Schritt 01 — Beschreibe deine Einstellungen
Schreibe ein Skript oder eine Shotliste und füge dann Referenzframes oder ein Basisbild hinzu, um Charakter und Art Direction festzulegen.
In Cleep AI lassen sich aus Text oder vorhandenem Material kurze Clips erstellen – mit besonderem Augenmerk auf wiedererkennbare Figuren, stabile Objekte und nachvollziehbare Iterationen im Workflow.






Von einer Shotliste zum Entwurf mit mehreren Einstellungen – keine Einrichtung, keine Plugins, kein Discord.
Schreibe ein Skript oder eine Shotliste und füge dann Referenzframes oder ein Basisbild hinzu, um Charakter und Art Direction festzulegen.
Lege die Länge deines Clips und das Seitenverhältnis fest, hänge eine Tonspur für Native Audio Sync an und aktiviere AI lip syncing für sprechende Einstellungen.
Generiere die Sequenz und prüfe sie Einstellung für Einstellung. Wenn eine Szene danebengeht, generiere nur diese Einstellung neu und halte den Rest des Schnitts stabil.

Zuerst wird ein Text-Prompt eingegeben oder ein Quellvideo für Video-zu-Video hochgeladen, um Bewegung, Schnittgefühl oder Kameraführung zu übernehmen. Optional wird eine VIDEO-Character Reference ergänzt, damit eine Figur über mehrere Takes hinweg wiedererkennbar bleibt. Anschließend werden Länge, Stil und gewünschte Aktion festgelegt und der Clip gerendert. Für saubere Iterationen werden Varianten mit kleinen Prompt-Änderungen erzeugt, statt jedes Mal bei null zu starten.

Für Social-Teams eignet sich das Modell, um aus einem Skript mehrere kurze Szenen zu erzeugen und als Serie konsistent zu halten. Im E-Commerce kann Video-zu-Video genutzt werden, um bestehendes Footage stilistisch zu variieren, ohne den Produktaufbau neu zu drehen. Für Storytelling-Projekte hilft die Referenzfunktion, eine Hauptfigur in unterschiedlichen Einstellungen wiederzuerkennen. In allen Fällen ist der Output ein exportierbarer Clip, der sich direkt in Schnitt-Tools weiterverarbeiten lässt.

Vor dem Einsatz im finalen Schnitt sollten Nutzer prüfen, ob Gesicht, Kleidung und wichtige Requisiten über die Sequenz hinweg stabil bleiben. Bei Video-zu-Video lohnt sich ein Vergleich Frame für Frame an kritischen Stellen (Hände, Schrift, Logos), um Artefakte früh zu erkennen. Für wiederkehrende Figuren wird kontrolliert, ob die Referenz in verschiedenen Licht- und Kamerasituationen zuverlässig greift. Wenn Abweichungen auftreten, helfen kürzere Shots, präzisere Aktionsbeschreibungen und engere Stilvorgaben.

Kling 3.0 wird häufig gewählt, wenn Text-zu-Video und Video-zu-Video in einem Projekt kombiniert werden sollen, ohne den Look jedes Mal neu zu definieren. Ein zentraler Vorteil ist der Ansatz eines unified model training framework, der auf stabile Ergebnisse über verschiedene Eingaben hinweg abzielt. Für Teams bedeutet das: weniger Brüche zwischen Szenen und weniger Nacharbeit beim Angleichen von Figuren und Objekten. In Cleep AI lässt sich der Ablauf so strukturieren, dass Referenzen, Varianten und Freigaben nachvollziehbar bleiben.

In Cleep AI kann direkt mit einem Prompt gestartet oder vorhandenes Material für Video-zu-Video verwendet werden. Wer wiederkehrende Figuren plant, ergänzt eine VIDEO-Character Reference und erzeugt anschließend Varianten für unterschiedliche Szenen. Nach dem Rendern wird der Clip geprüft und für den Schnitt exportiert. So entsteht ein reproduzierbarer Prozess statt einzelner Zufallstreffer.
