KI-Videogenerierung Glossar: Wichtige Begriffe erklärt
Ideal für: Produktmarketer, Operations-Teams, Agentur-Autoren und Influencer, die eine schnelle Referenz beim Erstellen von KI-gestütztem Content benötigen.
A
AI Avatar (KI-Avatar)
Ein von künstlicher Intelligenz generierter digitaler Charakter, der realistisch sprechen und sich bewegen kann. Wird in Videos verwendet, um menschliche Darsteller zu ersetzen.
Audio Inpainting
Verwendung von KI zum Füllen von Lücken, Entfernen unerwünschter Geräusche oder Reparieren beschädigter Abschnitte in Audioaufnahmen unter Beibehaltung eines natürlichen Flusses.
Audio Synthesis (Audiosynthese)
Der Prozess der Erzeugung menschenähnlicher Sprache mit KI anstelle der Aufnahme einer echten menschlichen Stimme.
Aspect Ratio (Seitenverhältnis)
Das Breite-zu-Höhe-Verhältnis eines Videos (z.B. 16:9 für Breitbild, 9:16 für vertikal/mobil).
B
Background Removal (Hintergrundentfernung)
KI-Technologie, die automatisch den Hintergrund aus Videomaterial entfernt, sodass Sie ihn durch benutzerdefinierte Szenen ersetzen können.
Batch Generation (Stapelgenerierung)
Das gleichzeitige Erstellen mehrerer Videos aus verschiedenen Skripten oder Vorlagen.
Brand Kit (Marken-Kit)
Eine Sammlung von Logos, Farben, Schriften und Assets zur Aufrechterhaltung eines konsistenten Brandings über Videos hinweg.
C
CFG Scale (Classifier-Free Guidance)
Ein Parameter, der steuert, wie genau die KI Ihrem Prompt folgt. Höhere Werte erzeugen Ausgaben, die Ihrer Beschreibung treuer sind; niedrigere Werte ermöglichen mehr kreative Freiheit.
Checkpoint
Ein gespeicherter Zustand der trainierten Gewichte eines KI-Modells. Verschiedene Checkpoints können unterschiedliche visuelle Stile oder Fähigkeiten produzieren.
Clone Voice (Stimmenklon)
Das Erstellen einer synthetischen Kopie der Stimme einer Person, die jeden Text sprechen kann, während die Eigenschaften der Originalstimme erhalten bleiben.
ControlNet
Eine Technik, die präzise Kontrolle über KI-Bild- und Videogenerierung bietet, indem Referenzbilder für Posen, Kanten, Tiefenkarten oder andere visuelle Anleitungen verwendet werden.
Custom Avatar (Benutzerdefinierter Avatar)
Ein personalisierter KI-Avatar, der aus Videomaterial einer bestimmten Person erstellt wurde, um deren digitales Abbild darzustellen.
D
Deepfake
Videomanipulationstechnologie, die Gesichter austauscht oder Inhalte verändert. Kontrovers bei Verwendung ohne Zustimmung (nicht dasselbe wie ethische KI-Avatare).
Diffusion Model (Diffusionsmodell)
Die KI-Architektur, die moderne Videogeneratoren wie Sora, Runway und Kling antreibt. Funktioniert, indem sie lernt, Rauschen aus zufälligem Rauschen zu entfernen, bis ein kohärentes Bild oder Video entsteht.
Digital Human (Digitaler Mensch)
Ein anderer Begriff für KI-Avatar – eine computergenerierte Person, die menschlich aussieht und handelt.
Dubbing (Synchronisation)
Das Ersetzen des Originaltons in einem Video durch eine andere Sprache bei gleichzeitiger Synchronisierung der Lippenbewegungen.
E
Edge Cases (Randfälle)
Ungewöhnliche oder seltene Szenarien, in denen KI möglicherweise nicht optimal funktioniert (z.B. ungewöhnliche Aussprachen).
Export Format (Exportformat)
Der Dateityp, in dem Ihr Video gespeichert wird (z.B. MP4, MOV, WebM).
F
Face Swap (Gesichtstausch)
Technologie, die das Gesicht einer Person in einem Video durch das einer anderen ersetzt.
Fine-tuning (Feinabstimmung)
Der Prozess, ein vortrainiertes KI-Modell zu nehmen und es mit spezifischen Daten weiter zu trainieren, um es für eine bestimmte Aufgabe, einen Stil oder ein Thema zu spezialisieren.
Frame Rate (Bildrate)
Wie viele Bilder (Frames) pro Sekunde in einem Video gezeigt werden. Standard ist 24-30 fps.
Frontend/Backend
Frontend bezeichnet, was Benutzer sehen, Backend bezeichnet die KI-Verarbeitung, die im Hintergrund stattfindet.
G
Generative AI (Generative KI)
KI, die neue Inhalte erstellt (Bilder, Videos, Audio), anstatt nur bestehende Inhalte zu analysieren.
Gesture Control (Gestensteuerung)
Die Möglichkeit, Handbewegungen und Körpersprache eines Avatars zu programmieren.
Green Screen (Greenscreen)
Eine Technik, bei der ein einfarbiger Hintergrund (meist grün) durch andere Bilder ersetzt wird. KI kann dies jetzt automatisch.
H
Hallucination (Halluzination)
Wenn KI-Modelle falschen, unsinnigen oder faktisch inkorrekten Inhalt generieren. Bei Videos kann dies als verzerrte Hände, unmögliche Physik oder Gesichter erscheinen, die sich unnatürlich verformen.
Hyper-Realistic (Hyperrealistisch)
KI-generierte Inhalte, die extrem schwer von echtem Videomaterial zu unterscheiden sind.
HeyGen
Eine beliebte KI-Avatar-Video-Plattform, bekannt für Voice Cloning und Benutzerfreundlichkeit.
I
Image-to-Video (img2vid)
Generierung von Videoinhalten aus einem einzelnen Standbild. Die KI animiert das statische Bild und fügt Bewegung, Kamerabewegung oder Charakteranimation hinzu.
Inference (Inferenz)
Der Prozess des Ausführens eines trainierten KI-Modells zur Generierung von Ausgaben. Wenn Sie ein Video mit einem KI-Tool erstellen, wird der Generierungsprozess als Inferenz bezeichnet.
Inpainting
Das Ausfüllen oder Modifizieren von Teilen eines Videobilds mit KI.
Instant Avatar (Sofort-Avatar)
Vorgefertigte KI-Avatare, die sofort ohne individuelles Training verfügbar sind.
J
J-Cut
Eine Schnitttechnik, bei der der Ton der nächsten Szene beginnt, bevor das aktuelle Bild endet. Hilfreich, um KI-generierte Szenen natürlicher wirken zu lassen.
Jitter Reduction (Rauschunterdrückung)
Stabilisierungsfilter, die kleine Kamerawackler oder Frame-zu-Frame-Rauschen in KI-gerendertem Material entfernen.
K
Keyframe (Schlüsselbild)
Ein Bild, das eine Änderung in Animation, Kameraposition oder Effekt markiert. Viele KI-Video-Editoren ermöglichen Keyframing von Avatar-Posen oder Kamerabewegungen.
Knowledge Cutoff (Wissensstand)
Das neueste Datum, bis zu dem ein generatives KI-Modell trainiert wurde. Wichtig, wenn KI-Tools Fakten in Ihren Skripten zitieren.
L
Latency (Latenz)
Die Verzögerung zwischen dem Start der Videogenerierung und dem Erhalt des fertigen Produkts.
Lip-Sync (Lippensynchronisation)
Das Abstimmen der Mundbewegungen eines Avatars auf die gesprochenen Worte. Entscheidend für realistische Videos.
LLM (Large Language Model)
KI-Modelle wie GPT, die beim Schreiben von Skripten und Generieren von Videoinhalten helfen können.
LoRA (Low-Rank Adaptation)
Eine leichtgewichtige Feinabstimmungstechnik, die kleine Adaptermodule anstelle des gesamten KI-Modells trainiert. Beliebt zum Hinzufügen benutzerdefinierter Stile, Charaktere oder Konzepte zu Videogeneratoren.
M
Motion Capture (Bewegungserfassung)
Das Aufzeichnen echter menschlicher Bewegungen, damit sich Avatare natürlicher bewegen.
Multi-Language Support (Mehrsprachige Unterstützung)
Die Möglichkeit, Videos in vielen verschiedenen Sprachen mit muttersprachlicher Aussprache zu erstellen.
MP4
Das gebräuchlichste Videodateiformat, weitgehend kompatibel mit allen Plattformen.
Multimodal
KI-Modelle, die mehrere Arten von Inhalten verstehen und generieren können—Text, Bilder, Audio und Video—innerhalb eines einzigen Systems. Beispiele sind GPT-4V und Gemini.
N
Natural Language Processing (NLP)
Die Fähigkeit der KI, menschliche Sprache zu verstehen und zu generieren – verwendet für Skriptanalyse und Voiceovers.
Negative Prompt (Negativer Prompt)
Anweisungen, die der KI sagen, was NICHT in den generierten Inhalt aufgenommen werden soll. Wird verwendet, um unerwünschte Elemente wie unscharfe Bilder, zusätzliche Gliedmaßen oder bestimmte Stile zu vermeiden.
Neural Network (Neuronales Netzwerk)
Die KI-Architektur, die Avatar-Generierung und Sprachsynthese antreibt.
O
Overdub
Das Ersetzen vorhandener Dialoge durch neue KI-generierte Sprache bei Beibehaltung des Timings.
Outpainting
Das Erweitern von Videoszenen über ihre ursprünglichen Grenzen hinaus, wobei KI die zusätzlichen Pixel imaginiert.
P
Photorealistic (Fotorealistisch)
Visuelle Qualität, die echter Fotografie oder Videomaterial sehr ähnlich ist.
Pitch (Tonhöhe)
Die Höhe oder Tiefe einer Stimme. Kann bei KI-Stimmgenerierung angepasst werden.
Preset (Voreinstellung)
Vorkonfigurierte Einstellungen oder Vorlagen, die die Videoerstellung beschleunigen.
Q
Quality Threshold (Qualitätsschwelle)
Ein Mindeststandard (Auflösung, Bitrate oder KI-Konfidenzwert), der erreicht werden muss, bevor das Rendering abgeschlossen ist.
Quantization (Quantisierung)
Das Komprimieren von KI-Modellen, damit sie schneller auf Consumer-GPUs laufen, manchmal auf Kosten feiner Details.
R
Rendering
Der Prozess der Generierung der endgültigen Videodatei aus Ihrem Skript und Ihren Einstellungen.
Resolution (Auflösung)
Videoqualität gemessen in Pixeln (z.B. 1080p, 4K). Höher = bessere Qualität, aber größere Dateien.
S
Script (Skript)
Der Text, den Ihr KI-Avatar im Video sprechen wird.
Stem Separation (Stem-Trennung)
KI-Technologie, die eine gemischte Audiospur in einzelne Komponenten (Stems) wie Gesang, Schlagzeug, Bass und andere Instrumente aufteilt. Wird für Remixe, Karaoke und Content-Erstellung verwendet.
Synthetic Media (Synthetische Medien)
Inhalte (Video, Audio, Bilder), die von KI erstellt oder modifiziert wurden.
Synthesia
Eine führende Enterprise-fokussierte KI-Avatar-Video-Plattform.
T
Temporal Consistency (Zeitliche Konsistenz)
Wie flüssig und kohärent ein KI-generiertes Video visuelle Elemente über Frames hinweg beibehält. Schlechte zeitliche Konsistenz verursacht Flackern, sich verformende Objekte oder Charaktere, die mitten im Video ihr Aussehen ändern.
Text-to-Music
KI-Systeme, die vollständige musikalische Kompositionen aus Textbeschreibungen generieren. Plattformen wie Suno und Udio können Songs mit Gesang, Instrumenten und Produktion aus einfachen Prompts erstellen.
Text-to-Speech (TTS)
Das Umwandeln von geschriebenem Text in gesprochenes Audio mit KI-Stimmen.
Text-to-Video
Das Generieren von Videoinhalten aus Textbeschreibungen oder Skripten.
Template (Vorlage)
Vordesignte Video-Layouts, die den Erstellungsprozess beschleunigen.
Thumbnail (Vorschaubild)
Das Vorschaubild, das vor dem Abspielen eines Videos angezeigt wird.
U
Upscaling (Hochskalierung)
Die Verwendung von KI zur Erhöhung der Videoauflösung und -qualität.
V
Video-to-Video (vid2vid)
Transformation von bestehendem Videomaterial mit KI, um dessen Stil, Aussehen oder Inhalt zu ändern, während die ursprüngliche Bewegung und Struktur erhalten bleibt.
Voice Cloning (Stimmenklonen)
Das Erstellen einer synthetischen Version der Stimme einer Person, die jeden Text sprechen kann.
Voice Modulation (Stimmmodulation)
Das Anpassen von Stimmeigenschaften wie Tonhöhe, Geschwindigkeit und Emotion.
VTT/SRT
Untertiteldateiformate zum Hinzufügen von Untertiteln zu Videos.
W
Watermark (Wasserzeichen)
Ein Logo oder Text-Overlay auf einem Video, oft bei kostenlosen Testversionen oder zum Schutz von Inhalten verwendet.
Workflow (Arbeitsablauf)
Die Schrittfolge vom Skript zum fertigen Video.
X
XR (Extended Reality)
Ein Oberbegriff für AR, VR und Mixed Reality. KI-Avatare werden oft in XR-Erlebnisse übertragen.
XML Subtitle (XML-Untertitel)
Zeitgesteuerte Textdateien (wie TTML), die aus KI-Untertitelungstools für Broadcast-Workflows exportiert werden.
Y
YUV Color Space (YUV-Farbraum)
Das Farbmodell, das die meisten Streaming-Plattformen verwenden. Hilfreich beim Exportieren von KI-Material für Broadcast-Standards.
YouTube Shorts
Vertikale Videos unter 60 Sekunden. Viele KI-Videogeneratoren liefern Shorts-Voreinstellungen mit.
Z
Zero-Shot Generation (Zero-Shot-Generierung)
Das Produzieren eines überzeugenden Videos oder einer Stimme ohne Bereitstellung von Beispielmaterial oder Audio des Zielsubjekts.
Zoom Recording Import (Zoom-Aufnahme-Import)
Das Hochladen einer Zoom-Besprechung in einen KI-Editor, damit dieser schneiden, übersetzen oder in geskriptete Clips umwandeln kann.
Fazit
Dieses Glossar deckt die wesentlichen Begriffe ab, denen Sie bei der Arbeit mit KI-Videogenerierungstools begegnen werden. Mit der Weiterentwicklung der Technologie werden neue Begriffe entstehen – wir halten diesen Leitfaden aktuell!
Speichern Sie diese Seite für schnelle Referenz beim Erstellen Ihrer KI-Videos.
Fehlt ein Begriff? Kontaktieren Sie uns, um Ergänzungen vorzuschlagen!