# 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).