KI-Musikvideo-Erstellungsworkflow

SCHRITT 1 - Ich habe den MP3-Song hochgeladen, ein Referenzbild pro Charakter und optional den Liedtext. SCHRITT 2 - Agent zwei analysiert den Song. Er kartiert BPM, Strophe/Refrain-Zeitstempel und Gesangseinsätze bis hin zur Wort-für-Wort-Timeline - und macht das Audio zur Master-Zeitachse. SCHRITT 3 - Dann baut er die Welt. Er erstellt ein Location-Sheet (die Weltbibel: Umgebung, Requisiten, Beleuchtung) und verankert die Charaktere an deinen Referenzbildern, damit Gesichter nie abdriften. SCHRITT 4 - Agent zwei schneidet den Song. Er teilt den Track in exakte 15-Sekunden-Segmente - 0–15, 15–30, 30–45 … jedes Segment wird zur eigenen Timing-Quelle für seinen Video-Block. SCHRITT 5 - Er erzeugt verkettete Sequenzen. Für jeden Block nutzt er das letzte Bild des vorherigen Clips als Kontinuitätsanker, kombiniert es mit dem Charakter-Referenzbild und dem Audio-Schnipsel, schreibt den Regie-Prompt und rendert. Die Lippenbewegungen sind automatisch synchron zum echten Gesang. SCHRITT 6 - Er wählt automatisch das Hailuo-Minimax-Modell für die Musikvideo-Generierung, das sich auf Charakter-Lippensynchronisation im Takt spezialisiert hat. SCHRITT 6 - Falls etwas schiefgeht - etwa ein falscher Sitzplatz oder eine verschobene Beleuchtung - schreibt Agent zwei den Prompt neu, fixiert den abweichenden Bereich und rendert nur diesen Block neu. SCHRITT 7 - Sobald alle Clips fertig sind, montiert er sie in seinem Editor namens Slate, stummschaltet das eingebackene Audio, legt den Original-MP3 als durchgehenden Soundtrack darunter, fügt Überblendungen hinzu und rendert das Endergebnis.