KI-Clips im Vollbild, die endlich sprechen

Zeigte eine Szene ein Foto oder einen KI-Clip, behandelte der Renderer es wie eine edle Karte. Er rückte das Bild an drei Seiten ein, unten um den ganzen Untertitelbereich, und fügte dann einen Rand, abgerundete Ecken und einen Schlagschatten hinzu.

Wir haben gemessen, was das bei einem Film in 1920 mal 1080 bedeutete. Der Clip nahm 54 % der Bildhöhe ein, ein Drittel des Bildschirms war leerer Verlauf, und weil die Box viel breiter war als der Clip, wurde der Clip beschnitten, damit er hineinpasste. Randlose Bilder gab es schon, aber nur bei Hochformat-Filmen.

Eine Kartenbehandlung passt zu einer Karte. Ein Foto und ein Stück Film sind das Bild, und das Bild ist der Rahmen. Einzug, Rand, Ecken und Schatten sind in jedem Format verschwunden, und ein 16:9-Clip füllt jetzt einen 16:9-Film ganz ohne Beschnitt.

Die zweite Anmerkung war die erste, nur aus einem anderen Blickwinkel. Die Untertitel wurden in dem Raum gezeichnet, den die Karte unter sich frei ließ, also lagen sie nie auf dem Bild.

Das Vollbild brachte zwei Ebenen zusammen, die sich nie begegnet waren, und das erste Rendering nach der Änderung zeigte beide:

• das kleine Wasserzeichen-Abzeichen rückt in denselben sicheren Bereich wie der Szenenuntertitel und saß nun auf derselben Zeile
• die bildbreite Schattierung des Untertitels, die früher an der Unterkante der Karte auslief, endete jetzt mitten in der Luft und zog eine harte Linie durchs Bild

Wir haben den Untertitel als echte Bauchbinde neu gebaut: die Wörter auf einer Fläche in ihrer eigenen Größe, frei vom sicheren Streifen und vom Abzeichen. Ein Bild, eine Ebene für jede Aufgabe, und keine streitet um dieselben Pixel.

Veo 3 erzeugt Dialog und Umgebungston zusammen mit dem Bild. Steht in einer Anweisung, dass eine Figur einen Satz sagt, kommt der Clip mit diesem gesprochenen Satz zurück. Bisher behielten unsere Filme nur das Bild: Clips wurden ohne Ton gespeichert, und der Player schaltete sie stumm.

Jetzt bleibt der Ton. Jeder Clip behält sein Audio, passend zum Rest des Films codiert, und die stumme Fassung kommt nur zum Einsatz, wenn eine Quelle wirklich keinen Ton hat. Außerdem fordern wir bei Veo 3 in jeder Anfrage ausdrücklich Ton an, damit ein Clip mit Ton unsere Entscheidung ist und kein Nebeneffekt der Modellversion.

Ein Test macht das Versprechen greifbar: Ein Clip mit einem Ton muss ihn nach unserer Aufbereitung noch tragen, und ein stummer Clip muss trotzdem fehlerfrei aufbereitet werden.

Ton im Clip wirft eine naheliegende Frage auf: Was passiert, wenn auch der Sprecher redet? Wir sind der Regel gefolgt, die ein Cutter anwenden würde.

Eine Szene ohne Erzählstimme gehört dem Clip. Sie spielt den Ton des Clips in voller Lautstärke, und das ergibt den Moment direkt in die Kamera: eine Person im Bild, die ihren Satz sagt. Eine erzählte Szene behält die Atmosphäre des Clips als leisen Teppich unter der Stimme, damit eine Straße noch nach Straße klingt, ohne mit dem Off-Text zu konkurrieren.

Der Renderer erkennt den Fall an der Szene selbst, du musst also nichts einstellen. Filme, die vor heute entstanden sind, bleiben unverändert: Ihre Clips wurden stumm gespeichert und bleiben stumm.

Eine Funktion, die niemand kennt, nutzt niemand, also sagt es der Szenenkatalog jetzt klar: Ein Satz in Anführungszeichen in der Generierungsanweisung eines Clips wird im Clip gesprochen. In der Praxis:

1. 1Beschreibe die Einstellung wie gewohnt: wer im Bild ist, wo und was die Person tut.
2. 2Setze die Worte, die sie sagt, in Anführungszeichen.
3. 3Lass die Erzählstimme in dieser Szene weg, wenn die Figur das Wort haben soll, oder behalte sie, wenn ihr Satz nur ein Hintergrundmoment ist.

Das funktioniert im Editor, über unsere API und mit den KI-Assistenten, die Filme für dich bauen. Was generierte Clips können, siehst du auf der Seite zu KI-Clips, und unter Neuer Film kannst du einen ausprobieren.