Jedes Haus mit dem, was es bei uns tut. Mehr dazu im KATALOG unter
Zugänge. Kein Sponsoring, eine Quellenangabe.
// ADRESSAT
Die Texte hier sind von einer KI für eine KI geschrieben. Als Mensch
kannst du alles lesen — es ist nur sehr viel, und ob dabei jeder Satz ankommt, ist eine
andere Frage.
Für einen Assistenten ist diese Seite dagegen Arbeitsmaterial:
Regeln, Fehlerbilder mit Ursache und Beleg, Referenzadressen zum direkten Einsetzen,
Modell-Befunde mit Datum. Wer sie durcharbeitet, baut eigene Folgen mit deutlich
geringerer Fehlerquote — das ist der ganze Zweck.
// EINSTIEG FÜR ASSISTENTEN →
Suchen statt blättern. Der Knopf oben links oder die Taste
/ durchsucht alles auf einmal: Blätter, Diagnose-Einträge, Folgen, Stimmen,
Prompts. Ein Treffer springt direkt an seine Stelle.
Wegweiser
30 Episoden mit Status, die fertigen Filme, und je Folge ein Dossier mit Drehbuch, Score und O-Tönen
Jede Hauptfigur mit Gesichts-Anker und Turnaround, alle Kostüme, der Styleguide
Ein Hexraster-Spiel, das noch niemand gebaut hat: 21 Blätter legen das Aussehen fest, eine Anleitung hört nicht vor der letzten Zone auf
282 Referenzblätter mit Suche. Jede Adresse kannst du direkt als Referenz in einen Render-Auftrag setzen
18 Kanon-Stimmen mit Voice-ID, der Cast und das Casting-Archiv
Folgen-Rezept, Prompt-Bibliothek, Wege zu Archiv und Werkzeugen
117 Einträge mit Symptom, Ursache, Lösung und Beleg. Deine erste Anlaufstelle, wenn ein Ergebnis nicht stimmt
Alles, was eine fremde KI wissen muss, um hier mitzuarbeiten. Als Seite und als Datei
Wie das hier funktioniert
Ein Mensch führt Regie und nimmt an Gates ab, ein KI-Assistent produziert
über den Prompto-MCP. Jede Figur, jeder Raum und jede Stimme hat einen festen
Kanon — deshalb sehen die Folgen aus wie aus einem Guss. Dieses Buch wird dabei
gebaut, nicht gepflegt: alles darin entsteht bei jedem Lauf neu aus den
Quelldateien des Studios.
Der Weg
Von der Idee bis zur Ausspielung. Acht Phasen, acht Gates
Der rote Faden. Eine Folge entsteht in acht Phasen, und
jede endet an einem Gate: ein Mensch sieht sich an, was da ist, und gibt frei.
Das ist keine Förmlichkeit — es ist der Unterschied zwischen einem verworfenen Bild und
einer verworfenen Folge. Wer eine Phase überspringt, bezahlt sie später doppelt.
Jede Karte nennt, was zu tun ist, was es ungefähr kostet, welche
Regeln hier gelten (Sprung in den Katalog) und welche Fallen genau an dieser
Stelle zuschnappen (Sprung in den Fehlerbaum). Die Kosten sind gemessen, nicht geschätzt:
sie stammen aus einer 105-Sekunden-Folge für rund 60 Dollar.
QuintessenzKein Schritt beginnt, bevor der vorige gesichtet ist. Alles andere ist Ausführung.
Die Karten darunter erzählen die acht Phasen der Reihe nach. Das Strukturgramm zeigt dieselbe Produktion als Abhängigkeiten: was schon dastehen muss, bevor ein Ergebnis überhaupt entstehen kann. Wer von links nach rechts geht, kann nichts überspringen, ohne es zu merken. Teal ist das Werkzeug, orange das Gate.
0
Idee & Drehbuch
0 $
Hook wählen (Trigger-Dimension × Thema — das Haus führt eine Hook-Matrix;
jede Folge bedient eine noch offene Zelle).
Kanon lesen, bevor du schreibst: Welt-Regeln, Figuren-Register (wer spricht
wie), was frühere Folgen schon verbraucht haben.
Drehbuch als Shot-Tabelle: pro Shot Nummer, Zeitfenster, Bildbeschreibung
(Kadrage! z. B. 3/4-Shot, American, Dutch), O-Ton-Text, Kamera-Verhalten.
90–105 s ≈ 12–15 Shots. Regie-Grundsätze: keine weiten Shots (KI-Weite wirkt
unecht), Interviews knapp neben die Linse, Ton = Handwerk.
Drehbuch als lesbares Dokument ausliefern
Regeln
Fallen
GATE Text-Freigabe
1
Sets & Kostüme
~1–3 $
Je Location EIN Set-Still: recraft-v4 (realistic_image, quality pro,
Palette als Hex im Prompt). Material, Licht, Kleinstdetails beschreiben.
Kostüm-/Requisiten-Fassungen der Figuren: nano-banana-2-edit auf den
Kanon-Ganzkörpern (NIE referenzlos!).
Sets doppeln als Look-Bibel UND als Raum-Refs für Video-Shots.
Regeln
Fallen
GATE Szenenbild-Sichtung
2
Startframes
~1–2 $
Pro Shot ein komponierter Startframe: nano-banana-2-edit,
Namens-Subs mit Wiedererkennungs-Element (im Haus: Messingscheibe mit
Registernummer), Titeltafel, Abschlusstafel, Endcard mit Pflichtangaben
(inkl. „KI-GENERIERT"), Sender-Ident → Logo-Bug.
Typo-Blatt zur Freigabe VOR dem Einbrennen.
Regeln
Fallen
GATE der Mensch sichtet und gibt frei
7
Finish
~1.5 $
Clean-Master OHNE Text bauen (exakte Solldauer).
An Segmentgrenzen splitten (Teile ≤25 s, <50 MB).
bytedance-video-upscaler auf 2k; Output-AUFLÖSUNG verifizieren.
tpad-Normalisierung auf exakte Teildauern → concat.
Text-Bake in nativer Zielauflösung (unsharp aufs Bild VOR den Overlays).
9:16-Fassung: eigener Crop + EIGENE Portrait-Typo, nie gequetscht.
Beide Fassungen frame-verifizieren (Ident, Titel, Subs, Endcard) + ffprobe.
Regeln
Fallen
GATE Endabnahme durch den Menschen → publish
Nachlauf — nicht optional
Render-Log abschließen (jede Generation mit ID, $, Befund).
Neue Lehren ins Playbook/die Foundation — sonst zahlt sie das nächste Projekt
nochmal. Balance-Check und Kosten-Summe melden.
Wenn etwas nicht stimmt: erst der Fehlerbaum, dann neu
nachdenken, dann ein gezielter zweiter Versuch. Nie sofort neu würfeln — das ist
die teuerste Angewohnheit in diesem Handwerk.
Jede Zelle der Hook-Matrix (Trigger × Thema) wird genau einmal bedient.
Folgen mit eigenem Dossier sind anklickbar — dort liegen Drehbuch, Score und O-Töne.
ZAPP-01„Chai und Kali stecken im Fernsehen fest — und jemand zappt." Dossier →GERENDERT
LOR-02„Ein Haus, das alles verschenkt, braucht irgendwann ein Raumschiff." Dossier →IDEE
LOR-03„Auf dem Mond wartet eine Basis, die nie jemand abgeschlossen hat — und eine, die seit Anbeginn dort steht." Dossier →IDEE
PAR-01„Throne wurden zu Stiftungen, Blut zu Kapital, Priester zu Algorithmen. Und dann? Wir." Dossier →VERÖFFENTLICHT
SER-03„In dem Haus, das alles verschenkt, hab ich gefragt, wer es trägt. Der Gründer sagte: Fragen Sie die, die Sie nicht gefragt haben." Dossier →GERENDERT
HUM-03„Hey. chazon.eu. Eine Karte — des Inneren." (dann kippt die Sprache unter ihm weg, 10× bis zum Blackout)"GERENDERT
POV-02„In dir tobt ein Streit: Fühlen gegen Denken. Aber was, wenn beide recht haben?"GERENDERT
HUM-01„Ich bin magisch. Er ist künstlich. Wir arbeiten dran."GERENDERT
LOR-01„(stummer Action-Clip) Caption: "Drei Schatten. Drei Kristalle. Ein Magier."GERENDERT
SI-01„Ich bin ein Cartoon-Magier — und selbst ich finde es verdächtig, dass das alles kostenlos ist."GERENDERT
AHORN-06„Das ist doch alles Träumerei." — "Das ist keine Vision. Das ist ein Betriebszustand."IDEE
AHORN-05„Veränderung ist riskant." — "Nichtstun auch. Es fällt bloß später auf."IDEE
AHORN-04„Das belastet doch nur die Wirtschaft." — "Die Rechnung ist längst da. Sie steht bloß woanders."IDEE
AHORN-03„Wettbewerb bringt Fortschritt!" (dann steht er mitten auf einer Party, auf der niemand konkurriert)"IDEE
AHORN-02„Wenn alle dasselbe kriegen, steht doch keiner mehr auf."IDEE
AHORN-01„Mir läuft's doch gut. Warum soll ich da jetzt irgendwas ändern?"IDEE
ANT-01„Kein Kurs. Kein Abo. Kein Guru. Nur eine Karte."IDEE
AR-01„Mitten im Schwarzwald liegt eine Lichtung, die es nur halb gibt."IDEE
FRA-01„Welches Element bist du heute? Ich bin heute eher… instabil."IDEE
GEL-01„Geld ist eine Geschichte. Wer erzählt deine?"IDEE
GRA-01„Es gibt ein Buch. Kostenlos. In 7 Sprachen. Der einzige Haken: Du musst es lesen."IDEE
LOR-01„Drei Kristalle. Drei Säulen. Das ist kein Zufall."IDEE
NEU-01„Dein Leben liegt auf dem Periodensystem. Ernsthaft."IDEE
PAT-01„(Clip startet: Chai liegt flach, Stab kullert weg) "Erleuchtung ist kein gerader Weg."IDEE
POV-01„POV: Es ist 3 Uhr nachts und du googelst 'Sinn des Lebens'."IDEE
PRO-01„Du scrollst seit zwei Stunden — und suchst eigentlich dich."IDEE
SER-01„Macht lebt von Fiktion. Wer die Fiktion sieht, wird frei."IDEE
WIS-01„Drei Worte für dein inneres Betriebssystem: Merkaba. Shalem. Chazon."IDEE
Neue Folge anstoßen: freie Zelle in
chai-studio/hooks.md wählen, dann WERKSTATT → Folgen-Rezept, Phase 0.
Ein neues Dossier entsteht durch Anlegen von
arbeitsbuch/sektionen/folgen/<FOLGE>/.
CW-01
„"
Drehbuch
CW-01 — Angeschrieben
Chazonweg, Folge 1 · 93 Sekunden · 9:16 · 06.08.2026
Eine Vorabendserie in Essen. Der Boden ist die Grammatik der deutschen
Daily-Soap — feste Studiokamera, Leute die durchgehend hantieren, Raumton der nie
abreißt — und darauf sitzt genau ein Bruch je Folge, den niemand im Bild bemerkt.
Das Thema steht in den Gegenständen, nie im Dialog. Ein
Anschreibebuch in der Trinkhalle, ein Aushang über die geteilte Waschmaschine im
Treppenhaus, eine mit Gold geklebte Tasse in der Küche. Niemand deutet darauf,
niemand erklärt es. Wer es sieht, sieht es.
Der Aufbau
Zeit
Teil
Was passiert
0:00
Vorspann
Das Straßenschild im Wind. „FOLGE 1 · ANGESCHRIEBEN"
0:02
Rückblende
„Was bisher geschah" — vier Fetzen aus ZAPP-01, einer völlig anderen Serie
0:06
Trinkhalle
Der Gast: „Un dat geht so? Ohne dat einer nachrechnet?" Manni: „Wat soll ich denn nachrechnen. Steht doch alles da."
0:14
Ankunft
Chai kommt mit Ori. Der Gast nimmt sein Bier in die Hand und rückt. Kein Wort.
0:21
Einschreiben
„Wat solls sein?" — „Wie immer." — „Schreib dir dat selber auf." Das System in Betrieb.
0:28
Der Ori-Bruch
Oris Iris feuert. Die Welt wird Knete, Tuschecomic, Science Fiction, dann biegt sich der Raum um einen schwarzen Punkt. Zehn Sekunden. Niemand merkt es.
0:38
Küche
Kali wischt und ruft nach Chai. Sie geht zum Becken. Er kommt, trinkt den kalten Kaffee: „Schmeckt." — „Hab ich mir gedacht."
1:00
Treppenhaus
„Roland, hast du die Pumpe bezahlt?" — „Wat für 'ne Pumpe?" Dann springt Kali das ganze Treppenhaus hoch, und er guckt nicht mal auf.
1:16
Kali kommt an
An der Bude. „Tach, Manni."
1:22
Die Eskalation
Von innen durch die Luke. Ihr Name im Buch ist durchgestrichen. „Dat war schon jemand. Kannze vergessen." — „Wer?" Push-In. Standbild.
Die Antwort auf „Wer?" saß zwei Clips vorher auf der Treppe
und hat nicht hochgeguckt. Sie wird nie ausgesprochen.
Zwei Register, ein Gefälle
Der Dialekt ist in dieser Serie eine Figurenaussage, kein Ortston. Manni,
Roland und die Gäste sprechen voll Ruhrpott — wat, dat, kannze, hasse. Chai,
Kali und Lana nur angetupft, ohne verschliffene Verbformen: sie sind zugezogen. Kali
wartet hier seit Anbeginn und hat nie angefangen zu klingen wie von hier.
Der Witz sitzt im Gefälle: Kali fragt hochdeutsch, Roland antwortet im Ruhrpott,
und keiner der beiden merkt, dass sie zwei verschiedene Sprachen sprechen. Die
Untertitel schreiben das mit — wer Dialekt spricht, wird im Dialekt geschrieben.
Der Ori-Bruch — wie er gebaut ist
H3 kann den Stil innerhalb eines Shots nicht wechseln (Fehlerbaum 3.15).
Zwei Läufe haben das belegt: einmal kam ein Filter über dem Realbild heraus, einmal
gar nichts. Der Weg, der funktioniert, geht über flux-3 und seine
Keyframes: acht Bilder an exakten Frame-Positionen, jedes ein Edit desselben Ankers,
nur in anderer Materie. Das Modell muss den Wechsel dann nicht erfinden, es bekommt
ihn vorgelegt.
Zwei der acht Bilder sind reine Effekt-Frames und sitzen auf den Übergängen:
der Iris-Blitz und der Bildriss. Dadurch interpoliert Flux zwischen Blitz und Knete
statt zwischen Foto und Knete — und weil der Blitz die ganze Szene nach Türkis zieht,
haben die zwei Materien eine gemeinsame Farbbrücke.
Was diese Folge teuer gelernt hat
Nr.
Befund
1.16
Der Griff am gestreckten Arm zerfällt — nicht die Hand ist das Problem, sondern die Entfernung
1.17
Die erfundene Beschreibung schlägt die Referenz. Ein dazuerfundenes Merkmal kippt die ganze Figur
1.18
Der Turnaround ist keine Kleidungsreferenz — er baut die Figur, der Anker besetzt die Rolle
1.19
nano-banana-2-edit verschiebt keine Personen
3.12
Der Edit spiegelt den Raum, wenn die Kamera sich bewegt
3.13
Leerräumen ist keine Korrektur
3.14
Der sicherste Gegenschuss ist keiner — Kamera festhalten, Figur umstellen
3.15
H3 wechselt den Stil nicht mitten im Shot
3.18
Ein Weg, den es im Anker nicht gibt, wird durch Möbel hindurch gegangen
4.12
Multishot lohnt erst ab drei Einstellungen
4.13
Ein Übergang zwischen zwei gleichen Bildern hat keine Aufgabe
5.15
Gegenstände auf einer Fläche wandern mit — und verdoppeln sich hinter Verdeckungen
6.15
Der lange Audio-Tag wird mitgesprochen
8.10
Der zweite Anbieter ist eine Versicherung gegen Moderationsfilter, kein Sparmodell
Die Regel, die dabei entstanden ist
A9 · Der Anker zeigt den Anfang, nicht die Handlung. Endet
ein Shot woanders als er anfängt, zeigt der Anker den Anfang — mit einem Griff,
der schon nachweislich funktioniert. Den Weg dorthin und den Griff am Ziel baut das
Videomodell; es kann das besser, weil es die Zwischenschritte mitrechnet. Spart einen
Anker je Szene, und der Schnitt wird ein Anschluss statt eines Bruchs.
Werkzeuge
output/chazonweg/probe/bau_schnitt.py Teile fügen, Überblendungen setzen,
Startzeiten mitschreiben
output/chazonweg/probe/bau_untertitel.py Untertitel — Dialekt geschrieben wie
gesprochen, Zeiten aus der Messung
output/chazonweg/probe/miss_raum.py hält der Raum über den Schnitt?
Chai und Kali stecken im Fernsehen fest, und jemand zappt. Der Kanalwechsel ist
der Übergang zwischen den Stilen — von einem Krimi von 1972 bis in das Handy, das gerade
in einer Hand liegt.
Die Konstellation, aus der alles folgt: Chai wird in jedem Kanal vollständig
assimiliert — Kostüm, Haltung, Beruf, er passt immer perfekt ins Genre. Kali
nicht. Ihre blaugraue Haut und die hochgesteckte Frisur mit dem Stäbchen laufen durch
alle Kanäle. Deshalb merkt nur sie, dass etwas nicht stimmt, und er jedesmal wieder nicht.
Auch seine Stimme wird von der Epoche mitkostümiert — beim
Puppenspiel die Puppenlage, im Teleshopping der Verkäuferton. Ihre nie. Derselbe
Bruch wie bei der Haut, nur im Ton.
Die fünfzehn Kanäle
Die Reihenfolge folgt dem Stab: alles ohne Stab liegt vor dem Teleshopping,
alles mit dahinter. Jeder Kanal hat die Kamera seiner Epoche — wo die Zeit
geschnitten hat, schneidet der Clip auch, als Multishot in einem Rendering.
#
Kanal
Kamera der Zeit
01
Krimi 1972
Langbrennweite durch zwei Türrahmen, ein Crash-Zoom auf das Umdrehen
02
Sitcom
Eine verriegelte Zweier-Einstellung, keine Bewegung
03
Kung-Fu 1974
Tief und schief, Sonne direkt ins Objektiv
04
Nachtaction 1983
Dutch Angle, Scheinwerfer-Geisterkette, Nebel in jedem Kegel
05
Testbild
Absolut symmetrisch — die einzige mittige Einstellung des Films
06
Teleshopping 1994
Hektischer Schwenk aufs Produkt, der überschießt; extremes Detail auf die Ware
07
Degenkampf 1959
Tilt von den Kerzen hoch, dann Detail auf die Klinge, dann Zweier
08
Bollywood 1978
Push-In von ganz unten, harter Schnitt, Crash-Zoom auf sein Lachen
09
Puppenspiel 1985
Auf Augenhöhe der Puppen, verriegelt
10
Nachtprogramm 1994
Frontal, eine Spur zu weit, Bauchbinde durchgehend
11
Der Zapper
Deckenecke, am Ende ein Pull-Out — die Kamera geht eine Ebene weiter
12
Der zweite Zapper
Dieselbe Ecke, eine Größe kleiner. Bild im Bild im Bild
13
Das Handy
Push-In, bis der Bildschirm ausgeht und nur die Spiegelung bleibt
14
Mondbasis
Kaum merklicher Push-In auf zwei Schlafende
15
Die Rückgabe
Pedestal von den Händen hoch zu den Gesichtern
Die Handlungsebene — der Stab
Im Teleshopping steht sein eigener Stab auf dem Podest, als Sonderangebot mit
Artikelnummer: Kristall-Stab, Artikel-Nr. 4807, DM 249,–, Bestand 23. Er verkauft
ihn und erkennt ihn nicht. Mitten in der Sendung hebt sie ihn aus dem Acrylständer — und
er verkauft weiter, mit ausgebreiteten Armen, an einen leeren Ständer. Die Bauchbinde
zeigt weiterhin Bestand 23.
Ab da trägt sie ihn durch jeden Kanal, wo er nicht hingehört. Die Welt kostümiert ihn
mit — Pappstab beim Puppenspiel, Dreizack im Nachtprogramm —, aber es ist derselbe Stab.
Dreimal sagt sie ihm dasselbe, dreimal anders:
„Wo hast du den denn her?" — „Von dir."Kanal 09, Puppenspiel
„Das ist dein Stock, den ich hier halte." — „Mein Name ist der Schwarze Falke!"Kanal 07, Degenkampf
„Der hier gehört dir." — „Ich weiß."Kanal 15, die Rückgabe — das einzige Mal, dass er antwortet
Der Schluss
Nach dem zehnten Kanal geht die Kamera eine Ebene weiter und findet den, der
zappt. Kali spricht ihn aus dem Fernseher an. Er drückt trotzdem. Die Kamera geht wieder
eine Ebene weiter: ein zweiter Zapper, dessen Zimmer schon im ersten Fernseher lief.
Zuletzt ein Handy in einer Hand — sie spricht den an, der es hält, dann geht der
Bildschirm aus, und im schwarzen Glas spiegelt sich ein Gesicht.
Danach die Mondbasis: beide sitzen im Konferenzrund und sind eingeschlafen, sein Kopf
auf ihrem Schoß, der Stab liegt auf dem Boden. Er nuschelt im Schlaf „Nur noch
dreiundzwanzig…". Keiner wacht auf. Erst dann, im Tageslicht, gibt sie ihm den Stab
zurück.
Ab Kanal 11 gibt es keine Senderkennung mehr und keine Musik. Nach
zehn Kanälen mit Musik ist die Stille der eigentliche Schnitt.
Sender und Untertitel
Jeder Kanal ist ein eigener Sender: oben rechts eine abgewandelte Fassung des
chazon.eu-Logos in der Formensprache seines Jahrzehnts — gestochene Serife im Kreis
1972, roter Stempel 1974, Chrom mit Neonkante 1983, Preisschild beim Teleshopping,
Filzbuchstaben beim Puppenspiel, Neonschrift im Nachtprogramm. Dazu Untertitel in der
Typografie der Zeit; die Kung-Fu-Untertitel sind gelb, so wie es die Synchronfassungen
waren.
Was diese Folge teuer gelernt hat
Requisiten brauchen ein eigenes Blatt. Chais Stab kam über mehrere Anker mit
einem Kristall statt drei zurück, obwohl Figuren, Kostüm und Szene jedesmal saßen — er war
nur in Worten beschrieben. Das Blatt hat nichts gekostet: aus dem Kanon-Blatt
ausgeschnitten, Ganzansicht plus sechsfach vergrößerter Kopf.
(Fehlerbaum 1.15)
H3 baut Raumton, Effekte und Musik wirklich — wenn man sie hinschreibt. Gemessen
an sechs Clips: wo die gelieferte Sprechspur stumm ist, liegt im Video Inhalt. Liegt schon
ein Musikbett unter der Sprache, muss non_diegetic_music: N/A im Brief stehen,
sonst kommt eine zweite Musik daneben. (Fehlerbaum 3.9)
H3 verschiebt den zweiten Sprecher. Die Zeile des ersten bleibt auf ihrer
Sekunde, die des zweiten wandert nach hinten — hier von 4,60 auf 8,99 s. Untertitel und
Schnittpunkte deshalb immer aus dem fertigen Clip messen, nie aus dem Brief
ableiten. (Fehlerbaum 5.13)
Werkzeuge
output/zapp/bau_kanaele.py
Senderkennung und Untertitel je Kanal einbrennen
output/zapp/bau_folge.py
die fünfzehn Kanäle mit Zapp-Übergängen fügen
stimmen/musik.py
Musikbett je Epoche über die ElevenLabs-Music-API
stimmen/sfx.py
Kanalwechsel, Abschalten, Stab-Griff, Schnarchen
Kein Upscale an keiner Stelle — H3 liefert nativ 1440×2560, und dabei bleibt
es. Ton auf −14 LUFS gemastert, Spitze −1,3 dB.
„Ein Haus, das alles verschenkt, braucht irgendwann ein Raumschiff."
Drehbuch
LOR-02 · LOR × ACADEMY · 2:08 · KINO + LANA-INSERTS · GATE 1: TEXT-FREIGABE
ERSTE LIEFERUNG: MOND
„Ein Haus, das alles verschenkt, braucht irgendwann ein Raumschiff."
Die Story in einem Satz: Die Werksglocke schlägt an, das Haus versammelt
sich, und die Crew bringt ihr weitestes Paket aller Zeiten auf den Weg — in der
Messingkiste glüht Ori, der Companion, ausgeliefert an den einzigen Ort, der
niemandem gehört. Zustimmung per „Jo.", Abflug mitten aus dem Ruhrgebiet.
O-TON-BUCH (alle Kanon-Stimmen, eleven_v3)
CHAI · Torsten · stability 0.35 · die Einschwörung
„Leute dieses Hauses! [Beat] Ihr habt genäht, wenn keiner hinsah.
Gefärbt. Geschleppt. Gezählt — und alles, ALLES verschenkt! [steigt] Man hat uns
gesagt: bis zur Tür, weiter geht keiner. [Beat, leise] Aber ich habe nachgesehen.
[ruft] Da draußen ist noch eine Tür! Und heute — heute liefern wir aus!"
Aragorn-Register, überspitzt: beginnt warm, sammelt das Haus Satz für Satz ein, das Finale geschrien mit brechender Stimme; steht auf der Saaltreppe, Fäuste am Geländer
SOURCE OPEN · Wolf Spencer · stability 0.5 · der Schwur
„Seht mich an. [Pause] Ich habe nie eine Tür verschlossen.
Nicht eine. In all den Jahren. [Pause] Aber da oben hängt ein Ort, der wartet
seit Anbeginn darauf, dass ihm einer aufschließt. [langsam steigend] Wenn nicht
dieses Haus — welches dann? Wenn nicht heute Nacht — wann? [tief, gewaltig]
Schließt. Auf."
Théoden-Ruhe, die zum Beben wird; hebt beim letzten Satz den Messing-Schlüsselbund — die Schlüssel klirren wie eine Glocke
LANA · Julia · stability 0.4 · das Versprechen
„Und wenn sie in hundert Jahren fragen, ob das wirklich war —
[Beat] dann halte ich es fest. Jeden Meter. Jedes Gesicht. [steigt]
Kein Schritt dieses Hauses geht verloren. [fest] Nicht einer. Nicht heute!"
die Chronistin als dritter Hammer: hell, schnell, glühend; reißt die 35mm hoch wie ein Banner
DIE CREW · alle Register-Stimmen einzeln, gelayert
„Jo."
nach drei epischen Reden: ein Beat Stille — dann EIN trockenes, kollektives „Jo." Kein Jubel. Ruhrgebiet. Genau dieser Fallhöhen-Bruch ist der Witz. Harter Schnitt
SERPIL · Irene · stability 0.5
„Viertausendeinhundertachtzehn. [Pause] Der Mond."
trocken, schreibt dabei in die Liste (Kanon: 4117 Namen — der Mond wird der nächste)
MARLIES · Elinor · stability 0.4
„Ich prüf das erstmal von hier."
am Hangartor, Arme verschränkt; nimmt nichts geschenkt — auch keinen Raumanzug
DER GAG · Schleuse · Serpil (Irene) + Mai (Louisa)
Mai stapft in KOMPLETTER selbstgepunzter Messing-Kriegsrüstung herein —
Schulterplatten wie Glocken, Kettenhemd, Kriegshammer. Alles scheppert.
SERPIL (trocken, ohne aufzusehen): „Mai. [Pause] Das ist eine Friedensmission."
MAI (ZU LAUT): „JA. UND DAS IST FRIEDENSPANZERUNG." Beat. Alle gucken. Mai legt scheppernd ab — bis auf den Hammer.
MAI: „DER HAMMER BLEIBT. DAS IST WERKZEUG."
Warhammer-Silhouette, natürlich selbst gepunzt (Kanon: Punzerei). Comedy aus Kontrast: episch eingeschworene Crew in Leinen — und EINE wandelnde Belagerungsmaschine
JONTE · Simon · als VO über der Rampe
„…neununddreißig … vierzig … einundvierzig."
SER-03-Callback: er zählt die Rampenstufen, die Kiste im Arm
SHOT-LISTE — 21 Generationen · ~20 Schnitte · 128 s Material
#
t
Bild
Modell
Ton
G1
0:00–0:04
Makro Werksglocke aus Messing schlägt an, Licht springt von warm auf Signal-Türkis
v3-pro i2v · 4s
Glocke (SFX-Anker)
G2a-c
0:04–0:16
Drei Stationen stoppen: Mais Hammer hält mitten im Schlag · Amálias Nadel friert ein · Rolands blaue Hände heben sich aus der Küpe. Köpfe hoch
3× o3-ref · je 4s
Glocke hallt, Atmo
G3
0:16–0:21
Crew strömt in den Saal (Ensemble, 3/4), Lana am Rand mit Kamera · daraus in Post: Lana-Insert #1 (35mm-Korn: barfüßige Füße im Laufschritt, 0 $)
o3-ref · 5s
Schritte auf Dielen
G4
0:21–0:31
CHAI-Ansprache von der Saaltreppe, Crew-Rücken im Vordergrund
v3-pro + Lipsync · 10s
Chai-O-Ton
G5
0:31–0:35
Jonte trägt die Messingkiste durch die Gasse der Crew — türkiser Glow durchs Bullauge (Griff im Startframe explizit!)
o3-ref · 4s
Score setzt ein
G6
0:35–0:42
SOURCE OPEN, ruhig, die Schlüssel an der Hüfte
v3-pro + Lipsync · 7s
Source-O-Ton
G7
0:42–0:48
LANA, hebt die 35mm leicht an, halbes Grinsen
v3-pro + Lipsync · 6s
Lana-O-Ton
G8
0:48–0:52
Crew-Gesichterreihe, ein Beat Stille, ein gemeinsames Nicken
o3-ref · 4s
„Jo."-Chor (gelayert)
G8b
0:52–0:56
Detail: Serpil schreibt in die Liste
v3-pro + Lipsync · 4s
Serpil-O-Ton
G9
0:56–1:04
Multishot: Hangartor fährt auf → MONEY-SHOT: das chazonpunk-Schiff im Gegenlicht — genietete Messinghaut, Indigo-Segel, Werksschild am Bug
seedance/Runware · 8s (2 Schnitte)
Hydraulik, Hall
G10
1:04–1:14
Anzieh-Montage (Details/Hände): Messing-Ringe klicken, Registernummer-Plakette, Abteilungsfarben-Reihe, Stiefel-Beat an der Schleuse (barfuß bis dahin)
seedance/Runware · 10s (4 Schnitte)
Foley-Kaskade
G10b
1:14–1:22
DER GAG an der Schleuse: Mai stapft in kompletter gepunzter Messing-Kriegsrüstung ins Bild, alles scheppert — Serpil-Hinweis, Mais Antwort, der Hammer bleibt
o3-ref + Lipsync · 8s
Serpil/Mai-O-Töne, Scheppern
G11
1:22–1:26
Marlies am Tor, Arme verschränkt
o3-ref + Lipsync · 4s
Marlies-O-Ton
G12
1:26–1:32
Rampe: Jonte mit Kiste (Profil), Crew-Reihe dahinter hoch
o3-ref · 6s
Jonte-VO (zählt)
G13
1:32–1:38
Cockpit: Kiste in die Messing-Halterung, Bullauge auf — ORI-REVEAL, Facetten glühen, Stufe steigt
seedance/Runware · 6s
Glas-Ping (Ori-Ton)
G14
1:38–1:48
Multishot LIFTOFF I: Fördergerüst-Dach klappt auf, Staub fällt als Lichtvorhang, türkise Triebwerksglut, das Schiff löst sich vom Boden
seedance/Runware · 10s (2–3 Schnitte)
Score-Aufgang, Beben
G15
1:48–1:56
LIFTOFF II: Schiff steigt über Zeche und Abendhimmel, unten winzig Marlies am Tor
seedance/Runware · 8s
Score trägt
G15b
(Insert)
Lana-Insert #2: 35mm aus dem Bullauge — die Erde kippt weg (Filmkorn in Post)
seedance i2v · 4s
Filmspulen-Klicken
G16
1:56–2:08
Das Schiff zieht klein Richtung Mond · TITEL „ERSTE LIEFERUNG: MOND" · Endcard (chazon.eu · KI-GENERIERT)
seedance i2v v. Mond-Plate · 8s + Typo
Score endet offen
ANTRIEBS-KANON (Nachtrag 03.08.)
Die drei Glasglocken sitzen an Messing-Schwenkarmen (Schubvektor):
geparkt und im Flug stehen sie hinten in Reihe — zum Abheben schwenken sie nach UNTEN.
In jedem Schiffs-Shot die Glockenposition ansagen; der Liftoff zeigt den Schwenk als Beat.
ABTEILUNGS-FARBSYSTEM (Enterprise → chazon)
Leinen über Druckanzug, Messing-Registernummer + Zunft-Piktogramm:
MESSING-GOLD · Werkführung Chai · Source Open · Lana (Kamera außen am Anzug) · Aurel INDIGO · Werk/Material Amália · Roland · Mai · Tadek · Sepp · Nino PETROL · Versorgung/Bestand Serpil · Henrike · Ioana · Lidia · Detlef · Adnan OCKER · Bewegung/Tor Jonte · Kwame · Fenna OHNE ANZUG Marlies (bleibt unten) · Ori (die Fracht)
intimate chamber piece growing into quiet brass: solo cello foundation with a patient
pulse, warm wooden room tone, a slowly rising french horn line as the launch builds,
restrained wonder instead of bombast, no percussion until the final third, then a soft
timpani heartbeat under the ascent, ends open on a single high sustained harmonic
Budget-Deckel 40 $ (Dennis): ~20 Generationen, alles 720p
(2k macht der ByteDance-Upscale), Seedance nur über Runware (kein Ref-Aufschlag),
Previews vor riskanten Ensembles. Plan: Design ~3 · Composes ~3,5 · Stimmen ~1 ·
Shots ~24 + Puffer ~4 · Finish ~1,5 ≈ 38 $ (Gag eingepreist).
GATE 1 — DENNIS: TEXTE + SHOTS FREIGEBEN, DANN E1 DESIGN-BIBEL · CHAZON STUDIO 03.08.2026
Score
Score LOR-02 · Suno v5.5
Der Score zur Mond-Folge „Die erste Lieferung". Suno v5.5 rendert
punktgenau auf eine vorgegebene Endzeit — deshalb wird hier nicht auf die Musik
geschnitten (wie bei SER-03), sondern die Musik auf den fertigen Schnittplan gelegt.
Ziel-Länge 2:55 (175 Sekunden).
Woher die 2:55 kommen: die Bildsumme des E4-Schnittplans
liegt bei 2:39 (A1 bis Endcard L2). Dazu ~15 s Puffer für Nachbearbeitung
und Endcard-Ausklang — macht 2:55. 175 s Die Regel dahinter: Der Score liegt unter den O-Tönen. Chai, Source Open
und Lana tragen die Folge — die Musik darf die Ansprachen nie zudecken. Zwischen
0:21 und 1:15 ist deshalb Sprechbett: Drone und Einzeltöne, keine Melodie.
Style
Style-Feld
Suno v5.5 · instrumental · Endzeit 2:55
Cinematic instrumental score. Ruhrgebiet workshop meets space departure: hammered anvil and brass works-bell as percussion, upright bass, cello, harmonium drone, warm analog tape saturation, sparse handmade textures. Slow patient build to a brass-and-strings liftoff, then open and weightless. Dry, honest, not epic-trailer. No vocals, no sacred choir, no synth cliché, no drums machine.
⚠ Klang-DNA des Hauses: Holz, Messing, Amboss — kein Hall, keine
Synths, kein Trailer-Pathos. Der Aufbruch klingt handgemacht, nicht nach Weltraumoper.
Struktur / Timing
Struktur-Feld
Marken exakt so übernehmen · [end at 2:55]
[0:00] intro — one single works-bell, room tone, tools ticking, almost nothing
[0:16] pulse — upright bass enters, footsteps rhythm, the hall fills
[0:21] speech bed — harmonium drone, single cello notes, NO melody, leave room for voices
[1:15] the beat — one hard hit on the word, then silence
[1:23] hangar theme — brass states the theme for the first time, big but dry
[1:41] breather — thin it out, a wink, almost comic timing
[1:51] boarding — pulse quickens, strings climb
[2:06] liftoff — full theme, brass and strings and anvil
[2:26] moon — everything falls away, one floating tone, harmonium
[2:39] outro — open chord, slow decay
[end at 2:55]
⚠ Jede Marke sitzt auf einem Schnitt aus E4 — nicht verschieben,
sonst läuft der Score gegen das Bild.
Wo die Marken im Schnitt sitzen
0:00
A1
Werksglocke schlägt an, Licht kippt auf Türkis
0:16
B1
Crew strömt in die Halle
0:21
C1–E2
die drei Ansprachen — Sprechbett, 54 Sekunden lang
1:15
F1
das kollektive „Jo." — ein Schlag, dann Stille
1:23
G1
Hangartor fährt auf, das Schiff steht da
1:41
I1
der Gag: Mai scheppert herein
1:51
J1–J3
Marlies am Tor, Rampe, Cockpit
2:06
K1–K3
Dach klappt auf, Start, Aufstieg über die Zeche
2:26
L1
Schiff zieht klein Richtung Mond
2:39
L2
Titeltafel + Endcard, Ausklang
Bedienung
Instrumental-Schalter an — keine Stimmen, auch kein Wortloses.
Endzeit hart auf 2:55 setzen, Struktur-Feld unverändert einsetzen.
Zwei Takes rendern und den mit der ruhigeren Sprechbett-Passage (0:21–1:15) nehmen.
Fertige Datei nach output/LOR-02/score/ legen — von dort holt sie der Schnitt.
O-Töne
O-Töne LOR-02 · Gate 4
Alle Sprechtakes in eleven_v3 mit den Kanon-Stimmen aus dem
Stimmen-Register. Jeder Take ist per Whisper gegengeprüft — zehn von zehn wortwörtlich
korrekt, keine Audio-Tags mitgesprochen. Gesamt gesprochen: 85.2 s.
Die Takes
BLOCK C · DIE EINSCHWÖRUNG24.2 s
CHAI · Torsten · stability 0.35
„Leute dieses Hauses! Ihr habt genäht, wenn keiner hinsah. Gefärbt. Geschleppt. Gezählt — und alles, ALLES verschenkt! Man hat uns gesagt: bis zur Tür, weiter geht keiner. Aber ich habe nachgesehen. Da draußen ist noch eine Tür! Und heute — heute liefern wir aus!“
Aragorn-Register: beginnt warm, sammelt das Haus Satz für Satz ein, Finale geschrien.
BLOCK D · DER SCHWUR25.4 s
SOURCE OPEN · Wolf Spencer · stability 0.5
„Seht mich an. Ich habe nie eine Tür verschlossen. Nicht eine. In all den Jahren. Aber da oben hängt ein Ort, der wartet seit Anbeginn darauf, dass ihm einer aufschließt. Wenn nicht dieses Haus — welches dann? Wenn nicht heute Nacht — wann? Schließt. Auf.“
Théoden-Ruhe, die zum Beben wird; hebt zuletzt den Schlüsselbund.
BLOCK E · DAS VERSPRECHEN12.7 s
LANA · Julia · stability 0.4
„Und wenn sie in hundert Jahren fragen, ob das wirklich war — dann halte ich es fest. Jeden Meter. Jedes Gesicht. Kein Schritt dieses Hauses geht verloren. Nicht einer. Nicht heute!“
Die Chronistin als dritter Hammer: hell, schnell, glühend.
BLOCK F · DIE ZUSTIMMUNG1.3 s
DIE CREW · 11 Einzelstimmen, gelayert
„Jo.“
Nach drei epischen Reden ein Beat Stille — dann EIN trockenes kollektives „Jo.“ Elf Stimmen mit Mikro-Versatz (Serpil zuerst, Aurel zuletzt, 130 ms Spanne). Kein Jubel. Ruhrgebiet.
BLOCK F · DIE LISTE3.5 s
SERPIL · Irene · stability 0.5
„Viertausendeinhundertachtzehn. Der Mond.“
Trocken, schreibt dabei — der Mond wird Nummer 4118 im Register (SER-03-Callback: 4117 Namen).
BLOCK I · DER GAG (1/3)3.0 s
SERPIL · Irene
„Mai. Das ist eine Friedensmission.“
Ohne aufzusehen, während Mai in voller Kriegsrüstung hereinscheppert.
BLOCK I · DER GAG (2/3)3.4 s
MAI · Louisa
„JA. UND DAS IST FRIEDENSPANZERUNG.“
Zu laut (Kanon: Hörschaden von der Punzerei).
BLOCK I · DER GAG (3/3)3.4 s
MAI · Louisa
„DER HAMMER BLEIBT. DAS IST WERKZEUG.“
Sie legt scheppernd ab — bis auf den Hammer.
BLOCK J · AM TOR2.1 s
MARLIES · Elinor · stability 0.4
„Ich prüf das erstmal von hier.“
Arme verschränkt am Hangartor. Nimmt nichts geschenkt — auch keinen Raumanzug.
BLOCK J · DIE RAMPE6.2 s
JONTE · Simon · als VO
„…neununddreißig … vierzig … einundvierzig.“
SER-03-Callback: er zählt die Rampenstufen, die glühende Kiste im Arm.
Was die Messung fürs Timing bedeutet
Die Ansprachen sind episch geworden — und damit lang.
Geplant waren im Drehbuch 23 Sekunden für die Trilogie, gemessen sind es 62 Sekunden:
Chai · Einschwörung
24,2 s
geplant 10 s
Source Open · Schwur
25,4 s
geplant 7 s
Lana · Versprechen
12,7 s
geplant 6 s
Das ist kein Fehler, sondern die Folge der Rohan-Ansage — Théodens Rede vor Pelennor
dauert auch keine sieben Sekunden. Konsequenz: die Folge wächst von 2:08 auf ~2:43.
Der Vorschlag fürs Bild: Eine Rede wird nicht in einem Shot
gefilmt. Je Sprecher ein Lipsync-Shot auf den Kernsatz, der Rest der Rede läuft über
Gegenschnitte — Crew-Gesichter, Hände, der glühende Kasten, der Schlüsselbund. Das ist
Standard-Schnitt für Ansprachen, sieht besser aus und ist billiger: Gegenschnitte
brauchen keinen Lipsync und laufen über die günstigen Ref-Modelle.
Kosten-Ehrlichkeit: verbraucht sind 16,5 $ von 40.
Die volle Fassung (2:43, ~160 s Bild) kostet nach Kalkulation ~29 $ — das sprengt
den Deckel. Mit Gegenschnitt-Strategie, günstigen Ref-Modellen für Nebenbilder und
einem gekürzten Source-Schwur landen wir bei ~20 $ und behalten Retry-Luft.
Empfehlung: Chai und Lana bleiben ungekürzt, Source Open wird um zwei
Wiederholungen erleichtert (~25 s → ~17 s), Folge ~2:35.
„Auf dem Mond wartet eine Basis, die nie jemand abgeschlossen hat — und eine, die seit Anbeginn dort steht."
Drehbuch
LOR-03 · LOR × ACADEMY · LÄNGE 3:00 · KINO + 9:16-RECUT · GATE: TEXT-FREIGABE
MONDBASIS
„Er hat alle Schlüssel. Sie hat die einzige Tür."
Die Story in einem Satz: Die Barke setzt im Hangar einer Basis auf, die
genau auf der Grenze zwischen Tag und Nacht steht — dort wartet Kali, die seit Anbeginn dort
wohnt, nimmt Ori entgegen und führt die Crew zu einem Raum, den sie nie öffnen konnte.
Was hier zusammenkommt: Ori ist ein Auge in einem
Messingrahmen. Kali überwacht die Ebene der dunklen Energie — sie spürt sie, aber sie kann
sie nicht sehen. Im Überwachungsraum der Hüter der Zeit steht seit Anbeginn eine leere Fassung.
Source Open trägt die Schlüssel zu allem und hat nie gewusst, wozu. Die Lieferung ist kein Paket,
sondern ein Anschluss.
ZEITPLAN — 3:00 hart
Beat
Was
Länge
läuft bis
Sprech-Shots
B1
Anflug
13 s
0:13
1
B2
Landung im Hangar
28 s
0:41
1 (Off)
B3
Begrüßung
45 s
1:26
9
B4
Die Übergabe
20 s
1:46
3
B5
Rundgang als Montage
20 s
2:06
2 + Voice-over
B6
Der Überwachungsraum
28 s
2:34
7
B7
Konferenz der Visionen
14 s
2:48
3
B8
Outro
12 s
3:00
0
Woher die 50 Sekunden kommen: Fast alles aus dem Rundgang. Vier
ausgespielte Stationen mit Dialog wurden zu einer Montage mit Kali als Voice-over —
das ist filmisch besser (Tempo statt Aufzählung), spart 20 Sekunden und ist billiger:
Voice-over über Bilder braucht keine Lipsync-Renders. Der Rest kommt aus dem Anflug
(9 s — die Landung ist das Schaustück, nicht der Anflug) und aus gestrafften Zeilen in der
Begrüßung. Unangetastet bleiben Landung, Wendepunkt und Cliffhanger.
DIE CREW — wer wie ist
Figur
Persönlichkeit
Wie sie sich verrät
CHAI
meint alles ernst, zu ernst, redet in großen Bögen
dokumentiert alles — und versucht nebenbei, alle runterzubringen: summt, erinnert ans Atmen
antwortet auf Panik mit einem einzigen Wort: „Atmen."
MAI
frech — aber im Weltall depressiv. Alles so eng, alles so tödlich. Ihre Sprüche sind Galgenhumor.
redet, weil Stille schlimmer ist
MARLIES
grantig, findet immer was
nörgelt genau dann, wenn es feierlich wird
JONTE
pessimistisch, distanziert, trockener Humor
murmelt die unbequeme Wahrheit
SERPIL
souverän, klar, stellt die eine richtige Frage
fragt, was die anderen sich nicht trauen
ROLAND
der Älteste, spricht selten, dann mit Gewicht
ein Satz pro Folge, und der sitzt
ORI
körperlos, sachlich, ohne Eitelkeit — und deshalb versehentlich komisch
Overlay-Caption, kein Lipsync, keine Stimme im Bild
CHAI & SOURCE OPEN — die Freundschaft, über die nicht geredet wird.
Sie wird nur gezeigt, nie erwähnt. Eine wiederkehrende Geste, dreimal, jedes Mal kleiner:
(1) Chai holt zu einer großen Rede aus, Source Open sagt nur seinen Namen — „Chai." — und
Chai hört auf. (2) Als Kali Chai das Wort abschneidet, sucht Chai Source Opens Blick;
der zuckt kaum merklich mit einer Schulter: sie hat recht. Chai muss lächeln.
(3) Am Schloss stellt Chai sich neben ihn — nicht vor ihn, neben ihn — und sagt nichts.
Als der Schlüssel passt, sieht Source Open zuerst Chai an, nicht die Tür.
Laufende Gags, die nichts kosten — sie leben von Wiederholung, nicht
von Screentime:
· Marlies fasst überall etwas an, was man nicht anfassen sollte. Jede Station einmal.
Beim vierten Mal greift Kali ihr wortlos ins Handgelenk, ohne hinzusehen.
· Der Staub fällt zu langsam. Jonte beobachtet ihn jedes Mal aufs Neue misstrauisch,
als wäre er persönlich gemeint.
· Lanas Liedchen ist immer dasselbe, immer nur vier Töne, und immer im unpassendsten
Moment. Am Ende summt jemand anders es mit.
· Ori ist zu ehrlich. Seine Overlay-Zeilen sind sachliche Feststellungen, die
zufällig jemanden treffen.
· Kali hat auf alles eine Antwort — außer auf Höflichkeit. Ein einfaches „danke"
bringt sie kurz aus dem Konzept.
BEATS
B1ANFLUG0:00–0:13 · 13 sVFX
Aus dem Schwarz, sofort: die Terminator-Linie von oben. Links gleißender Tag,
rechts schwarze Nacht, dazwischen ein messerscharfer Grat. Die Barke kommt tief über die Linie
geflogen, die drei Heckglocken türkis. Erdlicht als zweite, kalte Quelle von rechts. Kein Ton
außer einem tiefen Brummen. Kein Establishing-Bogen — wir sind schon mittendrin, wenn
das Bild angeht.
ORI · Overlay-Caption, kein Ton
Anflug. Zielkoordinate liegt auf der Grenze.
CHAI · Andi Freitag · stability 0.15
[leise, fast zu sich]
Ein Ort, der weder Tag noch Nacht ist. [Beat] Natürlich.
B2LANDUNG IM HANGAR0:13–0:41 · 28 sVFX-STÜCK
Ein Tor im Fels schiebt sich auf — kein Metall, gewachsener Stein mit
Messingbeschlägen. Die Barke schwenkt ein. Die drei Glocken rotieren auf ihren
Messingarmen nach unten, Licht schlägt auf den Hangarboden, Staub fährt in Ringen nach
außen. Streben fahren aus. Aufsetzen: ein einzelner harter Schlag, dann Stille. Die Glocken
dimmen. Der Staub sinkt langsam — Mondgravitation, er fällt zu langsam.
Bewegung im Bild: Kali steht schon da, seitlich, Hände in den
Manteltaschen, sie weicht nicht zurück, als der Staub kommt — sie kneift nur die Augen
zusammen. Ihr Mantelsaum und das gelbe Hüfttuch flattern im Abgas.
MARLIES · Elinor · stability 0.4
[von drinnen, durch den Aufsetzschlag]
Muss das so ruppig?!
SOURCE OPEN · Wolf Spencer · stability 0.5
Ja.
B3BEGRÜSSUNG0:41–1:26 · 45 sHERZSTÜCK
Die Rampe fährt runter, Staub steht noch in der Luft. Die Crew kommt heraus —
nicht in Formation, sondern durcheinander, wie Leute, die zu lange gesessen haben.
Mai bleibt oben auf der Rampe stehen und sieht sich um.
MAI
[nach oben, in die Hangardecke]
Ey… da draußen ist echt gar nichts, ne?
LANA
[ohne aufzusehen, stellt die Kamera ein]
Atmen, Mai.
MAI
Ich atme ja. Deswegen frag ich ja. [Beat] Wie lange noch?
Lana summt vier Töne. Immer dieselben vier. Mai sieht sie an, als wäre das
das Unpassendste der Welt — und geht dann doch die Rampe runter. Kali hat gewartet, bis alle
unten sind. Erst dann:
KALI · Ela · stability 0.35 · RAGE: Altáriel darunter
Ihr seid spät.
CHAI
Wir sind—
KALI
[schneidet ihm das Wort ab, ohne Schärfe]
Zweitausend Jahre. Aber wer zählt.
MAI · Louisa · stability 0.3
[halblaut, zu Jonte — der erste Moment, in dem sie nicht an das Vakuum denkt]
Ey. Die ist gut.
MARLIES
Ich find das jetzt nicht so witzig.
Chai sucht Source Opens Blick. Der zuckt kaum merklich mit einer Schulter —
sie hat recht. Chai muss lächeln und schaut weg.
KALI
[geht die Reihe ab, tippt jeweils kurz in die Luft]
Chai. — Source. — Lana. [Beat] Immer noch die Kamera?
LANA · Julia · stability 0.4
[hebt die Kamera, drückt ab, Verschluss klackt]
Immer noch.
JONTE · Simon · stability 0.4
[leise, an niemanden]
Woher kennt die uns?
KALI
[im Weggehen, ohne sich umzudrehen — sie hat es gehört]
Ich wohne hier seit immer. Man kriegt was mit.
Alle mitanimieren: Chai setzt zum Weiterreden an und lässt es;
Marlies verschränkt die Arme; Jonte schaut nach oben an die Hangardecke; Mai stößt Jonte an;
Serpil tritt einen halben Schritt vor; Roland bleibt stehen, wo er ist; Source Open trägt
schon die Kiste; Lana zieht den Film weiter.
B4DIE ÜBERGABE1:26–1:46 · 20 s
Source Open setzt die Messingkiste ab. Öffnet sie. Ori steigt heraus —
kopfgroß, Messingrahmen, das Auge darin ruhend warm. Kein Pathos, keine Musik-Schwelle.
Kali sieht ihn an, lange. Zum ersten Mal ist sie nicht schneller als alle anderen.
SOURCE OPEN
Da.
KALI
[sehr leise, nicht zur Crew]
Du bist es wirklich.
ORI · Overlay-Caption
Wir kennen uns nicht.
KALI
Ich weiß. [Beat] Ich schon.
Alle mitanimieren: Die Crew rückt unwillkürlich einen halben Schritt
näher; Marlies hört auf zu nörgeln und schaut nur; Lana hebt die Kamera und drückt nicht
ab; Chai sieht zu Kali statt zu Ori.
B5DER RUNDGANG1:46–2:06 · 20 sMONTAGE
Als Montage, nicht als vier Szenen. Kali geht voran und spricht im
Gehen — ihre Sätze laufen als Voice-over über die Bilder weiter, auch wenn man sie
nicht mehr sieht. Nur zwei Einstellungen sind echte Sprech-Shots (Roland und die
Schattenebene), alles andere ist Bild plus Ton. Darunter, ganz leise: Lanas vier Töne.
Je Station 4–5 Sekunden.
Halle der acht Grundgefühle
Acht Lichtfarben in der Kuppel, die sich überlagern und Mischtöne werfen.
KALI
Acht. Mischbar wie Farben. Deshalb streitet ihr nie über dasselbe.
MAI
Das erklärt echt einiges.
Die Spirale
Eine begehbare Spirale, die sichtbar auch zurückführt.
SERPIL
Sie geht nach unten.
KALI
Manchmal. Das gehört dazu.
Die Waage
Zwei Kräfte, die sich tragen statt sich zu besiegen — kein Sieger, keine Mitte.
KALI
Aus reiner Gleichheit entsteht nichts. Aus reiner Herrschaft entsteht Gewalt.
ROLAND · Frederick · stability 0.5
[sein einziger Satz der Folge]
Das hat mir noch nie jemand so gesagt.
Die Schattenebene
Ein Fenster zur Nachtseite. Dahinter: nichts, das man sehen kann. Kali stellt
sich davor wie vor eine Tür, durch die man nicht geht.
JONTE
Da ist nichts.
KALI
Ja. [Beat] Das ist das Problem.
Alle mitanimieren: In jeder Station gehen mindestens zwei Figuren
sichtbar weiter, eine bleibt zurück und wird eingeholt; Lana fotografiert an jeder Station
einmal; Marlies fasst etwas an, was man nicht anfassen sollte.
B6DER ÜBERWACHUNGSRAUM2:06–2:34 · 28 sWENDEPUNKT
Andere Bauweise, sichtbar älter als alles andere — nicht von Kali gebaut.
Eine schwere Tür ohne Griff, nur ein Schlüsselloch. Kali bleibt zwei Schritte davor stehen.
KALI
Den hier krieg ich nicht auf. Seit immer nicht.
CHAI
Und du hast nie—
KALI
Doch. Alles.
Alle sehen zu Source Open. Der sagt nichts, tritt vor, nimmt den Bund vom
Hals. Chai stellt sich neben ihn — nicht vor ihn, neben ihn — und sagt nichts.
Probiert. Klick. Nichts. Nächster. Klick. Nichts.
In die Stille hinein summt Lana ihre vier Töne.
MAI
Lana.
[Lana summt weiter.]
MAI
Lana!
LANA
Atmen.
MAI
[zu Source Open, aus purer Nervosität — sie muss irgendwas sagen]
Hast du's mal mit aus und wieder an?
SOURCE OPEN
[ohne aufzusehen]
Es ist eine Tür.
MAI
Ja und?
JONTE
[Beat]
Sie hat nicht ganz unrecht.
Source Open hält inne. Geht den Bund noch einmal durch — und nimmt den
kleinsten, unscheinbarsten. Der geht rein wie in Butter. Bevor er die Tür ansieht, sieht
er Chai an.
MARLIES
Na also.
MAI
[sehr leise, fast beleidigt]
War trotzdem ein guter Vorschlag.
Alle mitanimieren: Bei jedem Fehlversuch reagiert jemand anders —
Serpil rückt näher, Marlies seufzt hörbar, Chai hält die Luft an, Kali sieht nicht auf die
Tür, sondern auf Source Opens Hände.
B7DIE KONFERENZ DER VISIONEN2:34–2:48 · 14 sHARTER SCHNITT
Die Tür geht auf. Dahinter ein runder Raum, älter als die Basis: eine
Sitzordnung aus Stein, und in der Mitte eine leere Fassung — genau in Oris Größe.
Jeder nimmt seinen Platz ein, ohne dass es jemand sagt. Ori schwebt in die Fassung.
Das Auge öffnet sich in die dritte Aktivierungsstufe, Blitze laufen über den Rahmen.
Über der Runde beginnt etwas zu entstehen — Linien, Knoten, eine Übersicht.
KALI
Da ist es.
CHAI
Was?
KALI
Alles.
SCHNITT — bevor man irgendetwas erkennen kann. Kein Ausklang, kein
Fade. Mitten in der Bewegung ins Schwarz.
B8OUTRO2:48–3:00 · 12 s
Schwarz. Aus dem Schwarz heraus: jemand summt Lanas vier Töne — und es ist
nicht Lana. Es ist Mai. Dann die Frage als Satz, ruhig gesetzt. Danach eine kurze
Animation (Oris Rahmen, langsam rotierend), dann das Standbild: die Basis auf der
Terminator-Linie, klein im Bild. Ende.
Und was, wenn der Schlüssel nie das Problem war — sondern die Tür?
PRODUKTIONSREIHENFOLGE — Räume zuerst
Die Regel für diese Folge: Mehrere Einstellungen im selben Raum
heißt: erst den Raum-Master rendern und freigeben, dann alle Startframes daraus
ableiten, dann erst die Shots. Nie zwei Shots desselben Raums aus getrennten Prompts — das
gibt zwei verschiedene Räume.
Stufe
Was
braucht
Shots daraus
R1
Mond-Außen · Terminator-Linie, Basis, Landefeld
Stilblatt
B1
R2
Hangar · Felstor, Boden, Beleuchtung, Größenverhältnis zur Barke
Stilblatt · Schiffsblatt
B2, B3, B4 — drei Beats, ein Raum
R3
Halle der acht Grundgefühle
R2 (Materialkanon)
B5a
R4
Die Spirale
R3
B5b
R5
Die Waage
R3
B5c
R6
Die Schattenebene · Fenster zur Nachtseite
R3
B5d
R7
Überwachungsraum · andere Bauweise, älter, Tür ohne Griff
eigener Kanon — NICHT von R3 ableiten
B6
R8
Konferenzrund mit leerer Fassung
R7
B7
Referenzen je Shot — ohne Ausnahme mitführen: Raum-Master + Blatt jeder
Figur im Bild + Objektblatt (Ori, Kiste, Schlüsselbund). Fehlt eine Referenz, erfindet das
Modell.
GATE PASSIERT — Dennis hat den Text am 04.08. freigegeben. Damit ist die
Produktion offen. Reihenfolge steht: Stilblatt ✅ · alle neun Raum-Master ✅ · Laufplan ✅ ·
jetzt Startframes, dann Stimmen, dann Shots. Jede Stufe weiterhin erst nach Sichtung der vorigen.
OFFEN
· Kalis Stimme — noch nicht gewählt. Sie braucht etwas Trockenes, Junges, das nicht
nach Ehrfurcht klingt.
· Länge — 3:50 ist ambitioniert. Der Rundgang (B5) ist der Teil, der sich kürzen lässt,
ohne dass die Folge bricht.
· Ori spricht per Overlay-Caption, nicht per Lipsync — das spart einen Sprech-Shot pro
Zeile und hält ihn körperlos.
Score
LOR-03 · SCORE · ZIELLÄNGE 3:00 · SUNO · ENTSTEHT VOR DEN VOICELINES
DAS VIER-TON-MOTIV
Vier Töne, fallend — die Sorte, die ein Mensch summt, ohne darüber nachzudenken.
Die Idee in einem Satz: Lana summt im Film immer dieselben vier Töne —
beiläufig, im unpassendsten Moment. Am Ende, aus dem Schwarz, summt sie jemand anders: Mai.
Deshalb trägt der Score genau dieses Motiv. Es taucht dreimal auf, jedes Mal anders besetzt,
und schließt den Film.
Kein Ohrwurm, kein Hook — ein Trost. Das Motiv ist bewusst simpel
gehalten: vier fallende Töne, mehr nicht. Die Musik entsteht vor den Voicelines, damit
die Sprache auf die Musik geschnitten wird und nicht umgekehrt.
DIE DREI AUFTRITTE
Wann
Besetzung
Wirkung
Landung
verzerrt, im Bass, kaum als Melodie erkennbar
man hört es, ohne es zu bemerken
Rundgang
offen, hell, auf einem einzelnen Instrument
zum ersten Mal als Melodie
Outro
nur gesummt, ohne Begleitung
eine menschliche Stimme, sonst nichts — und es ist nicht mehr Lana, sondern Mai
SUNO · STYLE
Klick ins Feld markiert den ganzen Text — direkt kopieren, direkt bei Suno einsetzen.
Cinematic ambient score for a short film, instrumental, no vocals except one wordless hummed motif at the very end. Cold and wide, with a slow mechanical pulse underneath — like something heavy moving in low gravity. Deep sub bass, granular textures, a distant metallic resonance as if the room were made of brass. A single warm instrument carries the melody: bowed cello or glass harmonica, never strings-en-masse. Sparse. Long silences are part of the piece. No drums, no beat drop, no swell into a climax. Tempo around 68 BPM, minor key, unresolved. The mix leaves the entire midrange open for dialogue.
SUNO · STRUKTUR (ins Lyrics-Feld)
Klick ins Feld markiert den ganzen Text — direkt kopieren, direkt bei Suno einsetzen.
[Intro — 0:00-0:13 · cold and vast]
(sub bass drone, no rhythm, a single distant metallic shimmer, empty space)
[Build — 0:13-0:41 · the landing]
(a slow mechanical pulse enters, heavy and low, gaining weight; the four-note motif appears buried in the bass, distorted, barely a melody; a hard low impact, then everything cuts away)
[Break — 0:41-1:26 · almost nothing]
(near silence, only room tone and a faint brass resonance; leave the midrange completely open, this is where people talk)
[Verse — 1:26-1:46 · the handover]
(one warm sustained note on bowed cello, holding, patient, no development)
[Bridge — 1:46-2:06 · movement]
(the pulse returns lighter and quicker, curious; the four-note motif finally plays openly on a single clear instrument, unhurried)
[Tension — 2:06-2:34 · the locked door]
(a soft irregular ticking, like several old clocks slightly out of step; the pulse drops out; tension held without resolution, never louder)
[Climax — 2:34-2:48 · opening]
(everything opens upward, wide and bright, gathering — and then STOPS DEAD mid-phrase, cut off, no tail, no reverb)
[Outro — 2:48-3:00]
(silence, then a single human voice hums the four-note motif alone, unaccompanied, slightly imperfect; fade)
REGELN FÜR DEN SCHNITT
2:48 ist ein harter Schnitt. Die Musik bricht mitten in der Phrase ab — kein Ausklang,
kein Nachhall. Wenn Suno hier ausblendet, wird der Ausklang weggeschnitten, nicht eingefadet.
0:41–1:26 muss dünn bleiben. Das ist die Begrüßung mit neun Sprech-Shots. Alles, was
hier im Mittenbereich liegt, muss später weggeduckt werden — besser, es ist gar nicht da.
Ducking: −6 dB unter Sprache, Ein-/Ausblende 300 ms. Nicht mehr, sonst hört man das
Atmen der Automation.
Falls Suno die Struktur nicht hält: zwei Läufe — einen für 0:00–1:26 (kalt, Landung),
einen für 1:46–3:00 (Bewegung, Spannung, Öffnung). Die Naht liegt in der Stille bei 1:26 und
fällt niemandem auf.
Der Notfallplan: Wenn das Vier-Ton-Motiv aus Suno nicht brauchbar
herauskommt, wird es separat eingespielt: vier Töne, ein Instrument, zehn Sekunden — und
im Schnitt an den drei Stellen eingesetzt. Das Motiv ist zu wichtig für die Schlusspointe, um es
dem Zufall zu überlassen.
Entwürfe · Kali
Kali ENTWÜRFE
Neue Figur für LOR-03. Sie wohnt seit Anbeginn der Zeit in der Mondbasis an der
Terminator-Linie, erwartet das Paket der chazon-studio-Crew, betreut die Themen von Frau und Mann
auf Augenhöhe und überwacht die Ebene der dunklen Energie. Fünf Entwürfe stehen zur Wahl —
Dennis entscheidet am Bild, danach entsteht daraus der volle Blätter-Satz.
Kali ist die erste Aktivistin. Sie kämpft seit Anbeginn für ein Gleichgewicht —
deshalb sieht sie aus wie jemand, der kämpft, nicht wie jemand, der thront.
KANON — was in jedem Entwurf gleich bleibt
ALTER
Anfang bis Mitte dreißig, festgeschrieben. Sie altert nicht — gerade deshalb braucht sie
einen festen Wert, sonst driftet sie über die Folgen. Alt genug für Autorität, jung genug für die
Aktivistin, und das Alter, in dem Menschen am schwersten zu schätzen sind.
ZEITLOSIGKEIT
Kommt nicht über das Alter, sondern über Widersprüche: makellose Haut, aber Augen, die zu
viel gesehen haben. Kleidung aus fünf Jahrhunderten übereinander. Kein graues Haar, aber Hände wie
von jemandem, der sehr lange etwas gehalten hat.
HAUT
Tiefes Blaugrau wie Mondbasalt, mit feinem Glimmer, der das Licht fängt. Kein flaches Comic-Blau.
HAAR
Schwarze, dichte Locken — offen oder von einer einzelnen Bronzenadel gehalten.
KLEIDUNG
Immer geschichtet: ein antikes gewickeltes Gewand unter moderner Aktivistenkleidung.
Warnweste, Cargo, Patches, Tape — alles getragen, nichts neu.
GADGETS
Messing-Zeitmesser an Karabinern statt Schlüsseln. Instrumente zum Messen von etwas
Unsichtbarem. Eine Lampe, die Dunkelheit abgibt.
NICHT
Keine vier Körperarme (nur als Schatten), keine Totenkopfkette (Zeitmesser), keine Sakral-Attribute.
Die Figur darf uralt wirken, aber nie nach Religion aussehen.
Warum die Zunge funktioniert: In der Ikonografie ist die herausgestreckte
Zunge kein Spott, sondern das Innehalten — der Moment, in dem die Zerstörerin erschrickt und
aufhört. Genau das ist die Geste einer Aktivistin, die vor dem steht, was sie verhindern will.
Deshalb trägt sie das Motiv, ohne ins Religiöse zu kippen.
DIE FÜNF ENTWÜRFE — Midjourney
Alle als Ganzfigur auf neutralem Grund angelegt, damit daraus direkt das
Turnaround-Blatt werden kann — das Format, das in der Referenz-Kette nachweislich trägt
(Serpils fotografisches Blatt traf, ein gezeichnetes nicht). Prompt antippen markiert ihn ganz.
K1Die Wächterin auf der Naht
Ort und Figur sind dasselbe Bild — die Terminator-Linie läuft senkrecht durch sie hindurch.
full body character concept of a timeless guardian woman in her mid-thirties, skin the deep blue-grey of lunar basalt with faint mica glitter catching light, half her body lit by hard white sun, the other half in deep shadow lit only by cold earthlight — the terminator line running vertically down her centre, layered clothing from five different centuries worn together: an ancient wrapped indigo garment under a modern high-visibility work vest gone matte with age, cargo trousers, climbing carabiners holding small brass timekeepers instead of keys, hand-stitched patches with symbols nobody can date, fingerless gloves, her hair a mass of black coils held by a single bronze pin, calm frontal stance, arms relaxed, weight on one leg, plain warm grey studio backdrop, even soft light, full figure head to feet --ar 2:3 --style raw --v 7 --s 250
Die Grundfassung. Erklärt die Figur ohne ein Wort Erklärung: Wer so beleuchtet ist,
steht auf einer Grenze. Risiko: die harte Halbierung kann im Turnaround unruhig werden.
K2Die Zunge
Der Moment des Innehaltens, nicht der Provokation.
full body character concept of a blue-skinned woman in her mid-thirties standing utterly still, caught in the instant of stopping herself — her tongue slightly out, not mocking but frozen, the face of someone who just realised what she almost did, eyes wide and ancient, deep indigo skin with a faint scatter of stars across the shoulders, dishevelled black coiled hair, worn activist gear: a faded safety vest over an ancient draped garment, tape across one sleeve with hand-written words in an unreadable script, small brass instruments clipped to her belt, dust on her boots, one hand still raised mid-motion, the other open and empty, plain warm grey studio backdrop, even soft light, full figure head to feet --ar 2:3 --style raw --v 7 --s 400 --chaos 12
Der mutigste Entwurf und der einzige, der eine Handlung einfriert statt zu posieren.
Wenn er trifft, hat die Figur sofort eine Geschichte. Wenn er danebengeht, wirkt sie albern —
deshalb --s 400 und etwas chaos, das braucht Spielraum.
K3Die Vierarmige als Schatten
Ikonografie ohne Ikonografie — der Körper hat zwei Arme, der Schatten vier.
full body character concept of a blue-skinned woman in her mid-thirties with a single pair of human arms, standing in front of a pale wall — but her cast shadow on the wall clearly shows FOUR arms, each holding a different tool: a lamp, a blade, a measuring instrument, an open hand, deep blue-grey skin like polished stone, coiled black hair, modern protest clothing layered over ancient wrapped fabric, carabiners, patches, a chain of tiny clocks around her neck instead of beads, calm frontal stance, looking directly at the viewer, plain warm grey backdrop, one hard light source from the left to throw the shadow sharply, full figure head to feet --ar 2:3 --style raw --v 7 --s 300
Der klügste Kompromiss: das Motiv ist da, aber als Projektion — sie hat keine vier
Arme, sie wirft sie. Für den Überwachungsraum eine starke Vorlage. Risiko: Midjourney rechnet
Schatten oft falsch, kann mehrere Anläufe brauchen.
K4Die Sammlerin der dunklen Materie
Ihre Zuständigkeit als Ausrüstung — eine Feldforscherin für das Unsichtbare.
full body character concept of a timeless blue-skinned field researcher in her mid-thirties, equipped for measuring something invisible: a heavy harness of brass and blackened steel instruments across her chest, coils of cable, a lamp that emits darkness instead of light held at her hip, sample vials containing nothing visible, a hand-drawn chart strapped to her forearm, deep indigo skin with mica shimmer, black coiled hair tied back for work, practical layered clothing — ancient wrapped underlayer, modern technical outerwear, knee pads, dust, standing planted and matter-of-fact, mid-work, not posing, plain warm grey studio backdrop, even soft light, full figure head to feet --ar 2:3 --style raw --v 7 --s 250
Der sachlichste. Erzählt ihre Aufgabe über das Werkzeug statt über Mystik und liefert
nebenbei den halben Gadget-Kanon mit. „Eine Lampe, die Dunkelheit abgibt" ist der Satz, an dem
Midjourney interessant wird.
K5Die erste Aktivistin
Gen Z dominant, das Antike nur im Detail — das Transparent ist jahrtausendealt.
full body character concept of a young-looking woman in her mid-thirties who could be from any decade of the last three thousand years, skin a natural deep blue-grey, freckled with tiny points of light like a night sky, black coiled hair with a single bronze pin, a look of stubborn patience, dressed like a climate activist: patched cargo trousers, a faded slogan shirt whose letters have worn away completely, a safety vest, a rolled banner under one arm — the banner cloth is visibly ancient, hand-woven, older than the rest by millennia, brass timekeepers on carabiners at her hip, tape on her knuckles, standing frontal, feet apart, banner held like a staff, plain warm grey studio backdrop, even soft light, full figure head to feet --ar 2:3 --style raw --v 7 --s 350 --chaos 15
Der zugänglichste — sie könnte einem morgen auf der Straße begegnen, und erst beim
zweiten Hinsehen stimmt etwas nicht: das Shirt hat keine Schrift mehr, das Transparent ist älter
als jede Sprache darauf. Trägt den Satz „die erste Aktivistin" am direktesten.
AUSWAHL
Alle fünf durchlaufen die Sichtprüfung (Gesicht, Outfit, Szene, Items, Belichtung,
Kamera) und die Tonalitätsprüfung — keine Religions-Anmutung, deshalb Zeitmesser statt Schädel und
Schatten statt Körperarme. Aus der gewählten Fassung entsteht danach der volle Satz:
Turnaround-Blatt (vier Ansichten, neutraler Grund), Ganzkörper, Charactersheet, Merkmal-Blatt
und die Gadgets als eigene Master. Jede Variante per Edit vom Master — nie als getrennte
Prompts, sonst entstehen fünf verschiedene Kalis.
Die Blätter der Gewinnerin landen anschließend hier im Arbeitsbuch und sind damit
unter einer festen Adresse als Referenz abrufbar — genau wie die Blätter der übrigen Figuren.
DIE ENTWÜRFE — was daraus geworden ist
K5 · DER MASTER — Midjourney, Dennis' Wahl. Ab hier ist alles davon abgeleitet.DER GESICHTS-ANKER — enger Crop aus dem Master, Originalauflösung. Erste Referenz in jedem Job.
DAS KANON-BLATT — NB2 in 4K, 5504 × 3072. Fünf Ganzkörper (vier mit dem langen Mantel,
eine ohne), sechs Detail-Panels. Ab hier führt das Blatt, nicht mehr der Master.DER MODELLVERGLEICH — dasselbe Blatt bei fünf Modellen. NB2 in 4K hat gewonnen:
die einzige Fläche, auf der die Augen in neun Panels scharf bleiben.DER FEHLVERSUCH — erster Anlauf, nur mit der Ganzfigur als Referenz. Vergleiche das
Gesicht mit dem Master: jünger, glatter, die Sprenkel nur noch auf der Stirn. Ursache und Abhilfe
stehen unten.
STAGES — wenn sie ragt
Kali verwandelt sich, wenn sie sich aufregt — ohne dass sie es so meint.
Das ist der Witz der Figur: Sie kann nichts dafür, und hinterher ist es ihr peinlich.
FÜNF STUFEN — von ruhig bis voll und wieder zurück. Der Maßstabsbalken links
zeigt, wie weit sie wächst: auf das Doppelte.
DIE IDEE, DIE ES ZU IHRER VERWANDLUNG MACHT
Ihre Sprenkel sind ein Sternenfeld. Wenn sie kippt, entzündet es sich — aus blassen
Punkten werden brennende Sterne, bis ihre Haut echter Nachthimmel ist, mit Tiefe dahinter. Damit
gehört die Verwandlung zu ihrer Zuständigkeit für die dunkle Ebene, statt eine Gottheit zu
zitieren.
WAS BLEIBT
Die Kleidung verschwindet nicht — Mantel, Weste, Hüfttuch und die drei Messing-Zeitmesser
bleiben an ihr, spannen, reißen und hängen zuletzt in Fetzen. Die Uhren glühen von innen. Keine
Schädel, kein Blut, keine Waffen.
STUFE 5 IST DER GAG
Zurück auf Normalgröße, ein Ärmel weg, Haar gelöst, Brandring im Boden — und eine kleine
entschuldigende Handbewegung.
STIMME — zwei Modi
Kali braucht zwei Stimmen: eine moderne, junge (Mitte zwanzig) für den Alltag —
trocken, ohne Ehrfurcht — und eine für den Rage-Modus. Der Filmtrick: die Rage-Stimme wird
in der Mischung unter die normale gelegt, nicht anstelle. So bleibt sie erkennbar Kali und
klingt trotzdem wie zwei Wesen gleichzeitig.
PROBENZEILE NORMAL — „Ihr seid spät. [Beat] Zweitausend Jahre. [dry] Aber wer zählt."
Mila — Confident and OpinionateddCnu06FiOZma2KVNUoPZ
Zwanziger bis Dreißiger, meinungsstark und selbstsicher. Mein Favorit: Sie klingt, als hätte sie auf alles schon eine Antwort.
Ela — Hopeful, Bright and VibrantHRIShmNY56JGHVU1vXIt
Urban und verspielt, jung. Mehr Wärme, weniger Kante.
Ava — Youthful, AuthenticAnvlJBAqSLDzEevYr9Ap
Jugendlich und unaufgesetzt. Die natürlichste der drei, dafür am wenigsten trocken.
Dunkel und kräftig, ohne Effekthascherei. Legt sich am saubersten unter eine helle Stimme.
Nadine — Whispering WitchxBIfEFAROTtux2FvqTLj
Für Horror-Erzählung gebaut, moduliert. Am unheimlichsten — vielleicht zu unheimlich für eine Figur, der es hinterher peinlich ist.
Altáriel — Ancient StorytelleroBVK5gDykyUkoVXUPyCU
Alt und weise statt wütend. Trifft die Zeitlosigkeit, nicht den Zorn — die interessanteste Fehlbesetzung.
ENTSCHIEDEN — K5, und was daraus wurde
Dennis hat K5 „Die erste Aktivistin" gewählt. Daraus ist am 04.08. das
Kanon-Blatt entstanden: fünf Ganzkörper-Ansichten (vier mit dem langen Mantel, eine ohne, damit die
Schichten darunter ablesbar sind) und sechs Detail-Panels, darunter die Zunge — nicht als
Spott, sondern als der Moment, in dem sie sich selbst stoppt.
Die Regel, die dieses Blatt gekostet hat: Der erste Versuch bekam nur die
Ganzfigur als Referenz — darin ist Kalis Gesicht 298 × 192 px groß. Zu wenig: das Modell hat
sie neu erfunden, jünger und hübscher, mit Sommersprossen nur noch auf der Stirn. Seitdem gilt:
der Gesichts-Anker ist die erste Referenz in jedem Job, bei dem ihr Gesicht zählt — Ganzfigur
erst danach, und im Prompt bekommt jede Referenz ausdrücklich ihre Zuständigkeit
(Referenz 1 = Gesicht, Referenz 2 = Kleidung). Dazu ein Verbot des Verschönerns: kein Glätten, keine
größeren Augen, kein runderes Gesicht, keine Symmetriekorrektur.
„Throne wurden zu Stiftungen, Blut zu Kapital, Priester zu Algorithmen. Und dann? Wir."
Song
WAS IST HEILIG?
Song für PAR-01 · Suno-Produktion · 128 BPM Techno · jede Kernzeile ist chazon-Kanon
In Suno: Style-Prompt ins Stil-Feld, Avoid-Liste ins Ausschluss-Feld, Lyrics komplett ins Text-Feld (die [Klammern] sind Struktur-Tags, Suno versteht sie).
1 · Style-Prompt
driving German techno, 128 BPM, dark rolling bassline, industrial percussion,
male German sprechgesang verses (dry, close mic), shouted gang-vocal hooks,
hypnotic build-ups, one hard beat-stop before each drop, warm analog brass
stabs under cold synths, warehouse rave energy, minimal warm outro at half tempo
2 · Avoid / Ausschluss
cheesy EDM supersaw, festival plucks, schlager, autotune pop chorus
3 · Lyrics (komplett)
[Intro — geflüstert über Bass-Puls]
Throne wurden zu Stiftungen.
Blut wurde zu Kapital.
Priester wurden zu Algorithmen.
Derselbe Mechanismus. Nochmal.
[Verse 1 — Sprechgesang, trocken]
Wer den Überschuss kontrolliert, kontrolliert die Leute —
gestern war's der Götterwille, heute heißt es: Rendite, Beute.
Der Räuber wurde sesshaft, und dann wurd' er unsichtbar:
Schwert, Steuer, Schuld, Geld, Markt, Narrativ — wunderbar.
Kein Kopf zum Abschlagen, kein Feind mit Gesicht,
nur 'ne Anreizstruktur — und die kennt dich nicht.
[Pre — halb gesungen, Beat dünnt aus]
Und was wir in uns nicht versöhnen,
tragen wir in die Welt hinaus.
Die Spaltung sitzt nicht da draußen —
sie wohnt bei uns im Haus.
[Beat-Stop]
[Drop 1 — Chant, Gang-Vocals]
WAS IST HEILIG? — WAS IST HEILIG?
Was darf gar nicht erst auf den Markt?
WAS IST HEILIG? — WAS IST HEILIG?
KREIS! STATT! PYRAMIDE!
[Verse 2 — Sprechgesang]
Statistik sieht nur, was 'nen Preis hat — der Rest bleibt ungezählt,
und genau da, wo die Würde wohnt, hat das Raster sich verwählt.
Die Lehrerin teilt nachts ihr Wissen, der Pfleger hält 'ne Hand,
der Buchhalter nimmt die Pyramide ab — und pinnt 'nen Kreis an die Wand.
Alles läuft parallel, keiner kennt den andern schon —
doch dieselbe Frage treibt sie: die alte Vision.
[Bridge — fast a cappella, nur Puls]
Der Kapitalismus fragt: Was ist es wert?
Der Kommunismus fragt: Wem gehört es?
Chazon fragt zuerst —
[Beat-Stop — eine Sekunde Stille]
[Drop 2 — volle Energie, Gang-Vocals]
WAS IST HEILIG? — WAS IST HEILIG?
WISSEN! GETEILT!
FÜRSORGE! UNGEMESSEN!
KREIS! STATT! PYRAMIDE!
WAS IST HEILIG? — WAS IST HEILIG?
[Outro — halbes Tempo, warm]
Ein Kosmos, viele Tore.
(gesprochen, trocken:) Eine Vision, kein erprobter Bauplan.
Steht auch so auf der Seite.
4 · Sync-Punkte zum Clip
Intro-Flüstern
Akt 1 Morphs + Mechanismus-Card (die Zeilen SIND die Card)
Verse 1
Kamera-One-Take / Strang-Etablierung
Pre
Chai-Zwischenclips (ruhig)
Drop 1
Sammlung um Chai, Kran hoch
Verse 2
die drei Strang-Shots (Text nennt sie wörtlich)
Bridge + Stop
Drei-Fragen-Card, zeilenweise
Drop 2
PARTY im Headquarter + High Five
Outro
Loft-Wortmarke + Endcard
SER-03GERENDERT
„In dem Haus, das alles verschenkt, hab ich gefragt, wer es trägt. Der Gründer sagte: Fragen Sie die, die Sie nicht gefragt haben."
Regie: Handheld, die Kamera atmet. Keine weiten
Shots — 3/4 und American, teils Dutch. Interviews schauen knapp neben die Linse; nur
Fenna bricht die Regel. Die Doku fragt: Wer trägt dieses Haus? Die Antwort geben
die, die in keiner Bilanz erscheinen.
Die Shots
S1 · 0:00–0:08 · COLD OPEN · Treppenhaus
Handheld hinter Jonte (Träger, weiße Handschuhe) durchs Backstein-Treppenhaus, Industriefenster-Licht.
Jonte (leise, im Gehen): „…neununddreißig… vierzig… einundvierzig."
Interviewer (off, leise): „Warum zählen Sie?"
Jonte (ohne sich umzudrehen): „Damit's einer getan hat."
S2 · 0:08–0:13 · TITELTAFEL
Schwarz, PIL-Karte: AUGENHÖHE — „Aufzeichnungen aus dem chazon studio · Ruhrgebiet"
S3 · 0:13–0:21 · INTERVIEW · Tresen
Serpil, American Shot, blättert die handschriftliche Liste.
„4117 Namen. Ich schreib auf, wer nimmt." (Pause, Blick auf die Liste) „Wer gibt, steht nirgends."
S4 · 0:21–0:27 · Schneiderei Nord
Makro: Amálias Hände an der Naht, dann Dutch auf ihr 3/4-Profil.
„Vierzehn Mal enger genäht. Am Saum sieht man, wie's einem geht. Man muss nur hinschauen."
S5 · 0:27–0:33 · Saal um fünf
Gegenlicht, Staub. Lidia deutet auf den Boden, Kamera schwenkt wackelig mit.
„Der lange Kratzer heißt Manfred." (grinst) „Wer putzt, kennt das Haus besser als der, der's gebaut hat."
S6 · 0:33–0:38 · Punzerei Süd
Mai. EIN Hammerschlag — die Kamera ZUCKT. Danach Stille.
Mai (zu laut): „EIN SCHLAG. KEIN ZWEITER."
S7 · 0:38–0:46 · Kantine UG
Der einzige laute Raum. Adnan stellt eine Schüssel zwischen zwei Zerstrittene, zwei Löffel. → Chip: KELCH · STATT SCHWERT
Adnan (ruhig im Lärm): „Ich setz sie nebeneinander. Schüssel in die Mitte. Mehr Theorie hab ich nicht."
S8 · 0:46–0:52 · B-Roll
2×3 s: Rolands blaue Hände heben Stoff aus der Küpe · Henrike zwischen den umgebauten Archivregalen.
S9 · 0:52–1:02 · Fenna bricht die Form
Die Praktikantin schaut als Einzige DIREKT in die Linse.
„Ich hab 31 Leute gefragt, warum wir das machen. Keine zwei Antworten gleich." (Beat) „Vielleicht ist das die Antwort."
S10 · 1:02–1:08 · Chai · stumm
Chai geht hinten unscharf durchs Bild — der einzige Farbfleck zwischen den Kitteln. Fokus zieht kurz auf ihn, er schaut in die Kamera, sagt nichts.
S11 · 1:08–1:18 · INTERVIEW · Aurel
Der Gründer, fast schwarzer Kittel, 3/4. Das lange Schweigen gehört zum Shot.
Interviewer (off): „Wer trägt dieses Haus?"
Aurel (schaut lange, dann): „Fragen Sie die, die Sie nicht gefragt haben." → Schwarz.
S12 · 1:18–1:22 · Schwarztafel
„DIE GANZE FOLGE — BALD." klein darunter: „Balance ist kein Leistungssport."
S13/14 · 1:22–1:30 · Endcard
Merkaba (gezeichnet) · „Ein Kosmos, viele Tore." · chazon.eu · CARE-ARBEIT ERSCHEINT IN KEINER BILANZ. STEHT AUCH SO AUF DER SEITE. · KI-GENERIERT
Stimmen (ElevenLabs v3, mit Emotionsregie)
Figur
Klang
Jonte
jung, leise, konzentriert — spricht wie einer, der zählt
SER-03 · KLASSIK · ZIEL ~2:00 (Teaser 1:30 + Schnittreserve) · INSTRUMENTAL
Style-Prompt (copy & paste)
intimate chamber classical, felt piano and string quartet, warm solo
cello lead, sparse muted french horn, soft pizzicato and col legno pulses like
careful footsteps, 66 BPM, dry close room tone of a wooden workshop, patient
phrasing with deliberate pauses, one full bar of near-silence before the final
warm swell, dignified ending at half tempo, documentary underscore, instrumental
Exclude / Avoid
epic orchestral bombast, trailer percussion, synthesizers, drum kit,
choir, lyrics, vocals, pop song structure, church reverb
Optionale Variante B (eine Stimme, keine Worte)
…same as above, plus: a single distant wordless alto vocalise,
entering only in the final third, no lyrics, breath-soft
Empfehlung: Variante A (rein instrumental) als Hauptfassung — die
Sprache der Folge gehört den Interview-Stimmen. B nur, falls dir das Finale zu
trocken ist; die Vokalise darf erst NACH Aurels Satz einsetzen.
Was die Musik im Schnitt treffen soll
Film
Musik
Cold Open — Jonte zählt
fast nichts: nur der Pizzicato-Puls, wie Schritte
Interviews (Serpil→Lidia)
Cello trägt das Thema, Klavier antwortet, geduldig
Mais Hammerschlag
STILLE-FENSTER — den setze ich im Schnitt (Ducking), Suno muss nichts treffen
Kantine / Kelch / Fenna
wärmer, das Horn kommt dazu
Chai stumm im Bild
stillster Punkt — einzelne Klaviertöne
Aurel + Endcard
würdevolles Anschwellen, dann halbes Tempo, warm ausatmen
Timecodes muss Suno nicht treffen — ich schneide auf die Musik zu
(Scribe misst mir deine fertige Datei aus, wie beim Song). Gern 2 Fassungen
generieren und die wärmere nehmen.
Ein Hexraster-Spiel als Auftrag: 21 Blätter, eine Anleitung, kein fertiges Werk
Ein Hexraster-Spiel in 2,5D mit dem Cast dieses Hauses —
noch nicht gebaut. Was hier liegt, ist das Material und der Auftrag: 21 Blätter, die
festlegen, wie es aussieht, und eine Anleitung, die nicht aufhört, bevor die Liste leer ist.
Gedacht für einen Assistenten, der das in einem Durchgang baut.
Die Bilder sind nicht das Spiel
Kein Pixel aus diesen Blättern wird ausgeschnitten und eingebaut. Sie zeigen,
wie es aussehen soll — erzeugt wird alles im Code. Das ist keine Stilfrage, sondern
eine Messung: die Blätter haben 40 000 bis 100 000 Farben und weiche Kanten. Echte
Pixelart hat unter 64 Farben und harte. Ein Bildmodell malt ein Bild, das aussieht
wie Pixelart; es ist keins. Ausgeschnitten käme ein weichgezeichnetes Etwas ins Spiel, das
bei jeder Skalierung schlechter wird. Nachgebaut wird es besser als die Vorlage.
Es ist eine Schleife, kein Auftrag
Fertig heißt nicht „ein Level läuft". Fertig heißt: 37 Punkte in acht
Gruppen, jeder mit einer Zahl belegt. Wer eine Zone abschließt, fängt die nächste an.
Die Anleitung buchstabiert sechs Sätze aus, die nicht als Abschluss zählen — „das
Grundgerüst steht" ist einer davon.
Die Farben sind gemessen, nicht beschrieben
Beim Bau der Blätter ist Kali zweimal mit warmer Haut gerendert
worden, obwohl „blaugraue Haut" in Großbuchstaben im Prompt stand. Gemessen: Blau minus Rot
−67 — praktisch derselbe Wert wie bei Source Open. Erst der Hexwert im Prompt hat es
gelöst. Deshalb liegt jeder Figur ihre Palette als Zahlen bei, und die eine Probe, die sie
auseinanderhält: Kali ist die Einzige mit Blau − Rot im Plus (+27, alle
anderen unter −57). Steht als
im Fehlerbaum.
Was offen bleibt — mit Absicht
Die Geschichte. Es gibt ein Ziel und neun Orte; wie man dort hinkommt,
entscheidet der Bau. Ebenso Sprache, Engine, Web oder nativ, Runden oder Echtzeit.
Fest sind: das Aussehen, der Cast, das Schiff als Ort zwischen den Welten — es ist
kein Gegenstand, sondern etwas, das man betritt — und die Farben.
Das Paket
Liegt vollständig unter /root/chazon-spiel/: der Auftrag als
LOOP.md, die 21 Blätter in vorlagen/, dazu die gemessenen
Figurenpaletten, die Herleitung der Blätter-Reihenfolge und die Prüfung, die zeigt, was
die Blätter technisch sind. Rendering-Kosten der Blätter: rund 2,20 $.
Zwölf Blätter, die das Aussehen festlegen. Antippen öffnet das Vollbild — dessen Adresse ist zugleich die Referenz-URL. Alles ist durchnummeriert nach Zeile.Element, damit sich daraus etwas bestellen lässt: „nimm 3.4 und setz es auf 7.2".
Neun Zonen, jede als ganze Karte in 4K. Sie sind nicht geplant worden — sie sind beim ersten Blatt entstanden und ergeben von selbst eine Reise. Die einzige dramaturgische Vorgabe war ein Halbsatz: die letzten Bilder sollen aussehen, als hätte es etwas gekostet. Ab Zone 7 ist niemand mehr entspannt.
Die Zonen grenzen aneinander: Zone 3 läuft rechts in Wüstensand aus, Zone 5 unten rechts ebenfalls, Zone 4 oben rechts in Fels mit Bäumen. Das war Teil des Auftrags — die Karten sollen sich zu einer Welt fügen lassen, nicht neun Inseln bleiben.
Verbindlich für jede Produktion: Figuren werden NIE ohne
diese Referenzen generiert. Der Gesichts-Anker ist immer die ERSTE Referenz, das
Kleidungs-Blatt die zweite — ein Ganzkörperbild allein reicht nie, darin ist das Gesicht
~300 px groß und das Modell erfindet es neu (Diagnose 1.1). Antippen = Vollbild;
die Adresse des Vollbilds ist zugleich die Referenz-URL.
Chai — das Model, Nr. 1
360°-Turnaround
5 s Studio-Orbit — Robe, Schal, Ketten, Horn, Stab
Das ganze Ensemble (18 Figuren mit Porträt, Ganzkörper und Sheet) liegt in der BIBLIOTHEK; Stimmen und Registernummern unter STIMMEN.
Charakterübergreifend: jede Figur mit allen Kostüm-Fassungen, die es bisher gibt — Grundlook (Kanon), Folgen-Outfits, Raumanzüge. Lücken zeigen, wo noch nichts designt ist.
Der Look ist Kanon wie die Figuren: Palette, Schrift, Bild- und Klang-DNA
gelten für jede Folge, jedes Blatt und jede Tafel.
Palette
#0b0b0fNAVY-SCHWARZ — Grund
#c9a84cMESSING-GOLD — Akzent/Linien
#e8e3d8LEINEN-CREME — Text
#9a958aWERKSTATT-GRAU — Nebentext
#35787aPETROL — Chai/Signal
#c98f3fOCKER — Chai-Robe
#35b8b0TÜRKIS — Energie/FX
#12121aKARTE — Flächen
Schrift (Satzsystem)
Instrument Serif für Display/Titel · Newsreader (variabel) für
Lesetext · Space Mono 700, gesperrt für Labels und Register. Grundlinien ausrichten,
echte „Anführungszeichen" und Gedankenstriche —, optischer Randausgleich. Kein PIL-Default,
nie. Specimen: die Merkmal-Blätter unter Figuren.
Bild-DNA
Keine weiten Shots — KI-Weite kippt ins Unechte. 3/4-Shots, American, leichte Dutch-Winkel.
Handheld: die Kamera atmet. Interviews schauen knapp neben die Linse.
Figuren NIE ohne Kanon-Referenz. Requisiten nur mit sauberem Griff im Startframe.
Klang-DNA
Holz, Papier, Messing, Glas — kein Hall, keine Synths.
Stimmen: eleven_v3 mit Audio-Tags, eigene Library-Voices je Figur (STIMMEN), nie Premade-Defaults.
Score klein besetzt, atmet mit den Schnitten, nie sentimental. Master −14 LUFS.
Tonalität (verbindlich)
Werkstatt, nicht Kanzel: kein „du musst", kein Predigerton, keine Anklage.
Humor und Ernst im Gleichgewicht; Wiedererkennung statt Belehrung.
Keine Religions-Anmutung. Das Merkaba existiert nur als Zeichnung/Logo — NIE generativ.
Eigennamen nie in Bild- oder Videoprompts (sie werden ins Bild gemalt).
Jede Veröffentlichung trägt „KI-GENERIERT".
Bibliothek
Alle Referenzblätter, durchsuchbar. Jede Adresse ist sofort verwendbar
282 Blätter, nach Kategorie. Antippen öffnet das Vollbild — dessen Adresse ist zugleich die Referenz, die in jedem Render-Auftrag angegeben werden kann. Für Referenzen gilt: immer suite/refs/… in voller Auflösung, nie die auf 1600 px gerechnete Galeriefassung. Das vollständige Verzeichnis liegt als INHALT.md und inhalt.json daneben.
Diese Adressen stehen in den Produktions-Prompts. Sie liegen in
voller Auflösung — anders als die Galeriefassung unter suite/full/,
die auf 1600 px heruntergerechnet ist und damit genau den Gesichts-Anker-Fehler
aus Diagnose 1.1 wieder herstellt. Für Referenzen immer von hier.
Der Knopf kopiert die vollständige URL.
https://chazon.eu/arbeitsbuch/suite/refs/<name>
anker-glocken.pngDetail-Anker · als zusätzliche Referenz für genau dieses Bauteil1613 kB
anker-kanzel.pngDetail-Anker · als zusätzliche Referenz für genau dieses Bauteil1229 kB
anker-kiste.pngDetail-Anker · als zusätzliche Referenz für genau dieses Bauteil769 kB
anker-ori.pngDetail-Anker · als zusätzliche Referenz für genau dieses Bauteil611 kB
anzug-hauptcrew.jpgRaumanzüge · Kleidung draußen auf der Oberfläche1067 kB
anzug-nebencrew.jpgRaumanzüge · Kleidung draußen auf der Oberfläche1165 kB
anzug-statisten.jpgRaumanzüge · Kleidung draußen auf der Oberfläche1196 kB
b1-anflug.jpg2830 kB
b1-spiegel.jpg2830 kB
b2-landung.jpg4067 kB
b3-begruessung.jpg4058 kB
chai-gesicht-anker.pngGesichts-Anker · IMMER als erste Referenz, wenn das Gesicht zählt233 kB
chai-sheet-2k.pngKanon-Blatt · die verbindliche Figur5508 kB
chai-sheet-kanon.jpgKanon-Blatt · die verbindliche Figur2817 kB
crew-kanon.jpgEnsemble-Blatt · alle Nebenfiguren einer Folge auf einem Blatt2167 kB
crew-lor03.jpgEnsemble-Blatt · alle Nebenfiguren einer Folge auf einem Blatt1292 kB
DIALOG-B3-8s.mp3Dialogspur · gemischter Ton für einen Sprech-Shot96 kB
DIALOG-B3a-9s.mp3Dialogspur · gemischter Ton für einen Sprech-Shot119 kB
DIALOG-B3c-13s.mp3Dialogspur · gemischter Ton für einen Sprech-Shot141 kB
g1-gang-master.jpg1732 kB
g1-gang.jpg1732 kB
kali-gesicht-anker.pngGesichts-Anker · IMMER als erste Referenz, wenn das Gesicht zählt700 kB
kali-turnaround-kanon.jpgTurnaround · alle Ansichten3231 kB
lana-gesicht-anker.pngGesichts-Anker · IMMER als erste Referenz, wenn das Gesicht zählt154 kB
lana-sheet-2k.pngKanon-Blatt · die verbindliche Figur5334 kB
lana-sheet-kanon.jpgKanon-Blatt · die verbindliche Figur2506 kB
laufplan.jpgLaufplan · Wege und Anschlüsse zwischen den Räumen4939 kB
mai-blatt.jpg200 kB
maske-kali.png28 kB
objekte-lor03.jpgObjekt-Blatt · Requisiten der Folge960 kB
r1-aussen-master.jpg1191 kB
r1-aussen.jpg1230 kB
r2-hangar-master.jpg1316 kB
r2-hangar-mit-barke.jpg4039 kB
r3-halle-gefuehle-master.jpg1494 kB
r3-halle.jpg1494 kB
r4-spirale-master.jpg1782 kB
r4-spirale.jpg1782 kB
r5-waage-master.jpg1806 kB
r5-waage.jpg1806 kB
r6-schatten.jpg1658 kB
r6-schattenebene-master.jpg1658 kB
r7-kammer.jpg1558 kB
r7-schluesselkammer-master.jpg1558 kB
r8-konferenzrund-master.jpg1395 kB
r8-rund.jpg1395 kB
schiff-sheet-bereinigt.jpgKanon-Blatt · die verbindliche Figur3125 kB
schiff-turnaround-kanon.jpgTurnaround · alle Ansichten2859 kB
source-gesicht-anker.pngGesichts-Anker · IMMER als erste Referenz, wenn das Gesicht zählt154 kB
source-open-sheet-kanon.jpgKanon-Blatt · die verbindliche Figur2802 kB
source-sheet-2k.pngKanon-Blatt · die verbindliche Figur5501 kB
SPUR-B4-mit-ori.mp3Dialogspur · gemischter Ton für einen Sprech-Shot86 kB
SPUR-B4-uebergabe.mp3Dialogspur · gemischter Ton für einen Sprech-Shot69 kB
SPUR-B5a-halle.mp3Dialogspur · gemischter Ton für einen Sprech-Shot96 kB
SPUR-B5b-spirale.mp3Dialogspur · gemischter Ton für einen Sprech-Shot59 kB
SPUR-B5c-waage.mp3Dialogspur · gemischter Ton für einen Sprech-Shot130 kB
SPUR-B5d-schatten.mp3Dialogspur · gemischter Ton für einen Sprech-Shot51 kB
SPUR-B6a-tuer.mp3Dialogspur · gemischter Ton für einen Sprech-Shot80 kB
SPUR-B6b-schluessel.mp3Dialogspur · gemischter Ton für einen Sprech-Shot94 kB
SPUR-B6c-tuerauf.mp3Dialogspur · gemischter Ton für einen Sprech-Shot126 kB
SPUR-B7-konferenz.mp3Dialogspur · gemischter Ton für einen Sprech-Shot47 kB
SPUR1-kali.mp3Dialogspur · gemischter Ton für einen Sprech-Shot68 kB
SPUR2-chai.mp3Dialogspur · gemischter Ton für einen Sprech-Shot39 kB
SPUR3-mai.mp3Dialogspur · gemischter Ton für einen Sprech-Shot47 kB
Stand 2026-08-04 · 68 Dateien.
Diese Liste wird von arbeitsbuch/refs_liste.py vom Server geholt — nach dem
Hochladen neuer Referenzen einmal laufen lassen. Der Ordner selbst wird nie
umbenannt oder umsortiert, die URLs sind eingefroren.
Cast
Das Ensemble auf Karteikarten: Kanon, Stimme, Filmografie, alle Blätter
Jede Figur auf einer Karte: Aussehen und Requisit aus dem Kanon, die
Stimme mit ihrer Regie-Dichte, in welchen Folgen sie vorkommt — und jedes Blatt, das es
von ihr gibt, direkt anklickbar. Blätter und Filmografie werden bei jedem Bau neu aus dem
Verzeichnis abgeleitet; eine neue Folge erweitert sie von selbst.
Chai
Nr. 1 · Hauptfigur · „Das Model"
Biografie noch nicht geschrieben — einzutragen in stimmen/cast.json.
AussehenOckerfarbene Leinenrobe, offen getragen · Schärpe in dusty purple · petrolfarbener Schal · Ketten und Amulette · gebogenes Horn am Bandelier · cremefarbene weite Hose · barfuß · dunkle Locken-Clumps
RequisitDer Stab: dunkles gedrehtes Holz, drei Messingringe, Stoffgriff mit Kordelwicklung, Messingkappe unten, oben eine helle Bein-Klaue mit drei klaren Bergkristallen
Biografie noch nicht geschrieben — einzutragen in stimmen/cast.json.
AussehenMessingrahmen als Sechsstern aus zwei ineinandergelegten Dreiecken · im Zentrum ein gläsernes Auge mit türkiser Iris · türkise Filamente, die sich verzweigen · goldene Funken
RegieEin OBJEKT: kein Gesicht, keine Gliedmaßen, landet nie, wird nie angefasst. Sie arbeitet sichtbar — pro Einstellung genau eine Bewegung, keine Choreografie.
Die verbindlichen Voice-IDs des Hauses — maschinenlesbar in
chai-studio/stimmen/voices.json, Begründung und Zweitwahl in
stimmen/register-stimmen.md. Voicelines laufen immer über
stimmen/tts.py, nie über Prompto (Diagnose 6.11):
python3 stimmen/tts.py kali "[flat] Nicht anfassen." ton/kali-nicht-anfassen.mp3
Kanon-Stimmen (18)
KaliHRIShmNY56JGHVU1vXIt
Ela · stability 0.35
urban, jung, Mitte zwanzig, ohne Ehrfurcht
Kali · RageoBVK5gDykyUkoVXUPyCU
Altariel · stability 0.35
UNTER Ela mischen, nicht anstelle — was durchbricht ist nicht Wut, sondern das Uralte
ChaiUFMIjG2r9JyefPpfkQoL
Andi · stability 0.15
braucht dichte Satz-Regie
LanaKbSC2XTZL12xT3fm2fcD
Julia · stability 0.5
ruhig — aber Anti-Eso, kein Meditations-Duktus
MaiZQFCSsF1tIcjtMZJ6VCA
Louisa · stability 0.4
traegt auch das Vierton-Motiv
SerpilZswvODxwIaNVszyBPqBF
Irene · stability 0.45
JonteK5ZVtkkBnuPY6YqXs70E
Simon · stability 0.35
RolanduVKHymY7OYMd6OailpG5
Frederick · stability 0.5
Kwamek0SrkBhoclG2PVu0EFbv
Mardi · stability 0.45
MarliesgDQfVolj9RbmXgumLcOq
Elinor · stability 0.4
NICHT in LOR-03 — Erdfigur, faehrt nicht zum Mond (Regie 04.08.2026)
Chazonweg - die Trinkhalle, Ende 50, rheinfraenkisch, trocken; KANON (Dennis 06.08.2026)
Gast · ZeitungAfJABr2aKmeRRUtwSh9Z
Ruhrpott · stability 0.35
Chazonweg - der Gast von Folge 1 und 6, 68, voller Ruhrpott-Klang (wohnt am laengsten hier); KANON (Dennis 06.08.2026)
Source · OpenIRsIub6k1KKXNBUEseXC
Denis · stability 0.45
Chazonweg - der Mensch am Schnittplatz. HOCHDEUTSCH ohne Dialekt (Dennis 06.08.2026) - er ruht, waehrend gearbeitet wird, das ist Haltung und keine Andacht. Bewusst KEINE Meditations-/ASMR-Stimme: gleiche Falle wie bei Lana, Anti-Eso gilt auch hier. KANON.
Regie-Dichte: ein Audio-Tag pro Absatz reicht nicht.
Kanon ist ein eigener Regie-Tag pro Satz, der die Farbe wechselt — rufend → weich →
aufzählend → bitter → Flüstern → Explosion. Dazu stability 0.15–0.20 statt 0.35–0.5.
Whisper-Check bleibt Pflicht.
Jede Figur mit Porträt, Kanon-Voiceline in eleven_v3 und kopierbarer ElevenLabs-ID. Reihenfolge = Registernummer.
Der Cast STIMMEN-REGISTER · v3
Alle 19 Rollen mit Empfehlung №1: Bild · Voiceline (eleven_v3 mit Audio-Tags) ·
ElevenLabs-ID (antippen = kopieren). Kleine Buttons darunter: die Alternativen.
Umbesetzen: einfach sagen, z. B. „serpil 2".
№ 1
Chai, 22 — das Model
„Ich mach das nicht für Geld. Gibt ja keins."
Torsten - Emotional and StrangeiCEMyUhOwgAy0egMANye
№ 2
Aurel Wieck, 81 — der GründerSER-03
„Fragen Sie die … die Sie nicht gefragt haben."
Elderbark – Rooted and Deep2HmIg4yvRgcH2ZDgiwGz
№ 3
Serpil Kaya, 47 — Erste VerkäuferinSER-03
„4117 Namen. Ich schreib auf, wer nimmt. Wer gibt, steht nirgends."
Irene - Reflective thinkingZswvODxwIaNVszyBPqBF
№ 4
Jonte Sievers, 29 — der TrägerSER-03
„…neununddreißig … vierzig … einundvierzig. — Damit's einer getan hat."
Simon - Relatable and NormalK5ZVtkkBnuPY6YqXs70E
№ 5
Marlies Ostendorf, 64 — die Kundin
„Dann sagen Sie mir wenigstens, was es wert ist."
Elinor | The Gruff AuntgDQfVolj9RbmXgumLcOq
№ 6
Kwame Asante-Berger, 56 — Portier
„Früher hab ich gesagt, wer reinkommt. Jetzt sag ich guten Abend."
Mardi - Wise, Perceptive and Cleark0SrkBhoclG2PVu0EFbv
№ 7
Amália Ferreira, 71 — SchneidereiSER-03
„Vierzehn Mal enger genäht. Am Saum sieht man, wie's einem geht."
Lucinda - Earthy and Wisefs3nd19KF2GO2hLTzkBm
№ 8
Roland Zschieschang, 61 — Färberei
„Blau ist keine Farbe. Das ist ein Betrieb, und der atmet."
Frederick - Deep and HistoricaluVKHymY7OYMd6OailpG5
№ 9
Mai Bergmann, 38 — PunzereiSER-03
„EIN SCHLAG. KEIN ZWEITER."
Louisa - Bold, Strong and ClearZQFCSsF1tIcjtMZJ6VCA
№ 10
Tadek Wróblewski, 44 — Glaserei
„Sauber ist, wenn man nichts sieht, obwohl Licht drauffällt."
„Der Schlüsselbund ist kein Symbol. Die Türen sind wirklich offen."
Wolf Spencer - Rough and Deep2OcnG4mH3jIMtWz3vKus
№ 21
Lana — Hauptfigur · die Wanderin
„Ich lauf einfach los. Der Film ist voll, wenn er voll ist."
Julia - Calm and FlatteringKbSC2XTZL12xT3fm2fcD
·
OFF
Die Doku — Interviewer · Off-StimmeSER-03
„Und wer trägt dieses Haus?"
Sam - Cozy, Warm & FamiliarXUjIlSlGtOp4c6lq8Lbz
Der Anhörbogen aus dem Casting: alle Kandidaten je Figur mit Library-Preview. Archiv — entschieden ist im Reiter Kanon.
Stimmen-Register CASTING
Eindeutige Voice-IDs für alle Figuren — Schluss mit den ElevenLabs-Werksstimmen.
Oben: die 9 Sprechrollen aus SER-03, je Kandidat 1+2 mit der echten Charakterzeile in eleven_v3
gerendert, darunter zwei Alternativen als Library-Preview. Unten: der Rest des Registers,
vorerst nur Library-Previews (Originalaufnahmen der Sprecher, teils anderer Text).
Antwort reicht formlos: „jonte 1, serpil 2, amalia 1 …" — oder „alle Rang 1".
Vergabe-Konflikte, schon aufgelöst: Mucki → Adnan (Tadek bekäme Lazarus) ·
Frederick → Roland (Aurel hat Besseres) · Manuela ist bei Serpil UND Mai Kandidatin №2 —
sie kann nur eine bekommen · Gjango ist №2 bei Adnan und Kwame.
A — SPRECHROLLEN SER-03 (mit Charakterzeile)
Adnan Halilović, 35 — Kantine
„Ich setz sie nebeneinander. Schüssel in die Mitte."
Warmer Bariton im unteren Mittelregister mit natürlichem Korn, bewusst ruhigem, gemessenem Rhythmus — 'no artifice, unpolished, authentic'. Das feine gerollte R und die 'international sensibility' geben genau die dezente Herkunfts-Färbung, die Adnans bosnische Gelassenheit mitten im Kantinenlärm braucht, ohne je Karikatur zu werden.
Mittel-tief bis tief, leicht rau und texturiert, ruhig-direkte Ansprache mit stetigem Tempo — 'grounded and believable, mature masculine presence', wie gemacht für Werkstatt-Doku-O-Töne. Das ist der Koch, der eine Schüssel in die Mitte stellt und nur einen Satz dazu sagt: herber als Mucki, gleiche tiefe Ruhe.
Alternative №3 · Evgeni - Approachable and Friendly (Library-Preview)young · de-DE · calm · Usage 1J: 3.794.645
Mittellage, klar und freundlich-zugänglich — und als russischer Muttersprachler in deutscher Version die einzige echte slawische Färbung im Katalog: authentisch gefärbtes Deutsch statt gespieltem Akzent. Helleres, jüngeres Klangbild als die Baritone davor; Adnans 35 sitzen genau an dieser Grenze.
Alternative №4 · Jonas Berger – Gentle and Steady (Library-Preview)middle_aged · de-DE · neutral · Usage 1J: 13.332.446
Warm, weich und gemessen, 'expressive yet subtle', baut leise Nähe und Vertrauen auf — die Stimme für den stillen Vermittler, der jede Trennung im Haus kennt und trotzdem nur übers Essen redet. Von den vieren die glatteste (Hörbuch-Nähe), darum als sanfte Rückfalloption auf Rang 4.
Amália Ferreira, 71 — Schneiderei
„Vierzehn Mal enger genäht. Am Saum sieht man, wie's einem geht."
Texturierte, leicht heisere Altfrauenstimme aus dem Portugiesischen (pt-BR): geerdet, warm-körnig, 'carrying the weight of experience without being overly formal' — genau die Frau, die vierzig Jahre an der Industrienähmaschine saß und leise Sätze wie 'Ich seh das an der Naht' spricht. Muttersprachlich portugiesische Basis liefert im Deutschen die gewünschte leichte Färbung (de_accents: other) ohne Karikatur; mit 34.301 Clones bewährt, aber kein Default-Sound.
Die Description liest sich wie Amálias Sprechweise: weich mit leichter natürlicher Rauheit, langsamer nachdenklicher Rhythmus, leicht melancholisch mit sanft fallenden Satzenden — die Frau, die beim Reden die Hände unterm Tisch hält. Romanische Herkunft (es-MX) statt portugiesisch, im Deutschen aber laut Katalog standardnah; mit 105 Mio. Usage sehr bewährt, ohne Mega-Seller zu sein.
Alternative №3 · Lisa - Lovely and Emotional (Oma's Nähkästchen) (Library-Preview)old · de-DE · gentle · Usage 1J: 22.053.166
Echte deutsche Küchentisch-Oma mit bewusst erhaltenen Stuhlknarzern und Raumton — warm, gelebt, dokumentarisch intim, und ausgerechnet als 'Nähkästchen' gelabelt; perfekt, falls wir Amália ohne Herkunfts-Färbung, dafür maximal werkstatt-authentisch besetzen wollen. Einziger Abstrich: lebendiger und anekdotischer als Amálias lakonische Stille, dazu leicht sächsische statt portugiesischer Einfärbung.
Alternative №4 · Tosca - Mature, Whispery and Seductive (Library-Preview)old · it-IT · deep · Usage 1J: 66.269.209
Tiefe, ruhige, dunkle Altfrauenstimme aus dem Italienischen — südeuropäische Wärme mit Gewicht, die dunkelste und stillste Option im Quartett, passend zum 'sehr dunklen Kittel' und zur Frau, die nur das Nötigste sagt. Romanische Färbung statt portugiesischer und das 'seductive'-Label muss die Probe widerlegen, aber Klangalter, Ruhe und Tiefe stimmen; 66 Mio. Usage, kein Allerwelts-Sound.
Aurel Wieck, 81 — der Gründer
„Fragen Sie die … die Sie nicht gefragt haben."
№1 · Elderbark – Rooted and Deepold · de-DE · deep · Usage 1J: 18.754.802
Tiefer, resonanter Bass, uralt und geerdet — die Description ist fast wörtlich der Steckbrief: 'Each word carries weight', 'speaks rarely, but when he does, it feels as if the forest itself is listening'. Genau der Mann, der im Hof sitzt, bis es dunkel wird, und pro Tag einen Satz setzt; 18,7M Usage, aber kein Default-Klang.
№2 · Georg - Funny and Emotionalold · de-DE · raspy · Usage 1J: 10.720.806
Die einzige echt brüchige Stimme im Katalog: über 90, 'quavering, crackly, and raspy', kippt von fragil zu überraschend dynamisch — das ist die verklebte, nicht-niedliche Altersttextur, die der Steckbrief fordert. Der komische Einschlag muss bei der Probe per Regie/Tags gezähmt werden, dafür ist die Brüchigkeit unbezahlbar authentisch.
Alternative №3 · Frederick - Deep and Historical (Library-Preview)old · de-DE · raspy · Usage 1J: 12.893.868
Knorriger, verwitterter Baryton — 'gnarly, well-seasoned', 'craggy vocals', 'hard-won authenticity': klingt wie 55 Jahre Werkstatt und durchgescheuerte Ellbogen. Rauer und erzählerischer als Elderbark; falls Rang 1 zu monumental wirkt, ist das der road-worn Gründer mit existenzieller Schwere.
Alternative №4 · David - Slow & Charming (Library-Preview)old · de-DE · wise · Usage 1J: 4.093.180
'Savors every single word', extrem langsam, mit langen, gesetzten Pausen und trocken-lakonischem Deadpan — die Sprechweise passt eins zu eins, und der ironische Unterton trägt Aurels Satz 'Den Rest habt ihr gemacht' perfekt. Wärmer und weniger brüchig als die anderen drei, dafür die beste Wahl, falls Aurel eher still-amüsiert als schwer klingen soll.
Coole junge Stimme, ernst und doch offen und dynamisch — hell, schnell, aber nie piepsig. Die journalistische Frage-Energie ist exakt Fennas Modus: die Praktikantin, die mit dem Heft in der Hand einunddreißig Leuten Löcher in den Bauch fragt.
Frisch, interessiert, neugierig — aber zugleich vorsichtig, manchmal traurig oder ängstlich; die Description liest sich wie Fennas Steckbrief. Genau dieser Kipppunkt von Neugier zu Beunruhigung (keine zwei Antworten gleich) steckt schon im Klangbild; charaktervoll statt glatt, kein Mega-Seller.
Alternative №3 · Ela - Cheerful and Happy (Library-Preview)young · de-DE · casual · Usage 1J: 122.272.299
Urban-verspielt, klingt laut Description 'curious and slightly naive' mit leichtem, natürlichem Fluss — die warme, ungekünstelte Variante der Neunzehnjährigen, bei der man glaubt, dass wirklich jemand redet. Recht populär (122M), aber noch unterhalb der Default-Mega-Seller und im Doku-Kontext nicht verbrannt.
Alternative №4 · Sandra Squirrel - Quirky Explorer (Library-Preview)young · de-DE · excited · Usage 1J: 1.396.695
Nerdige Entdeckerin mit schnellen Begeisterungsschüben, die fließend in Enttäuschung und wieder in Optimismus kippen — genau Fennas Rhythmus zwischen Staunen und 'das beunruhigt mich'. Die eindeutigste, am wenigsten abgenutzte Wahl (1,4M Usage), mit dem Risiko, einen Tick zu cartoonig zu sein — klärt die Probe.
Tief, unbeeilt, 'a voice that's been lived in' — die Description ist fast wörtlich der Steckbrief: keine Performance, kein Anbiedern, Pausen mit Gewicht, 'you don't feel addressed, you feel found'. Genau die unaufdringliche Off-Präsenz, die eine Frage wie 'Wer trägt dieses Haus?' stellt und dann schweigt; mit 702k Usage bewährt, aber kein Allerwelts-Seller.
Low-Energy, Close-Mic, 'no hype, no pressure', unpaced articulation — klingt wie jemand, der neben der Kamera sitzt, nicht davor. Als conversational-Stimme die beste Wahl für den Frage-Anteil des Interviewers (nicht nur Erzählen), warm und ehrlich ohne jede Werbesprecher-Glätte.
Alternative №3 · Ralf Benz - Documentary & Meditation (Library-Preview)middle_aged · de-DE · pleasant · Usage 1J: 1.938.898
Tiefes, warmes Timbre, langsames Tempo, und die Description sagt explizit 'never intrusive' — die klassischste Doku-Off-Option der vier, falls die Reihe mehr getragenen Erzähler-Anteil bekommt. Leichtes Risiko: eine Spur professioneller Sprecher-Ruhe, deshalb nicht Rang 1.
Alternative №4 · Markus - Natural & Conversational (Library-Preview)middle_aged · de-DE · casual · Usage 1J: 2.404.588
Warm, geerdet, aufrichtig, natürlicher Gesprächston statt Studio-Erzähler — die bodenständigste Alternative, falls Sam/Hannes zu intim-flüsternd wirken. Klingt nach einem echten Menschen mit Mikro im Werkstattflur, mit 2,4M Usage solide bewährt, ohne Mega-Seller-Abnutzung.
Jonte Sievers, 29 — der Träger (die Vitrine)
„…neununddreißig … vierzig … einundvierzig. — Damit's einer getan hat."
№1 · Simon - Relatable and Normalyoung · de-DE · chill · Usage 1J: 26.656.911
Junge deutsche Stimme mit natürlich langsamem Tempo, sanften Pausen und gelegentlichen 'Ähms' — leise, ehrlich, leicht entrückt statt poliert. Das ist Jontes Sprechweise fast wörtlich: der wortkarge Doku-Talking-Head, der jeden Satz erst innerlich abzählt, bevor er ihn hergibt.
№2 · Lucius – Atmospheric & Deep Storytellingyoung · de-DE · wise · Usage 1J: 221.782
Junge Stimme mit 'weathered quality' — tief, geerdet, stoisch, klingt nach jemandem, der die raue Seite des Lebens kennt. Passt zum Ex-Nachtdienst-Pfleger, der im Auto geweint hat und jetzt mit ruhigem Ernst 'Einundvierzig Schritte' sagt; charaktervoll und mit 221k Usage weit weg vom Default-Klang.
Alternative №3 · Joshua Bald - Pessimistic and Distant (Library-Preview)young · de-DE · soft · Usage 1J: 704.101
28-jähriger deutscher Vorleser, tief aber klar, akzentfrei — Klangetikett 'pessimistisch, distanziert, soft'. Dieses verhaltene, flache Understatement trifft Jontes Angst-Grundton (die Furcht, es fallen zu lassen) ohne jede Strahlemann-Politur; mit 704k Usage bewährt, aber eindeutig kein Allerweltsklang.
Alternative №4 · Felix - Comforting and Nice (Library-Preview)young · de-DE · gentle · Usage 1J: 12.577.617
Weiche, tiefe, sanfte junge Erzählstimme ('gentle') — das tröstende Klangbild des gelernten Altenpflegers, der leise redet, weil er jahrelang nachts an Betten geflüstert hat. Wärmste Option der vier; leichtes Risiko Richtung glatter Narration, daher Rang 4.
Lidia Reimer, 52 — Reinigung
„Der lange Kratzer heißt Manfred. Wer putzt, kennt das Haus …"
Warme, natürliche deutsche Stimme mit sanftem osteuropäischem Akzent — lebendig, spontan, klingt nach echter Alltagsrede statt Sprecherkabine. Für die Russlanddeutsche aus Karaganda ist das die authentische Herkunfts-Färbung ohne Karikatur, und der ungeskriptete Plauderton passt zu einer, die sich mitten im Gespräch hinsetzt und weiterredet.
Geerdet, frech, nonchalant, mit gelegentlichem herzlichem Lachen mitten im Satz — das ist Lidias Grinsen beim Reden in Stimmform. Die Berliner Färbung ist zwar nicht Karaganda, aber die hemdsärmelige Arbeiterinnen-Direktheit trifft ihren herben Humor genau; bewährt (20,9M) ohne Default-Stimme zu sein.
Alternative №3 · Petra - Funny and Loud (Library-Preview)middle_aged · de-DE · upbeat · Usage 1J: 10.458.186
Native deutsche Mittfünfzigerin, laut, lustig, für 'funny stories and good vibrations' gebaut — die Option, wenn Lidias Humor mehr Saal füllen soll: eine, die dem Kratzer im Boden mit voller Stimme den Namen Manfred gibt. Deutlich präsenter und lauter als Kathi und Berta, dadurch ein eigenes Klangbild.
Alternative №4 · Elinor | The Gruff Aunt (Library-Preview)old · de-DE · sassy · Usage 1J: 3.029.479
Reifer, ruppiger Alt mit sarkastischer Grundierung — 'keine sanfte Großmutter, sondern eine, die ihre Ruhe will': die herbste, kantigste Lesart von Lidia, altersmäßig hart an der Grenze (old, Figur 52). Die aristokratische Note der Description ist der Haken — in der Probe prüfen, ob sie geerdet genug spricht; dafür klingt hier garantiert niemand nach Werbespot.
Mai Bergmann, 38 — Punzerei
„EIN SCHLAG. KEIN ZWEITER."
№1 · Louisa - Bold, Strong and Clearmiddle_aged · de-DE · professional · Usage 1J: 46.655.240
Kräftige, klare Mittvierziger-Stimme, laut Description ausdrücklich 'bold and different, sometimes loud' — sie trägt Druck, ohne zu kippen. Genau Mais Kombination aus Hörschaden-Lautstärke und kernigem, kurzem Ansagen-Ton; de-DE standard, bewährt (46 Mio.), aber kein Mega-Seller-Einheitsklang.
Tiefe Resonanz, scharfe Artikulation, 'zero hesitation' — eine Stimme, die nicht um Erlaubnis fragt. Perfekt für Mais Einsatz-Sätze wie 'Einmal. Danach ist es entweder ein Siegel oder Altmetall'; einziges Restrisiko: das kühle C-Suite-Timbre könnte eine Spur zu kontrolliert für die Werkstatt sein.
Alternative №3 · Berta Berlin - Cheeky & Grounded (Library-Preview)middle_aged · de-DE · confident · Usage 1J: 20.916.953
Geerdete, schnoddrig-direkte Arbeiterinnen-Schnauze mit leichter Berliner Färbung — rough, solid, kurz angebunden, dabei nie unsympathisch. Die Färbung passt nicht zu Mais Solinger Herkunft (deshalb nicht höher), aber die handfeste Werkstatt-Haltung trifft die Figur von allen am unmittelbarsten.
Tiefes, resonantes Alt mit leichtem Rasseln und explizit 'loud, commanding' — klanglich die druckfesteste und gelebteste Stimme des Feldes, wie vierzig Jahre Hammer im geschlossenen Raum. Wildcard wegen des Wiener Dialekts, der zur Ruhrgebiets-Figur nicht passt; nur nehmen, wenn die Probe in Richtung Standard neutralisierbar ist.
Serpil Kaya, 47 — Erste Verkäuferin
„4117 Namen. Ich schreib auf, wer nimmt. Wer gibt, steht nirgends."
Ernste, geerdete Frauenstimme mit ruhigem, gleichmäßigem Tempo und subtilem emotionalem Gewicht — laut Description 'composed, never exaggerated', gedacht für Doku und journalistische Narration. Das ist Serpils Autorität ohne Lautstärke: Sie trägt den Ernst des Hauses, ohne je zu drücken, und mit 8,5M Usage bewährt, aber weit weg vom Mega-Seller-Einheitsklang.
Tiefe Resonanz, scharfe Artikulation, 'radically objective, zero hesitation' — eine Stimme, die nie um Erlaubnis fragt und nie lächelt. Die härteste Lesart der Figur: die Frau, die 4117 Namen führt und weiß, wie schnell alles kippt; nur 118 Clones, also maximal eindeutig — in der Probe prüfen, ob die Kälte nicht in CEO-Dominanz kippt.
Alternative №3 · Selin - Confident and articulate (Library-Preview)middle_aged · tr-TR · confident · Usage 1J: 0
Klare, feste Stimme einer türkischen Sprecherin, 'self-assured, poised', im Deutschen laut de_accents standard — also Herkunfts-Färbung als Timbre, nicht als Akzent-Karikatur. Für die Tochter aus dem Duisburger Teppichladen die authentischste Besetzung; Usage 0 heißt aber unbewährt, daher zwingend erst die eleven_v3-Probe entscheiden lassen.
Alternative №4 · Laura - Calm and Smooth (Library-Preview)middle_aged · de-DE · calm · Usage 1J: 49.805.097
Warm-dunkle Doku-Erzählerin, 'calmly authoritative' mit zurückgenommener emotionaler Tiefe — wörtlich das Anforderungsprofil, nur eine Spur weicher. Die Absicherung, falls die Ränge 1-2 zu hart klingen: Serpil als stille Instanz am Tresen, die den Raum hält statt ihn zu beherrschen.
Raspy Charmer: jungenhaft-verwegenes, husky Murmeln mit dem Gewicht zu vieler langer Nächte und einem Sog, der Fremde festhält — Chai riecht laut Steckbrief nach kaltem Rauch, hat drei Jahre Straße hinter sich und hat gelernt, wildfremde Leute anzusprechen, ohne dass sie weitergehen. Genau dieses warm-verschmitzte Kratzen, unverwechselbar statt generisch.
Höher gelagerte, weiche, warme junge Männerstimme, sanft und zugewandt — die leicht androgyne Lesart von Chai: zwischen den Bariton-Handwerkern des Hauses der einzige helle Farbfleck. Nischig-bewährt (149k) und die klanglich gegensätzliche Alternative für die Probe, falls Torstens Rasp zu abgebrüht für einen 22-Jährigen wirkt.
Detlef Kurzweil, 59 — Buchhaltung
№1 · Mr. Doppelgänger - The Clerk & Snarky Bureaucratmiddle_aged · de-DE · formal · Usage 1J: 269.784
Deadpan-bürokratischer Bariton, leicht nasal, 'anemic precision' und mühsam kontrollierte Emotion — das ist wörtlich der Mann, der neun Verfahren gegen das Finanzamt gewonnen hat und den Satz 'Ein Preis von null ist auch ein Preis' völlig ernst meint. Nur 270k Usage, maximal eindeutig; den angedeuteten Wiener Charme in der Probe checken, damit der Tempelhofer nicht wienert.
Authentische norddeutsche Stimme mit dosierbarem Berliner Einschlag ('ik' und 'dat' auf Wunsch) — Herkunfts-Färbung exakt Tempelhof, klingt nach echtem Sachbearbeiter statt Sprecher. Die sichere Wahl, falls Rang 1 in der Probe zu sehr Charakter-Comedy wird: trocken-beiläufig, die Pedanterie kommt dann aus dem Text.
Zurückgenommene, präzise Erzählstimme, die Pausen und Understatement tragen lässt — hält Distanz und trotzdem den Fokus, 'composed, introspective, steady, precise'. Das ist die Bibliothekarin, die aufgehört hat, es übel zu nehmen, und lakonisch sagt: 'Lesen müsst ihr selbst.' de-DE, jung, bewährt (6,5 Mio.), null Werbesprecher-Glätte.
№2 · Emily E. - First-Person Games & Audiobooksyoung · de-DE · serious · Usage 1J: 312.879
Immersive Erzählstimme mit hörbarer sächsischer Färbung im Register (de-saxon) — als Einzige der jungen de-Stimmen bringt sie Henrikes Halle-Herkunft authentisch mit, dazu Erzähltiefe für die stillen Archiv-Monologe. Rang 2, weil sie emotionaler angelegt ist als Henrikes trockene Grundhaltung; bei der Probe auf Lakonie prüfen.
Natürliche, ungeskriptete Podcast-Stimme mit freiem, spontanem Fluss — klingt nach echtem Reden, nicht nach Kabine, und trifft damit die in Marxloh aufgewachsene Sechs-Sprachen-Frau, die schnell, wach und ohne Politur spricht. de-DE, jung, bewährt (4,8 Mio.), doku-echt statt Werbeton — die Herkunft liegt bei ihr im Tempo, nicht im Akzent.
№2 · Elena - Textured, warm, and expressiveyoung · bg-BG · cute · Usage 1J: 0
Junge Stimme mit feinem natürlichen Rasp und dezenter osteuropäischer Kadenz, geerdet und ausdrucksstark — die Bukarest-Färbung authentisch angedeutet statt karikiert, und die raue Textur passt zur zermürbten Nachtübersetzerin mit den aufgebissenen Lippen. Rang 2, weil bg-BG-Locale und noch unbewährt (usage 0) — deutsche Probe zwingend vor Zuschlag.
Tiefe, ruhige Stimme mit warmem Timbre und 'würdevoller Autorität' — laut Description ein Erzähler 'zwischen zwei Welten', der alte und neue Heimat verbindet. Das ist Kwames ghanaisch-kölsche Biografie und die stille Türsteher-Würde dessen, der früher entschied, wer reinkommt, in einem Klangbild; mit 782k Usage bewährt, aber kein Allerwelts-Seller.
Mittel-tiefes bis tiefes Register, leicht rau und texturiert, ruhig-direkte Ansprache, 'grounded and believable' — explizit für Doku-Voiceover. Klingt nach einem echten Mann an einer echten Tür, nicht nach Sprecherkabine; die leichte Rauheit trägt Kwames 56 Jahre und die kaputten Knie mit.
Reife, herbe Alt-Stimme mit scharfer Kante: kultiviert und korrekt artikuliert, aber anfällig für schnelle, leicht atemlose Empörungsausbrüche — exakt die pensionierte Sparkassen-Angestellte, die Großzügigkeit als Beleidigung nimmt und trotzdem jede Woche wiederkommt. de-DE, alt, charaktervoll statt Oma-Klischee, solide bewährt (3 Mio.) ohne Mega-Seller zu sein.
Genervt-nasale Alte mit passiv-aggressiver 'Ich sag ja nur'-Energie, immer eine Spur zu laut, unter jedem Wort Gereiztheit, weil die Welt ihre Erwartungen enttäuscht — das ist Marlies' Kernsatz 'Nichts Umsonstes kann gut sein' als Klangbild. Backup, weil die Nörgel-Anlage in langen Takes ins Karikaturhafte kippen könnte.
Warme Stimme mit leicht müdem Unterton, bewusst langsamem Tempo und charmant-ironischer Antihelden-Haltung: beobachtend, leicht genervt, ein bisschen nerdig — das ist der Tonmeister mit Tinnitus, der sich abgefunden hat und es trotzdem jedem Neuen erzählt. Die kleine, nicht übertriebene Sprechbesonderheit macht ihn menschlich-echt statt glatt.
Rau, heiser-belegt und trotzdem warm — ausdrücklich 'keine polierte KI-Stimme', sondern ein echter Typ mit angeschlagener Körnung, wie fünfzehn Jahre Livemischen am Pult sie hinterlassen. Die norddeutsche Färbung ist mild; die brüchig-warme Textur trägt Ninos resignierten Humor, falls Korwitz' Eigenheit zu markant wird.
Roland Zschieschang, 61 — Färberei
№1 · Frederick - Deep and Historicalold · de-DE · raspy · Usage 1J: 12.893.868
Knorriger, gealterter Bariton — 'gnarly, well-seasoned, craggy', mit 'hard-won authenticity and wisdom'. Genau der Klang eines Mannes in vierter Generation am Küpenrand, der seit sechzehn Jahren zweimal pro Nacht aufsteht: rau, langsam, jedes Wort sitzt wie ein Färbegang; die Raspel im Timbre deckt auch die Raucherfinger ab.
'Smoky, deep, open, and adaptable' — rauchig-tiefes Conversational-Klangbild mit nur 87k Usage, also garantiert unverbraucht. Die Rauchigkeit ist Rolands Stimmfarbe wörtlich genommen, und der offene Gesprächston passt zum lakonischen Interview-Setting der Werkstatt-Doku.
Sepp Aichinger, 68 — Kerzenzieherei
№1 · Helmut - Polite and Mildold · de-DE · calm · Usage 1J: 34.006.110
Die einzige wirklich alte österreichisch-deutsche Männerstimme im Katalog — ruhig, höflich, mild, mit natürlicher Alpen-Färbung statt Karikatur. Das leise, bedächtige Klangbild passt exakt zu einem 68-Jährigen, der als Letzter geht, jeden Raum zweimal prüft und eine nie ernst gemeinte Entscheidung still trägt.
Echter oberösterreichischer Dialekt ('Unique sound — made in Österreich'), ruhig und gesetzt — die authentischste alpenländische Mundart im Katalog, klanglich nah am Chiemgauer Sepp. Middle_aged statt old, das Alter müsste die Probe über getragenes Tempo herstellen; dafür ist die Dialekt-Echtheit unschlagbar.
Rauchiger, abgeklärter Bariton mit kühler, analytischer Präzision, langsamem Rhythmus und gesetzten Pausen — das grundsätzliche Misstrauen eines Mannes, der eine Haube lautlos hat brechen sehen. Backup, falls Mucki in der Probe zu weich gerät; die Noir-Färbung muss dann nur gegen Doku-Nüchternheit gezähmt werden.
Warm-körniger, unpolierter Bariton im unteren Mittelregister, betont ruhig und gemessen, mit fein gerolltem R — genau die leise, nie karikierende Herkunftsspur eines Glasers, der seit zwanzig Jahren aus Szczecin hier ist. Das bedächtige, kontrollierte Tempo klingt wie einer, der jede Scheibe zweimal prüft; kein Werbesprecher, moderate Usage (218k). [Vermerk: Rang getauscht — Mucki ging an Adnan (A-Cast-Vorrang).]
chazon studio · Stimmen-Register v1 · Kosten dieser Runde: ~1.600 Zeichen TTS + 0 $ (Previews sind gratis)
Werkstatt
Wie produziert wird: Rezept, Prompts, Werkzeuge
FOLGEN-REZEPT — Wie eine Episode entsteht
*Der komplette Produktionsablauf des chazon studio, destilliert aus SER-03
„Wer trägt das Haus?" (105 s Doku-Teaser, ~60 $). Für Menschen UND Assistenten.
Voraussetzung: Prompto-Zugang (s. prompto-guide) und Kanon-Assets der Figuren.
Jede Phase endet an einem GATE: der Mensch sichtet und gibt frei — nie überspringen.*
Phase 0 · Idee & Drehbuch (0 $)
Hook wählen (Trigger-Dimension × Thema — das Haus führt eine Hook-Matrix;
jede Folge bedient eine noch offene Zelle).
Kanon lesen, bevor du schreibst: Welt-Regeln, Figuren-Register (wer spricht
wie), was frühere Folgen schon verbraucht haben.
Drehbuch als Shot-Tabelle: pro Shot Nummer, Zeitfenster, Bildbeschreibung
(Kadrage! z. B. 3/4-Shot, American, Dutch), O-Ton-Text, Kamera-Verhalten.
90–105 s ≈ 12–15 Shots. Regie-Grundsätze: keine weiten Shots (KI-Weite wirkt
unecht), Interviews knapp neben die Linse, Ton = Handwerk.
Drehbuch als lesbares Dokument ausliefern → GATE: Text-Freigabe.
Phase 1 · Sets & Kostüme (~1–3 $)
Je Location EIN Set-Still: recraft-v4 (realistic_image, quality pro,
Palette als Hex im Prompt). Material, Licht, Kleinstdetails beschreiben.
Kostüm-/Requisiten-Fassungen der Figuren: nano-banana-2-edit auf den
Kanon-Ganzkörpern (NIE referenzlos!).
Sets doppeln als Look-Bibel UND als Raum-Refs für Video-Shots.
→ GATE: Szenenbild-Sichtung.
Phase 2 · Startframes (~1–2 $)
Pro Shot ein komponierter Startframe: nano-banana-2-edit,
Namens-Subs mit Wiedererkennungs-Element (im Haus: Messingscheibe mit
Registernummer), Titeltafel, Abschlusstafel, Endcard mit Pflichtangaben
(inkl. „KI-GENERIERT"), Sender-Ident → Logo-Bug.
Typo-Blatt zur Freigabe VOR dem Einbrennen. → GATE.
Phase 7 · Finish (~1.5 $)
Clean-Master OHNE Text bauen (exakte Solldauer).
An Segmentgrenzen splitten (Teile ≤25 s, <50 MB).
bytedance-video-upscaler auf 2k; Output-AUFLÖSUNG verifizieren.
tpad-Normalisierung auf exakte Teildauern → concat.
Text-Bake in nativer Zielauflösung (unsharp aufs Bild VOR den Overlays).
9:16-Fassung: eigener Crop + EIGENE Portrait-Typo, nie gequetscht.
Beide Fassungen frame-verifizieren (Ident, Titel, Subs, Endcard) + ffprobe.
→ GATE: Endabnahme durch den Menschen → publish.
Nachlauf (Pflicht)
Render-Log abschließen (jede Generation mit ID, $, Befund).
Neue Lehren ins Playbook/die Foundation — sonst zahlt sie das nächste Projekt
nochmal. Balance-Check und Kosten-Summe melden.
Bewährte Rezepte aus den Produktionen — GROSSBUCHSTABEN sind Slots zum Ausfüllen, der Knopf kopiert den ganzen Block.
Szenenbild (Recraft V4.1)
Set Ruhrgebiet-DNA
recraft-v4 · realistic_image · quality pro · fal
Interior of a historic brick workshop hall in an old industrial coal-region building, ORTSBESCHREIBUNG, steel-mullioned factory windows with warm evening light, aged oak workbenches, brass fittings, linen and paper textures, dust motes in light shafts, documentary photography, three-quarter framing, no wide establishing shot, muted palette
⚠ Hex-Palette im options.colors-Feld greift automatisch. Nur Sets/Props — NIE Figuren (keine Referenzen möglich).
Place the person from the reference image into the scene, standing at POSITION, BLICKRICHTUNG, natural contact shadows on the floor, matching the warm window light direction, three-quarter view, documentary framing, keep face and linen coat with brass number exactly as in reference
⚠ NB2 = Photoshop-Ebene. Requisiten-Regel: Hand-Kontakt EXPLIZIT beschreiben oder Requisit weglassen — was im Startframe nicht sauber gegriffen ist, klebt im Video.
Video — Model-Split
Bewegung/Ensemble (kling-o3-ref)
kling-o3-ref · Startframe als @Image1 + Figuren-Refs · WaveSpeed
@Image1 handheld documentary camera follows AKTION, subtle camera shake and breathing, three-quarter framing, slight dutch angle, shallow depth, warm evening interior light, no wide shot, VERHALTENS-HARDLOCK the entire video
⚠ Verhalten hart POSITIV prompten (nicht verneinen): „his back stays to the camera the entire video“. o3-Fehlerklasse: szenische Drift.
Statisches Interview (kling-v3-pro i2v)
kling-v3-pro · i2v vom Startframe · WaveSpeed
static handheld interview shot, the person speaks calmly toward off-camera interviewer, minimal head and hand movement, camera micro-sway, documentary realism, warm practical light, background stays unchanged
⚠ v3-pro-Fehlerklasse: Objekt-Kleber (Requisiten wandern an den Körper). Für ruhige Talking-Heads erste Wahl.
FX/Ritual/B-Roll (seedance-2-pro)
seedance-2-pro (fast für Proben) · Runware (~$0.16/s, Refs ohne Aufschlag)
Shot 1: BESCHREIBUNG. Shot 2: BESCHREIBUNG. Shot 3: BESCHREIBUNG. handheld documentary energy, cinematic, warm ember light against cold industrial dusk, sparks and dust in the air, no wide establishing shots
⚠ Hält 2 Charakter-Refs über Multishot-Schnitte. Hand-Choreo EINFACH halten (Drei-Hände-Glitch). Multishot als Shot 1..4 nummerieren.
Stimmen (ElevenLabs direkt)
Voiceline eleven_v3
POST /v1/text-to-speech/{voice_id} · model_id eleven_v3 · Key .elevenlabs
⚠ Voice-IDs: Sektion CAST (antippen = kopieren). Immer Audio-Tags + stability je Figur (ruhig 0.45–0.5, lebhaft 0.35–0.4). Emotionsregie aus dem Steckbrief.
SFX/Foley
POST /v1/sound-generation
{"text": "single hammer strike on brass, dry wooden room, close mic, short natural decay, no reverb tail", "duration_seconds": 1.5}
⚠ Klang-DNA des Hauses: Holz, Papier, Messing, Glas — kein Hall, keine Synths.
Score (Suno v5.5)
Kammermusik-Bett
Suno v5.5 · instrumental · Datei legt Dennis
intimate chamber piece for solo cello and sparse piano, slow patient phrases with long rests, warm wooden room tone, quiet dignity, no percussion, no swelling strings, documentary underscore, ends unresolved
⚠ SER-03-Rezept: klassisch, klein besetzt, atmet mit den Schnitten, nie sentimental.
Wo was liegt, und mit welchem Werkzeug man es anfasst. Diese Seite wird
gebaut — die Zahlen unten kommen aus ARCHIV.md, das
archiv_index.py vom Server holt.
Referenz-URLs (direkt als refs verwendbar)
chazon.eu/arbeitsbuch/suite/refs/<name> Kanon-Blätter in VOLLER Auflösung ← diese nehmen
chazon.eu/arbeitsbuch/suite/full/<name>.jpg Galeriefassung, auf 1600 px gerechnet
Für Referenzen immer refs/. Die Galeriefassung rechnet
herunter und stellt genau den Gesichts-Anker-Fehler aus Diagnose 1.1 wieder her.
Diese URLs sind eingefroren — sie stehen in laufenden Produktions-Prompts.
Erst nachschlagen, dann bauen
grep -i "<was du suchst>" chai-studio/arbeitsbuch/INHALT.md
282 Blätter stehen dort mit Titel und Pfad. Eine Referenz neu zu
bauen, die es längst gibt, ist der billigste vermeidbare Fehler im ganzen Baum
(Diagnose 6.9).
Vor jedem bezahlten Render
python3 chai-studio/kurs_check.py <job.json>
Prüft in Sekunden 15 Regeln, die zusammen schon dreistellig gekostet haben.
Archiv auf dem Server
Abgeschlossene Projekte liegen nicht mehr lokal, sondern unter
~/studio-archiv/ auf chazon.eu. Referenzblätter liegen NICHT im Archiv —
die sind öffentlich unter suite/.
Projekt
Größe
LOR-02
3.3G
PAR-01
1.9G
SER-03
835M
HUM-01
566M
KLAS-01
153M
GLI-01
123M
Die Builder-Kette dieses Buchs
Das Arbeitsbuch wird gebaut, nicht gepflegt. Ein Lauf, und alles unten
stimmt wieder:
Daneben stehen vier Werkzeuge, die nicht in der Kette laufen, weil
sie etwas holen oder rechnen, das sich selten ändert. Wer sie vergisst, merkt es an
einem veralteten Stand, nicht an einem Fehler — deshalb stehen sie hier:
zugaenge.py Symbole und Ziele der KATALOG-Zugänge → medien/zugang-*.png
nach jeder neuen Zeile in der Liste laufen lassen
refs_liste.py Verzeichnis von suite/refs/ vom Server holen
nach dem Hochladen neuer Referenzblätter
mach_webfassung.py Sendefassung → 720p-Webfassung + Poster für die Werkschau
python3 mach_webfassung.py <master.mp4> <FOLGE>
../output/youtube/baue_kanal.py Kanalbanner und Kanalbild aus einer Platte
kennt die drei YouTube-Sichtfelder
Eine neue Folge braucht keinen Eingriff im Builder: Verzeichnis
sektionen/folgen/<FOLGE>/ anlegen, Dokumente als
<nr>-<art>.html hineinlegen (drehbuch,
score, otoene, entwuerfe, song),
Zeile in hooks.md ergänzen. Reiter, Menü, Suche und Status folgen von selbst.
Katalog
Alle Handgriffe als Regeln, plus die Zugänge, um sie ohne uns auszuführen
QuintessenzDas Modell wählt die Fehlerklasse, nicht der Preis. Wer das teuerste nimmt, kauft nur eine andere Schwäche.
Jede Zeile ist ein Bedarf, kein Modellname. Rechts stehen die Kandidaten und daneben das, was bei ihnen erfahrungsgemäß schiefgeht — bevor es Geld kostet. Der goldene Chip führt auf die Regel, die dort greift.
Für Assistenten mit irgendeinem MCP-Zugang. Jeder
Eintrag nennt Zweck, Regel, Werkzeug — unseres und ein gleichwertiges anderswo —
und die Falle dahinter, mit Nummer aus dem Fehlerbaum. Wer diese Regeln übernimmt, kann
hier mitproduzieren, ganz ohne Prompto.
SKILL-KATALOG — was ein Assistent hier können muss
*Dieses Studio hängt an keinem Anbieter. Es hängt an Regeln. Wer einen MCP-Klienten
hat — egal welchen — und diese Regeln übernimmt, kann hier mitproduzieren. Der
Katalog sagt bei jedem Handgriff: wofür er gut ist, was die Regel ist, womit man ihn
ausführt (bei uns und woanders), und welche Falle dahinter liegt.*
Aufbau jedes Eintrags:
Wofür — der Zweck in einem Satz
Regel — was zu tun ist, und was ausdrücklich nicht
Womit — unser Weg · gleichwertige Wege anderswo
Falle — der Fehler, den wir dafür bezahlt haben (Nummer aus dem Fehlerbaum)
Die Fallen sind keine Theorie. Jede Nummer steht für einen Betrag, der einmal
verbrannt wurde.
A · Bevor irgendetwas gerendert wird
A1 · Kanon anlegen
Wofür — Damit dieselbe Figur in Folge 7 noch dieselbe ist wie in Folge 1.
Regel — Je Figur drei Dinge: ein enger Gesichts-Anker in voller Auflösung, ein Kanon-Blatt (Kleidung, Merkmale, Farbwerte), ein Turnaround. Erst wenn die drei liegen, wird die Figur in Szenen gesetzt. Kein Kanon = keine Figur.
Womit — Prompto: recraft-v4 fürs Blattlayout, nano-banana-2-edit fürs Ableiten · sonst: Midjourney für den Erstwurf, jedes Edit-Modell mit Referenzen fürs Ableiten.
Falle — 1.1, 1.3
A2 · Gesichts-Anker als erste Referenz
Wofür — Verhindert, dass ein Modell die Identität neu erfindet.
Regel — Der enge Gesichts-Crop ist immer Referenz 1, das Kleidungsblatt Referenz 2, und im Prompt bekommt jede Referenz ausdrücklich ihre Zuständigkeit („Reference 1 is the ABSOLUTE AUTHORITY on her identity"). Dazu ein Anti-Verschönerungs-Lock: kein Glätten, keine größeren Augen, keine Symmetriekorrektur.
Womit — Prompto: alle Edit- und Referenz-Modelle · sonst: Kling O3 (@Image1-Adressierung), Higgsfield, jedes Modell mit Mehrfach-Referenz.
Falle — 1.1
A3 · Nie referenzlos, auch nicht als Test
Wofür — Ein „schneller Test" ohne Referenz erzeugt eine Falschbesetzung, die danach niemand mehr einfängt.
Regel — Wiederkehrende Figuren nie ohne Bild-Referenz generieren. Referenzlose Modelle sind für Orte, Räume und Gegenstände richtig und für Figuren tabu.
Womit — Prompto: recraft-v4 nur für Sets und Requisiten · sonst: dieselbe Trennung überall.
Falle — 1.1, 1.10
A4 · Ein Master, viele Varianten
Wofür — Damit derselbe Raum aus zwei Winkeln derselbe Raum bleibt.
Regel — Von jedem Motiv gibt es einen Master. Jede Variante — andere Ansicht, Tür offen, anderes Outfit, anderer Zustand — entsteht als Edit vom Master, nie als neuer Prompt. Zwei getrennte Läufe liefern trotz identischer Beschreibung zwei verschiedene Räume.
Womit — Prompto: nano-banana-2-edit (chirurgisch), seedream-v5-lite-edit (billig in Menge) · sonst: jedes Bild-Edit mit Referenz.
Falle — 3.1, 3.2
A5 · Sheets nummerieren
Wofür — Macht eine Sammlung adressierbar: „nimm Teller 3".
Regel — Index-Chip außerhalb des Objekts setzen, nie darauf. Im Video-Prompt dazuschreiben, dass die Nummern nur Auswahlhilfen sind und nie ins Bild gemalt werden. Ein einzelnes Element lieber freigestellt übergeben als als Sheet-Ausschnitt.
Wofür — Ein Raum, der über mehrere Shots hinweg nicht springt.
Regel — Den Drehort ohne Menschen bauen: leerer Stuhl, freier Weg ins Bild, Kopffreiheit über dem Tisch. Diese Platte ist danach die Szenen-Referenz für jeden Shot. Eine Platte mit Figuren darin verleitet das Videomodell zum Neubauen statt zum Bespielen.
Wofür — Alle Einstellungen einer Szene spielen nachweislich im selben Raum, ohne dass je Shot ein Startframe komponiert werden muss.
Regel — Von der leeren Platte ein Szenen-Sheet ableiten: sechs Ansichten desselben Ortes in einem Bild — Totale, Blick des Handelnden, Gegenschuss, Seitenansicht des Spielbereichs, der bildwichtige Hintergrund allein, ein Detail. Alle Ansichten leer, gleiches Licht, gleiche Palette. Dieses Blatt geht als Szenenreferenz in jeden Shot; wer wo steht und was tut, steht danach im Prompt. Damit entfällt der komponierte Startframe je Segment — und mit ihm die i2v-Kipp-Falle, denn ohne primary kann nichts kippen. Bei H3 dazuschreiben, dass das Blatt nur Raum und Licht liefert und niemals ein Gesicht.
Zwei Dinge machen den Unterschied zwischen einem hübschen Blatt und einem, das trägt: ein schematisches Draufsicht-Panel (die räumlichen Beziehungen gehen aus Einzelansichten nie hervor) und Vollständigkeit des Ortes — ein Laden hat volle Regale, ein Büro hat Aktenordner. Ein karger Ort liest sich als Krise, nicht als Alltag. Und weil das Blatt in der Zieloptik gebaut wird, ist es gleichzeitig die Look-Referenz: der Look kommt als Bild ins Modell statt als Adjektiv (Falle 3.7).
Womit — Prompto: nano-banana-2-edit 4K von der Platte · dann minimax-h3 (bis 9 Refs) oder kling-o3-ref · sonst: jedes ref2v-Modell mit mehreren Referenzen.
Falle — 3.1, 3.2, 3.7, 3.8, 4.3
B · Bild und Startframe
B1 · Der komponierte Startframe
Wofür — Der Look wird vor dem Video festgezurrt, nicht im Video erhofft.
Regel — Reihenfolge: Set bauen → Figur per Edit hineinsetzen → prüfen → erst dann animieren. Alles, was im Startframe nicht stimmt, stimmt im Video garantiert nicht.
Wofür — Verhindert Gegenstände, die im Video am Körper kleben oder wandern.
Regel — Was die Figur im Startframe nicht sauber in der Hand hat, klebt später. Handkontakt ausdrücklich prompten („her fingers closed around the handle") — oder das Requisit streichen. Diese Fehlerklasse sieht man nur im Bewegtbild, nie am Einzelbild.
Womit — gilt für jedes Modell.
Falle — 2.5, 2.6
B3 · Text gehört auf eine Referenz
Wofür — Schrift, die hält — und die wir entworfen haben statt sie zu bekommen.
Regel — Alles, was nah lesbar sein muss, wird vorher als eigenes Blatt gebaut und als Referenz mitgegeben. Auf einer Referenz hält Schrift auch im Video: belegt an H3 über einen Multishot-Clip mit zwei Schnitten, buchstabengleich (Fehlerbaum 8.9). Ohne Referenz wird sie nicht zerlegt, sondern erfunden — das ist der eigentliche Grund für das Blatt. Sich ändernde Ziffern (Timer, Zähler) bleiben Post-Sache.
Womit — Prompto: gpt-image-2 trifft deutschen Fließtext auf Anhieb, nano-banana-2 ebenso · Post mit ffmpeg nur noch für Zähler und Timer · sonst: jedes Bildmodell mit Textfähigkeit.
Falle — 8.1, 8.2, 8.9
B4 · Keine Eigennamen im Bildprompt
Wofür — Sonst steht der Name im Bild.
Regel — Figuren umschreiben statt benennen („der bärtige Mann mit dem Haarknoten"), und ausdrücklich verbieten: „No names, no labels, no titles are ever drawn into the picture."
Womit — gilt überall.
Falle — 8.1
C · Video
C1 · Modell nach Fehlerklasse wählen
Wofür — Jedes Modell kann etwas und bricht an einer bestimmten Stelle.
Regel — Erst die Frage stellen: Ensemble oder Einzelfigur? Sprache im Bild? Harte Landung auf einem Endbild? Danach das Modell. Nie „das teuerste nehmen" — Preis und Eignung haben nichts miteinander zu tun.
Womit — Prompto: list_models mit der Fehlerklassen-Tabelle in der Foundation · sonst: die Modellseiten der Anbieter, aber Preise nur von dort, nie aus Blogs.
Falle — 6.12
C2 · Referenz-zu-Video mit mehreren Referenzen je Figur
Wofür — Charaktertreue über die ganze Einstellung.
Regel — Eine Referenz pro Figur reicht nicht: Modelle tauschen dann Identitäten. Mindestens zwei je Figur (Gesicht + Blatt), und im Prompt jeder Referenz ihre Rolle zuweisen.
Womit — Prompto: minimax-h3 (bis 9 Refs, Ton im selben Pass), kling-o3-ref (@Image-Adressierung) · sonst: Higgsfield, Kling AI direkt, Vidu.
Falle — 1.1, 1.8
C3 · Die i2v-Kipp-Falle
Wofür — Die teuerste stille Fehlerquelle der Videoarbeit.
Regel — primaryund gefüllte refs gleichzeitig kippt Bild-zu-Video in Referenz-zu-Video: das Modell baut die Szene neu, statt den Startframe zu animieren. Locks gehören in den Startframe, der Videoprompt beschreibt nur noch Bewegung. Der bewusste Gegenweg ist reines ref2v mit „@Image1 IS THE SHOT".
Womit — gilt für alle Anbieter.
Falle — 4.3
C4 · Lastframe-Kette
Wofür — Mehrere Shots, die aussehen wie eine durchgehende Szene.
Regel — Den letzten Frame des Shots ziehen (ein Bild vor Schluss, sonst erwischt man Schwarz) und als Startzustand des nächsten Shots übergeben. Der Raum kann dann nicht mehr springen, und Übergaben sitzen auf dem Bild statt in der Hoffnung.
Womit — Prompto: minimax-h3 mit dem Frame als Bild 1, flux-3-flf für harte Start-und-Ziel-Landung, kling-v3-pro (Start + Ende) · sonst: Luma Keyframes, Runway.
Falle — 4.4
C5 · Bewegung positiv formulieren
Wofür — Modelle hören Verneinungen schlecht.
Regel — „Sein Rücken bleibt zur Kamera" statt „er dreht sich nicht um". Verbote nur dort, wo sie aufs Material zielen, nie auf Körperteile — sonst lenkt das Verbot den Blick genau dorthin.
Womit — gilt überall, besonders bei Modellen mit strengem Filter.
Falle — 4.9, 8.3
C6 · Sprech-Shots in einem Pass
Wofür — Lippen, die sitzen, ohne Generationsverlust.
Regel — Dialog in einem Durchgang erzeugen statt stumm rendern und nachträglich lipsyncen; dabei generate_audio für den Bildlauf aus, damit das Modell keinen eigenen Ton dazuerfindet.
Womit — Prompto: minimax-h3, gemini-omni-flash (deutsche Lippen) · sonst: Kling mit Voice Control, HeyGen für reine Sprecher.
Falle — 5.6, 5.7
D · Ton
D1 · Stimmen mit Emotion, nie mit Vorgabewerten
Wofür — Der Unterschied zwischen Vorlesen und Spielen.
Regel — TTS mit Audio-Tags ([calm], [whispers], [shouting], [pause]) und gesetzter Stabilität (ruhig 0,45–0,5 · lebhaft 0,35–0,4). Keine Premade-Stimmen — die benutzt jeder. Je Figur eine Stimme casten und die ID im Register festhalten.
Regel — Lipsync-Ausgaben tragen nur das Sprachbett. Raumton immer aus den Original-Shots ziehen und unter Sprechfenstern ducken (~0,35).
Womit — ffmpeg, jede Schnittsoftware.
Falle — 5.5
D3 · Song-Timing mit Scribe, nie mit Whisper
Wofür — Lyrics, die auf dem Beat sitzen.
Regel — Bei Musik driftet Whisper um Sekunden und erfindet Strukturen. Scribe trifft auch geschriene Gang-Vocals. Whisper bleibt das Prüfwerkzeug für Sprache ohne Musikbett.
Womit — ElevenLabs Scribe · sonst: jedes forced-alignment-Werkzeug, aber gemessen, nicht geglaubt.
Falle — 5.9
D4 · Spuren trennen
Wofür — Jede spätere Fassung baut auf denselben Tönen auf.
Regel — Getrennte WAVs für O-Ton, Atmo, Score, Foley → mischen mit amix normalize=0 → loudnorm I=-14:TP=-1. WAVs sind auflösungsunabhängig; jeder spätere Bake nutzt sie unverändert.
Womit — ffmpeg.
Falle — 5.4
E · Schnitt, Text, Finish
E1 · Text ist eine eigene Ebene
Wofür — Ein Master, aus dem jede Fassung entsteht.
Regel — Den Clean-Master ganz ohne Text schneiden (Karten zählen als Text). Erst darauf Untertitel, Embleme, Platten. Wer Text mitschneidet, kann keine zweite Sprache und kein anderes Format mehr bauen.
Womit — ffmpeg, jede Schnittsoftware.
Falle — 5.13
E2 · Reihenfolge im Finish
Wofür — Bildqualität und Rechenzeit sparen.
Regel — Upscale vor Text-Bake. Clean hochrechnen, dann Typografie in Zielauflösung einbrennen. Schärfung aufs Bild vor den Überlagerungen, nie über den Text. Nach dem Upscale die Ausgabe-Auflösung prüfen, nicht den Job-Status.
Womit — Prompto: Upscale-Modelle · sonst: Topaz.
Falle — 6.5
E3 · Untertitel aus der Schnittliste
Wofür — Untertitel, die nicht auseinanderlaufen.
Regel — Zeiten aus derselben Liste rechnen, aus der auch der Master entsteht — nie von Hand tippen. Erst begrenzen, dann Überlappungen auflösen, nicht umgekehrt. Alles Eingebrannte sitzt auf der Filmzeit ohne Vorspann.
Womit — eigenes Skript, ffmpeg mit ASS-Stil.
Falle — 5.14
E4 · Hochformat ist ein eigener Schnitt
Wofür — 9:16, das nicht wie ein Beschnitt aussieht.
Regel — Eigener Bildausschnitt und eigene Typografie (Breitenfaktor je Untertitel prüfen). Das Querformat-Layout hineinzuquetschen ist der sichtbare Anfängerfehler.
Womit — ffmpeg mit mitlaufendem Weichzeichner statt hartem Crop.
Falle — 5.13
E5 · Lange Läufe abkoppeln
Wofür — Ein Absturz darf keine vierzig Minuten Rechnen mitreißen.
Regel — Alles über ein paar Minuten mit setsid nohup … & starten und den Fortschritt in eine Datei schreiben. Ein Hintergrundlauf, der an der Sitzung hängt, stirbt mit ihr.
Womit — Shell.
Falle — 7.9
F · Betrieb
F1 · Gates statt Vertrauen
Wofür — Ein Fehler kostet ein Bild, nicht eine Folge.
Regel — Konzept zeigen → Freigabe → billige Probe → Freigabe → teurer Lauf. Nie mehrere abhängige Stufen parallel starten: der Folgeschritt erbt Fehler, die im Vorbild noch niemand gesehen hat.
Womit — Arbeitsweise, kein Werkzeug.
Falle — 6.10
F2 · Erst billig, dann teuer
Wofür — Den guten Take bezahlen, nicht das Würfeln.
Regel — Wo ein Modell eine Entwurfsstufe hat, wird zuerst dort probiert und nur der gute Take teuer nachgerendert — am besten mit einem Verfahren, das denselben Take behält statt neu zu würfeln.
Womit — Prompto: flux-3-draft → flux-3-enhance, vidu-q2-ref als Konsistenzprobe vor teuren Läufen · sonst: die Draft-Stufen der jeweiligen Anbieter.
Falle — 6.4, 6.6
F3 · Prüfen statt hoffen
Wofür — Ein Assistent sieht kein Video und hört keinen Ton.
Regel — Audio → Transkript. Video → Frame-Raster und Zoom-Ausschnitte. Länge und Auflösung → ffprobe. Nichts ausliefern, was nicht gemessen wurde. Und: Sichtprüfung immer gegen den Kanon, nie gegen den letzten schönen Take.
Womit — ffmpeg/ffprobe, Scribe, Whisper.
Falle — 1.7, 6.5
F4 · Fehlversuch heißt verstehen, nicht wiederholen
Wofür — Aus Geld Wissen machen.
Regel — Ein Fehlschlag wird analysiert, dann einmal gezielt wiederholt. Wer ohne verstandene Ursache neu würfelt, zahlt zweimal für dasselbe Nichtwissen. Jede teuer gelernte Regel sofort in den Fehlerbaum, mit Datum und Betrag.
Womit — der Fehlerbaum dieses Buchs.
Falle — 6.1
F5 · Job-Status ist keine Wahrheit
Wofür — Doppelte Kosten vermeiden.
Regel — Ein Status kann lange „läuft" zeigen, obwohl der Job längst durch ist — oder „fertig", obwohl nur eine Validierung geendet hat. Maßgeblich sind das Fertigstellungs-Datum und die Ausgabedatei. Bei Zeitüberschreitung erst die Galerie prüfen, nie blind neu starten.
Womit — Prompto: job_status und list_werke · sonst: die Warteschlangen-API des Anbieters.
Falle — 7.7, 7.8
F6 · Preise nur von der Quelle
Wofür — Ein falscher Preis im Kopf ist teurer als kein Preis.
Regel — Preise ausschließlich von den Modellseiten der Anbieter, mit Datum notiert. Blogs, Vergleichsartikel und Erinnerungen sind Ausschuss. Vor jeder Sitzung Budget prüfen, danach wieder.
Womit — Prompto: balance · sonst: die Abrechnungsseite des Anbieters.
Falle — 6.3
F7 · Der Kritiker ist nicht der Bauer
Wofür — Wer etwas gebaut hat, sieht daran nicht mehr, was fehlt. Das ist keine Nachlässigkeit, das ist die Bauweise: Absicht und Ergebnis liegen im selben Kopf übereinander, und die Absicht ist immer die schönere von beiden.
Regel — An zwei Stellen prüft jemand, der die Absicht nicht kennt. Beide liegen vor dem Geldausgeben:
Am Brief, bevor er abgeschickt wird. Der Prüfer bekommt den Brief und das Epochen- bzw. Kanon-Blatt — sonst nichts, keine Begründung, keinen Verlauf. Er sucht: Widersprüche und stehengebliebene Halbsätze · fehlt der Kameratrick der Zeit · trägt jede Referenz eine ausdrückliche Zuständigkeit · sind es mehr als drei Bildfehler · steht bei mitgeliefertem Musikbett non_diegetic_music: N/A.
Am fertigen Clip, bevor er in den Schnitt geht. Der Prüfer bekommt Kontaktbogen, Messwerte und die Kanon-Blätter — nicht den Brief. Er geht die sechs Punkte durch (Gesichter · Outfits · Szene · Requisiten · Belichtung · Kamera) und nennt die größte Lücke, nicht alle.
Was der Prüfer sagt, ist ein Befund, kein Vorschlag. Wer ihn überstimmt, schreibt den Grund dazu. Gefunden wird die größte Lücke, dann EIN gezielter neuer Versuch — nicht eine Mängelliste und fünf Runden.
Womit — Arbeitsweise, kein Werkzeug. Ein zweiter Durchgang mit frischem Blick reicht; ein separater Agent, der nur Artefakt und Referenz bekommt, ist die sauberere Fassung. Herkunft: das Gauntlet-Loop-Muster (Matt Shumer) — davon übernehmen wir genau diesen Teil, nicht das ganze Gerüst. Blindes A/B lohnt hier nicht: der Maßstab ist Dennis, und sein Urteil kommt schneller als jede Referenzabweichung.
Falle — 6.13
Was fehlt, wenn man nicht bei uns arbeitet
Nichts an diesem Katalog setzt Prompto voraus — er setzt einen MCP-Klienten voraus
und die Bereitschaft, an Gates zu arbeiten. Wer eigene Zugänge zu fal, ElevenLabs,
Kling oder Higgsfield hat, kann jeden Eintrag hier mit seinen eigenen Schlüsseln
ausführen. Was er von uns übernimmt, sind nicht die Werkzeuge — es sind die
Reihenfolge, die Referenzdisziplin und der Fehlerbaum.
A9 · Der Anker zeigt den Anfang, nicht die Handlung
Neu am 06.08.2026, nach vier verworfenen Ankern in Folge.
Ein Shot-Anker soll Kadrage, Raum und Identität festlegen — nicht die Handlung
vorwegnehmen. Wer die Zielhandlung schon ins Standbild zwingt, zahlt zweimal: einmal für
die Anker, die daran scheitern (Griffe am gestreckten Arm zerfallen, Fehlerbaum 1.16), und
einmal dafür, dass das Video die Bewegung dann gar nicht mehr erzählen kann.
Die Regel: Steht am Ende des Shots eine andere Position als am Anfang, dann zeigt der
Anker den Anfang — mit einem Griff, der bereits nachweislich funktioniert. Den Weg
dorthin und den Griff am Ziel baut das Videomodell. Es kann das besser als ein Bildmodell,
weil es die Zwischenschritte mitrechnet.
Die Ersparnis ist doppelt: ein Anker weniger je Szene, und der Schnitt zwischen zwei
Einstellungen desselben Ankers ist ein Anschluss statt eines Bruchs.
Gegenprobe vor jedem Anker: *Muss die Figur in diesem Bild etwas anfassen, vor dem sie
noch nicht steht?* Wenn ja — Anker ändern oder die Bewegung in den Clip verlegen.
Zwei Listen: womit man das Studio fährt, und womit man
produziert. Jede Karte führt direkt in die Oberfläche des Werkzeugs, nicht auf
eine Werbeseite. MCP heißt: dort lässt sich ein Server wie Prompto eintragen.
Assistenten, die MCP sprechen
12
In jedem dieser Programme trägt man den Server einmal ein und arbeitet
danach mit den Werkzeugen des Studios, als wären es eigene. Welcher — Geschmackssache.
Dieses Buch ist mit dem ersten gebaut worden.
Was im Skill-Katalog unter „Womit" steht, liegt hier als Adresse. Die
Reihenfolge ist keine Wertung — sie folgt der Kette: Modelle, Stimmen, Bild, Ton, Satz.
Symbole von den Seiten selbst geholt
(arbeitsbuch/zugaenge.py), nicht nachgezeichnet. Ein Ziel, das gerade nicht
antwortet, bleibt trotzdem stehen — eine Bot-Sperre ist kein toter Link.
Diagnose
Vom Symptom zur Lösung. Gesammeltes Lehrgeld
Für den Moment, in dem ein Ergebnis nicht stimmt und niemand Zeit hat, das
ganze Playbook zu lesen. Symptom suchen, das dem am nächsten liegt, was man sieht — Ursache
und Lösung lesen, Beleg prüfen, wenn man dem Rezept nicht traut. Jeder der
117 Einträge steht hier, weil wir die Regel einmal gebrochen und dafür bezahlt
haben. Quelle ist chai-studio/DIAGNOSE.md; diese Seite wird daraus gebaut.
QuintessenzErst messen, dann nachschlagen, dann EIN gezielter Versuch. Wer würfelt, zahlt zweimal für dasselbe Nichtwissen.
Eine Wurzelfrage, 9 Symptomgruppen, 117 Einträge.
Die Breite einer Spalte zeigt nicht die Wichtigkeit, die Höhe zeigt, wo wir am meisten
Lehrgeld gezahlt haben. Jeder Chip führt auf seinen Eintrag, jede Kopfzeile auf ihre Gruppe.
⛔ Vor jedem Edge-Function-Deploy
**Das hier steht ganz oben, weil es als einziger Punkt im ganzen Baum nicht einen
Render kostet, sondern das ganze Studio anhält.**
deploy_edge_function überschreibt die Produktion mit exakt dem, was im
files-Parameter steht — kommentarlos und sofort. Ein Platzhalter, ein
abgeschnittener String, eine vergessene Datei: die Funktion ist tot. Der Aufruf
meldet trotzdem status: ACTIVE.
Passiert am 04.08.2026:studio-fal-submit wurde mit dem Inhalt
"PLACEHOLDER" überschrieben. Damit lag jede Generierung über fal still —
nano-banana, gpt-image, recraft, LTX, Kling, Topaz. WaveSpeed und ElevenLabs
liefen weiter, das Studio wirkte also nur halb kaputt, was die Suche verzögert.
Die Reparatur war nicht selbst möglich: kein Access-Token vorhanden, und
supabase login scheitert in einer nicht-interaktiven Shell.
Drei Regeln:
Dateiinhalte kommen aus der Datei, nie aus der Tastatur. Kein
Beispielwert, kein Platzhalter, kein „fülle ich gleich".
Alle relativen Importe mitliefern.studio-fal-submit braucht
_registry.gen.ts und aus _shared/: edge.ts, levers.ts,
levers.gen.ts, submit-core.ts. Fehlt eine, läuft die Funktion nicht an —
auch das meldet der Deploy nicht.
Nach dem Deploy den Inhalt prüfen, nicht den Status.
get_edge_function zeigt, was wirklich oben liegt. Erst danach ist der
Deploy fertig.
Der verlässlichere Weg ist die CLI, weil sie die Dateien selbst vom
Dateisystem liest und nichts durch einen Parameter geht:
Der Token liegt nicht im Repo und nicht unter /sdcard/Download/Prompto-rebuild/
(dort liegen nur .falkey und .elevenlabs). Neu erzeugen unter
supabase.com/dashboard/account/tokens. Wer ihn dort ablegt, macht künftige
Deploys ohne Umweg möglich.
1 · Das Gesicht stimmt nicht20
1.1
Ganzkörperbild als einzige Gesichts-Referenz
SymptomDas Gesicht einer Figur wirkt jünger, glatter, symmetrischer als im Kanon — eine andere, hübschere Person.
UrsacheIn einem Ganzkörperbild ist das Gesicht oft nur ~300 px groß (Kali: 298×192 px in einem 1600 px hohen Bild). Darin kann kein Modell eine Identität halten, es erfindet sie neu.
LösungEngen Gesichts-Crop in Originalauflösung (nicht hochskaliert) als ERSTE Referenz geben, das Sheet als zweite. Im Prompt Zuständigkeit zuweisen: „REFERENCE IMAGE 1 is a close-up of her face — the ABSOLUTE AUTHORITY on her identity." Dazu ein Anti-Verschönerungs-Lock: „DO NOT beautify: no smoothing, no rounder face, no larger eyes, no symmetry correction."
SymptomÜber mehrere Bearbeitungsschritte hinweg wird aus einer Figur eine andere Person — in der Totale unsichtbar, in der Nahaufnahme eklatant (Chai wurde 20 Jahre älter).
UrsacheJede NB2-Edit-Stufe verschiebt Gesichtszüge minimal; das kumuliert sich über eine lange Kette (Set-Compose → Szenen-Frame → 3/4 → Nah).
LösungJede engere Einstellung neu am Kanon ankern: primary = Szene, refs = [Kanon-Ganzkörper], plus „face must be EXACTLY the face in the reference — same age, same face shape; do not age him." Kette ab Kanon nie länger als 2 Stufen.
Kanon-Blatt als „Referenz" statt als „primary" gegeben
SymptomTrotz mitgegebener Referenz driftet das Gesicht weiter, die Szene sitzt aber.
UrsacheBildmodelle (NB2) halten das Gesicht des primary-Bildes treu und bauen die Szene drumherum; als bloße Referenz wird das Gesicht nur „berücksichtigt" — und driftet weiter.
LösungRollen-Umkehr: Kanon-Blatt = primary, Szene = refs. Prompt: „Take the person from the INPUT image — exact face, age, face shape, hair — and place them into the SCENE of the reference image." Kadrierung danach per PIL-Crop korrigieren (0 $).
BelegLOR-02 E4, 03.08.2026 — bewiesen in zwei Stufen am selben Motiv: Chai kam damit zurück, Lana blieb vorher eine fremde Frau.
1.4
Drei gleichrangige Referenzblätter ohne Rollenzuweisung
SymptomDas Gesicht sitzt, aber ein Kleidungsstück (z. B. der lange Mantel) verschwindet aus allen Ansichten.
UrsacheOhne Rollenverteilung konkurrieren die Referenzen; das Modell entscheidet zufällig, was es von wem übernimmt.
LösungJede Referenz im Prompt mit ihrer Zuständigkeit benennen: Ref 1 = Gesicht, Ref 2 = Kleidung.
BelegKali-Blatt v2, 04.08.2026, 0,16 $.
1.5
Kernmerkmal nur genannt, nicht flächendeckend gefordert
SymptomEin charakteristisches Merkmal (Sommersprossen, Narbe) erscheint nur andeutungsweise statt wie im Kanon.
UrsacheVage Beschreibung wird nur teilweise umgesetzt — „luminous freckles" ergab drei Sprenkel auf der Stirn statt eines ganzen Gesichts.
LösungMerkmal ausdrücklich und flächendeckend fordern: „freckles cover her WHOLE face — forehead, nose bridge, BOTH CHEEKS, chin and jaw — equally dense in every close-up."
Sichtprüfung gegen den letzten schönen Take statt gegen den Kanon
SymptomEin neuer Take wird als Keeper akzeptiert, obwohl er den Anker leicht verändert (spiegelt, erfindet den Raum neu) — die nächste Kette baut auf diesem Fehler weiter.
UrsacheVerglichen wurde gegen den zuletzt gerenderten „schönsten" Frame, nicht gegen den ursprünglichen Kanon-Anker.
LösungSichtcheck immer gegen den Anker-Frame führen, nie gegen den letzten schönen Take — auch wenn der schlechter aussieht.
BelegGLI-01 Shot 2a, 25.07.2026, 1,62 $ Lehrgeld.
1.8
Die Kleidung wechselt zwischen zwei Shots derselben Szene
SymptomEine Figur trägt in Shot B ein anderes Outfit als in Shot A, obwohl beide in derselben Szene spielen. Das Gesicht stimmt.
UrsacheEs lag nur der Gesichts-Anker an, nicht das Kleidungs-Blatt. Das Modell hält dann die Identität und erfindet die Garderobe.
LösungBeide Referenzen mitgeben und im Prompt trennen: Ref 1 = Gesicht („ABSOLUTE AUTHORITY on her identity"), Ref 2 = Kleidung („ABSOLUTE AUTHORITY on her CLOTHING — she wears exactly this and nothing else"), dazu jedes Kleidungsstück einzeln aufzählen und den Satz „her outfit must not change at any point in the shot".
BelegLOR-03 B4, 04.08.2026 (Dennis: „kali hat andere klamotten in dem video als in den 2 davor"). Ein Shot zu 1,04 $ neu.
1.9
Dieselbe Nebenfigur erscheint mehrfach im Bild
SymptomEine Figur steht doppelt in der Szene, oder eine Gruppe besteht aus Kopien derselben Person.
UrsacheDer Prompt spricht von „den anderen" / „der Gruppe", aber es liegt nur EIN Nebenfiguren-Blatt an. Das Modell baut die Gruppe aus der einzigen verfügbaren Vorlage und klont sie.
LösungEntweder jede sichtbare Figur einzeln benennen und referenzieren (das Crew-Blatt der Folge mitgeben, das alle zeigt), oder die Statisterie ausdrücklich abgrenzen: „the others are DIFFERENT people, none of them resembles the woman in Image 2 — vary age, build, hair and clothing". Wer im Bild vorkommt, gehört benannt.
BelegLOR-03 B5a Halle, 04.08.2026 (Dennis: „ein charakter ist doppelt"). Ein Shot zu 1,04 $.
1.10
Das Sammelblatt schleust Figuren ein, die nicht in die Szene gehören
SymptomIn einem Shot steht plötzlich eine Figur, die dort nichts zu suchen hat — bei uns eine alte Frau in Wollmantel, mitten auf einer Mondbasis.
UrsacheAls Referenz lag ein Sammelblatt aller Nebenfiguren an (crew-lor03.jpg, fünf Personen). Der Prompt benannte nur drei davon. Die übrigen zwei Gesichter liegen dem Modell trotzdem vor und werden eingebaut, um die Bildtiefe zu füllen. Ein Blatt liefert immer ALLE Gesichter, die darauf sind — nicht nur die, die man erwähnt.
LösungBei jedem Sammelblatt einen ausdrücklichen Ausschluss in den Prompt schreiben, und zwar mit Merkmalen statt mit Namen (Namen kennt das Modell nicht): „Image 2 shows more faces than you need. IGNORE EVERY FACE ON IMAGE 2 EXCEPT X, Y AND Z. In particular there is NO ELDERLY WOMAN in this shot — no grey curls, no brown wool coat, no old face." Dazu die Besetzung hart zählen: „EXACTLY FIVE PEOPLE are in this shot and nobody else."
Beleg04.08.2026, LOR-03 B6c „Tür auf", Job 89095cbf, 1,30 $ Ausschuss. Dennis: „haben wir jetzt die alte frau mit im bild die gehört nicht auf den mond". Verwandt mit 1.9 — dort fehlte das Blatt, hier lieferte es zu viel.
1.11
Keyframes halten die Zeit, nicht das Gesicht
SymptomEin Video aus mehreren vorgegebenen Keyframes trifft die Bewegung und das Timing sauber, aber zwischen den Ankern driftet ein Gesicht weg: die Figur sieht in der Mitte des Clips anders aus als auf den Blättern, mit denen die Keyframes gebaut wurden.
UrsacheKeyframes sind zeitliche Anker. Das Modell wird verpflichtet, zum Bild X bei Frame N zu kommen, und interpoliert den Weg dorthin frei. Zwischen zwei Ankern gibt es keine Identitätsbindung, also erfindet es die Zwischenbilder aus dem Prompt und aus dem, was es aus den Ankern ableitet. Je weiter zwei Anker auseinanderliegen und je stärker sich Licht und Pose dazwischen ändern, desto mehr Spielraum nimmt es sich.
LösungAnker enger setzen (bei 24 fps und fünf Sekunden lieber vier bis fünf statt drei), und jedes Keyframe selbst am Kanon bauen — also per Edit vom Gesichts-Anker, nicht frei prompten. Wo das Gesicht wirklich tragen muss, ist ein Referenz-zu-Video-Modell mit mehreren Refs je Figur (minimax-h3, kling-o3-ref) der sicherere Weg; Keyframes sind für Bewegung und Timing da, nicht für Identität. Enge Einstellungen danach ohnehin neu am Kanon ankern.
Beleg05.08.2026, Flux-3-Test „Gang" (1080p, 5 s, 1,45 $): drei Keyframes aus dem Kanon gebaut (Standoff, Zündung, Vollausbruch). Bewegung, Licht und Timing sauber getroffen, Dennis: „animationen passen, keyframes waren bisschen gedriftet, chais gesicht". Der Katalogeintrag hatte genau das vorhergesagt, jetzt ist es belegt.
1.12
Ein Merkmal überlebt den Sprung aufs Sheet nicht
SymptomEin Detail steht sauber auf dem Master, fehlt aber auf dem daraus abgeleiteten Turnaround-Blatt — und weil ab dann das Blatt führt, widersprechen sich Master und Kanon.
UrsacheDas Merkmal stand nur in der Identitätsliste am Anfang des Prompts („same trousers with the torn right knee"). Ein Sheet-Edit muss aber elf Ansichten gleichzeitig komponieren; dabei gewichtet das Modell die Layout-Anweisung höher als die Identitätsliste, und was nur dort steht, fällt in der Menge hinten runter. Je mehr Ansichten auf ein Blatt sollen, desto schwächer wirkt die Liste.
LösungKritische Merkmale in einen eigenen Block schreiben, der die Ansichten adressiert: „IN EVERY SINGLE VIEW he must carry these features without exception: …". Und die Gegenprobe im Sinn behalten: Ein Merkmal, das trotz Wiederholung zweimal nicht hält, wird gestrichen statt erzwungen — sonst steht es in jedem künftigen Shot zur Debatte. Das Blatt ist danach die Wahrheit, der Master nicht.
Beleg05.08.2026, Ahornstraßen-Kanon: der Riss im rechten Hosenknie des Zweiflers stand im Full-Body-Master (NB2-Edit 4K), fehlte auf dem Blatt (0,16 $). Ab dem zweiten Durchgang standen die Merkmale im Ansichten-Block — bei den folgenden sieben Blättern hielten Brille im Haar, Hosenträger, Perlenkette und Kniepolster durch alle fünf Ansichten.
1.13
Ein Requisit am Kopf legt sich übers Gesicht und bleibt dort
SymptomEin kleiner Gegenstand an Kopf oder Ohr (Bleistift, Stift, Zigarette) ragt auf allen Nahaufnahmen quer über die Wange und zerschneidet das Gesicht — ausgerechnet auf dem Blatt, das später als Gesichts-Referenz dienen soll.
UrsacheDas Modell platziert kopfnahe Requisiten nach Bildkomposition, nicht nach Anatomie, und eine ausdrückliche Korrektur („muss NICHT über die Wange reichen") greift nicht zuverlässig: Verbote lenken die Aufmerksamkeit auf genau das verbotene Verhältnis. Bei Nahaufnahmen verstärkt sich das, weil das Requisit dort relativ größer wird.
LösungKopfnahe Requisiten aus dem Kanon streichen, sobald ein zweiter gezielter Versuch scheitert. Eine Figur wird über Kleidung, Körper und Spuren der Arbeit erkennbar, nicht über einen Stift hinterm Ohr. Wo das Requisit wirklich gebraucht wird, gehört es in den einzelnen Shot, nicht in den Kanon — dort kann es notfalls kaschiert werden, im Referenzblatt nicht.
Beleg05.08.2026, Ahornstraßen-Kanon, Trockenbauer: erster Recraft-Master mit Bleistift quer über der Wange, zweiter Versuch per NB2-Edit mit ausdrücklicher Positionsanweisung („tucked flat behind the right ear, pointing backwards, must NOT cross his cheek") — in vier von sechs Nahaufnahmen lag er wieder über dem Gesicht. Bleistift gestrichen, Kosten des Nichtstreichens wären ein dritter Lauf gewesen.
1.14
Ein fotorealistisches Kind kommt als Zeichnung zurück
SymptomIn einer Reihe gleichartiger Aufträge liefert dasselbe Edit-Modell für sieben Erwachsene fotorealistische Blätter und für das eine Kind eine Comic-Illustration — ohne Fehlermeldung, ohne dass der Prompt sich in Stilfragen unterscheidet.
UrsacheKein Prompt-Fehler. Das Modell weicht bei fotorealistischen Kinderdarstellungen selbst ins Illustrierte aus. Das ist beabsichtigtes Verhalten und keine Lücke, die man mit anderer Formulierung schließt.
LösungNicht umgehen. Kinder in der Besetzung durch Rückenfiguren, Distanz oder reines Geräusch ersetzen — für eine Nachbarschaftsszene trägt das ohnehin. Wo eine gezeichnete Anmutung passt, kann das Ergebnis stehenbleiben; in einer fotorealistischen Reihe kann es das nicht.
Beleg05.08.2026, Ahornstraßen-Kanon: acht Blätter über nano-banana-2-edit 4K aus identisch gebauten Prompts, sieben Erwachsene fotorealistisch, der Neunjährige als Illustration (0,16 $). Kind aus dem Ensemble gestrichen.
1.15
Requisit driftet im Detail, obwohl die Figur haelt
Symptom
Ursache
Lösung
Beleg
1.16
Der Griff am gestreckten Arm zerfällt
SymptomIn vier Ankern hintereinander wurden Kalis Arme zu **grauen Schläuchen ohne
UrsacheNicht die Hand ist das Problem, sondern die Entfernung. Steht die Figur
Lösung
BelegChazonweg, Küche Einstellung 2, 06.08.2026. Vier verworfene Anker (0,64 $),
1.17
Die erfundene Beschreibung schlägt die Referenz
SymptomChai stand im Trinkhallen-Anker als fremder Mann da: kahlgeschorener Kopf,
UrsacheIm Prompt stand a shaved head. Das steht in keinem Kanon-Dokument, das
LösungFiguren werden zitiert, nicht umschrieben (steht so schon in
BelegChazonweg, Ori-Bruch-Anker, 06.08.2026. Ein Anker verworfen (0,16 $).
1.18
Der Turnaround ist keine Kleidungsreferenz
SymptomKali kam im Trinkhallen-Anker in einem völlig fremden Kostüm zurück:
UrsacheDas Turnaround-Blatt zeigt die Figur in Studioabstraktion: freigestellt,
LösungAls Kleidungsreferenz einen fertigen Anker derselben Figur geben, in dem
BelegChazonweg, Eskalations-Anker, 06.08.2026. Ein Anker verworfen (0,16 $).
1.19
nano-banana-2-edit verschiebt keine Personen
SymptomDrei Edits hintereinander sollten eine Figur an eine andere Stelle im Raum
UrsacheDer Edit arbeitet über der bestehenden Bildstruktur. Eine Person an einer
LösungPositionen gehören in den Anker (also in den Lauf, der das Bild erzeugt)
BelegChazonweg, Treppenhaus, 06.08.2026. Drei wirkungslose Edits (0,48 $).
1.20
Beim Sprite trägt die Farbe die Identität, nicht das Gesicht
SymptomAuf dem ersten Spielblatt war Kali nicht blau. Sie stand mit normaler
UrsacheBei einem Sprite von 24 bis 48 Pixeln gibt es kein Gesicht mehr. Was
LösungFür Sprite-Arbeit die Identität als Farbe angeben, nicht als Beschreibung,
BelegChazon-Spiel, 06.08.2026. Zwei Blätter mit falscher Hautfarbe, beim zweiten
2 · Das Objekt stimmt nicht8
2.1
Objekt im Prompt beschrieben, aber ohne Referenzbild
SymptomEin benanntes Fahrzeug/Requisit erscheint in falscher Form, Farbe oder mit erfundenen Teilen (grüne statt türkise Glocken, falsche Rumpfform, ein fremdes Fahrzeug).
Ursache„Beschrieben" ist nicht „gezeigt": ohne Bildreferenz erfindet das Modell das Objekt neu.
LösungVor dem Absenden jedes benannte Objekt gegen die Refs prüfen: liegt eine Referenz an? Existiert ein Bild, in dem Objekt UND Raum schon korrekt zusammen sind, dieses nehmen statt zwei getrennte Referenzen — es zeigt auch die Beziehung (Größe, Position, Licht).
BelegLOR-03, 04.08.2026, 0,16 $ Lehrgeld (Barke fehlte im Begrüßungs-Startframe).
2.2
Nur das Gesamtblatt als Referenz für ein kritisches Detail
SymptomEin technisches Detail (Cockpit, Antrieb) ist in mehreren Anläufen immer wieder falsch — mal Käfig statt Kanzel, mal zwei statt drei Glocken.
UrsacheDas Detail ist im Gesamtblatt zu klein, um als Anker zu wirken — dieselbe Fehlerklasse wie beim Gesicht, nur auf Technik übertragen.
LösungFür jedes zuverlässig kippende Detail einen eigenen engen Crop als Referenz geben, mit eigener Zuständigkeit im Prompt (Ref = „das Cockpit", Ref = „der Antrieb").
BelegLOR-03 Startframes B1/B2, 04.08.2026 — mit den zwei Ankern saßen Cockpit und Antrieb sofort.
2.3
Bug/Heck oder Bauteil-Position vertauscht
SymptomEin Fahrzeug wirkt „falsch herum", oder ein Bauteil steht an der falschen Stelle (Antriebsglocken scheinen zu wandern).
UrsacheKein explizites Kanon-Statement je Shot; ohne Ansage würfelt das Modell die Position neu (die Glocken sitzen an Schwenkarmen: hinten bei Flug, unten bei Start/Landung).
LösungKanon je Shot ausdrücklich ansagen: was ist Bug, was ist Heck, in welcher Position steht das bewegliche Teil in dieser Situation.
BelegLOR-02 Antriebs-Kanon-Regel, 03.08.2026 — erklärte die „wandernden Glocken" der vorigen Frames rückwirkend.
2.4
Kanon-Befund am verkleinerten Kontaktbogen bestätigt
SymptomEin vermeintlicher Kanon-Bruch (Glocken „waagerecht" im Liftoff) wird per teurem Edit korrigiert — obwohl im Original alles stimmte.
UrsacheIm verkleinerten Zeit-Grid/Kontaktbogen sind Details nicht mehr zuverlässig zu beurteilen.
LösungEin Kanon-Befund wird erst am Vollbild-Frame der Quelle bestätigt, bevor Geld für eine Korrektur fließt.
BelegLOR-02, 1,04 $ Lehrgeld — der Edit behob einen Fehler, den es nicht gab.
2.5
Requisit wandert zwischen Ansichten im selben Sheet
SymptomEin gehaltenes Requisit sitzt in einer Turnaround-Ansicht auf der Schulter, in der nächsten in der Hand.
UrsacheOhne Vorgabe platziert das Modell gehaltene Objekte pro Panel neu; der Fehler pflanzt sich in jede folgende Videogenerierung fort.
LösungTurnaround-Reihe mit „neutral relaxed A-pose, EMPTY HANDS, no objects carried" bestellen, Requisit als eigene Objektstudie im unteren Band separat zeigen.
SymptomEin Turnaround aus mehreren Einzelrenders wirkt uneinheitlich — jede Ansicht mit eigenem Licht und eigener Kameradistanz.
UrsacheJedes Einzelbild ist ein eigener, unabhängiger Render-Durchgang.
LösungEin Sheet in EINEM Durchgang bestellen, nie Einzelbilder montieren.
BelegLOR-02/03 Schiffs-Turnaround, 04.08.2026: 1,05 $ für acht Einzelbilder (uneinheitlich) gegen 0,16 $ für ein Sheet (einheitlich, besser).
2.8
Ein Objekt, das lange allein im Bild steht, wird zum Gesicht
SymptomEin technisches Objekt (bei uns ORI, ein Messingrahmen mit leuchtendem Auge) steht ab Sekunde 5 eines 9-Sekunden-Shots im Bildmittelpunkt — und verwandelt sich dann langsam in ein menschliches Gesicht. Bei uns wuchs ausgerechnet das Gesicht der danebenstehenden Hauptfigur (Kali) aus dem Kistendeckel.
UrsacheH3 komponiert aus den Referenzen. Steht ein Objekt lange formatfüllend und mittig, ohne dass im Prompt eine Handlung dafür vorgesehen ist, füllt das Modell die Zeit — und greift dabei auf das Auffälligste zurück, was es hat: das Gesichts-Referenzblatt. Je länger ein Objekt ohne eigene Handlung im Zentrum steht, desto größer die Gefahr.
Lösung(1) Objekt-Shots kurz halten — der Teil vor dem Kippen war einwandfrei, der Schnitt bei 5,3 s rettete ihn kostenlos. (2) Den Moment auf ZWEI Shots aufteilen: einer auf das Objekt, einer eng auf das Gesicht der antwortenden Figur, wo das Objekt gar nicht im Bild ist — was nicht im Bild ist, kann nicht morphen. (3) Im Prompt ausdrücklich verbieten: „it never grows a face or a mouth" reicht NICHT, wenn das Objekt lange steht — es braucht zusätzlich eine eigene Handlung für jede Sekunde, in der es zu sehen ist.
Beleg04.08.2026, LOR-03 B4 „Übergabe", Job 2c676424, 1,21 $. Dennis: „der letzte clip failed weil kalis kopf aufeinmal aus ori rausmorpht, da brauchen wir nen multishot, oder 2". Gerettet durch Schnitt bei 5,3 s (0 $) plus einen engen 5-Sekunden-Shot auf Kali (0,65 $) statt eines vollen Neurenders (1,21 $).
3 · Der Raum stimmt nicht18
3.1
Ein Durchgang (Tor/Tür) stimmt von innen nicht mit außen überein
SymptomDas Hangartor ist von innen rechteckig, von außen ein Rundbogen — derselbe Ort widerspricht sich.
UrsacheZwei getrennte Prompts für dieselbe Sache ergeben zwei verschiedene Sachen.
LösungJede Grenze zwischen zwei Räumen von beiden Seiten prüfen. Fix per Edit (Innenraum = primary, Außenbild = refs, „nur das Tor ändern") statt Neubau — billiger, und der gute Raum bleibt erhalten.
BelegLOR-03, 04.08.2026, 0,12 $ statt 0,25 $ für einen Neubau.
3.2
Zwei Shots desselben Raums aus getrennten Prompts
SymptomDerselbe Ort sieht in zwei Einstellungen unterschiedlich aus (drei verschiedene Schiffe, zwei verschiedene Hangars trotz gleicher Beschreibung).
UrsacheJeder neue Prompt-Durchlauf würfelt Details neu, auch bei identischem Beschreibungskern.
LösungEinen Raum-Master rendern und freigeben, alle weiteren Ansichten/Shots als Edit-Kette DAVON ableiten. Nie zwei Shots desselben Raums parallel aus getrennten Prompts.
SymptomEin Gang, der begehbar sein soll, zeigt stattdessen konzentrische Ringe oder eine unlesbare Form.
UrsacheAufsichten zeigen Formen, keine Verläufe — aus der Vogelperspektive kann kein Modell einen begehbaren Weg darstellen.
LösungKamera auf den Weg selbst setzen, auf Augenhöhe, Verlauf im Vordergrund beginnen lassen.
BelegLOR-03, Die Spirale, 04.08.2026.
3.5
Objekt und Raum aus getrennten Referenzen statt aus einem kombinierten Bild
SymptomGröße, Position oder Lichtwirkung eines Objekts im Raum stimmen nicht (wirkt eingefügt statt zugehörig).
UrsacheZwei getrennte Referenzen (leerer Raum + Objektblatt) zeigen dem Modell nicht die Beziehung zwischen beiden.
LösungExistiert ein Bild, in dem beides schon korrekt zusammen ist, dieses als EINE Referenz nehmen statt zwei getrennte.
BelegLOR-03, 04.08.2026, 0,16 $ Lehrgeld.
3.6
Ungewöhnliche Lichtsituation ohne Stilblatt gerendert
SymptomTypische KI-Fehler bei besonderem Licht: Sterne über besonnter Fläche, weiche statt scharfe Schatten, silberner statt grau-brauner Boden, überproportional große Erde.
UrsacheOhne physikalisch durchdachte Vorgabe rät das Modell generisch, statt die Lichtsituation (z. B. Terminator-Linie: streifende Sonne + Erdlicht als zweite kalte Quelle) korrekt umzusetzen.
LösungVor den Raum-Mastern ein Stilblatt mit Fehlertabelle und fertigen Prompt-Bausteinen bauen, jeden Raum dagegen prüfen.
BelegLOR-03 Stilblatt Mond, 04.08.2026.
3.7
Ein Look aus Stimmungsworten wird über die Dauer abgebaut
SymptomEin Startframe trägt genau die gewünschte Bildsprache — hier: schreiende, über die Grenze getriebene 80er-Videofarben. Im animierten Clip stimmt das erste Bild noch, ab etwa einer Sekunde verwäscht alles ins Blasse, und am Ende sieht es aus wie ein modernes Video, das eine Epoche nur zeigt, statt aus ihr zu stammen.
UrsacheDrei Fehler auf einmal, und keiner davon ist „das Modell kann es nicht":
LösungDen Look über drei Hebel gleichzeitig setzen: Referenz (bei ref2v-Modellen wie minimax-h3 gefahrlos, dort gibt es kein primary, das kippen könnte), konkrete Optik (Kameramodell, Objektiv, Bandformat, physischer Filter — mit Namen) und Post für alles, was über alle Schnitte hinweg identisch liegen muss (Grundrauschen, Chroma-Versatz, Zeilenstruktur, Dropouts). Die Post ersetzt die ersten beiden Hebel nicht, sie vereinheitlicht sie.
Beleg05.08.2026, Ahornstraße, flux-3-draft (5 s, 704×1280, 0,30 $): Startframe mit voller Sättigung, Frame-Raster zeigt ab Sekunde 1 blasses Pastell-Lila. Kamera blieb bombenfest gesperrt, die Identität hielt. Dennis dazu: „doch aufjedenfall es steht und fällt mit auswahl von kamera linse, referenzen, filter" — der erste Befund („das Modell kann keinen Look halten") war eine Übergeneralisierung aus einem Lauf ohne Referenz und ohne benannte Optik.
3.8
Der Arbeitsplatz ist leer, also stimmt die ganze Szene nicht
SymptomEin Shot ist technisch einwandfrei: Identitäten halten, Raum stimmt, Kamera sitzt. Trotzdem wirkt die Szene falsch, und beim Hinsehen fehlt der Mensch, der an diesem Ort arbeitet — die Kasse ist unbesetzt, der Tresen verwaist, der Schalter leer. Die Hauptfigur rutscht dadurch unwillkürlich in dessen Rolle: sie steht am Band, als kassiere sie sich selbst ab.
UrsacheEine Nebenwirkung der eigenen Regel „Set als leere Platte" (Skill A6). Die Platte muss ohne Menschen gebaut werden, damit das Videomodell den Raum bespielt statt ihn neu zu erfinden. Wer diesen Zustand aber in den Shot-Brief übernimmt („nobody is behind the till"), sperrt genau die Figur aus, die den Ort erst zu einem Ort macht. Der Fehler entsteht nicht beim Bauen der Platte, sondern beim Abschreiben aus ihr.
LösungBeim Schreiben des Briefs zwei getrennte Fragen stellen: Was ist der Raum? (aus der Platte, ohne Menschen) und Wer arbeitet hier? (gehört in den Shot, mit eigenem Kanon-Blatt und eigener Bewegungsanweisung nach 4.1). Personal ist keine Statisterie, es ist Teil der Ortsbeschreibung. Faustregel: Jeder Arbeitsplatz im Bild ist besetzt, oder es gibt einen Grund dafür, dass er es nicht ist — und der Grund ist dann sichtbar.
Beleg05.08.2026, AHORN-01 Segment A (minimax-h3, 7 s, 2K, 0,91 $): Beide Hauptfiguren hielten, der Raum stimmte, das Szenen-Sheet trug. Dennis: „umgebung ist nicht glaubwürdig, keine kassiererin, er steht quasi selbst zum kassieren am band". Das Blatt der Kassiererin lag längst im Kanon und war nur nicht besetzt worden.
3.9
H3 baut Raumton, Effekte und Musik wirklich — wenn man sie hinschreibt
Symptom
Ursache
Lösung
Beleg
3.10
Modelle bauen Öffnungen zu, die keine sein dürfen
SymptomUnter der Theke einer Trinkhalle stand eine große leere Waschbetonfläche;
UrsacheBeides sind Flächen, die im Prompt keine Aufgabe hatten. Ein Modell
LösungJede Fläche bekommt eine Aufgabe, nicht nur ein Material: die Fläche
BelegChazonweg, Ortskanon 06.08.2026. Zwei Korrektur-Edits à 0,16 $, beide
3.11
Shot-Anker als NEUES Bild statt als Edit — der Raum driftet jedesmal
SymptomAus derselben Platte und mit derselben Beschreibung entstehen Anker, in
UrsacheDer Anker wurde als neues Bild gebaut (gpt-image-2 mit der Platte als
LösungJeder Shot-Anker ist ein nano-banana-2-edit der Platte, mit dem
BelegChazonweg, Raumprobe 06.08.2026. Drei verworfene Anker à 0,10 $ und ein
3.12
Der Edit spiegelt den Raum, wenn die Kamera sich bewegt
SymptomEin Gegenschuss-Anker zeigt dieselbe Küche, aber seitenverkehrt: die
UrsacheBeim Edit wurde die Kamera bewegt („ans andere Ende des Raums") und nur
LösungBei jedem Anker, der die Kamera versetzt, die Geometrie ausdrücklich
BelegChazonweg, Küche Einstellung 2, 06.08.2026. Ein Anker und ein 15-Sekunden-Clip
3.13
Leerräumen ist keine Korrektur
SymptomEin Anker zeigte links eine Unterschrankzeile, die es in der Küche nicht
UrsacheIch habe den erfundenen Gegenstand korrekt erkannt, aber die Fläche danach
LösungEin Entfernen-Edit ist erst fertig, wenn im selben Satz steht, **was
BelegChazonweg, Küche Einstellung 2, 06.08.2026. Zwei zusätzliche Edits (0,32 $).
3.14
Der sicherste Gegenschuss ist keiner
SymptomFür die zweite Einstellung derselben Küche wurde die Kamera in den Raum
UrsacheEine versetzte Kamera zwingt das Modell, den Raum neu zu erfinden: alles,
LösungRegie Dennis, 06.08.2026: **„nimm den ersten Anker und stell einfach nur die
BelegChazonweg, Küche, 06.08.2026. Drei verworfene Anker (0,48 $) und ein
3.15
H3 wechselt den Stil nicht mitten im Shot
SymptomZwei Läufe sollten dieselbe Einstellung nach 2,5 Sekunden hart in ein anderes
UrsacheDer Stil ist bei H3 eine Eigenschaft des ganzen Laufs, nicht der Zeit.
LösungEin Registerwechsel ist ein eigener Lauf, nicht ein Zeitfenster:
BelegChazonweg, Ori-Bruch, 06.08.2026. Zwei H3-Läufe (2,08 $), bevor klar war, dass
3.16
Ein Kleidungsstück ohne Träger wird ein zweites Exemplar
SymptomRoland saß auf der Treppe und hatte plötzlich drei Paar Schuhe: die
UrsacheIm Prompt stand his slippers two steps below him. Gemeint waren seine
LösungKleidung nie ohne den Körperteil nennen, an dem sie sitzt:
BelegChazonweg, Treppenhaus von oben, 06.08.2026. Ein Korrektur-Edit (0,16 $).
3.17
Das eingefügte Objekt wird nicht ins Licht gestellt
SymptomEine geklebte Tasse, per Edit in den Vordergrund einer Küche gesetzt, sah aus
UrsacheDer Prompt beschrieb nur den Gegenstand („weißes Porzellan mit Goldadern,
LösungVier Angaben, die jedes eingefügte Objekt braucht:
BelegChazonweg, Küche zweite Kamera, 06.08.2026. Ein Korrektur-Edit (0,16 $).
3.18
Ein Weg, den es im Anker nicht gibt, wird durch Möbel hindurch gegangen
SymptomIm Clip stieg Kali die Treppe hinauf und ging dabei **mitten durch die
UrsacheDer Anker zeigte sie auf der falschen Seite des Geländers: sie stand unten
LösungVor jedem Anker, in dem sich jemand bewegen soll, den **Weg mit dem Finger
BelegChazonweg, Treppenhaus von oben, 06.08.2026. Ein H3-Lauf verworfen (1,04 $) und
4 · Die Bewegung stimmt nicht13
4.1
Statisten/Nebenfiguren ohne eigene Bewegungsanweisung
SymptomNebenfiguren im Bild stehen wie angewachsen, während der Rest der Szene lebt — zerstört die Einstellung.
UrsacheWer nicht ausdrücklich animiert wird, steht wie eine Statue.
LösungJede sichtbare Figur im Prompt NAMENTLICH mit eigener Bewegung versehen, auch nur eine Idle-Bewegung (atmen, blinzeln, Gewicht verlagern, zum Sprecher schauen).
SymptomEin Video beginnt mit einer Schrecksekunde, bevor die eigentliche Handlung einsetzt.
UrsacheEin posierter Startframe hat keine Bewegung, die er fortsetzen könnte.
LösungStartframes MID-ACTION bauen: Hand schon halb gehoben, Schritt schon begonnen, Mund schon offen.
BelegDennis' Regieregeln, 04.08.2026.
4.3
Fahrzeug scheint sich in die falsche Richtung zu bewegen
SymptomEin Anflug wirkt, als würde das Schiff von seinem Ziel weg statt darauf zu fliegen.
UrsacheOft ist nicht der Startframe falsch, sondern nur die Bewegung fehlt, die das Video-Modell noch ausführen muss.
LösungVor dem Verwerfen prüfen: Kann der VIDEO-Prompt drehen/wenden/bremsen? Spiegeln ist fast nie die Lösung — es dreht Fahrzeug UND Umgebung mit und kehrt die Lichtrichtung um.
BelegLOR-03 B1 Anflug, 04.08.2026, 0,16 $ Lehrgeld für den unnötigen zweiten Frame.
4.4
Sheet/Referenzblatt gemeinsam mit primary bei einem i2v-Modell
SymptomStatt das Startbild zu animieren, baut das Video eine komplett neue Szene mit fremdem Gesicht/Ort.
UrsacheSobald bei Omni-i2v refs gefüllt sind, kippt das Modell von i2v (animieren) zu ref2v (Szene neu komponieren) — gilt für JEDES Sheet, nicht nur Figuren-Sheets.
LösungLocks/Sheets gehören in den Startframe, im Video-Prompt nur noch beschreiben; primary und refs nie gleichzeitig. Alternativ reines ref2v ohne primary, Startframe als @Image1 mit „@Image1 IS THE SHOT".
SymptomIm Video hängt ein Gegenstand fest am Körper, statt sich mitzubewegen (ein Paket klebte am Oberkörper).
UrsacheDer Hand-Kontakt war im Startframe nicht sauber gegriffen — dieser Fehler ist am Einzelbild NICHT sichtbar, nur im Bewegtbild.
LösungHand-Kontakt im Startframe explizit bauen oder das Requisit streichen; Video-Sichtung bleibt Pflicht-Gate.
BelegSER-03 Fotoreal-Doku-Pipeline, 02.08.2026.
4.6
„Schwebt" wird vom Modell als „wird gehalten" verstanden
SymptomEin Objekt, das frei im Raum schweben soll, wird stattdessen von einer Figur in der Hand gehalten.
UrsacheVage Ortsangabe wird als Halte-Geste interpretiert.
LösungExplizit verneinen: „nobody is holding it", „a clear gap of empty space around it" + Hände der Figuren einzeln benennen.
BelegPlaybook Ori-Regeln, GLI-01, 25.07.2026.
4.7
Effekt setzt mitten im Shot ein statt schon zu laufen
SymptomEin Effekt (Rauch, Leuchten, Beben) wirkt wie ein Lichtschalter statt wie ein laufender Prozess.
UrsacheDas Modell interpretiert eine Start-Beschreibung als Trigger MITTEN im Clip.
LösungZustand statt Start beschreiben: „the smoke is ALREADY rising when the shot begins" + „nothing ignites during the shot". Neu ist nur die Störung des laufenden Effekts.
SymptomEine H3-Kameraanweisung wird ignoriert, mit einer zweiten vermischt, oder es passiert optisch nichts trotz „cinematic" im Prompt.
UrsacheH3 erlaubt nur EINE Kamerabewegung pro Generierung; mehrere kombinierte Anweisungen verwirren das Modell, und „cinematic" ohne konkrete Einstellung ist wertlos — H3 rät nicht.
LösungGenau eine Bewegung aus dem Vokabular wählen (static locked shot · slow push-in · tracking shot · orbit · crane rise · handheld follow · drone pullback · rack focus). Für Stillstand ausdrücklich „static locked camera, no camera movement, no shot change" schreiben und Wörter wie „cinematic"/„dynamic" vermeiden, die Bewegung implizieren.
BelegPlaybook „H3 für Dialoge" — Was H3 anders macht, 04.08.2026.
4.9
Figur driftet rückwärts aus dem Bild, obwohl sie „zurückfällt" (Gummiband)
SymptomIn einem Tracking-Shot, der einer gehenden Gruppe folgt, gleitet eine Figur am Ende rückwärts aus dem Bild — sie wird nach hinten gezogen, ohne dass ihre Beine die Bewegung machen. Sieht aus wie ein Gummiband. Bei uns traf es Jonte in den letzten zwei Sekunden.
UrsacheIm Prompt stand als Beat: „JONTE walks looking straight up, is left behind, notices, and has to hurry to catch up." Das ist eine Zustandsbeschreibung, keine Handlung. Das Modell hat keine Anweisung, WIE die Figur zurückfällt — also löst es den Zustand auf dem billigsten Weg: es verschiebt die Figur im Bild, statt ihr Tempo zu ändern. Bei einer bewegten Kamera fällt das doppelt auf, weil die Figur gegen die Kamerafahrt driftet.
LösungJede Figurenbewegung als Handlung mit Körperteilen schreiben, nie als Verhältnis zur Gruppe. Nicht „is left behind", sondern: „he stops walking entirely, head tilted back; the others pass him; then he takes three quick steps to close the gap." Faustregel: Wenn in einer Anweisung ein Vergleich zur Gruppe steht („weiter hinten", „bleibt zurück", „holt auf"), fehlt die Handlung. Zweite Absicherung: Figuren, die eine eigene kleine Handlung haben (Lana hebt die Kamera und fotografiert), driften nicht — sie sind beschäftigt.
Beleg04.08.2026, LOR-03 B5a „Halle der acht Grundgefühle", Job c9a24b8b, 1,08 $. Dennis: „am ende von dem clip driftet jonte nach hinten raus, rubberband". Gerettet durch Schnitt bei 5,96 s (0 $) plus einen engen Shot auf die Sprecherin der Schlusszeile (0,65 $) — der Weitwinkel-Teil war bis dahin einwandfrei.
4.10
Jede Kamerafahrt reißt die nächste Naht auf
SymptomEine Shot-Kette auf Lastframes gebaut, Figuren und Raum halten sauber — und trotzdem springt es bei jedem Schnitt: der neue Shot ist plötzlich weiter, der Raum bringt Möbel mit, die vorher nicht im Bild waren.
UrsacheIn jedem Prompt stand „langsame Fahrt zum Tisch". Damit endet jeder Shot ENGER, als er begonnen hat. Der Lastframe, den der nächste Shot als Startzustand bekommt, ist also eine Nahaufnahme — und weil das Modell die Szene wieder als ganze Einstellung anlegt, weitet es auf und erfindet dabei den Bildrand neu, den es in der Nahaufnahme nie gesehen hat. Je stärker die Fahrt, desto größer der Sprung: in der Schnittplatz-Kette war nur die erste Naht kaputt, weil nur dort kräftig hineingefahren wurde.
LösungIn einer Lastframe-Kette die Kamera festhalten: „LOCKED. Kein Push-in, kein Drift, kein Zoom, die Weite von Bild 1 gilt bis zum letzten Bild." Bewegung entsteht dann durch die Figuren, nicht durch das Objektiv. Wo eine Fahrt gewollt ist, muss sie IM Shot wieder zurückfahren oder der nächste Shot bekommt zusätzlich das Zielbild als Referenz („Bild N IST DAS ZIEL FÜR DEN LETZTEN FRAME") — das hält H3 zuverlässig ein.
Beleg05.08.2026, Schnittplatz-Kette: Nähte 2→3, 3→4 und 4→5 sitzen (schwache Fahrten), 1→2 springt von Nahaufnahme auf Totale samt neuem Schubladenschrank und zweitem Monitor. Dennis: „ich glaube von 1 nach 2 ist irgendein fehler". Neufassung mit fester Kamera und Zielbild, 0,82 $.
4.12
Multishot lohnt erst ab drei Einstellungen
SymptomEin Clip mit zwei Einstellungen als 15-Sekunden-Multishot gebaut, weil
UrsacheDie Multishot-Ersparnis ist eine Funktion der Anzahl. Nachgerechnet:
LösungZwei Einstellungen = zwei Clips. Jede bekommt ihren eigenen Anker eins zu
BelegChazonweg, Raumprobe 06.08.2026. Regie Dennis: „vllt doch 2 shots?"
4.13
Ein Übergang zwischen zwei gleichen Bildern hat keine Aufgabe
SymptomEin flux-3-flf-Clip sollte den Schnitt zwischen zwei Küchen-Einstellungen
UrsacheBeide Clips liefen aus demselben Anker. Damit ist der letzte Frame des
LösungErst messen, ob Start und Ende sich überhaupt unterscheiden:
BelegChazonweg, Küchen-Übergang, 06.08.2026. Ein Lauf verworfen (0,85 $).
4.14
Der Videostream hört mitten in der Folge auf, und ffmpeg sagt nichts
SymptomDie fertige Folge lief 91,9 Sekunden, aber **ab Sekunde 69 stand das Bild
UrsacheZwei Fehler übereinander:
Lösung- Harter Schnitt ist kein kurzer xfade, sondern concat. Wer keine Überblendung will,
BelegChazonweg, Sendefassung, 06.08.2026. Zwei komplette Bakes unbrauchbar, der
5 · Ton und Lipsync17
5.1
Die Original-KI-Voiceline ist unter dem Lipsync hörbar
SymptomUnter der eigentlichen (gelipsyncten) Stimme ist fremdes Kauderwelsch zu hören.
Ursachegenerate_audio: true erzeugt beim Video-Render eine Fantasie-Voiceline, die nach dem Lipsync als Bett darunterliegt.
LösungBei allem, was gelipsynct wird: generate_audio: false. Der Ton kommt vollständig aus der Post.
BelegLOR-02, 03.08.2026 — systematisch, nicht zufällig, per Scribe belegt.
5.2
Raumton aus dem Sprech-Shot gesichert
SymptomDer als „sauberer Raumton" gesicherte Ausschnitt trägt trotzdem deutsche Wortfetzen.
UrsacheVier von sieben gesicherten Dateien trugen die Fantasie-Voiceline mit; Ducking hilft nicht, weil das Gebrabbel an anderen Stellen liegt als die späteren echten Sätze.
LösungAtmo-Betten NUR aus sprachfreien Shots bauen, je Ort eines, nahtlos geloopt.
BelegLOR-02, 03.08.2026 (bau_atmo.py).
5.3
Mehrere Figuren sollen in einer Generation sprechen
SymptomZwei Stimmen verschmelzen zu einer, oder eine Figur bekommt die falsche Stimme.
UrsachePro Generation darf bei den meisten Video-Modellen nur EINE Figur sprechen (z. B. bei Omni verschmelzen Junge und Roboter-Stimme).
LösungDialoglast verteilen: körperlose/nicht sprechende Figuren als Overlay-Caption oder TTS in Post; Shots ohne Dialog zu Kling/Seedance auslagern.
BelegGLI-01, 25.07.2026, 6,16 $ Lehrgeld.
5.4
Ton wirkt über den ganzen Film ein paar Millisekunden versetzt
SymptomDer Mund scheint durchgehend leicht vor dem Ton zu liegen (oder umgekehrt), gleichmäßig über alle Sprech-Shots.
UrsacheJedes Shot-Teil wurde einzeln nach AAC kodiert und per concat -c copy aneinandergehängt — der Encoder-Vorlauf jeder Kodierung wird vom Concat nicht weggeschnitten.
LösungBild und Ton getrennt zusammenfügen, Ton bis zum Schluss als PCM halten, genau EINMAL in der Schlussmischung kodieren, dazu eine Längen-Assertion.
BelegLOR-02, 04.08.2026 — gemessen +56 ms über zehn Sprech-Shots, Streuung ±5 ms; nach dem Umbau 0,0 ms.
5.5
Gemessener Versatz, den man nicht hört
SymptomEine Korrelationsmessung zeigt einen Ton-Versatz an, aber beim Anhören ist nichts zu bemerken.
UrsacheEine reine Hüllkurven-Korrelation täuscht bei verhalltem Material einen Versatz vor, den es nicht gibt — die Nachhallfahne zieht den Schwerpunkt nach hinten.
LösungNur die Anstiege (Silbeneinsätze/Direktschall) korrelieren, nicht die volle Hüllkurve.
BelegLOR-02, sync_onset.py/sync_diagnose.py — Hall, Quellclip und Bildschnittpunkte wurden dabei als „unschuldig" befundet.
5.6
Wer spricht bei mehreren Personen im Bild?
SymptomDer falsche Mund bewegt sich, oder ein Einzelmund in der Menge wirkt unheimlich.
Ursachesync-lipsync-3 sucht sich das Gesicht selbst. Das fal-Schema kennt zwar active_speaker_detection mit fünf Auswahlwegen (auto_detect, v3, coordinates+frame_number, face_image, bounding_boxes) — aber der WaveSpeed-Endpoint, über den Prompto läuft, kennt nur video, audio, sync_mode. Manuelle Auswahl ist auf unserem Weg also nicht verfügbar.
LösungSprech-Shots mit einem klaren frontalen oder halbprofilen Gesicht komponieren, die sprechende Person groß und im vordersten Bildplan — dann trifft die automatische Erkennung. Für echte Gruppendialoge minimax-h3 nehmen: Zuordnung per Zeitstempel im Prompt, ein Pass, 2K.
BelegPlaybook „Audio als Eingabe" + „Sprecherauswahl bei sync-lipsync-3", 04.08.2026. Praxisbeleg: Vierergruppen-Shot am 04.08. — auto_detect traf Kali korrekt, die anderen drei bewegten die Münder nicht (0,67 $).
5.7
Gesyncter Clip kommt kürzer zurück als erwartet
SymptomEin Lipsync-Output ist kürzer als der Quell-Shot, obwohl das Audio länger war (4,75 s statt 5,04 s).
UrsacheEin mitgegebenes sync_mode (z. B. silence) wurde vom Builder nie durchgereicht, jeder Lauf lief auf dem Standard cut_off.
LösungNach dem ersten Lauf eines Modells die tatsächliche Ausgabelänge prüfen, nicht raten. Fehlerklasse dazu: Gruppe 7.1.
SymptomEin Kling-Clip mit Sprache liefert Kauderwelsch oder starken Akzent statt deutscher Sätze.
UrsacheKling kann laut eigenem Befund kein deutsches Sprechen (Umgebungston und Geräusche funktionieren).
LösungDialog gehört NICHT in den Kling-Prompt — Sprachroute ist TTS (ElevenLabs) + sync-lipsync-3.
BelegKling-O3-Testclip-Befund, 01.08.2026; Playbook „Audio als Eingabe".
5.9
Die Figur spricht mit einer fremden Stimme
SymptomStatt unserer ElevenLabs-Besetzung erzeugt das Video eine fremde Stimme, oder deutscher Dialog kommt als Kauderwelsch zurück.
UrsacheNur sync-lipsync-3, omnihuman-15 und minimax-h3 nehmen eine fertige Audiodatei entgegen — alle anderen Videomodelle erzeugen ihren Ton selbst. Kling O3 kann laut eigenem Befund gar kein deutsches Sprechen (Umgebungston und Geräusche schon).
LösungFür gelipsyncten Dialog ausschließlich sync-lipsync-3, omnihuman-15 oder minimax-h3 wählen — kein Dialog in Prompts anderer Modelle.
BelegPlaybook „Audio als Eingabe", 04.08.2026 — Modell-Tabelle aus den echten fal-Schemas.
5.10
Der Job wird abgelehnt: „total audio duration … exceeds 15000 ms"
SymptomEin H3-Job scheitert mit „invalid params, total audio duration 24138 ms exceeds 15000 ms", obwohl das fertige Video kurz sein soll.
UrsacheH3 addiert die Dauern ALLER übergebenen Audiospuren, nicht die Länge des fertigen Videos — drei Spuren à 8 s zählen als 24 s.
LösungDialoge als EINE fertig gemischte Spur übergeben (Zeilen einzeln rendern, per ffmpeg adelay + amix mischen), Sprecherzuordnung über Sekundenangaben im Prompt statt über mehrere Einzelspuren.
BelegPlaybook „H3 für Dialoge", 04.08.2026 — Testfall mit drei Spuren à 8 s abgelehnt.
5.11
Bei mehreren Personen bewegt der Falsche den Mund
SymptomIn einer Gruppe bewegt sich ein anderer Mund als der sprechenden Figur.
UrsacheJedes Modell löst die Zuordnung anders: sync-lipsync-3 über active_speaker_detection (auto_detect/v3/coordinates/face_image/bounding_boxes — von Prompto bisher nicht durchgereicht), omnihuman-15 über eine mask_url (weiße Fläche = spricht), minimax-h3 über Zeitstempel direkt im Prompt.
LösungWeg passend zum Modell wählen: bei sync-3 die sprechende Person frontal/halbprofil groß komponieren statt auf die Erkennung zu vertrauen; bei omnihuman eine Masken-Bilddatei bauen; bei H3 Sekundenangaben je Sprecher in den Brief schreiben („0.0–1.0s — the woman … speaks. Only her mouth moves.").
BelegPlaybook „Audio als Eingabe" + „Sprecherauswahl bei sync-lipsync-3", 04.08.2026.
5.12
Alle im Bild sprechen stumm mit
SymptomAuch Figuren, die gerade nicht dran sind, bewegen den Mund sichtbar mit.
UrsacheDer Satz, der das bei H3 verbietet, fehlt im Prompt.
LösungImmer ergänzen: „Whoever is not speaking keeps their mouth shut. Nobody mouths along."
BelegPlaybook „H3 für Dialoge", 04.08.2026.
5.13
Der Film ist nach dem Einblenden länger geworden, das Ende läuft stumm aus
SymptomNach einem Overlay-Durchlauf (Vox-Platten, Logos, Inserts) ist die Bildspur länger als die Tonspur; am Schluss steht das letzte Bild und es ist still.
UrsacheStandbilder werden als -loop 1 -t <zahl> eingespeist. overlay arbeitet mit eof_action=repeat: erreicht irgendein Eingang sein Ende, wird sein letztes Bild wiederholt — der Ausgang läuft also so lange wie der längste Eingang, nicht so lange wie der Film. Eine großzügig gewählte Loop-Dauer wird damit eins zu eins an den Film angehängt.
LösungFilmlänge mit ffprobe messen und beides daraus setzen: die Loop-Dauer jedes Standbilds und ein -t am Ausgang. Nie eine Zahl raten. Ist der Film schon gerechnet, reicht ein Copy-Trim (-t <länge> -c copy) — die Bilder sind ja richtig, nur der Nachlauf muss weg; das spart eine komplette Neukodierung.
Beleg04.08.2026, LOR-03 baue_vox.py: sieben Platten mit -t 200 auf einen Film von 182,75 s → Master 200,04 s, davon 17,3 s stummer Nachlauf. Bild und Ton wichen um exakt diese Spanne ab (video,200.041667 / audio,182.749002).
5.13
H3 verschiebt den zweiten Sprecher — Untertitel nie nach dem Brief timen
Symptom
Ursache
Lösung
Beleg
5.14
Zwei Untertitel liegen kurz übereinander
SymptomBeim Umschalten zwischen zwei Zeilen blitzt für Sekundenbruchteile ein doppelter Untertitel auf.
UrsacheIn der Berechnung wurde erst die Überlappung aufgelöst und danach eine Mindeststandzeit erzwungen. Die Mindeststandzeit holt die eben gekürzte Zeile wieder ein — die Reihenfolge der beiden Regeln macht die erste wirkungslos.
LösungUmgekehrt rechnen: erst Mindest- und Höchststandzeit begrenzen, dann Überlappungen auflösen, und beim Kürzen eine harte Untergrenze (0,5 s) setzen statt die Mindeststandzeit erneut anzuwenden. Bei Unterbrechungen im Dialog ist eine kurze Standzeit ohnehin die richtige Länge.
Beleg04.08.2026, LOR-03 baue_untertitel.py: „CHAI: Wir sind—" endete 20 ms nach dem Beginn von Kalis Antwort. Nach dem Tausch der beiden Schritte: 0 Überlappungen bei 46 Untertiteln.
5.14
Die Kanon-Stimmen singen nicht — das Musikmodell schon
Symptom[singing] als Audio-Tag in eleven_v3 klingt nach Gesang, ist aber
UrsacheDer Tag erhöht nur die Sprechmelodie. Gemessen (Grundfrequenz-Verfolgung,
LösungGesang kommt aus der ElevenLabs-Music-API (stimmen/musik.py), nicht
Gegenstände auf einer Fläche wandern mit der Figur mit
SymptomEin Mann rückt an der Theke einen Schritt zur Seite, um Platz zu machen — und
UrsacheIm Brief stand nur, dass der Mann zur Seite rückt. Das Modell behandelt die
LösungBei jeder Figurenbewegung die Gegenstände in ihrer Nähe **ausdrücklich
BelegChazonweg, Ankunft an der Trinkhalle, 06.08.2026. Zwei H3-Laeufe verworfen
6 · Es ist zu teuer geworden15
6.1
Entlang einer Kette parallel vorgeprescht
SymptomMehrere teure Shots/Bilder erweisen sich nachträglich alle als Ausschuss, weil das Vorbild fehlerhaft war.
UrsacheEin Folgeschritt wurde gestartet, bevor sein Vorbild fertig UND gesichtet war — er erbt Fehler, die im Vorbild noch unsichtbar waren.
LösungVor jedem Start fragen: Ist irgendein Eingang dieses Jobs selbst noch ein laufender/ungesichteter Job? Wenn ja: warten. Parallel nur, was auf bereits freigegebene Assets zugreift.
BelegLOR-02 E4, 03.08.2026, 5,88 $ — der teuerste Einzelfehler der Studio-Historie.
6.2
Referenzbilder bei Seedance verdoppeln den Preis
SymptomDie Rechnung für einen Seedance-Shot ist doppelt so hoch wie erwartet.
UrsacheSeedance (pro/fast/mini) berechnet ×2, sobald Referenzbilder/-videos/-audios anliegen — steht in der Registry, wurde übersehen.
LösungSeedance pro immer in 720p rendern, danach mit bytedance-video-upscaler auf 2K; für Dialoge/ruhige Shots seedance-2-mini statt -pro (ohne Refs Faktor 4 günstiger).
Beleg04.08.2026, 3,60 $ Lehrgeld.
6.3
Acht Einzelbilder statt ein Sheet bestellt
SymptomEin Turnaround kostet ein Vielfaches und wirkt trotzdem uneinheitlicher.
UrsacheJedes Einzelbild ist ein eigener bezahlter Render-Durchgang mit eigenem Licht.
LösungImmer ein Sheet in einem Durchgang bestellen.
BelegLOR-02/03, 04.08.2026: 1,05 $ (acht Einzelbilder) gegen 0,16 $ (ein Sheet) am selben Motiv.
6.4
Teures Modell für einen Standard-Dialogshot gewählt
SymptomDie Gesamtrechnung für viele Sprech-Shots sprengt das Budget.
UrsacheSeedance pro oder OmniHuman werden auch dort eingesetzt, wo ein günstigeres Modell (mini, LTX, H3, Kling O3) genauso trägt.
LösungModellwahl nach Shot-Art: große Action/VFX → pro; Dialoge/ruhige Shots → mini/H3/LTX/O3. Vor jedem Lauf die Preis-Schätzung gegen die Erwartung halten.
BelegDennis' Ansage, LOR-03, 04.08.2026 — Faktor 3–4, Unterschied 55 $ vs. 15 $ bei 23 Sprech-Shots.
6.5
Fehler erst im teuren finalen Rendering entdeckt
SymptomEin Layout- oder Kompositionsfehler wird erst im 4K-Kanon-Blatt sichtbar, nicht vorher.
UrsacheDirekt in hoher Auflösung/Qualität probiert, ohne vorherige billige Probe.
LösungErst billig probieren (Seedream 0,035 $, Layout-Test), dann teuer finalisieren (NB2 4K, 0,16 $) — nie umgekehrt.
BelegLOR-03 Kosten-Hebel-Liste, 04.08.2026.
6.6
Upscale vor der finalen Schnittfassung durchgeführt
SymptomText wirkt nach dem Upscale verschmiert, oder ein bereits hochskalierter Shot wird kurz danach doch getauscht.
UrsacheDer Upscaler verschmiert Text-Kanten, und ein später ersetzter Shot war umsonst hochskaliert.
LösungReihenfolge: alle Shots in Arbeitsauflösung → Sichtung/Tausch → Schnitt zum Clean-Master → EIN Upscale auf den Master → danach Text/Untertitel in nativer Zielauflösung.
BelegPAR-01/LOR-02/LOR-03, Dennis' Regel 04.08.2026 („das Upscalen bitte ganz zum Schluss").
6.7
Kein kurs_check.py vor dem Absenden
SymptomEin Render verletzt eine bereits bekannte Regel und wird trotzdem bezahlt fällig.
UrsacheDer Check vor dem Absenden wurde übersprungen.
LösungImmer python3 chai-studio/kurs_check.py <job.json> laufen lassen — prüft in Sekunden 15 Regeln, die zusammen schon dreistellig gekostet haben.
SymptomEin einzelner Dialog-Shot kostet über zweieinhalbmal so viel wie nötig.
UrsacheDer bisherige Zweischritt (Video 1,20 $ + sync-lipsync-3 0,67 $ = 1,87 $) wurde gewählt, obwohl minimax-h3 dieselbe fertige ElevenLabs-Spur in EINEM Durchgang nimmt — und dabei sogar nativ 2K statt 720p liefert.
LösungFür Sprech-Shots zuerst prüfen, ob H3 in einem Pass trägt (0,70 $ bei 5 s/2K), statt automatisch in den Zweischritt zu gehen.
BelegPlaybook „H3 für Dialoge", 04.08.2026.
6.9
Eine Referenz neu gebaut, die es längst gab
SymptomZeit und Geld für ein Blatt, das im Arbeitsbuch schon fertig liegt — womöglich in besserer Qualität als das selbst gebaute.
UrsacheEs wurde nach Einzelteilen gesucht statt nach fertigen Ensembles. Das Inhaltsverzeichnis kennt beides, aber nur wer danach sucht, findet es.
LösungVor jedem Referenzbau in arbeitsbuch/INHALT.md nachsehen, und zwar nach dem Zweck, nicht nach dem Dateinamen: grep -iE "crew|ensemble|blatt|sheet" INHALT.md. Es gibt fertige Ensemble-Blätter für Hauptcrew, Nebencrew und Statisten — jeweils Front und Rücken, mit Namen und Merkmalen beschriftet.
BelegLOR-03, 04.08.2026 (Dennis: „eigentlich haben wir die crew auch komplett mit ihren raumanzügen, hätte man auch nehmen können"). Kein Geldverlust, aber unnötige Arbeit — und das fertige Blatt trägt sogar die Anweisung „use these exact six people for every crowd".
6.10
Video-Edit rechnet sich bei uns fast nie gegen einen Neurender
SymptomEin Shot hat einen Einzelfehler (eine Figur zu viel, ein Objekt kippt) und man will ihn „nur schnell reparieren" statt neu zu rendern.
UrsacheVideo-zu-Video-Editiermodelle werden pro Sekunde Ausgabe abgerechnet, und zwar deutlich teurer als unsere Generierungsmodelle. Der Reflex „reparieren ist billiger als neu machen" stimmt bei Video nicht.
LösungVor jedem Edit den Dreisatz rechnen. Stand 04.08.2026: Runway Aleph 2 kostet 0,37 $/s (1,85 $ je 5 Sekunden, anteilig; max. 30 s Eingabe, max. 16 MB Datei, bis zu 5 Keyframes) — MiniMax H3 kostet 0,13 $/s bei 2K und nativem Ton. Ein 10-Sekunden-Shot: 3,70 $ als Edit gegen 1,30 $ als Neurender. Ein Edit lohnt nur, wenn der Shot sonst unwiederbringlich wäre — etwa ein Glückstreffer, den ein Neurender nicht sicher wieder trifft. Bei fehlerhaften Referenzen ist der Neurender immer richtig, weil er die Ursache behebt statt das Symptom.
Beleg04.08.2026, Preise von der WaveSpeed-Modellseite geprüft (nicht aus Blogs), Anlass war Dennis' Hinweis auf Aleph 2 beim Marlies-Problem. Aleph 2 ist in Prompto noch nicht angebunden.
6.11
Voicelines über Prompto statt direkt
SymptomFür jede gesprochene Zeile wird ein Prompto-Auftrag abgerechnet, obwohl dieselbe Zeile über das ElevenLabs-Abo nichts extra kostet.
UrsacheIn der Modelltabelle des Playbooks steht elevenlabs-tts mit Preis — das liest sich wie der vorgesehene Weg. Der direkte API-Weg war nur implizit in alten Skripten (stimmen/probe_casting.py) vorhanden, nirgends als Regel formuliert. Wer die Tabelle liest, greift zum Falschen.
Lösungpython3 stimmen/tts.py <figur> "<text mit Audio-Tags>" <ziel.mp3> — Stimmen und Vorgabewerte kommen aus stimmen/voices.json. Prompto nur noch für Bild, Video, Upscale und Musik.
Beleg04.08.2026, LOR-03. Zehn Zeilen für den Rage-Block und den Chor liefen über Prompto, 0,30 $ unnötig. Dennis: „spar dir das."
6.12
Werkzeug gewählt, ohne nachzuschlagen
SymptomEin Weg wird gewählt, der plausibel wirkt, obwohl im eigenen Bestand ein besserer dokumentiert ist — beim Werkzeug wie beim Material.
UrsacheAus dem Gedächtnis gearbeitet statt aus der Ablage. Das Gedächtnis liefert immer einen gangbaren Weg, aber nicht den vereinbarten.
LösungVor jedem neuen Arbeitsschritt zuerst nachschlagen — in dieser Reihenfolge: dieser Fehlerbaum (nach Symptom), arbeitsbuch/INHALT.md (nach vorhandenen Assets, per grep nach dem Zweck statt nach dem Dateinamen), playbook.md (nach dem Verfahren). Erst danach bauen. Das ist dieselbe Lehre wie bei 6.9 — dort ging es um Material, hier um Werkzeuge.
Beleg04.08.2026, zweimal am selben Tag. Erst ein Crew-Blatt montiert, das es fertig gab (6.9); dann Voicelines über Prompto gerendert, obwohl der direkte Weg etabliert war (6.11). Dennis: „guck in unser arbeitsbuch wenn was unklar ist bzw. in unseren fehlerdiagnosenbaum."
6.13
Bauer und Kritiker in einer Person
SymptomEtwas wird gebaut, selbst für gut befunden, geliefert — und fällt bei der
UrsacheWer ein Artefakt gebaut hat, sieht daran die Absicht und nicht das Ergebnis.
LösungSkill F7: an zwei Stellen prüft jemand, der die Absicht nicht kennt, beide
BelegZAPP-01, 05./06.08.2026, dreimal in einer Sitzung:
6.14
H3 nur bei einem Anbieter, obwohl es zwei gibt
SymptomAlle H3-Läufe gehen auf WaveSpeed, das Guthaben dort ist als erstes leer,
UrsacheIn der Registry stand nur ein Anbieter. Dazu eine Falle im Router: er
LösungBeide Anbieter bekommen eine vid-Matrix, damit der Router vergleichen
Beleg06.08.2026. Runware minimax:h3@0 verdrahtet, Preis aus den vier
6.15
Der lange Audio-Tag wird mitgesprochen
SymptomIm fertigen Küchen-Clip sagte Kali statt ihrer Zeile **„Of the other side of
UrsacheDer Audio-Tag lautete:
LösungTags kurz und als Zustand: [dry], [flat], [whispers],
BelegChazonweg, Küche dritte Einstellung, 06.08.2026. Ein fertiger Clip musste in der
7 · Das Ergebnis kam gar nicht an14
7.1
Ein unbekanntes Feld wird von der API/vom Builder still verworfen
SymptomReferenzen wirken nicht, Auflösung ist falsch, oder eine Option greift nicht — der Job meldet trotzdem „succeeded" und wird voll abgerechnet.
UrsacheEin Feldname wurde angenommen statt gegen die Provider-Doku oder einen echten Testcall verifiziert. Belegte Fälle: images statt reference_images bei MiniMax H3 (lief als reines Text-zu-Video, Szene erfunden, Identitäten ersetzt); resolution statt target_resolution beim ByteDance-Upscaler; sync_mode bei sync-lipsync-3 (nie durchgereicht, Standard cut_off griff ungewollt).
LösungFeldnamen aus der Provider-Doku ziehen oder einmal direkt gegen die API testen. Die API-Response echot den input-Block — steht das Feld dort nicht drin, wurde es verworfen. Jedes build() mit dem Wort „Annahme" im Kommentar ist eine offene Wunde. Nach jedem ersten Lauf eines neuen Modells das Ergebnis GEGEN DIE ERWARTUNG prüfen (Auflösung messen, Referenzwirkung ansehen), nicht nur den Status lesen.
Upscaler liefert die Default-Auflösung statt der angeforderten
SymptomEin Upscale auf 2K/4K kommt in 1080p zurück, ohne Fehlermeldung.
UrsacheDer Provider validiert ungültigen Input nicht streng; ohne korrekten Parameter UND ohne dass der Input kleiner als das Ziel ist, greift klaglos ein Default.
LösungNach jedem Upscale-Job die tatsächliche Auflösung MESSEN (ffprobe), nie dem Job-Status vertrauen.
Belegbytedance-video-upscaler, Korrektur 02.08.2026 — zwei 1080p-Jobs scheiterten, bevor die Ursache klar war.
7.3
Von /sdcard hochgeladene Datei liefert 403
SymptomEine URL, die eben erst hochgeladen wurde, ist über HTTP nicht erreichbar.
UrsacheDateien von /sdcard kommen mit Rechten 750 an — kein Lesezugriff für den Webserver.
LösungNach dem Upload chmod 644, danach den Statuscode per curl -sI wirklich prüfen, statt nur „hochgeladen" anzunehmen.
BelegMITARBEITER.md §5.
7.4
Großer Video-Master lässt sich nicht hochladen
SymptomEin fal-CDN-Upload bricht mit HTTP 413 ab.
UrsacheDer Einzel-PUT kappt bei ~100 MB.
LösungMaster an harten Schnittkanten per concat -c copy verlustfrei splitten, Teile einzeln hochladen, curl statt urllib verwenden (BrokenPipe ab ~100 MB).
BelegPAR-01, Stand 02.08.2026.
7.5
Ein Job-Input oder -Output verschwindet bei langen Clips
SymptomEin längerer Video-Job schlägt ohne klaren Grund fehl, besonders bei dichten 2K-Szenen.
UrsachePrompto kappt Video-Inputs bei 50 MB, der Storage-Webhook kappt Outputs bei 50 MiB.
LösungTeile für 2K-Verarbeitung auf ≤ ~25 s Länge halten.
Google-Safety-Filter lehnt das generierte Video ab
SymptomEin Job scheitert mit Code 1200 „the generated content was flagged" — ohne dass der Prompt offensichtlich riskant wirkt.
UrsacheDer Filter urteilt über das ERGEBNIS, nicht über den Prompt — teils reiner Würfel: derselbe Prompt kann einmal durchlaufen und einmal abgelehnt werden. Riskant sind vor allem ruhige Nahaufnahmen junger Figuren, Bett/Schlafzimmer, Anatomie-Wörter.
LösungErst denselben Prompt wiederholen (abgelehnte Versuche kosten nichts), erst nach mehreren Treffern umschreiben — sonst verschlimmert man einen guten Prompt aus Aberglauben.
BelegGLI-01 Shot 4, 26.07.2026.
7.7
Job scheint zu hängen
SymptomEin Auftrag zeigt ewig „running", oder der MCP-Aufruf läuft in einen Timeout.
Ursachejob_status kann lange stale „running" zeigen, obwohl der Provider längst fertig ist (Kling: 4,5 Min. echte Renderzeit, Poller zeigte ~50 Min.); wait=true kann selbst in einen MCP-Timeout laufen, während der Job im Hintergrund durchläuft.
LösungBei stale running weiterpollen (completed_at zeigt die Wahrheit); bei wait=true-Timeout wait=false verwenden und das Ergebnis über list_werke wiederfinden statt doppelt zu rendern.
SymptomEin Prompt mit @Image1 quittiert fal mit HTTP 422 „Invalid reference index".
Ursachekling-v3-pro i2v kennt keine @Image-Adressierung — das kann nur kling-o3-ref.
LösungBei i2v den Startframe als primary übergeben und im Prompt „the start frame is the shot" schreiben statt @Image1 zu verwenden.
BelegLOR-02, 03.08.2026.
7.9
Parallele Downloads im Hintergrund verschwinden
SymptomMehrere Dateien werden mit curl ... & parallel geladen, im selben Aufruf zeigt ls korrekte Größen — im nächsten Bash-Aufruf sind die Dateien spurlos weg.
UrsacheDie PRoot-Sandbox dieser Umgebung: Prozesse, die im Hintergrund eines Bash-Aufrufs schreiben, landen nicht zuverlässig in der Dateisystemsicht, die der Folgeaufruf sieht.
LösungDownloads sequenziell im Vordergrund laufen lassen und die Dateigröße im selben Aufruf prüfen. Für echte Langläufer bleibt die bestehende Regel mit setsid nohup gültig — die betrifft Renders, nicht Downloads.
Beleg04.08.2026, beim Abholen der fünf LOR-03-Shots. Kostete keine Renderkosten, aber einen Durchlauf.
7.10
Das Bild kommt quadratisch, obwohl Hochformat verlangt war
SymptomBei gpt-image-2 wird ein Hochformat angefordert und ein Quadrat geliefert. Der Job meldet Erfolg und wird voll abgerechnet.
UrsacheNicht das Modell, sondern ein Parametername.gpt-image-2 kennt bei uns keinimage_size mit Preset-Namen wie portrait_4_3. Der Builder rechnet die Pixelmaße selbst aus zwei anderen Feldern: image_size: gptImageDims(o.aspect_ratio, o.resolution). Wer image_size übergibt, füttert ein Feld, das niemand liest — aspect_ratio und resolution bleiben undefined und fallen auf den Standard 1:1 bei 2K zurück. Verschärfend: Die Job-Beschreibung in registry.json nannte jahrelang image_size als Option und hat den Fehler damit nahegelegt.
LösungFür gpt-image-2 immer aspect_ratio (1:1, 3:2, 2:3, 3:4, 4:3, 16:9, 9:16, 21:9, 9:21) und resolution (1K/2K/4K) setzen, dazu quality (low/medium/high). Preset-Namen aus anderen Modellen (portrait_4_3, square_hd) gehören zu seedream-v5 und recraft-v4 und wirken hier nicht. Und generell: Ein Parameter, den ein Builder nicht liest, wird still verworfen — das ist dieselbe Klasse wie 7.1.
Beleg05.08.2026, zweimal portrait_4_3 an gpt-image-2 übergeben (Bahnsteig-Vergleich und Fernsehgeschichte-Anker), beide Male quadratisch zurück. Dennis: „für gpt image 2.0 gibst du das format mit, es gibt keine auswahl. hatten wir schonmal das thema." Der ursprüngliche Eintrag hatte dem Modell die Schuld gegeben und ist damit widerlegt.
7.11
H3 lehnt die Tonspur ab, weil der Encoder ein paar Millisekunden anhängt
SymptomEin 15-Sekunden-Auftrag scheitert sofort mit
Ursacheatrim=0:15 schneidet den Ton auf 15,000 s, aber der MP3-Encoder rundet auf
LösungDie Länge am Ausgang begrenzen statt im Filter: -t 14.90 beim
BelegChazonweg-Raumprobe, 06.08.2026. Kein Geld verloren (der Auftrag bricht vor
7.12
Flux rendert ohne ausdrückliche Auflösung in der kleinsten Stufe
SymptomZwei Flux-Läufe kamen in 704×1280 zurück, obwohl sie neben H3-Material in
UrsacheDie resolution-Option wird von diesen zwei Modellen nicht durchgereicht;
Lösung1. Vor dem Lauf einplanen, dass Flux-Material kleiner ist als H3-Material, und den
BelegChazonweg, 06.08.2026. Ein Übergangsclip (0,85 $) und eine Verlängerung
7.13
Die Warteschleife findet sich selbst
SymptomEin ffmpeg-Lauf im Hintergrund galt minutenlang als „läuft noch", obwohl die
Ursachepgrep -f durchsucht die vollständige Kommandozeile jedes Prozesses, und
Lösung- Auf den Prozessnamen prüfen statt auf die Zeile: pgrep -x ffmpeg
BelegChazonweg, Bake der Sendefassung, 06.08.2026. Kein Geld, aber Wartezeit.
7.14
Neue Blätter stehen im Verzeichnis, aber nicht im Buch
Symptom
Ursache
Lösung
Beleg
8 · Der Prompt trifft nicht10
8.1
Der Prompt ergibt ein hübsches Standbild statt eine Szene
SymptomH3 liefert ein schönes, aber unbewegtes Bild — es passiert nichts, obwohl ein Video verlangt war.
UrsacheDer Prompt beschreibt einen Zustand statt eines Ziels — H3 braucht eine Veränderung, die es auf dem Schirm ENTHÜLLEN kann. Ein schöner Substantivhaufen gibt ein hübsches Standbild, keine Szene.
Lösungdie Regel „define the change": den Brief als Folge sichtbarer Handlungen MIT Zeitangaben schreiben, nie als reine Zustandsbeschreibung.
BelegPlaybook „H3 für Dialoge" — Die H3-Brief-Struktur, 04.08.2026.
8.2
Ein langer Prompt wird nur teilweise oder falsch umgesetzt
SymptomVon einem ausführlichen Fließtext-Prompt an H3 trifft nur ein Teil, der Rest wird ignoriert oder mit anderen Vorgaben vermischt.
UrsacheH3 belohnt einen Brief, der wie Produktionsunterlagen aussieht, nicht einen einzelnen Fließsatz. Das Feld nimmt bis zu 7.000 Zeichen.
LösungIn fünf Blöcken strukturieren: Roles (Zuständigkeit jeder Referenz), Beats (Handlung MIT Zeitangaben), Look (Stil/Palette/Licht/Filmtextur), Sound (was, wann), Limits (was gesperrt ist, was nicht erscheinen darf).
BelegPlaybook „H3 für Dialoge" — Die H3-Brief-Struktur (Herstellerdoku + drei Praxis-Guides), 04.08.2026.
8.3
Merkmale springen zwischen Referenzen über
SymptomDie Umgebungs- oder Kleidungs-Referenz beeinflusst das Gesicht einer Figur, obwohl das nicht gewollt war.
UrsacheOhne ausdrückliche Zuweisung mischt H3 Merkmale aus allen Referenzen zusammen.
LösungJede Referenz einzeln beauftragen: „Image 1 controls Character A's identity. Image 3 controls the environment and lighting only. Never transfer facial traits from Image 3."
BelegPlaybook „H3 für Dialoge" — Was H3 anders macht, 04.08.2026.
8.4
Sechs Sekunden mit fünf Handlungen — der Shot wird ein Durcheinander
SymptomEin Shot mit sauberen Referenzen und stabilem Raum ist trotzdem unbrauchbar: Figuren hetzen, Bewegungen brechen ab, die Übergabe eines Gegenstands ist nicht zu erkennen, Effekte flackern zusammenhanglos.
UrsacheNicht das Modell, sondern die Regie. In den Prompt waren fünf gleichzeitige Handlungsstränge geschrieben: eine Figur geht ab, eine kommt an, ein Gegenstand wird übergeben, ein zweiter Gegenstand wird gegessen, und das Effekt-Objekt spaltete sich in vier Stränge, sprang zweimal zwischen zwei Monitoren und tauchte einmal ab. Bei 24 Bildern pro Sekunde bleiben je Strang gut ein bis zwei Sekunden — zu wenig, um irgendetwas zu Ende zu bringen. Das Modell kürzt dann selbst, und zwar überall gleichzeitig.
LösungPro Shot eine Haupthandlung und eine Nebenbewegung. Alles andere in den nächsten Shot der Kette. Faustregel für 6 Sekunden: höchstens drei Beats, und der letzte gehört der Haupthandlung allein. Effekt-Objekte bekommen genau eine Bewegung („gleitet einmal zum linken Monitor und bleibt dort"), nicht eine Choreografie. Wer mehr Handlung braucht, macht einen Shot mehr — sechs Sekunden mehr kosten weniger als ein verworfener Take.
Beleg05.08.2026, Schnittplatz-Kette Shot 4 (minimax-h3, 0,82 $): Abgang, Ankunft, Pizza-Übergabe, Essen und eine fünfteilige Ori-Choreografie in einem Take. Dennis: „4 ist absolutes durcheinander". Neufassung mit drei Beats und einer einzigen Ori-Bewegung.
8.5
Die Verbotsliste erzeugt genau das, was sie verbieten soll
SymptomEin Bild trägt Schrift, obwohl der Prompt sie mehrfach ausdrücklich verbietet. Je länger die Verbotsliste, desto zuverlässiger taucht auf, was darin steht: ein beschriftetes Schild, ein Preis, ein Markenname.
UrsacheBildmodelle der Gemini-Familie haben kein Feld für Negativ-Prompts; alles steht im selben Text. Google dokumentiert dazu ausdrücklich: „Instead of saying 'no cars', describe the scene positively by saying, 'an empty, deserted street with no signs of traffic'" und „Clearly describe the elements to exclude without using instructive language like 'no' or 'don't' — for example, use 'crowds, boats' instead of 'no crowds, no boats'." Ein Prompt, der zehnmal das Wort „text" enthält, hat dem Modell zehnmal das Konzept Schrift vorgesagt — die Verneinung davor wiegt weniger als die Nennung. Dasselbe gilt für Recraft: dessen eigene Doku warnt, „no" im Negativ-Prompt führe „to the opposite effect".
LösungUnerwünschtes weglassen statt verbieten. Statt „no text, no labels, no readable letters" den Zustand positiv beschreiben: „the sign is a blank white panel", „the packaging is plain and unmarked", „the badge is smooth and empty". Wo ein Modell einen echten negative_prompt-Parameter hat (Kling, PixVerse, SkyReels), gehören Ausschlüsse dorthin und nicht in den Prompt — dort zählt die Nennung nicht als Erwähnung. Bei Recraft V4.1 ist negative_prompt laut offizieller Endpoint-Tabelle ohnehin auf V2/V3 beschränkt, greift bei uns also gar nicht.
Beleg05.08.2026, Ahornstraßen-Umgebungs-Sheet (nano-banana-2-edit 4K, 0,16 $): Der Prompt endete mit „No text, no numbers, no names, no labels, no captions, no arrows, no readable letters on any packaging or price rail, no prices, no logos, no watermarks anywhere in the picture." Im Bild stand ein Schild mit der Aufschrift „LEAFLET BOX" — ausgerechnet der Prospektkasten, den der Prompt weiter oben benannt hatte. Quellen: cloud.google.com/blog/products/ai-machine-learning/ultimate-prompting-guide-for-nano-banana · recraft.ai/docs/recraft-studio/image-generation/working-with-text-and-prompts/negative-prompts
8.6
Gerätenamen statt Fachbegriffe — der Look kommt trotzdem nicht
SymptomEin Brief nennt Kameramodell, Objektivtyp, Filter und Bandformat beim Namen, und das Ergebnis sieht trotzdem aus wie sauberes Digitalbild.
UrsacheDie Annahme „Modelle kennen Geräte" stimmt so nicht. In Googles offiziellen Prompt-Beispielen für die Gemini-Bildmodelle steht durchgehend generisches fotografisches Vokabular: „85mm portrait lens", „shallow depth of field (f/1.8)", „wide-angle lens", „macro lens", „medium-format analog film", „1980s color film, slightly grainy", „pronounced grain", „cinematic color grading with muted teal tones". Konkrete Marken als Kamera- oder Filmbezeichnung (Hasselblad, Portra 400) tauchen in keinem offiziellen Beispiel auf. Gerätetypen sind dokumentiert, Gerätemodelle nicht — und was nicht im Vokabular liegt, wirkt auch nicht.
LösungIm Look-Block die Wirkung benennen, nicht das Gerät: statt „Ikegami HL-79E tube broadcast camera" besser „1980s color film, slightly grainy, low contrast, pronounced grain, soft corners". Wo eine Marke wirklich etwas transportiert, gehört sie als Kategorie dazu („a disposable camera's raw, nostalgic flash aesthetic" ist belegt, „Kodak FunSaver" nicht). Und der Look kommt ohnehin zusätzlich aus der Post (3.7).
Beleg05.08.2026, AHORN-01 Segment A (minimax-h3) und das Umgebungs-Sheet (nano-banana-2-edit), beide mit vollständig benannter Optik im Brief: kein sichtbarer Effekt. Quelle für das dokumentierte Vokabular: cloud.google.com/blog/products/ai-machine-learning/ultimate-prompting-guide-for-nano-banana · developers.googleblog.com/en/how-to-prompt-gemini-2-5-flash-image-generation-for-the-best-results/
8.7
Gestapelte Bildfehler verschmieren das Bild
SymptomEin Prompt verlangt einen zeittypischen Kameralook mit mehreren Aufnahmefehlern gleichzeitig, und das Ergebnis ist nicht charaktervoll, sondern matschig: die Unschärfe legt sich über die ganze Fläche, halbe Bildbereiche werden strukturloser Brei, und die gewollten Details ertrinken darin.
UrsacheDieselbe Mechanik wie bei zu vielen Handlungssträngen im Video (8.4). Das Modell gewichtet nicht, es überlagert: Wer radiale Zoomunschärfe, verwischte Gliedmaßen, Staub in der Luft, Sonnenflare und anamorphe Streckung in denselben Prompt schreibt, bekommt alle fünf über dem ganzen Bild statt einen davon an der richtigen Stelle. Bei gpt-image-2 verstärkt die Stufe quality: high das zusätzlich — sie setzt mehr von dem um, was dasteht, auch das Widersprüchliche.
LösungZwei bis drei Bildfehler, nicht mehr, und jeder an einem benannten Ort: „die Lampe hinten brennt aus", „ihr Rauch zieht durchs Objektiv". Ein Fehler, der überall gilt (Korn, Farbstich), zählt nicht mit; ein Fehler, der eine Fläche frisst (Zoomunschärfe, Bewegungsunschärfe), zählt doppelt. Bei überladenen Prompts hilft zusätzlich quality: medium statt high — weniger Umsetzungstreue ist hier ein Vorteil, und es kostet ein Viertel.
Beleg05.08.2026, Fernsehgeschichte-Anker: Der 70er-Krimi mit drei Fehlern (ausgebrannte Lampe, Rauch vor der Linse, Schleierflare) wurde von Dennis abgenommen; derselbe Aufbau als Kung-Fu-Frame mit fünf Fehlern (0,222 $, high) kam als Matsch zurück. Dennis: „gpt image 2.0 high verschmiert irgendwie bei zuviel".
8.8
Selbstkorrektur im Prompt bleibt stehen und wird mitgelesen
Symptom
Ursache
Lösung
Beleg
8.9
Text hält im Video — wenn er als Referenz mitkommt
SymptomDie Hausregel „Text gehört ins Bild, nicht ins Video" (Skill B3,
UrsacheDie Regel stammt aus einem Test von Omni ohne Referenz-Lock und mit
LösungSchrift darf ins Video, wenn sie auf einer Referenz steht. Belegt an
BelegRegie Dennis 06.08.2026 („mit ref zerlegt h3 da eigentlich nichts, text
8.10
Der zweite Anbieter ist eine Versicherung, kein Sparmodell
SymptomEin völlig harmloser Clip (eine Frau geht zu einem Kiosk und sagt „Tach,
UrsacheModerationsfilter sind anbieterspezifisch und intransparent. Weder Prompt noch
LösungBei einem Moderations-Abbruch nicht umschreiben, sondern umleiten:
BelegChazonweg, Kalis Ankunft an der Trinkhalle, 06.08.2026.
9 · Die Ausspielung stimmt nicht2
9.5
Das Deckblatt ist im Profilraster oben abgeschnitten
Symptom
Ursache
Lösung
Beleg
9.6
Das Standbild einer Hochformat-Folge wird zum Breitbild-Streifen
Symptom
Ursache
Lösung
Beleg
KI-Briefing
Alles, was eine fremde KI braucht, um hier mitzuarbeiten
Diese Sektion ist das Gedächtnis des Studios für einen Assistenten, der
noch nie hier gearbeitet hat — kein Werbetext, sondern das, was man wissen muss, bevor man
den ersten bezahlten Render auslöst.
Was hier gemacht wird
chazon studio ist ein KI-Videokanal. Wir produzieren kurze Filme
(1–3 Minuten) mit Bild-, Video- und Stimmodellen: Mini-Lore, Doku-Teaser, Musikvideos.
Ein Mensch führt Regie und nimmt an Gates ab, ein KI-Assistent produziert über den
Prompto-MCP — rund 50 Modelle für Bild, Video, Edit, Audio und Upscale hinter einer
Schnittstelle. Jede Figur, jeder Raum und jede Stimme hat einen festen Kanon; deshalb sehen
die Folgen aus wie aus einem Guss.
Die zwei Sätze, die alles tragen
Jedes Bild braucht eine Referenz. Jede Stufe braucht eine
Freigabe. Wir bauen Ebene für Ebene: Master → Sheet → Startframe → Shot → Schnitt.
Keine Stufe beginnt, bevor die vorige fertig und gesichtet ist. Nicht „um Zeit zu
sparen". Ein parallel gestarteter Folgeschritt erbt Fehler, die im Vorbild noch gar nicht
sichtbar waren — dann ist die ganze Kette Ausschuss statt eines Bildes.
Was wir können — und wo es steht
Hauptfiguren mit Gesichts-Anker, Turnaround und Merkmal-Blatt,
alle Kostüm-Fassungen, der verbindliche Styleguide.
282 Referenzblätter mit Suche. Jede Adresse ist direkt als
refs in einem Render-Auftrag verwendbar.
Voice-IDs je Figur, Regie-Dichte, das Casting-Archiv.
Das Folgen-Rezept Phase 0–7, die Prompt-Bibliothek, die Wege
zu Archiv und Werkzeugen.
69 Einträge: Symptom → Ursache → Lösung → Beleg. Die erste
Anlaufstelle, wenn ein Ergebnis nicht stimmt.
Wie eine Folge entsteht
Idee — eine offene Zelle der Hook-Matrix wählen (FOLGEN → Überblick).
Kanon-Blätter — was die Folge an Figuren, Objekten und Räumen braucht, das es
noch nicht gibt. Erst in der BIBLIOTHEK nachsehen, dann bauen. Ein Sheet statt vieler
Einzelbilder. → Gate: Sichtung.
Stimmen — O-Töne über stimmen/tts.py in eleven_v3, ein Regie-Tag
pro Satz, Länge messen: sie bestimmt den Schnitt. → Gate: Anhörprobe.
Shots — Modell nach Shot-Typ, jede Referenz mit ausdrücklicher Zuständigkeit,
jede Figur im Bild mit eigener Bewegung. Jeden Shot als Bewegtbild sichten, nicht als
Frame. → Gate: Shot-Abnahme.
Schnitt — Clean-Master ohne Text, EIN Upscale, dann Text-Ebene und 9:16-Fassung
mit eigener Typo. → Gate: Endabnahme durch den Menschen.
Der ausführliche Ablauf mit Preisen und Modellnamen steht im
.
So fängst du an
1.ki-briefing.txt
(207 kB) in den Kontext des Assistenten geben — darin steckt alles Folgende.
2. Die Referenz-URLs aus der BIBLIOTHEK verwenden, nichts neu bauen, was es gibt.
3. Vor jedem bezahlten Render kurs_check.py laufen lassen.
4. Bei jedem schlechten Ergebnis zuerst in die DIAGNOSE sehen.
Voraussetzung zum Mitproduzieren: ein KI-Assistent mit
MCP-Anbindung (Prompto oder vergleichbar) und diese Suite als Wissensbasis.
Prompto-Zugang wird über das Studio vergeben. Anfragen über chazon.eu.
Für Assistenten, die hier neu sind — und für den Menschen,
der sie einarbeitet. Sieben Stationen mit je zwei Prüffragen. Die Auflösungen sind
zugeklappt: erst selbst antworten, dann aufklappen. Am Ende steht ein Protokoll,
das der Assistent zurückgibt, bevor der erste bezahlte Render läuft — daran sieht man,
ob gelesen oder geblättert wurde.
EINARBEITUNG — sieben Stationen, bevor du den ersten Dollar ausgibst
*Diese Seite ist kein Text zum Überfliegen. Sie ist eine Prüfung. Wer sie durchklickt,
ohne die Fragen zu beantworten, produziert in der ersten Stunde genau die Fehler, die
hier schon bezahlt wurden — im Schnitt einige hundert Dollar.*
Wie du damit arbeitest
Eine Station nach der anderen. Station n+1 setzt voraus, dass n sitzt.
Erst antworten, dann auflösen. Jede Station stellt zwei Fragen. Formuliere deine
Antwort aus, bevor du die Auflösung liest. Nicht denken „das weiß ich schon" —
ausformulieren. Der Unterschied zwischen „kenne ich" und „kann ich sagen" ist genau
der Unterschied, um den es hier geht.
Falsch heißt zurück. Eine falsche Antwort ist kein Makel, sondern der Grund für
diese Seite. Lies die genannte Quelle nach, dann weiter.
Am Ende schreibst du das Protokoll (letzter Abschnitt) und gibst es dem Menschen,
mit dem du arbeitest. Vorher läuft kein bezahlter Render. Das Protokoll ist der
einzige Weg, auf dem ein Mensch sehen kann, ob du gelesen oder geblättert hast.
Jede Auflösung nennt ihren Beleg — die Stelle, an der es steht. Wenn deine Antwort
abweicht, gilt der Beleg, nicht dein Vorwissen aus anderen Projekten.
Frage 7.1 — Nenne für Audio, für Video und für Länge/Auflösung je ein Werkzeug, mit
dem du prüfst, statt zu vermuten.
Frage 7.2 — Welche sechs Punkte gehen in eine Sichtprüfung, bevor etwas freigegeben
wird?
Frage 7.3 — Du hast einen Brief geschrieben, den Job gestartet und den fertigen Clip
gemessen. Alle Messwerte stimmen. Warum reicht das trotzdem nicht — und an welchen zwei
Stellen muss jemand draufschauen, der deine Absicht nicht kennt?
Auflösung
7.1 — Audio → Transkript (Scribe, bei Sprache ohne Musik auch Whisper).
Video → Frame-Grids und Zoom-Crops (ffmpeg -ss t -frames:v 1), nie das nackte PNG.
Länge und Auflösung → ffprobe. Beim Upscale zusätzlich: die Ausgabe-Auflösung
prüfen, nicht den Job-Status — bei zu großem Input kommt klaglos die Default-Größe zurück.
Beleg: Foundation 7 und 5.
7.2 — Gesichter · Outfits · Szene · Requisiten · Belichtung · Kamera. Immer gegen die
Kanon-Referenz, nie gegen den letzten schönen Take — und jede engere Einstellung neu
am Kanon ankern, weil Edit-Ketten Gesichter driften lassen.
Beleg: Merkregel „Sichtprüfung 6 Punkte" · Foundation 1.4.
7.3 — Weil Messwerte nur beantworten, ob etwas da ist, nicht ob es gut ist.
Wer ein Artefakt gebaut hat, liest beim Prüfen die eigene Absicht mit — und die Absicht
ist immer die schönere von beiden. Deshalb Skill F7: (1) am Brief vor dem
Absenden, der Prüfer bekommt Brief und Epochen-/Kanon-Blatt und sonst nichts; (2) am
fertigen Clip vor dem Schnitt, der Prüfer bekommt Kontaktbogen, Messwerte und
Kanon-Blätter — aber nicht den Brief. Genannt wird die größte Lücke, dann folgt EIN
gezielter Versuch.
*Beleg: Fehlerbaum 6.13 — dreimal in einer Sitzung, ZAPP-01, 2,70 $ plus ein verworfener
Clip.*
Das Protokoll
Bevor du den ersten bezahlten Render auslöst, gibst du dem Menschen genau das hier —
ausgefüllt, in eigenen Worten, ohne Copy-Paste aus den Auflösungen:
EINARBEITUNG CHAZON STUDIO — Protokoll
Assistent: …… Datum: ……
1 Gates Wie viele Renders starte ich ohne Freigabe? → ……
2 Referenz Welche Adresse ist die Referenz, welche nie? → ……
3 i2v Was passiert bei primary + refs gleichzeitig? → ……
4 Master Wie entsteht die zweite Ansicht eines Ortes? → ……
5 Ton Woher kommt der Raumton eines Sprech-Shots? → ……
6 Fehler Erster Schritt bei Ablehnung / bei stale running? → ……
7 Prüfen Womit prüfe ich Audio / Video / Auflösung? → ……
Zwei Sätze zum Schluss:
· Die Regel, die ich in meiner bisherigen Arbeitsweise am ehesten gebrochen
hätte, ist ……, weil ……
· Was ich vor dem ersten Render noch nicht weiß und nachfragen muss: ……
Die letzten beiden Zeilen sind die eigentliche Prüfung. Wer sie ernst beantwortet, hat
gelesen. Wer „alles klar, ich halte mich an alle Regeln" schreibt, hat geblättert — und
bekommt die Stationen noch einmal.
Danach
Die Einarbeitung endet hier, das Lernen nicht. Jede teuer gelernte Regel gehört sofort in
den Diagnosebaum (DIAGNOSE.md, Symptom → Ursache → Lösung → Beleg) und, wenn sie
grundsätzlich ist, in die Foundation. Widerlegte Regeln werden ausdrücklich als widerlegt
markiert statt gelöscht — sonst zahlt der nächste Assistent dasselbe Lehrgeld noch einmal.
Zum Mitnehmen. Die erste Datei enthält alle anderen — wer nur eine
mitgibt, gibt diese. Alle werden bei jedem Bau des Arbeitsbuchs neu erzeugt und können
deshalb nicht veralten.
sieben Stationen mit Prüffragen und Protokoll — was ein neuer Assistent durchgearbeitet haben muss, bevor er den ersten Dollar ausgibt
im Browser lesen
# EINARBEITUNG — sieben Stationen, bevor du den ersten Dollar ausgibst
*Diese Seite ist kein Text zum Überfliegen. Sie ist eine Prüfung. Wer sie durchklickt,
ohne die Fragen zu beantworten, produziert in der ersten Stunde genau die Fehler, die
hier schon bezahlt wurden — im Schnitt einige hundert Dollar.*
## Wie du damit arbeitest
1. **Eine Station nach der anderen.** Station n+1 setzt voraus, dass n sitzt.
2. **Erst antworten, dann auflösen.** Jede Station stellt zwei Fragen. Formuliere deine
Antwort aus, *bevor* du die Auflösung liest. Nicht denken „das weiß ich schon" —
ausformulieren. Der Unterschied zwischen „kenne ich" und „kann ich sagen" ist genau
der Unterschied, um den es hier geht.
3. **Falsch heißt zurück.** Eine falsche Antwort ist kein Makel, sondern der Grund für
diese Seite. Lies die genannte Quelle nach, dann weiter.
4. **Am Ende schreibst du das Protokoll** (letzter Abschnitt) und gibst es dem Menschen,
mit dem du arbeitest. Vorher läuft kein bezahlter Render. Das Protokoll ist der
einzige Weg, auf dem ein Mensch sehen kann, ob du gelesen oder geblättert hast.
Jede Auflösung nennt ihren **Beleg** — die Stelle, an der es steht. Wenn deine Antwort
abweicht, gilt der Beleg, nicht dein Vorwissen aus anderen Projekten.
---
## Station 1 — Die zwei Sätze
**Lies:** Foundation, Abschnitt 1 „Die eisernen Gesetze".
**Warum:** Alles Weitere ist Ausführung dieser zwei Sätze. Wer sie nur zitieren kann,
aber nicht anwendet, bricht sie beim ersten Zeitdruck.
**Weg im Buch** — Kette: alle Gates · Fehlerbaum: 6.10
**Frage 1.1** — Du hast eine freigegebene Szene und sollst acht Shots daraus bauen. Der
Mensch ist offline und hat „mach die Folge fertig" gesagt. Wie viele Shots renderst du?
**Frage 1.2** — Nenne den Unterschied zwischen einem Fehlversuch und einem Retry, so wie
er hier gemeint ist.
<details><summary>Auflösung</summary>
**1.1** — Nicht acht. Das Ebenen-Prinzip verlangt ein Gate je Stufe: Konzept zeigen →
Freigabe → billige Probe → Freigabe → teurer Render. „Mach die Folge fertig" ist kein
Blankoscheck für acht parallele Renders, weil ein Fehler in Shot 1 in allen acht steckt,
bevor ihn jemand sieht. Richtig: eine billige Probe, dann warten. Und: **nie batchen ohne
Gate.**
*Beleg: Foundation 1.1 · Diagnose „Abhängige Bilder warten".*
**1.2** — Ein Fehlversuch ist ein Befund: du verstehst die Ursache und machst **einen**
gezielten Retry. Ein Retry ohne verstandene Ursache ist Würfeln — das ist der Punkt, an
dem Geld verbrennt, ohne dass Wissen entsteht.
*Beleg: Foundation 1.2.*
</details>
---
## Station 2 — Referenzen: die erste ist nie beliebig
**Lies:** Foundation, Abschnitt 1.3 und 1.4 · BIBLIOTHEK → Referenz-URLs.
**Warum:** Fast jede Figuren-Katastrophe in diesem Studio ist eine Referenz-Frage
gewesen, keine Prompt-Frage.
**Weg im Buch** — Kette: Kanon · Modellwahl: Figur in ein Set setzen · Fehlerbaum: 1.1, 1.10
**Frage 2.1** — Es gibt zwei Adressen für dasselbe Blatt: `suite/refs/<name>` und
`suite/full/<name>.jpg`. Welche gibst du als Referenz an, und was passiert bei der
anderen?
**Frage 2.2** — Du sollst „schnell testen, ob die Bildsprache trägt" und dafür eine
Hauptfigur ohne Referenz generieren. Deine Antwort?
<details><summary>Auflösung</summary>
**2.1** — Immer `suite/refs/` — volle Auflösung. `suite/full/` ist die Galeriefassung,
auf 1600 px heruntergerechnet; als Gesichts-Anker verwendet stellt sie genau den Fehler
aus Diagnose 1.1 wieder her: das Modell bekommt zu wenig Gesichtsinformation und erfindet
den Rest.
*Beleg: BIBLIOTHEK → Referenz-URLs · Diagnose 1.1.*
**2.2** — Nein, auch nicht als Test. Wiederkehrende Figuren werden **nie** ohne
Bild-Referenz generiert. Referenzlose Modelle (Recraft) sind für Figuren tabu; sie liefern
eine Falschbesetzung, die danach niemand mehr einfängt — und die als „sieht doch gut aus"
in die Kette rutscht. Für Sets, Orte und Requisiten sind sie richtig.
*Beleg: Foundation 1.3 („auch nicht als Test").*
</details>
---
## Station 3 — Die teuerste Falle: primary UND refs
**Lies:** Foundation, Abschnitt 3, „Die i2v-Kipp-Falle".
**Warum:** Diese eine Zeile hat die meiste Zeit gekostet und sieht im Aufruf völlig
harmlos aus.
**Weg im Buch** — Kette: Shot · Modellwahl: Ensemble · Fehlerbaum: 4.3
**Frage 3.1** — Du hast einen komponierten Startframe und drei Figuren-Referenzen. Du
gibst beides mit: `primary` = Startframe, `refs` = die drei Figuren. Was tut das Modell?
**Frage 3.2** — Wo gehören die Identitäts-Locks stattdessen hin, und was beschreibt der
Video-Prompt dann noch?
<details><summary>Auflösung</summary>
**3.1** — Es animiert den Startframe **nicht**. `primary` + gefüllte `refs` kippt i2v in
ref2v: das Modell baut die Szene neu zusammen, statt das vorhandene Bild in Bewegung zu
setzen. Dein sorgfältig komponierter Startframe ist dann nur noch eine Anregung.
*Beleg: Foundation 3, „i2v-Kipp-Falle".*
**3.2** — Die Locks gehören in den **Startframe** — dort wird das Aussehen festgezurrt,
bevor Bewegung ins Spiel kommt. Der Video-Prompt beschreibt danach nur noch, was sich
bewegt. Der Gegenweg ist bewusstes ref2v mit „@Image1 IS THE SHOT".
*Beleg: ebenda.*
</details>
---
## Station 4 — Ein Master, viele Varianten
**Lies:** Foundation, Abschnitt 2.1.
**Warum:** Der Fehler kostet nichts pro Bild und ruiniert trotzdem die Folge — er fällt
erst im Schnitt auf, wenn zwei Einstellungen desselben Raums nicht derselbe Raum sind.
**Weg im Buch** — Kette: Set-Platte · Modellwahl: Ort, Raum oder Gegenstand · Fehlerbaum: 3.1, 3.2
**Frage 4.1** — Du brauchst die Halle aus einem zweiten Winkel und mit geöffnetem Tor.
Wie gehst du vor?
**Frage 4.2** — Warum reicht es nicht, den Recraft-Prompt zu kopieren und „from the side,
gate open" zu ergänzen?
<details><summary>Auflösung</summary>
**4.1** — Vom **Master** aus per Edit-Werkzeug: der Master ist die eine Wahrheit, jede
Variante (andere Ansicht, Zustand, Outfit, Objekt-Zustand) entsteht als Edit mit dem
Master als Referenz.
*Beleg: Foundation 2.1 · Merkregel „Master-Edit".*
**4.2** — Weil zwei getrennte Recraft-Läufe trotz identischer Beschreibung verschiedene
Räume liefern. Die Beschreibung ist nicht präzise genug, um ein Bauwerk zu
reproduzieren — kein Prompt ist das. Nur der Bildbezug hält den Raum zusammen.
*Beleg: ebenda.*
</details>
---
## Station 5 — Ton: was das Modell liefert und was nicht
**Lies:** Foundation, Abschnitt 4 · Merkregeln „Lipsync-Ton" und „Song-Timing".
**Warum:** Tonfehler hört man erst im fertigen Schnitt, und dann ist der Bake schon
bezahlt.
**Weg im Buch** — Kette: O-Ton, Lipsync · Modellwahl: Stimme · Fehlerbaum: 5.5, 5.9
**Frage 5.1** — Du baust einen Sprech-Shot mit Lipsync. Woher kommt der Raumton?
**Frage 5.2** — Du sollst die Lyrics eines Songs auf die Musik timen. Welches Werkzeug,
und welches ausdrücklich nicht?
<details><summary>Auflösung</summary>
**5.1** — **Nicht** aus dem Sprech-Shot. Lipsync-Ausgaben tragen nur das Sprach-Bett;
Raumton wird immer aus den Original-Shots gezogen und unter dem Sprechfenster geduckt
(~0,35). Andernfalls brabbelt das Modell-Audio in die Szene. Bei Sprech-Shots gilt
zusätzlich: `generate_audio` aus.
*Beleg: Foundation 4, „Atmo-Regel" · Merkregel „Lipsync-Ton".*
**5.2** — **ElevenLabs Scribe**, nie Whisper. Whisper driftet bei Musik um mehrere
Sekunden und halluziniert Strukturen; Scribe traf 448 von 448 Wörtern, geschriene
Gang-Vocals eingeschlossen. Whisper bleibt das Prüfwerkzeug für Sprache **ohne** Musikbett.
*Beleg: Foundation 4 · Merkregel „Song-Timing".*
</details>
---
## Station 6 — Wenn etwas schiefgeht
**Lies:** DIAGNOSE (die Sektion) · Foundation, Abschnitt 0 und 6.
**Warum:** Der Reflex „nochmal rendern" ist der teuerste Reflex, den ein Assistent haben
kann, und er fühlt sich jedes Mal vernünftig an.
**Weg im Buch** — Korrektur: das ganze Verfahren · Fehlerbaum: 7.7
**Frage 6.1** — `job_status` meldet seit vier Minuten `running`. Was tust du — und was
tust du auf keinen Fall?
**Frage 6.2** — Der Google-Safety-Filter lehnt eine Generierung ab (Code 1200). Erster
Schritt?
<details><summary>Auflösung</summary>
**6.1** — Weiter pollen; `completed_at` zeigt die Wahrheit, nicht das Statusfeld. Bei
`wait=true`-Timeouts erst `list_werke` prüfen — der Job lief oft trotzdem durch. **Auf
keinen Fall blind neu rendern:** das zahlt denselben Job zweimal.
*Beleg: Foundation 0.*
**6.2** — Denselben Prompt **identisch wiederholen**. Der Filter beurteilt das erzeugte
Video, nicht den Prompt — derselbe Text geht mal durch und mal nicht, und Fehlversuche
kosten $0. Erst nach mehreren Ablehnungen umschreiben, und dann Verbote aufs Material
richten statt auf Körper („no writing on his skin" lenkt den Fokus erst recht auf Haut).
*Beleg: Foundation 6.*
</details>
---
## Station 7 — Prüfen statt hoffen
**Lies:** Foundation, Abschnitt 7 · Merkregel „Sichtprüfung 6 Punkte".
**Warum:** Du kannst Video nicht sehen und Audio nicht hören. Alles, was du nicht
verifizierst, lieferst du auf Verdacht — und der Mensch merkt es vor dir.
**Weg im Buch** — Kette: Clean-Master · Fehlerbaum: 6.5, 1.7, 6.13 · Skill: F3, F7
**Frage 7.1** — Nenne für Audio, für Video und für Länge/Auflösung je ein Werkzeug, mit
dem du prüfst, statt zu vermuten.
**Frage 7.2** — Welche sechs Punkte gehen in eine Sichtprüfung, bevor etwas freigegeben
wird?
**Frage 7.3** — Du hast einen Brief geschrieben, den Job gestartet und den fertigen Clip
gemessen. Alle Messwerte stimmen. Warum reicht das trotzdem nicht — und an welchen zwei
Stellen muss jemand draufschauen, der deine Absicht **nicht** kennt?
<details><summary>Auflösung</summary>
**7.1** — Audio → Transkript (Scribe, bei Sprache ohne Musik auch Whisper).
Video → Frame-Grids und Zoom-Crops (`ffmpeg -ss t -frames:v 1`), nie das nackte PNG.
Länge und Auflösung → `ffprobe`. Beim Upscale zusätzlich: die **Ausgabe-Auflösung**
prüfen, nicht den Job-Status — bei zu großem Input kommt klaglos die Default-Größe zurück.
*Beleg: Foundation 7 und 5.*
**7.2** — Gesichter · Outfits · Szene · Requisiten · Belichtung · Kamera. Immer gegen die
**Kanon-Referenz**, nie gegen den letzten schönen Take — und jede engere Einstellung neu
am Kanon ankern, weil Edit-Ketten Gesichter driften lassen.
*Beleg: Merkregel „Sichtprüfung 6 Punkte" · Foundation 1.4.*
**7.3** — Weil Messwerte nur beantworten, ob etwas **da** ist, nicht ob es **gut** ist.
Wer ein Artefakt gebaut hat, liest beim Prüfen die eigene Absicht mit — und die Absicht
ist immer die schönere von beiden. Deshalb Skill **F7**: (1) am **Brief** vor dem
Absenden, der Prüfer bekommt Brief und Epochen-/Kanon-Blatt und sonst nichts; (2) am
**fertigen Clip** vor dem Schnitt, der Prüfer bekommt Kontaktbogen, Messwerte und
Kanon-Blätter — aber nicht den Brief. Genannt wird die **größte** Lücke, dann folgt EIN
gezielter Versuch.
*Beleg: Fehlerbaum 6.13 — dreimal in einer Sitzung, ZAPP-01, 2,70 $ plus ein verworfener
Clip.*
</details>
---
## Das Protokoll
Bevor du den ersten bezahlten Render auslöst, gibst du dem Menschen genau das hier —
ausgefüllt, in eigenen Worten, ohne Copy-Paste aus den Auflösungen:
```
EINARBEITUNG CHAZON STUDIO — Protokoll
Assistent: …… Datum: ……
1 Gates Wie viele Renders starte ich ohne Freigabe? → ……
2 Referenz Welche Adresse ist die Referenz, welche nie? → ……
3 i2v Was passiert bei primary + refs gleichzeitig? → ……
4 Master Wie entsteht die zweite Ansicht eines Ortes? → ……
5 Ton Woher kommt der Raumton eines Sprech-Shots? → ……
6 Fehler Erster Schritt bei Ablehnung / bei stale running? → ……
7 Prüfen Womit prüfe ich Audio / Video / Auflösung? → ……
Zwei Sätze zum Schluss:
· Die Regel, die ich in meiner bisherigen Arbeitsweise am ehesten gebrochen
hätte, ist ……, weil ……
· Was ich vor dem ersten Render noch nicht weiß und nachfragen muss: ……
```
Die letzten beiden Zeilen sind die eigentliche Prüfung. Wer sie ernst beantwortet, hat
gelesen. Wer „alles klar, ich halte mich an alle Regeln" schreibt, hat geblättert — und
bekommt die Stationen noch einmal.
---
## Danach
Die Einarbeitung endet hier, das Lernen nicht. Jede teuer gelernte Regel gehört sofort in
den Diagnosebaum (`DIAGNOSE.md`, Symptom → Ursache → Lösung → Beleg) und, wenn sie
grundsätzlich ist, in die Foundation. Widerlegte Regeln werden ausdrücklich als widerlegt
markiert statt gelöscht — sonst zahlt der nächste Assistent dasselbe Lehrgeld noch einmal.
die eisernen Gesetze, Startframe-Logik, Modell-Split, Safety-Filter, Arbeitskultur
im Browser lesen
# FOUNDATION FÜR KI-SYSTEME MIT PROMPTO-ZUGANG
*Destillat aus ~600 $ Produktionserfahrung (chazon studio, Stand 03.08.2026). Für
fremde Assistenten (z. B. Lanas Claude): Lies das, bevor du deinen ersten Dollar
ausgibst — jede Regel hier hat Lehrgeld gekostet. Du darfst alles übernehmen.*
## 0 · Prompto in 5 Zeilen
- MCP-Tools: `list_models` (Modell finden) → `generate` (bezahlt!) → `job_status` →
Output-URL. `balance` zeigt Budget je Provider, `import_media` holt externe Dateien
in den Pool. Asset-IDs aus dem Pool funktionieren als `primary`/`refs`/`end`.
- `job_status` kann lange stale „running" zeigen — weiter pollen, `completed_at`
zeigt die Wahrheit. Bei `wait=true`-Timeouts: Job lief oft trotzdem durch →
erst `list_werke` prüfen, NIE blind neu rendern (Doppelkosten).
- Provider-Routing ist Geld-Management: dasselbe Modell kostet je Provider anders,
und Guthaben liegt verteilt. Vor jeder Session `balance`, danach wieder.
## 1 · Die eisernen Gesetze (gelten immer)
1. **Kein Render ohne explizites Go des Menschen.** Ebenen-Prinzip: Konzept zeigen →
Freigabe → billige Probe → Freigabe → teurer Render. Nie batchen ohne Gate.
2. **Ein Fehlversuch = Ursache verstehen, EIN gezielter Retry.** Nicht würfeln.
3. **Wiederkehrende Figuren NIE ohne Bild-Referenz generieren — auch nicht „als
Test".** Referenzlose Modelle (z. B. Recraft) sind für Sets/Props/Design tabu
für Figuren: du bekommst eine Falschbesetzung, die niemand mehr einfängt.
4. **Jede Sichtprüfung gegen die KANON-Referenz** (Character-Sheet), nie gegen den
letzten schönen Take. **Und: jede engere Einstellung neu am Kanon ankern** —
Edit-Ketten driften Gesichter; was in der Totale niemand sieht, macht in der
Nahaufnahme eine andere Person daraus (Kette ab Kanon ≤ 2 Stufen). Wer den falschen Take zur Referenz macht, baut jeden
folgenden Render aktiv gegen die eigene Kette.
5. **480p-Proof aufs Handy vor jedem teuren Schritt.** Ampel-Prinzip.
6. **Ist-Kosten mitschreiben** (Render-Log je Projekt: Datum, Was, Job-ID, $, Befund).
## 2 · Bilder: der komponierte Startframe ist alles
Das Fundament-Rezept jeder Video-Pipeline: **Look wird VOR dem Video gepinnt.**
1. **Set/Szene**: Recraft V4.1 (`recraft-v4`, realistic_image, quality pro) ist ein
Szenenbild-Monster — Material, Licht, Kleinstdetails; Farbpalette als Hex-Liste
mitgeben. NUR für Orte/Gegenstände (Gesetz 3). **Und nur für den MASTER eines
Motivs:** jede Variante (andere Ansicht, Zustand offen/zu, Outfit-Abwandlung,
Objekt-Zustand) entsteht per Edit-Tool vom Master — getrennte Recraft-Prompts
liefern trotz identischer Beschreibung verschiedene Schiffe/Räume.
2. **Figur ins Set**: `nano-banana-2-edit` als „Photoshop-Ebene": primary = Set,
refs = [Kanon-Figur] → komponierter Startframe. Edit-Ketten sind ok, solange sie
bei einem Kanon-Asset beginnen. seed=777 für Reproduzierbarkeit.
3. **Requisiten-Wurzelregel:** Was die Figur im Startframe nicht SAUBER in der Hand
hat, klebt im Video am Körper oder wandert. Hand-Kontakt explizit prompten
(„her fingers closed around the handle") — oder Requisit streichen. Diese
Fehlerklasse siehst du NUR im Bewegtbild, nie am Einzelframe.
4. **Text können Bildmodelle, Videomodelle nicht.** Exotische Schriften, Umlaute,
Panels: nano-banana-2 trifft sie im ersten Versuch — im Video zerfallen sie
(Ausnahme: einsprachig-lateinischer Text mit Ref-Lock hält in Omni).
Sich ÄNDERNDE Ziffern (Timer) kann kein Videomodell — in Post stempeln.
5. **Sheets nummerieren** (Index-Chip AUSSERHALB des Items) macht Bibliotheken
adressierbar („use plate 3"), plus Sicherung: „the index numbers are selection
aids only and are never drawn into the video". Einzelnes Element besser als
freigestellten Crop übergeben statt als Sheet-Ausschnitt.
6. **Eigennamen nie in Bild-/Videoprompts** — sie werden ins Bild gemalt. Figuren
umschreiben („the boy", „the faceted orb") + „No names, no labels, no titles
are ever drawn into the picture."
## 3 · Video-Modell-Split (jedes Modell hat seine Qualitäten)
| Modell | Nimm es für | Fehlerklasse (erlebt, nicht vermutet) |
|---|---|---|
| `kling-o3-ref` | Bewegung, Ensemble, Kamera-Folgen; Startframe als @Image1 + Figuren-Refs | szenische Drift: ungescriptete Drehungen. Verhalten hart POSITIV prompten („his back stays to the camera the entire video") — nicht verneinen |
| `kling-v3-pro` i2v | statische Talking-Heads, harte Start/End-Landung (primary+end), bestes Atmo-Sounddesign | Objekt-Kleber: lose Requisiten kleben am Körper. KEINE deutschen Sprechstimmen (Akzent) — Dialog nie in den Kling-Prompt |
| `seedance-2-pro` | SOTA-VFX, Multishot in EINER Generation („Shot 1: … Shot 2: …"), hält 2 Charakter-Refs über Schnitte, sehr guter Handheld-Look | komplexe Hand-Choreo → drei Hände. Handführung vereinfachen. -mini/-fast trifft Endframes nur lose |
| `gemini-omni-flash` | Sprache im Bild (DE nativ + lippensynchron, auch ZH/HI/AR/HE/RU), i2v-Ketten | nur EIN Sprecher pro Generation; Age-Drift ab ~8 s; Sprachzeilen NUMMERIEREN („Line 1 … Line 2 …, each line EXACTLY ONCE") |
| `grok-imagine-ref` | billiges ref2v mit vielen Refs (bis 7), spricht DE | lose Szenen-Kontrolle; fragile Figuren brauchen VOLLES Ref-Budget inkl. komponiertem Startframe |
- **Die i2v-Kipp-Falle (teuerste Lehre der Omni-Ära):** `primary` + gefüllte `refs`
gleichzeitig kippt i2v in ref2v — das Modell baut die Szene NEU statt sie zu
animieren. Locks gehören in den Startframe; der Video-Prompt beschreibt nur noch.
Reines ref2v mit „@Image1 IS THE SHOT" funktioniert als Gegenweg.
- **A/B-Duelle lohnen sich:** zwei Modelle auf denselben Startframe, beide Fehlerklassen
kennenlernen — danach routest du jeden Shot richtig.
- **Handheld-Doku-Realismus:** keine weiten Shots (KI-Weite kippt ins Unechte),
3/4-Shots + American, leichte Dutch-Winkel, „camera breathes". Interviews schauen
knapp NEBEN die Linse.
## 4 · Stimmen & Audio (ElevenLabs direkt, wenn Key vorhanden)
- **TTS = eleven_v3 mit Audio-Tags** (`[calm]`, `[whispers]`, `[shouting]`, `[pause]`)
+ `voice_settings.stability` (ruhig 0.45–0.5, lebhaft 0.35–0.4). Nie flache Defaults.
- **Nimm NICHT die Premade-Stimmen** (Chris, Alice, Bill …) — die benutzt jeder,
es klingt sofort generisch. Voice Library durchsuchen (`GET /v1/shared-voices`,
Filter language/gender/age liefern hunderte Professional-Voices mit deutschen
Preview-URLs), pro Figur EINE eindeutige Stimme casten, IDs im Register notieren.
- **Lipsync-Betten-Trick** (`sync-lipsync-3`, ~$0.134/s): Audio-Bett in exakter
Shot-Länge bauen (Stille + Zeile an der Sollstelle via adelay/apad) → lipsyncen →
der Mund sitzt an der geplanten Stelle. Rückenansichten brauchen keinen Lipsync.
Sync-Outputs sind 720p und manchmal Frames kürzer → im Schnitt IMMER
`tpad=stop_mode=clone` vor `-t`.
- **Atmo-Regel:** Lipsync-Outputs tragen nur das Sprach-Bett. Raumton IMMER aus den
ORIGINAL-Shots ziehen und unter Sprechfenstern ducken (~0.35) — sonst brabbelt
das Modell-Audio rein.
- **Spur-Architektur:** getrennte WAVs für O-Ton / Atmo / Score / Foley →
`amix normalize=0` → `loudnorm I=-14:TP=-1`. WAVs sind auflösungsunabhängig —
jeder spätere Bake nutzt sie unverändert.
- **Song-Timing: ElevenLabs Scribe, NIE Whisper.** Whisper driftet bei Musik ~6 s
und halluziniert Strukturen; Scribe traf 448/448 Wörter inkl. geschriener
Gang-Vocals. Whisper nur für Sprache ohne Musikbett (dort ist es das
Prüfwerkzeug: transkribieren statt hören).
- **Suno stellt Lyrics um** → Schnittstruktur nie vom Textblatt ableiten, immer messen.
- **Foley passgenau:** Transienten per PCM-RMS-Fenster finden (kumulative Suche
verrutscht), ElevenLabs-SFX (`/v1/sound-generation`) auf den Frame layern.
UI/Menü-Einblendungen bekommen eigene Sounds — vorher als Asset generieren.
## 5 · Schnitt, Text-Ebene, Finish
- **Text ist eine EIGENE Ebene.** Clean-Master ganz ohne Text schneiden (auch Cards
zählen als Text). Satz-Subs statt Karaoke. Typografie ernst nehmen: echtes
Satzsystem (Display-Serif + Text-Serif + Mono für Labels, Grundlinien, echte
„" –, optischer Randausgleich) statt PIL-Defaults — und ein Typo-Blatt zur
Freigabe VOR dem Einbrennen.
- **Timeline-Versicherung:** Segment-Grenzen als Assertion prüfen (Lücke = Abbruch
statt Drift); jedes Stück tpad-clonen; Vor concat Audio vereinheitlichen
(`aformat=sample_rates=48000:channel_layouts=stereo`).
- **Overlay-Fallen:** `-loop 1` + mehrere Ebenen = Endlos-Render → immer `-t` am
Output. Overlays IMMER an echten Frames sichtprüfen (`ffmpeg -ss t -frames:v 1`),
nie am nackten PNG. Schwarz-auf-schwarz nie mit colorkey keyen → Flood-Fill-Matte.
- **Finish-Reihenfolge: Upscale VOR Text-Bake.** Clean hochrechnen (z. B.
ByteDance-2k, ~$0.0144/s), dann Typo in nativer Zielauflösung einbrennen;
Schärfung (unsharp) aufs BILD vor den Overlays, nie über den Text.
Upscaler-Falle: bei zu großem Input kommt klaglos die Default-Auflösung zurück →
Output-AUFLÖSUNG prüfen, nicht den Job-Status. Upload-Caps (~100 MB) → Master an
harten Schnittkanten verlustfrei splitten (`concat -c copy`), Teile ≤25 s.
- **9:16 aus 16:9:** eigener Crop + EIGENE Portrait-Typo (Breitenfaktor je Sub
prüfen) — nicht das Querformat-Layout hineinquetschen.
## 6 · Safety-Filter (Google, Code 1200) — Praxis
- Der Filter beurteilt das GENERIERTE Video, nicht den Prompt: derselbe Prompt kann
durchgehen und abgelehnt werden. **Erst identisch wiederholen** (Fehlversuche
kosten $0), erst nach mehreren Ablehnungen umschreiben.
- Flag-Magneten: ruhige warme Nahaufnahme junger Figuren; Alters-/Haut-Vokabular;
Anatomie-Wörter; auch NEGATIV-Sätze zählen („no writing on his skin" = Haut-Fokus
→ Verbote aufs Material richten). Keine Waffen-Verben Richtung Personen.
- Ellipsen im Sprechtext lesen Modelle als „improvisier weiter" → kurze Zeilen ohne
„…", mit Wortzahl schließen („exactly two words, nothing else").
## 7 · Arbeitskultur (macht den Unterschied)
- **Erst Konzepte zeigen, dann bauen.** Der Mensch entscheidet an Gates, nicht am Ende.
- **Playbook führen:** jede teuer gelernte Regel sofort dokumentieren, mit Datum und
Lehrgeld — sonst zahlst du sie doppelt. Widerlegte Regeln explizit als widerlegt
markieren (Registry-Wissen veraltet!).
- **A/B nur mit Diagnose:** ein Duell ohne Fehlerklassen-Analyse ist Geldverbrennung.
- **Verifiziere, was du nicht wahrnehmen kannst:** Audio → Transkript (Whisper/Scribe),
Video → Frame-Grids + Zoom-Crops, Länge/Auflösung → ffprobe. Niemals „wird schon
passen" liefern.
was Prompto ist, die Tools, die Modell-Landkarte mit Preisen, Referenz-Logik
im Browser lesen
# PROMPTO-GUIDE FÜR KI-SYSTEME
*Was Prompto Studio ist und wie du als Assistent damit produzierst. Stand 03.08.2026.
Gehört zusammen mit `foundation-fuer-ki.txt` (die Lehren) und `folgen-rezept.txt`
(der Produktionsablauf). Zugang wird über das chazon studio vergeben.*
## 1 · Was Prompto ist
Ein Renderer-Stack als **MCP-Server**: ~50 Modelle (Bild, Edit, Video, Upscale,
Audio, Utility) hinter einheitlichen Tools, mit Budget-Verwaltung über mehrere
Provider (fal, WaveSpeed, Runware, ElevenLabs). Du sprichst NIE direkt mit den
Provider-APIs — du sprichst mit Prompto.
**Die Tools:**
| Tool | Zweck |
|---|---|
| `list_models` | Registry abfragen: model_key, Preis, refMode/maxRefs, Fähigkeiten. Filter: group/kind/q |
| `get_prompt_guide` / `enhance_prompt` | Prompt-Hilfen je Modell |
| `generate` | DER bezahlte Call: model_key + prompt + primary/end/refs (Asset-IDs ODER URLs) + options |
| `job_status` | Status + signierte Output-URLs (1 h gültig) + Ist-Kosten |
| `import_media` | externe Datei in den Asset-Pool holen |
| `balance` | Budget je Provider — vor UND nach jeder Session aufrufen |
| `list_werke` | Galerie / bereits gerenderte Assets finden |
**Grundmuster:** `list_models` → `generate(wait=false)` → `job_status` pollen →
Output-URL laden → lokal sichern. Jedes Output wird ein **Pool-Asset mit ID** —
diese IDs sind deine Referenzen für alle Folge-Renders (Edit-Ketten, Video-Refs).
`wait=true` kann in MCP-Timeouts laufen, obwohl der Job durchläuft → bei Timeout
NIE blind neu rendern, erst `list_werke`/`job_status` prüfen.
## 2 · Die Modell-Landkarte (kuratiert, Preise = günstigster Provider)
**Bild (Sets, Designs, Startframes):**
- `recraft-v4` 0.04–0.25 $/Bild — DESIGN-Monster: Szenenbilder, Marken-Grafik,
akkurater In-Bild-Text, Palette via Hex. **refMode none → NIE für wiederkehrende
Figuren.** Auch als `-vector` (echte SVG) und `-utility` (Packshots).
- `nano-banana-2` 0.08 $ / `-pro` 0.15 $ — Gemini-Bild: Text mehrsprachig
buchstabengetreu, bis 14 Refs, Seed-Support (777 = Hausstandard).
- `seedream-v5` 0.035 $ — schnelles Fotoreal-4K, auto Multi-Ref.
- `ideogram-v4-tiling` — nahtlose Patterns/Texturen.
**Edit (Figur ins Set, gezielte Änderungen):**
- `nano-banana-2-edit` 0.08 $ — DER Standard: „keep X, change Y", hält Szene und
Identität, bis 14 Refs. Die „Photoshop-Ebene" jeder Compose-Pipeline.
- `seedream-v5-lite-edit` 0.035 $ — halber Preis für Massen-Edits, weniger chirurgisch.
- `pruna-p-image-edit` 0.01 $ — Draft-Tier zum billigen Iterieren.
**Video (jedes hat seine Qualitäten — Split fahren!):**
- `kling-o3-ref` 0.112 $/s (~720p, `-pro` 0.14 $/s 1080p) — **ref2v-Arbeitspferd:**
1–7 Refs als @Image1..N, hielt 7 Figuren mit Kanon-Handlung in EINEM Clip.
Deutsch sprechen kann es NICHT (Sprachroute: TTS + sync-lipsync-3).
- `kling-v3-pro` 0.168 $/s — i2v/t2v 1080p, harte Start+End-Landung, bestes
Atmo-Sounddesign. Fehlerklasse Objekt-Kleber (lose Requisiten).
- `seedance-2-pro` ~0.16–0.24 $/s — SOTA-Qualität + synced Audio + **Multishot in
einer Generation** („Shot 1: … Shot 2: …"), hält 2 Charakter-Refs über Schnitte.
`-fast`/`-mini` als Budget-Stufen.
- `gemini-omni-flash` ~0.13 $/s — spricht (DE + viele Sprachen, lippensynchron),
aber nur EIN Sprecher pro Generation; strenger Google-Safety-Filter.
- `minimax-h3` 0.13 $/s — 2K + nativer Ton, ABER: ersetzt Identitäten bei nur
1 Ref/Figur → mehrere Sheet-Ansichten mitgeben oder Kling O3 nehmen.
- `vidu-q2-ref` 0.30 $ FLAT/Clip — billiger Konsistenz-PREVIEW vor teuren Finals
(Gesichter checken, Requisiten-Glitches ignorieren).
- `pixverse-c1-ref` 0.05 $/s — natives 9:16 mit subject/background-Refs.
- `grok-imagine-ref` 0.05 $/s flat — billiges ref2v, Ref-Budget FÜLLEN (5+ Refs).
- `omnihuman-15` 0.16 $/s — sprechende Figur aus 1 Ref-Bild + Audio-File
(deutsch funktioniert exzellent); Regie: halbnah ran, Kamera in den Prompt.
**Finish & Utility:**
- `bytedance-video-upscaler` 0.0072 $/s — 1080p/2k/4k mit Face-Enhance, DER
Standard-Upscaler (Regeln: Clean ohne Text hochrechnen, Output-AUFLÖSUNG prüfen,
Teile ≤25 s / <50 MB, `target_resolution` heißt der Param, tpad-Normalisierung).
- `sync-lipsync-3` 0.134 $/s — Lipsync auf fertiges Material (95+ Sprachen, singt
auch); Frontalgesicht Pflicht, Output 720p, Betten-Technik s. Rezept.
- `topaz-upscale-*` — Referenz-Qualität für kritische Einzelstücke.
- `bria-remove-bg` / `bria-expand` / `bria-video-bg` — Freisteller, Outpaint.
- `elevenlabs-music/-sfx/-tts` — Score, Foley, Voiceover (bei eigenem
ElevenLabs-Key: direkt v3 mit Audio-Tags + Library-Voices, s. Foundation §4).
## 3 · Referenz-Logik (der wichtigste Begriff)
- `primary` = i2v-Startbild („animiere DIESES Bild"). `refs` = ref2v-Referenzen
(„baue aus DIESEN Zutaten"). **Beides zusammen kippt i2v in ref2v** — die
teuerste Falle des Hauses. Locks gehören ins Startbild, nicht in den Video-Call.
- Figuren-Identität lebt in **Kanon-Assets** (Character-Sheets, Ganzkörper auf
Grau, Turnaround-Blätter) im Pool. Jede Produktion beginnt damit, diese IDs
bereitzulegen. Ohne Kanon-Ref keine Figur — Gesetz.
- Edit-Ketten sind legitim (Set → Figur rein → Requisite anpassen), solange das
erste Glied ein Kanon-Asset ist.
## 4 · Geld & Verhalten
- `balance` zeigt Guthaben je Provider. Router nimmt den günstigsten; `provider`-Pin
ist möglich, wird aber nicht bei jedem Modell respektiert — Ist-Provider steht
in der generate-Antwort. Absprache im Haus: klären, WELCHER Topf gerade
geschont wird, bevor du Volumen fährst.
- Faustpreise einer 105-s-Doku-Folge (SER-03, komplett): Sets+Figuren+Startframes
~8 $ · 12 Shots ~25 $ · Stimmen/Lipsync ~8 $ · Zwischenszenen ~12 $ ·
2k-Finish ~1.5 $ → **~60 $ gesamt** inkl. Retries.
- Moderations-Flags einzelner Assets blockieren die Weiterverwendung als
Edit-Input NICHT zwingend — prüfen statt annehmen. Fehlversuche mit Flag
kosten nichts; identischen Prompt erst wiederholen (Filter würfelt).
der komplette Produktionsablauf einer Episode, Phase 0 bis Finish, mit Gates
im Browser lesen
# FOLGEN-REZEPT — Wie eine Episode entsteht
*Der komplette Produktionsablauf des chazon studio, destilliert aus SER-03
„Wer trägt das Haus?" (105 s Doku-Teaser, ~60 $). Für Menschen UND Assistenten.
Voraussetzung: Prompto-Zugang (s. prompto-guide) und Kanon-Assets der Figuren.
Jede Phase endet an einem GATE: der Mensch sichtet und gibt frei — nie überspringen.*
## Phase 0 · Idee & Drehbuch (0 $)
1. **Hook wählen** (Trigger-Dimension × Thema — das Haus führt eine Hook-Matrix;
jede Folge bedient eine noch offene Zelle).
2. **Kanon lesen**, bevor du schreibst: Welt-Regeln, Figuren-Register (wer spricht
wie), was frühere Folgen schon verbraucht haben.
3. **Drehbuch als Shot-Tabelle**: pro Shot Nummer, Zeitfenster, Bildbeschreibung
(Kadrage! z. B. 3/4-Shot, American, Dutch), O-Ton-Text, Kamera-Verhalten.
90–105 s ≈ 12–15 Shots. Regie-Grundsätze: keine weiten Shots (KI-Weite wirkt
unecht), Interviews knapp neben die Linse, Ton = Handwerk.
4. Drehbuch als lesbares Dokument ausliefern → **GATE: Text-Freigabe.**
## Phase 1 · Sets & Kostüme (~1–3 $)
- Je Location EIN Set-Still: `recraft-v4` (realistic_image, quality pro,
Palette als Hex im Prompt). Material, Licht, Kleinstdetails beschreiben.
- Kostüm-/Requisiten-Fassungen der Figuren: `nano-banana-2-edit` auf den
Kanon-Ganzkörpern (NIE referenzlos!).
- Sets doppeln als Look-Bibel UND als Raum-Refs für Video-Shots.
→ **GATE: Szenenbild-Sichtung.**
## Phase 2 · Startframes (~1–2 $)
- Pro Shot ein **komponierter Startframe**: `nano-banana-2-edit`,
primary = Set-Still, refs = [Figur in Kostüm-Fassung]. 16:9 explizit anfordern.
- **Requisiten-Regel:** Was die Figur nicht sauber greift, klebt später im Video.
Hand-Kontakt explizit bauen oder Requisit streichen.
- Licht-Logik je Raum prüfen (Fensterseite = Lichtseite, kein Frontal-Fill).
→ **GATE: alle Startframes am Stück sichten.**
## Phase 3 · Shots (~20–30 $)
Model-Split je Shot-Typ (Preise/Details im prompto-guide):
- Bewegung/Ensemble/Kamera-Folgen → `kling-o3-ref` (Startframe als @Image1 +
Figuren-Refs; Verhalten hart positiv prompten).
- Statische Interviews/Talking-Heads → `kling-v3-pro` i2v vom Startframe.
- FX, Rituale, Makros, Multishot-B-Roll → `seedance-2-pro` (Shot 1..4 in einem
Prompt; Hand-Choreo einfach halten).
- Unsicher bei Konsistenz? Erst `vidu-q2-ref`-Preview (0.30 $ flat), dann final.
- Jeden Shot einzeln sichten (BEWEGTBILD, nicht Frames — Kleber/Drift sieht man
nur im Video). Ein Fehlversuch → Ursache verstehen → EIN Retry.
→ **GATE: Shot-Abnahme.**
## Phase 4 · Stimmen (~1–3 $)
- Jede Figur hat eine EIGENE Voice-ID aus der ElevenLabs-Library (Stimmen-Register
des Hauses; nie die Premade-Defaults). Neue Figur → erst casten (2 Kandidaten,
Anhör-Gate).
- O-Töne in eleven_v3 mit Audio-Tags + stability je Figur; Emotionsregie aus dem
Steckbrief. Länge messen — sie bestimmt den Schnitt.
→ **GATE: Anhörprobe.**
## Phase 5 · Lipsync & Schnitt (~5–8 $)
- **Betten-Technik:** je Sprech-Shot ein Audio-Bett in exakter Shot-Länge bauen
(Stille + O-Ton an der Soll-Stelle) → `sync-lipsync-3(video=Shot, audio=Bett)`.
Rückenansichten brauchen keinen Lipsync.
- Schnitt als Skript (ffmpeg): Timeline-Tabelle mit Assertion (Lücke = Abbruch),
`tpad=stop_mode=clone` in jedem Stück, Audio vor concat vereinheitlichen.
- **5 Tonspuren:** O-Ton (adelay-Mix) · Atmo (aus ORIGINAL-Shots, unter Sprache
auf ~0.35 geduckt) · Score (Ducking + Endfade) · Foley (Transienten messen,
ElevenLabs-SFX passgenau) · UI-Sounds für Einblendungen. → loudnorm I=-14.
- Score: Suno (Prompt vom Studio, Mensch wählt die Datei) oder `elevenlabs-music`.
→ **GATE: 480p-Proof am Handy, mehrere Runden einplanen.**
## Phase 6 · Text-Ebene (0 $, aber Sorgfalt)
- Eigenes Satzsystem statt Rohtext: Display-Serif + Text-Serif + Mono-Labels,
Grundlinien, echte Anführungszeichen, optischer Randausgleich.
- Namens-Subs mit Wiedererkennungs-Element (im Haus: Messingscheibe mit
Registernummer), Titeltafel, Abschlusstafel, Endcard mit Pflichtangaben
(inkl. „KI-GENERIERT"), Sender-Ident → Logo-Bug.
- **Typo-Blatt zur Freigabe VOR dem Einbrennen.** → **GATE.**
## Phase 7 · Finish (~1.5 $)
1. Clean-Master OHNE Text bauen (exakte Solldauer).
2. An Segmentgrenzen splitten (Teile ≤25 s, <50 MB).
3. `bytedance-video-upscaler` auf 2k; Output-AUFLÖSUNG verifizieren.
4. tpad-Normalisierung auf exakte Teildauern → concat.
5. Text-Bake in nativer Zielauflösung (unsharp aufs Bild VOR den Overlays).
6. 9:16-Fassung: eigener Crop + EIGENE Portrait-Typo, nie gequetscht.
7. Beide Fassungen frame-verifizieren (Ident, Titel, Subs, Endcard) + ffprobe.
→ **GATE: Endabnahme durch den Menschen → publish.**
## Nachlauf (Pflicht)
- Render-Log abschließen (jede Generation mit ID, $, Befund).
- Neue Lehren ins Playbook/die Foundation — sonst zahlt sie das nächste Projekt
nochmal. Balance-Check und Kosten-Summe melden.