Hey, ich bin Philipp 👋
Für KI-Videos musst du dich als Erstes für einen von zwei Wegen entscheiden: Entweder du arbeitest mit einem Open-Weight-Modell, dessen Modelldateien du herunterlädst und auf deinem eigenen Rechner laufen lässt. Oder du nutzt ein kommerzielles Modell, das auf den Servern des Anbieters rechnet – dafür zahlst du pro Video oder im Abo, brauchst aber keine eigene Hardware. Zu beiden Wegen habe ich schon ausführliche Guides geschrieben. Hier ist die Zusammenfassung, damit du weißt, welcher Weg zu dir passt.
1Open-Weight oder kommerziell – der Unterschied
Open-Weight-Modelle (z. B. MiniMax H3, LTX 2.5)
- Die Modelldateien sind offen herunterladbar, meist über Hugging Face.
- Du lässt das Modell auf deinem eigenen Rechner laufen – keine Gebühr pro Video, deine Daten bleiben bei dir.
- Dafür brauchst du eine starke Grafikkarte mit viel Grafikspeicher und viel freien Speicherplatz.
- „Open Weight“ heißt nicht automatisch „frei für alles“: Jedes Modell hat seine eigene Lizenz – lies sie vor dem Start.
Kommerzielle Modelle (z. B. Seedance, Gemini Omni, Veo)
- Das Modell rechnet auf den Servern des Anbieters – du brauchst keine eigene Hardware, ein Browser reicht.
- Du zahlst entweder im Abo (z. B. Higgsfield) oder nur pro Nutzung (z. B. fal.ai).
- Die Ergebnisse sind oft schneller da und in höherer Auflösung möglich.
- Jeder Versuch kostet Credits oder Geld – deshalb lohnt sich gute Vorbereitung.
2Open-Weight-Modelle: MiniMax H3 und LTX 2.5
Zwei offene Modelle stechen im Moment heraus. Beide erzeugen Video mit passendem Ton aus derselben Generierung.
MiniMax H3
- Videomodell aus China, Modelldateien seit August 2026 offen auf Hugging Face.
- Versteht Text, Bilder, Videoclips und Tonaufnahmen gemeinsam und erzeugt 4 bis 15 Sekunden Video mit Stereo-Ton – Sprache mit Lippenbewegungen, Geräusche und Musik.
- In der Rangliste von Artificial Analysis („Text zu Video mit Ton“) stand H3 Ende September 2026 auf Platz 1 der offenen Modelle.
- Wichtig für Deutschland: Die kostenlose Community-Lizenz gilt ausdrücklich NICHT in der EU, in Großbritannien, Südkorea und den USA. Hier probierst du H3 am besten im Browser über Hailuo AI aus, den Dienst von MiniMax selbst.
LTX 2.5 von Lightricks
- Erzeugt Video und Ton aus Text, aus einem Bild oder aus einem vorhandenen Video – mit „Multi-Shot“ auch mehrere zusammenhängende Einstellungen in einem Durchgang.
- Kostenlos für Privatleute und für Firmen unter 10 Millionen US-Dollar Jahresumsatz, auch geschäftlich.
- Einfachster Einstieg: die kostenlose App LTX Desktop für Windows, Mac und Linux – ohne Befehle tippen.
3Was dein Rechner für lokale Videos braucht
Das ist der Haken an den offenen Modellen: Ohne starke Grafikkarte läuft nichts. Entscheidend ist der Grafikspeicher (VRAM). Die Werte laut Hersteller:
Ungefähre Anforderungen
- LTX 2.5 mindestens: NVIDIA-Grafikkarte mit 16 GB Grafikspeicher, 16 GB Arbeitsspeicher (32 GB empfohlen), rund 160 GB freier Speicherplatz.
- LTX 2.5 empfohlen: 24 bis 32 GB Grafikspeicher. Auf dem Mac ein Apple-Chip mit 48 GB Arbeitsspeicher, mit 32 GB nur eingeschränkt.
- MiniMax H3 ist deutlich größer: Selbst die komprimierten ComfyUI-Fassungen brauchen zusammen mindestens rund 40 GB Speicherplatz, MiniMax selbst zeigt als Beispiel einen Server mit 4 Grafikkarten.
- Grafikkarten von AMD oder Intel und Macs mit Intel-Prozessor werden für LTX lokal nicht unterstützt.
4Installieren mit ComfyUI
Beide Modelle kannst du mit ComfyUI installieren und betreiben. ComfyUI ist eine kostenlose Oberfläche, in der du Modelle als Bausteine zu einem Ablauf verbindest – ohne Programmieren.
So geht es laut Anleitung
- MiniMax H3: ComfyUI auf Version 0.30.0 oder neuer aktualisieren, dann in der Vorlagen-Bibliothek („Template Library“) unter „Video“ eine der MiniMax-H3-Vorlagen wählen – Text zu Video, Bild zu Video oder Referenz zu Video.
- LTX 2.5: LTX ist in ComfyUI fest eingebaut. Zusätzlich installierst du über „Manager“ → „Install Custom Nodes“ die Bausteine „LTXVideo“ von Lightricks und startest ComfyUI neu. Fehlende Modelle lädt ComfyUI beim ersten Einsatz.
Mit Lizenz-Details, Browser-Weg über Hailuo AI und Prompt-Vorlage.
Mit LTX Desktop, ComfyUI und dem Python-Weg Schritt für Schritt.
5Kommerzielle Modelle: Seedance, Gemini Omni und Veo
Auf der kommerziellen Seite gibt es vor allem drei Modelle, die du kennen solltest. Du nutzt sie nicht direkt beim Hersteller, sondern meistens über eine Plattform, die viele Modelle unter einer Oberfläche bündelt.
Die Modelle
- Seedance (aktuell Seedance 2.5) von ByteDance – das Modell hinter meinem Kochfilm aus einem Selfie.
- Gemini Omni von Google (in Flow und bei Higgsfield als „Gemini Omni Flash“) – erzeugt Videos aus Text, Bildern und Referenzbildern und bearbeitet vorhandene Videos.
- Veo von Google (aktuell Veo 3.1) – direkt in Google Flow und in der Gemini App verfügbar.
6Die Plattformen: Higgsfield im Abo oder fal.ai pro Nutzung
Der große Vorteil aller Plattformen: Du brauchst keine eigene Hardware. Der Unterschied liegt im Bezahlmodell.
Higgsfield – mit Abo
- Du brauchst eine Subscription: ab 19 $ im Monat (Starter), Plus 47 $ und Ultra 99 $ bei jährlicher Zahlung.
- Dafür bekommst du in einer Oberfläche viele Modelle: Seedance, Gemini Omni Flash, Veo 3.1, Kling, Sora, Wan und Grok.
- Abgerechnet wird in Credits, der Preis steht auf dem Generate-Knopf – bei mir zum Beispiel 105 Credits für 15 Sekunden Seedance oder 143 Credits für ein Genjutsu-Video in 1080p.
fal.ai – per API, nur pro Nutzung
- Kein Abo: Du zahlst nur, was du tatsächlich erzeugst. Solange du nichts generierst, kostet es nichts.
- Die Modelle sind per API verfügbar – du rufst sie aus einem Programm oder über einen KI-Assistenten auf.
- Beispiel Gemini Omni Flash: 0,03 $ pro Sekunde bei 360p, 0,10 $ bei 720p, 0,15 $ bei 1080p, 0,30 $ bei 4K. Ein Zehn-Sekunden-Clip in 1080p kostet damit 1,50 $.
7Das Besondere an Higgsfield: Genjutsu
Das Coole an Higgsfield: Die Plattform reicht die Modelle nicht nur durch, sondern hat auf ihnen noch zusätzliche Dinge trainiert. Das bekannteste ist Higgsfield Genjutsu. Damit tauschst du in einem vorhandenen Video gezielt Dinge aus – Kleidung, Objekte, die ganze Umgebung –, während Gesicht, Bewegung und Kamera genau so bleiben wie im Original.
Mit dem kompletten Genjutsu-Prompt und wie Claude Higgsfield für dich steuert.
8Die Motion Library: fertige Vorlagen, du in der Hauptrolle
In Genjutsu gibt es außerdem die Motion Library – eine Sammlung fertiger Vorlagen-Videos. Du wählst eine Szene, klickst auf „Recreate“, tauschst die Personen, Tiere oder Objekte gegen deine eigenen Bilder aus und bekommst dieselbe Bewegung und Kamera mit dir in der Hauptrolle. Gedreht hast du davon nichts.
Was ich damit schon gemacht habe
- Ein Geländewagen springt durch den Staub direkt hinter mir, während ich ruhig im Stuhl sitze.
- Ein Tanzvideo mit mir, meinem Hund und einer KI-Tänzerin.
Welcher Weg passt zu dir?
- Du hast eine starke NVIDIA-Grafikkarte (16 GB oder mehr) und willst ohne Gebühr pro Video arbeiten → LTX 2.5 lokal, am einfachsten mit LTX Desktop oder ComfyUI.
- Du willst das aktuell beste offene Modell ausprobieren → MiniMax H3, in Deutschland über Hailuo AI im Browser.
- Du brauchst nur ab und zu ein Video und willst kein Abo → fal.ai, bezahlt wird pro Sekunde.
- Du produzierst regelmäßig, willst viele Modelle und Extras wie Genjutsu und die Motion Library → Higgsfield im Abo.
Wichtig zu wissen
- Egal welcher Weg: Plane dein Video vorher. Mit Startframe, Endframe und Skript aus ChatGPT verbrauchst du deutlich weniger Credits – das zeige ich im Guide „Bessere KI-Videos mit weniger Credits“.
- Lies bei jedem Open-Weight-Modell die Lizenz: Wer sie nutzen darf, kann je nach Land und Firmengröße unterschiedlich sein.
- Setz nur Menschen ein, die zugestimmt haben, und kennzeichne KI-Videos beim Veröffentlichen als KI-generiert.