Längere KI-Videos erstellen: Clips mit Start- und Endframe verketten

Jeder KI-Videogenerator stößt an dieselbe Wand. Sie schreiben einen guten Prompt, der Clip sieht richtig aus, und nach fünf oder zehn Sekunden ist er zu Ende. Einen Knopf „Mach daraus 30 Sekunden“ gibt es nicht, und wenn eine Plattform eine „Verlängern“-Funktion anbietet, ist das meist ein einziges Modell, ein einziges zusätzliches Segment und eine Warteschlange.

Die gute Nachricht: Sie brauchen keinen Verlängern-Knopf, um längere KI-Videos zu erstellen. Sie brauchen eine Technik, die auf jedem Modell funktioniert: Nehmen Sie das letzte Bild des vorhandenen Clips, nutzen Sie es als Startframe des nächsten Clips, behalten Sie das Prompt-Gerüst bei, ändern Sie nur die Aktion und fügen Sie die Teile zusammen. Wir nennen das The Last-Frame Chain („Last-Frame-Kette“). Sechs 5-Sekunden-Segmente werden zu einer 30-Sekunden-Einstellung; drei 10-Sekunden-Segmente schaffen dasselbe mit weniger Übergängen.

Dieses Tutorial führt Schritt für Schritt durch die Methode, zeigt, was ein 30-Sekunden-Video auf jeder Stufe tatsächlich kostet, und behandelt die vier Arten, wie eine Kette schiefgeht, samt Lösung für jede. Die Preise sind die Live-Credit-Werte aus dem Studio, Stand September 2026.

Warum KI-Videoclips so kurz sind

Wer die Grenze versteht, sieht den Ausweg sofort.

Der Rechenaufwand wächst mit jeder Sekunde

Videomodelle generieren alle Frames eines Clips gemeinsam, und die Kosten dafür, sie konsistent zu halten, steigen mit der Länge steil an. Deshalb rechnet fast jedes Modell pro Sekunde ab und deckelt eine einzelne Generierung bei 5 bis 10 Sekunden: Darüber hinaus sinkt die Qualität, und der Preis klettert schneller, als irgendjemand zahlen möchte.

Der Drift wächst mit der Länge

Selbst wenn ein Modell eine längere Einzeleinstellung erlaubt, sind die letzten Sekunden die schwächsten. Gesichter werden weich, Hintergründe verrutschen, Bewegungen verlieren ihre Absicht. Eine Kette aus kurzen, sauber verankerten Segmenten ist meist sauberer als eine lange Generierung, weil jedes Segment von einem scharfen, bewusst gewählten Frame ausgeht.

Wo die Grenzen heute liegen

Auf Imgveo die maximale Einzelgenerierung pro Stufe, geprüft im September 2026:

Daraus folgen zwei Dinge. Der Start- und Endframe-Modus, die präziseste Art zu verketten, endet bei 5 Sekunden pro Segment. Reines Bild-zu-Video, das nur einen Startframe braucht, geht auf den meisten Stufen bis 10 Sekunden. Die Kette funktioniert mit beidem; die Wahl lautet Präzision gegen weniger Übergänge.

Drei Wege zu einem längeren KI-Video

Weg 1: die längste Stufe wählen und einmal generieren

Wenn 10 Sekunden reichen, hören Sie hier auf. Kling 3, Wan 2.7, Seedance 2 und Basic generieren alle einen einzelnen 10-Sekunden-Clip ohne Nahtstellen und mit einem Prompt. Hailuo schafft im Standardmodus ebenfalls 10 Sekunden. Die Kosten sind auf Pro-Sekunde-Stufen schlicht das Doppelte eines 5-Sekunden-Clips, und bei einfachen Einstellungen mit einer einzigen Bewegung bleibt die Qualität meist über die ganze Länge in Ordnung.

Weg 2: Clips mit Start- und Endframe verketten

Für alles jenseits von 10 Sekunden, oder für eine 10-Sekunden-Einstellung mit zwei klar getrennten Beats, verketten Sie. Jedes Segment startet exakt von dem Frame, mit dem das vorherige endete, sodass der Übergang bei kontinuierlicher Bewegung unsichtbar ist. Eine Obergrenze gibt es nicht: 30, 60, 90 Sekunden, solange Ihre Beats tragen.

Weg 3: unabhängige Shots montieren

Wenn das Video eine Abfolge verschiedener Perspektiven ist statt einer durchgehenden Einstellung, brauchen Sie überhaupt keine Frame-Kontinuität. Generieren Sie jeden Shot aus demselben Referenzbild und Prompt-Gerüst, schneiden Sie sie mit Musik zusammen, und der Schnitt verbirgt jeden vorhandenen Drift. So entstehen die meisten KI-Werbespots und Trailer, und es ist der schnellste Weg.

Die meisten realen Projekte kombinieren Weg 2 für den Hero-Shot mit Weg 3 für das B-Roll drumherum.

Die Last-Frame-Kette, Schritt für Schritt

Schritt 1: die Beats planen

Schreiben Sie auf, was in jedem Segment passiert, bevor Sie irgendetwas generieren. Ein Beat pro 5 Sekunden. Für eine 30-Sekunden-Produktaufnahme könnte das so aussehen:

1. Flasche auf einer Marmortheke, langsame Kamerafahrt nach vorn, Morgenlicht.
2. Kamera fährt weiter heran, Kondenstropfen fangen das Licht.
3. Eine Hand kommt ins Bild und hebt die Flasche an.
4. Die Flasche dreht sich und zeigt das Etikett.
5. Die Hand stellt sie ab, die Kamera beginnt zurückzufahren.
6. Rückfahrt abgeschlossen, Totale der Theke.

Jeder Beat ist eine Kamerabewegung und eine Aktion des Motivs. Wenn Sie merken, dass Sie zwei Bewegungen in einen Beat schreiben, teilen Sie ihn in zwei Beats auf.

Schritt 2: Clip 1 generieren

Nutzen Sie Bild-zu-Video mit Ihrem Referenzbild als Startframe, oder Text-zu-Video, wenn Sie bei null anfangen. Schreiben Sie den vollständigen Prompt: Motiv, Umgebung, Licht, Kamerabewegung, Stimmung. Das ist das Gerüst, das jedes spätere Segment wiederverwendet. Generieren Sie in Entwurfsauflösung (480p auf Basic kostet 20 Credits), bis die Bewegung stimmt, und lassen Sie den Favoriten dann auf der Stufe und in der Auflösung neu laufen, in der Sie veröffentlichen.

Schritt 3: das letzte Bild extrahieren

Laden Sie Clip 1 herunter und sichern Sie sein letztes Bild als PNG. Jede dieser Methoden funktioniert:

• In den meisten Desktop-Playern auf dem letzten Frame pausieren und den eingebauten Schnappschuss- oder Frame-Export-Befehl nutzen.
• Auf der Kommandozeile springt ein einziger ffmpeg-Aufruf ans Ende und schreibt ein einzelnes Bild:

ffmpeg -sseof -0.1 -i clip1.mp4 -frames:v 1 -update 1 last-frame.png

Nehmen Sie das echte letzte Bild, nicht eines von einer Sekunde davor. Ein Frame mitten aus einer Bewegung erzeugt einen sichtbaren Sprung, wenn der nächste Clip davon ausgeht.

Schritt 4: als nächsten Startframe einsetzen

Öffnen Sie den Start- und Endframe-Modus oder Bild-zu-Video und laden Sie last-frame.png als Startframe hoch. Im Start- und Endframe-Modus können Sie zusätzlich einen Endframe hochladen, wenn Sie wissen, wo Beat 2 landen soll; wenn nicht, lassen Sie ihn leer und lassen das Modell die Bewegung weiterführen.

Schritt 5: nur die Aktion umschreiben

Behalten Sie das Gerüst Wort für Wort: Motiv, Umgebung, Licht, Stimmung. Ändern Sie nur die Zeile für Aktion und Kamera für den neuen Beat. Ein Prompt, der überall die Formulierung ändert, lädt das Modell ein, Licht oder Motiv neu zu interpretieren, und genau daher kommen Farbsprünge und Identitäts-Drift.

Schritt 6: wiederholen

Generieren Sie Clip 2, extrahieren Sie sein letztes Bild, speisen Sie es in Clip 3 ein und so weiter. Bewahren Sie den Prompt jedes Segments in einer Textdatei neben dem Clip auf; wenn ein Segment fehlschlägt, lassen Sie es mit denselben Worten neu laufen, statt es neu zu erfinden.

Schritt 7: montieren

Legen Sie die Clips der Reihe nach auf eine Timeline und setzen Sie sie ohne Überblendungen direkt aneinander. Stottert ein Übergang, schneiden Sie zwei oder drei Frames vom Ende des früheren Clips weg, denn die letzten Frames einer Generierung sind gelegentlich Beinahe-Duplikate. Exportieren Sie einmal in Ihrer Veröffentlichungsauflösung.

Nahtlos bleiben

Vier Gewohnheiten, die die Übergänge verschwinden lassen.

Dasselbe Prompt-Gerüst, in jedem Segment

Die mit Abstand größte Ursache sichtbarer Übergänge ist Prompt-Drift. Kopieren Sie den vorherigen Prompt, ändern Sie einen Satz, generieren Sie. Schreiben Sie nicht aus dem Gedächtnis neu.

Eine Kamerabewegung pro Segment

Eine Kamerafahrt nach vorn, die sich über zwei Segmente fortsetzt, wirkt wie eine Einstellung. Eine Kamerafahrt, die mitten im Segment zum Schwenk wird, wirkt wie ein Schnitt, selbst wenn die Frames zusammenpassen. Lassen Sie jedes Segment eine Bewegung abschließen, und beginnen Sie die nächste Bewegung am Übergang, wenn Sie sie brauchen.

Lichtbegriffe exakt übernehmen

„Morgenlicht“ in Clip 1 und „weiches Tageslicht“ in Clip 2 sind für das Modell verschiedene Anweisungen, und es wird ihnen folgen. Das Lichtvokabular ist der Teil des Gerüsts, den Sie am sorgfältigsten hüten sollten.

Den Endframe nutzen, wenn Sie das Ziel kennen

Wenn Beat 4 auf einer bestimmten Komposition enden muss, etwa mit dem Etikett zur Kamera, generieren Sie diese Komposition zuerst als Standbild und geben sie als Endframe vor. Der Start- und Endframe-Modus interpoliert die Bewegung zwischen beiden, was weit zuverlässiger ist, als das Ziel in Worten zu beschreiben.

Was ein 30-Sekunden-Video kostet

Die Kosten der Kette sind schlicht Segmentkosten mal Anzahl der Segmente. Hier sechs 5-Sekunden-Segmente auf jeder Stufe, ohne Ton, im Starter-Tarif mit $19.90 für 1,500 Credits.

Drei Wege, weniger auszugeben:

• Die ganze Kette auf Basic 480p entwerfen für $1.60, die Beats korrigieren und dann nur die Segmente, die Sie behalten, auf der finalen Stufe neu generieren.
• 10-Sekunden-Segmente per Bild-zu-Video nutzen, wo die Präzision es erlaubt. Auf Pro-Sekunde-Stufen bleibt die Summe gleich, aber Sie haben drei Übergänge statt fünf. Auf Basic, wo ein Clip unabhängig von der Länge pauschal 20 Credits kostet, kosten drei 10-Sekunden-Segmente 60 Credits statt 120.
• Audio beim Verketten ausschalten. Generierter Ton läuft über Übergänge ohnehin nicht weiter, Sie würden also den Aufpreis für Sound zahlen, den Sie ersetzen. Legen Sie im Schnitt eine durchgehende Tonspur darunter.

Fehlgeschlagene Generierungen werden auf Imgveo automatisch erstattet, ein Segment mit Fehler kostet also Zeit, keine Credits. Die vollständige Kostenmethode, samt Fehlerquoten-Rechnung für Plattformen ohne Erstattung, finden Sie in KI-Video-Credits erklärt.

Häufige Probleme und Lösungen

Farbsprünge zwischen Clips

Ursache: Das Modell hat Licht oder Weißabgleich neu interpretiert, weil sich die Prompt-Formulierung geändert hat, oder das extrahierte Bild war komprimiert.

Lösung: Stellen Sie die exakten Lichtbegriffe aus dem vorherigen Prompt wieder her und exportieren Sie das letzte Bild als PNG statt als JPEG. Bleibt ein Sprung, schließt eine einzelne Farbanpassung am späteren Clip in Ihrem Schnittprogramm die Lücke.

Die Bewegung „setzt neu an“ am Übergang

Ursache: Das neue Segment startet von einem Standbild, das Modell beginnt also in Ruhe, bevor es die Bewegung aufnimmt.

Lösung: Beschreiben Sie die Bewegung als bereits laufend („Kamera setzt ihre langsame Fahrt nach vorn fort“) statt als beginnend („Kamera fährt nach vorn“). Auch das Wegschneiden der ersten zwei oder drei Frames des neuen Clips entfernt die sichtbare Pause.

Gesichts- oder Charakter-Drift

Ursache: Kleine Identitätsfehler summieren sich über die Segmente; bei Clip 4 ist das Gesicht jemand anderes.

Lösung: Geben Sie auf Stufen, die Referenzen akzeptieren, das ursprüngliche Referenzbild zusammen mit dem letzten Bild mit, und behalten Sie die Identitätsbeschreibung in jedem Prompt. Bei Sequenzen mit einem Charakter hält Seedance 2 die Identität über lange Ketten am besten. Unser Leitfaden zur Charakter-Konsistenz behandelt die modellübergreifenden Techniken.

Der Ton läuft nicht weiter

Ursache: Jedes Segment generiert seinen eigenen Ton, und nichts gleicht sie aneinander an.

Lösung: Generieren Sie ohne Ton und legen Sie im Schnitt ein durchgehendes Audiobett darunter. Braucht ein Segment nativen Dialog, generieren Sie dieses Segment mit Audio auf einer Stufe, die das gut kann, und schneiden den Rest stumm; unser Vergleich zu nativem Audio erklärt, welche Stufen Sie wählen sollten.

Welche Stufe zum Verketten

• Kling 3 Standard ist die Standardwahl: 1080p, 50 Credits pro 5 Sekunden, hohe Bild-zu-Video-Treue, sodass jedes Segment seinen Startframe respektiert. Die Kling-3-Seite zeigt alle drei Modi.
• Basic ist die Entwurfsstufe: pauschal 20 Credits pro Clip in 480p, ideal, um die Beats zu testen, bevor Sie für das Finale bezahlen.
• Seedance 2, wenn ein Charakter die ganze Kette überstehen muss; es kostet mehr pro Sekunde, spart aber Wiederholungen.
• Wan 2.7 für stilisierte oder illustrierte Bewegung in 720p, 50 Credits pro 5 Sekunden.
• Veo 3.1 ist zum Verketten unhandlich, weil jeder Clip fest 8 Sekunden lang ist und keinen Endframe akzeptiert; nutzen Sie es für das Dialogsegment, nicht für die Kette.
• Kling 2.6 unterstützt den Start- und Endframe-Modus gar nicht; nutzen Sie damit Bild-zu-Video oder wählen Sie Kling 3.

Welche Stufe Sie auch wählen: Start- und Endframe-Segmente sind bei 5 Sekunden gedeckelt, Bild-zu-Video-Segmente bei 10.

Häufig gestellte Fragen

Wie lang können KI-Videos sein?

Eine einzelne Generierung ist bei aktuellen Modellen typischerweise 5 bis 10 Sekunden lang; auf Imgveo ist der längste Einzelclip 10 Sekunden, und Veo 3.1 liegt fest bei 8. Für die verkettete Länge gibt es keine Grenze: Indem sie das letzte Bild jedes Clips als Startframe des nächsten nutzen, bauen Creator routinemäßig durchgehende Einstellungen von 30 Sekunden, 60 Sekunden und länger.

Kann KI ein 1-Minuten-Video generieren?

Nicht in einem Durchgang auf gehosteten Modellen heute, aber ja durch Verketten. Eine durchgehende 60-Sekunden-Einstellung sind zwölf 5-Sekunden-Segmente oder sechs 10-Sekunden-Segmente. Auf Kling 3 Standard sind das 600 Credits, etwa $8 im Starter-Tarif; auf Basic 480p als Entwurf etwa $2.40.

Wie verlängere ich ein KI-Video?

Extrahieren Sie das letzte Bild des Clips als PNG, laden Sie es als Startframe einer neuen Generierung hoch, verwenden Sie den ursprünglichen Prompt mit nur geänderter Aktion wieder und fügen Sie die beiden Clips ohne Überblendung zusammen. Das ist die Last-Frame-Kette, und sie funktioniert auf jedem Modell, das ein Startbild akzeptiert, also auf fast allen.

Was ist Start- und Endframe bei KI-Video?

Ein Generierungsmodus, in dem Sie das erste Bild und optional das letzte Bild als Bilder vorgeben und das Modell die Bewegung dazwischen erzeugt. Es ist die präziseste Art zu steuern, wo ein Clip beginnt und endet, was ihn ideal macht, um Segmente zu verketten und exakt auf einer bestimmten Schlusskomposition zu landen.

Verliert das Verketten von Clips Qualität?

Nicht an sich. Jedes Segment startet von einem scharfen Frame, eine Kette sieht daher oft sauberer aus als eine lange Generierung. Qualitätsprobleme entstehen durch Prompt-Drift, komprimierte Frame-Extrakte und Identitäts-Drift über viele Segmente, und all das lösen die Tipps oben. Exportieren Sie das letzte Bild als PNG und halten Sie das Prompt-Gerüst konstant.

Was ist der günstigste Weg zu einem 30-Sekunden-KI-Video?

Entwerfen Sie es auf der Basic-Stufe in 480p, wo jeder Clip pauschal 20 Credits kostet, für insgesamt 60 bis 120 Credits ($0.80 bis $1.60 im Starter-Tarif). Generieren Sie dann nur die freigegebenen Segmente auf Kling 3 Standard in 1080p für 300 Credits neu, etwa $4. Lassen Sie den Ton während der Kette aus und legen Sie im Schnitt eine einzige Tonspur darunter.

Das Fazit

Längere KI-Videos sind keine Funktion, auf die Sie warten; sie sind eine Technik, die Sie anwenden. Planen Sie einen Beat pro Segment, extrahieren Sie das letzte Bild als PNG, reichen Sie es weiter, ändern Sie nur die Aktion und setzen Sie die Ergebnisse direkt aneinander. Entwerfen Sie günstig, finalisieren Sie einmal, und behandeln Sie die Übergänge mit den vier Lösungen oben. Probieren Sie das erste Segment jetzt im Start- und Endframe-Modus, oder starten Sie mit Ihrem eigenen Bild auf der Bild-zu-Video-Seite; der Credit-Preis jeder Stufe wird angezeigt, bevor Sie generieren.

Weiterführende Lektüre: KI-Video-Charakter-Konsistenz: Ein modellübergreifender Leitfaden, KI-Video-Credits erklärt und Was kosten KI-Videos wirklich?.