AI VIDEO

Essen, das durchs Bild fliegt.

Fünf Gerichte, die von unten ins Bild geworfen werden und in Zeitlupe nach oben steigen, während Sesamkörner, Salzkristalle und Trüffelscheiben mitfliegen. Jedes davon entsteht in zwei Schritten: ein freigestelltes Standbild aus ChatGPT, dann Seedance 2.5 auf Artlist, das genau dieses Bild in Bewegung setzt — ohne etwas dazuzuerfinden.

  • ChatGPT
  • Artlist
  • 30 Min
  • Einsteiger

ERGEBNIS

Das ist dabei rausgekommen.

  • 5Gerichte, jedes einzeln gerendert
  • 2Schritte pro Gericht: Bild, dann Bewegung
  • 1Hintergrund, der alles zusammenhält
  • 20sfertige Laufzeit, kein Übergang
  • Gourmet-Burger mit Sesambrötchen, zwei Patties und geschmolzenem Cheddar, freischwebend vor warm-bernsteinfarbenem Hintergrund, um ihn herum fliegen Sesamkörner, Krümel und ein Tomatenstück BurgerClip 1 · 0:00
  • Dick geschnittenes Steak mit Grillstreifen und schmelzender Kräuterbutter in der Luft, ringsum Rosmarinnadeln, Salzkristalle, Pfefferkörner und geröstete Knoblauchzehen SteakClip 2 · 0:04
  • Gebratenes Lachsfilet mit Kräuterglasur schwebt in der Luft, drumherum Zitronenscheiben, Dillzweige, Pfefferkörner und Knoblauchzehen LachsClip 3 · 0:08
  • Ein Nest aus Tagliatelle in cremiger Trüffelsauce schwebt frei, drumherum fliegen Trüffelscheiben und Parmesanflocken Trüffel-TagliatelleClip 4 · 0:12
  • Eiswaffel mit Butter-Pecan-Gelato, Karamellüberzug und kandierten Pecannüssen in der Luft, ringsum einzelne Pecanhälften und Karamelltropfen GelatoClip 5 · 0:16

DAS BRAUCHST DU

Womit das gebaut ist.

  • ChatGPT
  • Artlist
  • Standbild aus ChatGPT: derselbe Burger, freigestellt und regungslos, die Partikel stehen eingefroren im Raum Bild 1 · BurgerStartbild für Clip 1
  • Standbild aus ChatGPT: das Steak mit Butterhaube, Partikel eingefroren Bild 2 · SteakStartbild für Clip 2
  • Standbild aus ChatGPT: das Lachsfilet mit Zitrone und Dill, Partikel eingefroren Bild 3 · LachsStartbild für Clip 3
  • Standbild aus ChatGPT: das Pasta-Nest mit Trüffelscheiben, Partikel eingefroren Bild 4 · Trüffel-TagliatelleStartbild für Clip 4
  • Standbild aus ChatGPT: die Gelato-Waffel mit Karamell und Pecannüssen, Partikel eingefroren Bild 5 · GelatoStartbild für Clip 5

ANLEITUNG

So baust du es nach.

  1. Erst das Bild, dann die Bewegung

    Kein Clip entsteht hier aus Text allein. Zuerst baust du in ChatGPT ein einziges Standbild pro Gericht — freigestellt, schwebend, perfekt ausgeleuchtet. Erst dieses Bild geht an Seedance 2.5. Damit ist die Frage „Wie sieht mein Burger aus?“ schon beantwortet, bevor das Videomodell überhaupt anfängt. Es muss nur noch eine einzige Sache erfinden: die Bewegung.

  2. Ein Hintergrund für alle fünf

    In jedem der fünf Bildprompts steht wortgleich derselbe Satz: seamless burnt amber gradient backdrop, dazu dramatic warm rim lighting from the upper right with soft falloff. Das ist der Grund, warum die fünf Clips nach einer Kampagne aussehen und nicht nach fünf Zufällen. Tausch das Gericht aus, aber fass diese beiden Zeilen nie an.

  3. Die Partikel gehören ins Bild, nicht ins Video

    Schon der Bildprompt fordert schwebende Sesamkörner, Salzkristalle, Zitronenscheiben oder Pecannüsse — with motion frozen. Die Teilchen stehen also bereits im Raum, bevor es das Video gibt. Seedance muss sie danach nur noch in Fahrt bringen, statt sie zu erfinden und gleichzeitig zu platzieren. Genau daran scheitern Versuche, die mit einem sauberen Produktfoto starten: Da ist nichts, was mitfliegen könnte.

  4. Der Videoprompt zitiert das Bild zurück

    Jeder Videoprompt beginnt gleich: Use the provided … image as the primary visual reference, gefolgt von einer Aufzählung dessen, was erhalten bleiben muss — Sesambrötchen, geschmolzener Cheddar, Gurken, karamellisierte Zwiebeln, der bernsteinfarbene Hintergrund. Das wirkt redundant, weil das Bild ja danebenliegt. Ist es nicht: Die Liste legt fest, welche Details das Modell während der Bewegung nicht neu würfeln darf.

  5. Kamera festnageln, Wurf beschreiben

    The camera is completely locked off and static. Ohne diesen Satz beginnt das Modell zu fahren, und der Wurf verliert seine Wucht, weil sich Kamera und Gericht gegenseitig aufheben. Die Bewegung selbst steht als physikalische Beschreibung da: startet unterhalb des Bildrands, steigt senkrecht, wird zur Bildmitte hin langsamer, treibt dann leicht weiter nach oben. Kein „dramatisch“, kein „episch“ — nur Richtung, Tempo und Verzögerung.

  6. Die Verbotsliste ist der Qualitätsregler

    Am Ende jedes Videoprompts steht eine Kette von Verboten: no zoom, no pan, no cuts, no morphing, no deformation, no ingredient swapping, no messy splashes, no background change. Jedes einzelne davon ist ein Fehlversuch, den jemand schon hatte. Ein Burger, der beim Aufsteigen auseinanderfällt, ein Steak, das zur Hälfte zu Brot wird, ein Hintergrund, der auf halber Strecke die Farbe wechselt — die Liste ist die Antwort darauf.

  7. Fünf Clips, hart aneinander

    Jedes Gericht wird einzeln gerendert, vier Sekunden lang, 1080 × 1920 bei 24 Bildern. Im Schnitt kommen sie ohne Übergang hintereinander — weil alle fünf denselben Hintergrund, dasselbe Licht und dieselbe Bewegungsrichtung haben, wirkt der harte Schnitt wie ein Takt und nicht wie ein Bruch. Zwanzig Sekunden, fertig. Den Ton liefert das Modell gleich mit.

CREATOR KIT

Alles, was du brauchst.

bild-01-burger.txt
Professional editorial food photograph of an artisan gourmet burger floating mid air, shown at a slight upward angle, against a seamless burnt amber gradient backdrop.

Use dramatic warm rim lighting from the upper right with soft falloff.

The burger should feel premium, appetizing, and highly detailed: a glossy toasted brioche bun with sesame seeds, thick juicy beef patties with realistic sear, melted aged cheddar cascading over the meat, crisp green lettuce, fresh tomato slices, pickles, and caramelized onions.

Add a rich smoky burger sauce and a touch of glossy sauce dripping naturally from the layers.

Surround the burger with a few suspended sesame seeds, tiny crumbs, and small ingredient accents at varying depths, with motion frozen.

Use shallow depth of field, macro detail on textures, high contrast, commercial food styling, editorial luxury food photography, appetizing, ultra detailed, 8K, 100mm macro lens.

SETTINGS

Die Einstellungen im Überblick.

Einstellungen
PlattformArtlist, AI-Bereich
VideomodellSeedance 2.5
BildmodellChatGPT, 9:16 hochkant
Referenzen pro Clipein Startbild, kein Endframe
Clip-Rohmaterial1080 × 1920, 24 fps
Clip-Länge5 × 4 Sekunden
Prompts insgesamt10: fünf Bild-, fünf Videoprompts
Tonaus dem Modell, kein Nachvertonen
Schnitt5 Clips hart aneinander, 20 Sekunden

WORAUF ES ANKOMMT

Darauf musst du achten.

  • Freisteller schlagen Teller

    In keinem der fünf Bilder liegt das Essen auf etwas. Kein Teller, kein Brett, kein Tisch. floating mid air ist kein Effekt, sondern die Voraussetzung: Was auf einem Teller liegt, kann nicht geworfen werden, ohne dass das Modell entscheiden muss, was mit dem Teller passiert. Nimm die Unterlage raus, und die Frage stellt sich nie.

  • Der Wurf startet außerhalb des Bildes

    starts just below the bottom edge of the frame — das Gericht ist zu Beginn gar nicht zu sehen. Das klingt nach einem Detail und ist der Unterschied zwischen einem Wurf und einem Wackeln. Wer das Essen in der Bildmitte starten lässt, bekommt eine leichte Aufwärtsdrift, weil dem Modell der Platz für den Anlauf fehlt.

  • „Slow motion“ braucht ein Gewicht

    Bei Burger und Steak steht ausdrücklich, dass die Bewegung sich schwer anfühlen soll; beim Gelato steht stattdessen elegant und graceful. Dasselbe Tempo, unterschiedliche Masse. Ohne diese Angabe schweben alle fünf Gerichte gleich leicht nach oben — und ein Steak, das schwebt wie eine Federkugel, sieht sofort nach KI aus.

  • Vier Sekunden sind die richtige Länge

    Ein Wurf hat genau einen Höhepunkt: den Moment, in dem das Gericht in der Bildmitte fast stehen bleibt. Der liegt bei etwa 2,5 Sekunden. Längere Clips müssen danach etwas erzählen, was nicht da ist — und dann fängt das Modell an, Sauce tropfen zu lassen oder die Kamera doch noch zu bewegen. Vier Sekunden pro Gericht, fünf Gerichte, das trägt zwanzig Sekunden.

Dein Gericht, einmal geworfen.

Zehn Prompts, fünf Gerichte, zwei Schritte. Du tauschst nur die Speise aus — Hintergrund, Licht, Wurf und Verbotsliste bleiben, wie sie sind.

Mehr Tipps auf @till.schae

FAQ

Häufige Fragen.

Warum nicht direkt von Text zu Video?
Weil das Videomodell dann zwei Dinge gleichzeitig erfinden muss: wie das Gericht aussieht und wie es sich bewegt. Erfahrungsgemäß gewinnt die Bewegung, und das Essen wird beliebig. Mit einem Standbild als Referenz ist die Optik fest, und du kannst dasselbe Bild so lange neu animieren, bis der Wurf sitzt, ohne den Burger noch einmal zu verlieren.
Geht das mit einem echten Foto von meinem Produkt?
Ja, mit zwei Bedingungen. Das Produkt muss freigestellt sein — kein Teller, kein Tisch, kein Hintergrund, der mitfliegen müsste — und es sollten Krümel, Körner oder Tropfen sichtbar sein, die das Modell in Bewegung setzen kann. Fehlt beides, lässt du ChatGPT aus deinem Foto zuerst ein Bild im Stil der fünf hier bauen und animierst dann das.
Muss es dieser braune Hintergrund sein?
Nein — aber es muss derselbe für alle Clips sein. burnt amber funktioniert bei Essen besonders gut, weil die warme Farbe fast jedes Gericht appetitlicher macht und dunkel genug ist, dass helle Partikel stehen bleiben. Wenn du auf Weiß oder Dunkelgrün wechselst, wechselst du in allen fünf Bildprompts gleichzeitig, sonst zerfällt die Serie.
Warum liegt der Ton schon drauf?
Seedance 2.5 gibt Ton mit aus. Bei diesen Clips ist das ein Luftzug und ein dumpfer Anschub beim Wurf — genug, damit der Schnitt ohne Musik funktioniert. Für Instagram lege ich trotzdem eine eigene Tonspur darüber; auf dieser Seite hörst du bewusst das, was direkt aus dem Modell kommt.
Kann ich mehrere Gerichte in einen Clip legen?
Kannst du, solltest du aber nicht. Sobald zwei Objekte gleichzeitig geworfen werden, muss das Modell entscheiden, welches vorne liegt, wann sie sich überschneiden und was mit den Partikeln dazwischen passiert — und genau da entstehen die Verformungen, gegen die die halbe Verbotsliste geschrieben ist. Ein Gericht pro Clip, dafür fünf Clips.