.
Warum die Modelle so früh aufhören
Die Rechenkosten steigen mit der Dauer und die Kohärenz nimmt ab: jenseits weniger Sekunden verliert ein Modell den Faden seiner eigenen Szene.
Zwei Gründe, ein wirtschaftlicher und ein technischer. Der wirtschaftliche ist einfach: Video zu erzeugen heißt, vierundzwanzig Bilder pro Sekunde zu produzieren, die alle zusammenpassen müssen. Der Rechenaufwand steigt schnell, und Anbieter rechnen pro Sekunde ab, weil es sie genau das kostet.
Der technische ist interessanter. Ein Videomodell hält seine Kohärenz über ein begrenztes Fenster. Nach einer gewissen Zeit verwandeln sich Gesichter langsam, Kleidung wechselt die Farbe, ein auf dem Tisch abgestellter Gegenstand verschwindet. Sie haben sicher schon ein zwanzig Sekunden langes KI-Video gesehen, in dem etwas langsam abdriftet, ohne dass man sagen könnte was.
Machen Sie sich klar, dass die Grenze von 5 oder 10 Sekunden keine kaufmännische Schikane ist. Oft ist das genau die Zone, in der das Modell wirklich gut ist. Darüber hinaus zahlen Sie mehr für ein Ergebnis, das schlechter hält, und das ist das Schlechteste aus beiden Welten.
Der Preis einer langen Generierung: die böse Überraschung
Die Abrechnung ist proportional zur Sekunde: dreißig Sekunden kosten genau das Sechsfache von fünf Sekunden, ganz ohne Mengenrabatt.
Das ist der Punkt, den die Leute im Nachhinein entdecken, und er ist das eigentliche Thema dieses Artikels. Bei den meisten Modellen richtet sich der Tarif anteilig nach der Dauer. Es gibt keine Staffel, keine Pauschale, keinen Großhandelspreis.
Die genauen Zahlen bei Wan 3.0. Fünf Sekunden in 720p kosten 60 Credits. Zehn Sekunden in 1080p, 240 Credits. Und dreißig Sekunden in 1080p, 720 Credits, also etwa 7 Euro für eine halbe Minute. In 720p fällt dieselbe halbe Minute auf 360 Credits, in 480p auf 180.
Bei Seedance 2.5 kosten dreißig Sekunden in 720p ebenfalls 720 Credits, gegenüber 240 für zehn Sekunden. Flux 3 Video verlangt 696 Credits für seine 20 Sekunden in 1080p. Kling V3 liegt bei 303 Credits für zehn Sekunden in 1080p. Zu diesem Tarif reicht eine einzige misslungene Generierung auf einer dreißig Sekunden Einstellung, und Sie haben sieben Euro zum Fenster hinausgeworfen.
GuthabenDer Vergleich, der entscheidet: dreißig Sekunden, zwei Methoden
Sechs fünf Sekunden Einstellungen bei Kling 2.5 Turbo kosten 156 Credits gegenüber 360 für eine einzige dreißig Sekunden Generierung in 720p: weniger als die Hälfte, für ein sehenswerteres Ergebnis.
Nehmen wir einen dreißig Sekunden Film und rechnen beide Wege durch. Weg eins, die Einzelgenerierung: Wan 3.0, dreißig Sekunden, 720p, 360 Credits. Ein Klick, ein Warten, und eine dreißig Sekunden lange Plansequenz.
Weg zwei, sechs fünf Sekunden Einstellungen bei Kling 2.5 Turbo in 720p, zu je 26 Credits. Summe: 156 Credits. Mit Seedance 2.0 Fast zu 48 Credits für fünf Sekunden kommt man auf 288 Credits, immer noch darunter. Und die Montage, die alles zusammensetzt, kostet nichts, dazu gleich mehr.
Aber der Preis ist nicht einmal das Hauptargument. Bei sechs Einstellungen misslingt eine, und Sie starten genau die für 26 Credits neu. Bei einer Einzelgenerierung misslingt die zweiundzwanzigste Sekunde, und Sie zahlen alle dreißig noch einmal. Diese Asymmetrie zählt, wenn man wirklich arbeitet, nicht die anfängliche Ersparnis.
Was das Kino seit hundert Jahren macht
Die durchschnittliche Einstellungslänge in einem neueren Film liegt bei wenigen Sekunden: niemand schaut dreißig Sekunden auf eine feste Einstellung, und die KI zwingt Sie schlicht, diese Grammatik zu achten.
Schauen Sie sich irgendeinen Werbespot an, irgendeinen Trailer, irgendein Musikvideo. Zählen Sie die Einstellungen. In dreißig Sekunden Werbung finden Sie oft ein Dutzend. Die lange Einstellung gibt es, sie ist großartig, sie ist selten, und sie ist bestimmten Momenten vorbehalten.
Ein einprägsames Video ist kein schönes Bild, das dauert, sondern eine Emotion, die sich entwickelt. Und eine Emotion entwickelt sich über den Schnitt: man zeigt das Gesicht, dann das, was es anschaut, dann die zitternde Hand. Drei Einstellungen zu drei Sekunden erzählen unendlich viel mehr als neun Sekunden fest auf demselben Ausschnitt.
Gewiss, die Beschränkung der Modelle erleidet man zunächst. Aber sie schiebt Sie genau dorthin, wo Sie hinmussten. Wer heute die besten KI-Videos macht, sucht nicht die dreißig Sekunden Einstellung, sondern reiht Einstellungen zu fünf Sekunden aneinander.
Der Montage-Node, und dass er nichts kostet
Die Montage fügt die Clips zusammen, beschneidet sie, ergänzt Schnitte oder Blenden und eine Tonspur, und der Export wird auf Ihrem Gerät berechnet, ohne einen einzigen Credit zu verbrauchen.
Das ist der Node, der die Praxis dieses ganzen Artikels umkrempelt. Sie hängen Ihre Video-Nodes an seinen Clips-Port oder greifen direkt in die Projektmedien, und Sie erhalten eine Zeitleiste. Jeder Clip wird mit Anfang und Ende beschnitten. Zwischen zwei Clips wählen Sie einen harten Schnitt, eine Überblendung oder eine Schwarzblende.
Er nimmt auch Standbilder mit einstellbarer Dauer, sodass Sie eine Texttafel oder ein Produktfoto zwischen zwei animierte Einstellungen schieben können. Und er trägt getrennte Tonspuren, mit Versatz und Lautstärke je Spur: Ihr Voice-over auf der einen, die Musik auf der anderen.
Der wichtige Punkt: Der Export ist gratis. Die Berechnung läuft in Ihrem Browser, auf Ihrer Maschine, und es wird kein Credit abgebucht. Sie können Ihren Film also fünfzehn Mal neu schneiden, drei Reihenfolgen testen, einen Übergang ändern, ohne dass es Sie etwas kostet. Lassen Sie den Tab während des Exports nur offen.
Die vollständige Methode, von der Auflösung bis zum Export
Erst in Einstellungen zerlegen, jede Einstellung als Standbild für ein paar Credits bestätigen, Video nur aus bestätigten Bildern erzeugen, dann zusammensetzen.
Schritt eins, auf Papier oder in einem Text-Node: Zerlegen Sie Ihre dreißig Sekunden in Einstellungen. Sechs zu fünf oder acht zu drei bis fünf. Schreiben Sie auf, was jede zeigt. Das nennt man eine Auflösung, und es dauert zehn Minuten.
Schritt zwei, und der spart am meisten: Bestätigen Sie jede Einstellung als Standbild, bevor Sie für Video zahlen. Ein Bild bei Flux 2 Klein kostet 3 Credits, eine Videoeinstellung 26 bis 96. Sie legen den Ausschnitt fest, justieren das Licht, bestätigen die Figur, alles zum Bildtarif. Diese Methode habe ich in das KI-Storyboard vor dem Dreh ausgeführt.
Schritt drei: Jedes bestätigte Bild wird zum Startbild eines Video-Nodes. Das Modell animiert, was Sie bereits freigegeben haben, statt einen Ausschnitt zu erfinden. Schritt vier: Alles geht in die Montage. Zu diesem Zeitpunkt ist der Großteil der kreativen Arbeit schon getan.
Die Anschlussfähigkeit von Einstellung zu Einstellung halten
Ein Referenz-Node für die Figur und ein an alle Einstellungen gehängter Stil-Node genügen, damit die sechs Clips zum selben Film gehören.
Das eigentliche Risiko der Montage aus Einstellungen ist, dass es nicht nach einem Film aussieht, sondern nach sechs verschiedenen, zusammengeklebten Videos. Die Figur wechselt das Gesicht, das Licht springt, das Korn ist nicht dasselbe. Genau hier wird das Canvas nützlich statt bloß hübsch.
Ein Referenz-Node hält die Figur: Sie geben ihm drei Fotos und einen Namen und rufen ihn dann per @Erwähnung in jedem Ihrer sechs Prompts auf. Das Thema wird ausführlich in konsistente Figur mit KI behandelt, und es ist der wichtigste Baustein, wenn ein Mensch in mehr als einer Einstellung vorkommt.
Ein an die sechs Nodes gehängter Stil-Node hält die Art Direction: dieselbe Palette, dieselbe Materialität, dieselbe Lichtbehandlung überall. Und ein gemeinsamer Kamera-Node hält Objektiv und Blende kohärent. Drei Nodes für sechs Einstellungen, einmal verkabelt.
Das Endbild: zwei Einstellungen ohne sichtbaren Schnitt verketten
Mehrere Modelle nehmen zusätzlich zum Startbild ein Endbild an: die nächste Einstellung kann also genau dort beginnen, wo die vorige aufhört.
Es gibt einen Kniff für die Momente, in denen Sie wirklich Kontinuität statt eines Schnitts wollen. Manche Modelle verarbeiten ein Endbild zusätzlich zum Startbild: Sie geben ihnen Anfang und Ankunft, sie fabrizieren den Weg dazwischen.
Im Katalog nehmen Seedance 2.0 und Seedance 2.0 Fast, Seedance 2.5, Kling V3, Wan 3.0 und Wan 3.0 Prime, MiniMax H3 und Veo 3.1 Fast ein Endbild an. Der Port erscheint von selbst am Node, wenn das gewählte Modell es kann, Sie müssen keine versteckte Einstellung suchen.
Die daraus folgende Technik: Nehmen Sie das letzte Bild Ihrer Einstellung eins und machen Sie es zum Startbild von Einstellung zwei. Sie erhalten zwei fünf Sekunden Clips, die bruchlos ineinander übergehen, zum Preis zweier kurzer Clips. So baut man eine zwanzig Sekunden lange Bewegung, die trägt.
Der Ton: eine Spur, nicht sechs
Ton je Einstellung zu erzeugen produziert sechs Atmosphären, die sich im Schnitt widersprechen: besser stumme Einstellungen und eine Tonspur über dem Ganzen.
Klassische Falle, und sie kostet doppelt. Viele Modelle bieten einen Audioschalter, und der ist oft standardmäßig an, weil ein stummes Video sofort auffällt. Bei einer einzelnen Einstellung ist das völlig in Ordnung.
Bei sechs Einstellungen, die geschnitten werden sollen, ist es eine schlechte Idee. Jede Generierung erfindet ihre eigene Atmosphäre, und im Schnitt hören Sie sechs verschiedene Räume, die hart aneinanderstoßen. Und Audio kostet: Bei Veo 3.1 Lite kosten acht Sekunden in 720p 29 Credits ohne Ton und 48 mit. Sechsmal sind das 114 Credits Unterschied für ein unbrauchbares Ergebnis.
Erzeugen Sie stumm und legen Sie den Ton auf die fertige Montage. Ein Voice-over, Musik, ein paar Geräusche, an den richtigen Stellen auf den Audiospuren des Montage-Nodes platziert, mit Versatz und Lautstärke. Der Film gewinnt eine Einheit, die getrennt vertonte Einstellungen nie haben werden.
Wann sich eine lange Generierung dennoch lohnt
Die Plansequenz behält ihren Sinn bei einer durchgehenden Bewegung ohne möglichen Schnitt, einer Fahrt oder einer allmählichen Verwandlung, und dort muss man den Preis akzeptieren.
Ich werde Ihnen nicht sagen, lange Generierung sei nie nützlich, das wäre unehrlich. Es gibt Fälle, in denen sie die einzige Antwort ist. Eine durchgehende Fahrt durch eine Kulisse, eine Verwandlung, die ohne Unterbrechung sichtbar sein muss, ein Tanz, eine Einstellung, bei der ein Schnitt gerade den Effekt zerstören würde.
Nehmen Sie in diesen Fällen Wan 3.0 oder Seedance 2.5 und akzeptieren Sie den Tarif. Aber tun Sie es wissentlich: Bestätigen Sie den Ausschnitt zuerst im Bild, senken Sie während der Versuche die Auflösung, und gehen Sie erst bei der Fassung, die Sie für gut halten, auf 1080p. Dreißig Sekunden in 480p kosten bei Wan 3.0 180 Credits gegenüber 720 in 1080p, und um eine Bewegung zu prüfen reicht 480p bei weitem.
Nebenbei ist das auch die Logik des restlichen Katalogs: zum Mindesttarif erkunden, zum Höchsttarif finalisieren. Die Details dieser Rechnung stehen in was ein KI-Bild oder KI-Video wirklich kostet, und der öffentliche Rechner lässt Sie Ihren eigenen Film simulieren, bevor Sie einen Credit ausgeben.
Was man behalten sollte
Dreißig Sekunden aus kurzen Einstellungen kosten weniger als die Hälfte einer Einzelgenerierung, lassen sich Einstellung für Einstellung korrigieren und gratis schneiden.
Die echten Obergrenzen: 30 Sekunden bei Wan 3.0, Wan 3.0 Prime und Seedance 2.5, 20 bei Flux 3 Video, 15 bei Kling V3, Seedance 2.0, Wan 2.7 und Grok, 8 bei Veo 3.1. Kein Modell macht Ihnen eine Minute am Stück, und das ist gut so.
Die Methode, die funktioniert: zerlegen, im Bild bestätigen, fünf Sekunden Einstellungen erzeugen, die Kohärenz mit einem Referenz- und einem Stil-Node halten, mit Endbildern verketten, wo die Kontinuität es verlangt, dann in einem Zug schneiden und vertonen. Da die Montage gratis ist, sind die Einstellungen der einzige Kostenpunkt.
Für einen ersten Versuch nehmen Sie Ihr erstes KI-Video, falls Sie noch nie eines erzeugt haben, und kommen dann zurück, um einen dreißig Sekunden Film in sechs Einstellungen zu machen. Rechnen Sie mit rund 156 Credits bei Kling 2.5 Turbo, also etwa einem Euro fünfzig, Schnitt inbegriffen.