Ein Stack aus vier Tools und ein wiederholbares Skript, das eine einzelne Idee in ein poliertes, vertikales Video verwandelt, das zum Scrollen anregt – ohne Kamera, Gesicht oder Studio.
Im Jahr 2026 kann ein gesichtsloses 45-Sekunden-Video in einer Woche eine Million Aufrufe erzielen und Sie kostet es nichts außer der Zeit, die Sie zum Lesen dieser Anleitung benötigen. Die Tools sind leise gut genug geworden, dass der Engpass nicht mehr die KI-Qualität ist, sondern das Skript und der Rhythmus.
Dies ist der exakte Stack, den wir verwenden, um eine Ein-Zeilen-Idee in weniger als 30 Minuten in ein poliertes vertikales Video zu verwandeln. Keine Kamera. Kein Studio. Kein Gesicht auf dem Bildschirm erforderlich.
Sie benötigen genau vier Teile. Fügen Sie keine weiteren hinzu, jedes zusätzliche Tool frisst Zeit und zahlt sich bei einem 45-Sekunden-Clip nie aus.
Gesamte monatliche Kosten, wenn Sie 3 Kurzvideos pro Woche veröffentlichen: etwa 30 $. Derselbe Stack kostete vor einem Jahr über 100 $ und lieferte sichtbar schlechtere Ergebnisse.
Öffnen Sie ein leeres Dokument und schreiben Sie drei Dinge:
Lesen Sie es laut vor und stoppen Sie die Zeit. Wenn es bei natürlichem Tempo länger als 45 Sekunden dauert, kürzen Sie Wörter. Vertikale Videos leben oder sterben von der Geschwindigkeit.
Öffnen Sie ElevenLabs und wählen Sie eine Stimme aus der v3-Bibliothek. Testen Sie drei Stimmen für den ersten Satz, bevor Sie sich entscheiden. Die Stimm-Passung ist wichtiger als die Stimmqualität. Eine gelangweilte „Premium“-Stimme wird eine enthusiastische „Okay“-Stimme jedes Mal ausstechen.
Einstellungen, die für Kurzvideos gut funktionieren:
Generieren Sie, hören Sie einmal zu und rollen Sie nur neu, wenn ein bestimmtes Wort falsch ausgesprochen wird. Jagen Sie nicht nach Perfektion, Zuschauer tun das nicht.
Hier verschwenden die meisten Ersteller eine Stunde. Die Lösung besteht darin, sich von Anfang an auf einen einzigen visuellen Stil festzulegen und eine Midjourney-Stilreferenz (--sref) bei jedem Prompt wiederzuverwenden.
Workflow:
Sie erhalten eine visuell kohärente Sammlung vertikaler Stills, die aussehen, als kämen sie von einem einzigen Art Director. Das trennt ein gutes KI-Video von einem, das nach „KI-Matsch“ schreit.
Wenn Midjourneys Preis für Ihr Ausgabevolumen nicht gerechtfertigt ist, erledigt Flux 2 80 % der gleichen Arbeit zu einem Bruchteil der Kosten, etwas weniger stilisiert, aber für Kurzvideos gut genug.
Legen Sie zuerst das Voiceover auf die Timeline. Immer zuerst die Stimme, dann die Bilder. Der Ton diktiert den Schnitt, nicht umgekehrt.
Dann:
Exportieren Sie in 1080×1920, 60fps. Versenden Sie 2026 keine 30fps.
Möchten Sie stattdessen eine traditionelle Desktop-Timeline? Wondershare Filmora bietet denselben Beat-Sync-Auto-Cut auf einem konventionelleren Editor, etwas langsamer für reine 45-Sekunden-Kurzvideos, aber besser, wenn Sie nebenbei auch längere Videos bearbeiten.
Laden Sie Ihren CapCut-Export in Submagic hoch. Drei Dinge zu tun:
Exportieren. Sie sind fertig.
Eine typische Sitzung, von Anfang bis Ende:
Das erste Video, das Sie erstellen, dauert 90 Minuten, weil Sie die Tools lernen. Das fünfte dauert 25.
Einige Muster, die wir sehen und die ansonsten gute Kurzvideos zerstören:
Sobald Sie 10 Kurzvideos mit diesem Stack erstellt haben, verlagert sich der Engpass von „Kann ich ein Video erstellen?“ zu „Kann ich Ideen finden, die es wert sind, erstellt zu werden?“. Das ist das schwierigere Problem, aber es ist das Problem, das es wert ist, gelöst zu werden.
Fürs Erste, liefern Sie einfach das erste Video aus. Heute.
KI-unterstützte redaktionelle Analyse der genannten Quellen, kein Praxistest und keine Kundenbewertung. Anbieterangaben sind keine unabhängigen Leistungsmessungen.
Dieser Leitfaden ist ein praktischer, schrittweiser Workflow zur Produktion eines 45-sekündigen vertikalen Videos aus einer einzigen Idee, mit einem Sprachgenerator, einem Bildgenerator, einem kostenlosen Videoeditor und einem Untertitel-Tool. Seine Stärke liegt in der Konkretheit: Er benennt jede Phase, gibt Zeitschätzungen an und listet spezifische Einstellungen auf. Seine Aussagen zu Reichweite, Kostenersparnis und Ausgabequalität werden als Erfahrung des Autors präsentiert und nicht als gemessene Ergebnisse, sie sollten daher als zu prüfende Hypothesen gelesen werden. Als Lektüre ist er nützlich, um eine Produktionsabfolge zu verstehen, aber kein Beleg dafür, dass der Workflow gut funktioniert.
Der Leitfaden passt zu Creatorn, die faceless Bildungs- oder Kommentar-Shorts veröffentlichen möchten und mit einer skriptzentrierten Produktion vertraut sind. Er setzt voraus, dass der Leser ein knappes Skript schreiben, Stimm- und Bildpassung nach Gehör und Auge beurteilen kann und ein gewisses Neugenerieren von Assets verträgt. Wer keine klare Ideenpipeline hat oder keine Zeit, mehrere Oberflächen zu erlernen, findet das 30-Minuten-Ziel möglicherweise optimistisch, denn der Leitfaden selbst merkt an, dass ein erster Versuch etwa 90 Minuten dauert. Der Workflow ist besonders relevant für Menschen, die viele kurze Clips produzieren, bei denen eine wiederholbare Vorlage wichtiger ist als ein einzelnes poliertes Stück.
Der zentrale Zielkonflikt liegt zwischen Qualität und Kosten. Der Leitfaden empfiehlt Midjourney für einen konsistenten visuellen Stil über Stilreferenzen und nennt Flux 2 als günstigere Alternative, die er als etwas weniger stilisiert beschreibt. Diese vergleichenden Qualitätsaussagen sind die Meinung des Autors und wurden hier nicht getestet. Ebenso werden die monatliche Kostenangabe (etwa 30 $ bei drei Shorts pro Woche) und die Behauptung, der Stack des Vorjahres habe über 100 $ gekostet, ohne datierte Preisquelle präsentiert und können sich ändern. Die Betonung einer einzigen Stilreferenz ist eine vernünftige Gestaltungsentscheidung für Kohärenz, bedeutet aber auch, dass die Ausgabe stark vom Verhalten eines Generators abhängt, das je nach Version variieren kann. Nutzer sollten den Komfort eines gebündelten Stacks gegen die Bindung an mehrere kostenpflichtige Abonnements abwägen.
Prüfen Sie vor der Bezahlung eines Tools in diesem Stack die aktuellen Preise, die Limits kostenloser Tarife, die Nutzungsbedingungen für die kommerzielle Verwendung generierter Stimmen und Bilder sowie ob die spezifischen Funktionen des Workflows noch existieren. Der Leitfaden verweist auf ElevenLabs v3, Midjourney-Stilreferenzen, die Beat-Erkennung von CapCut und den Hook-Generator von Submagic, doch diese werden aus der Perspektive des Autors beschrieben und hier nicht unabhängig bestätigt. Prüfen Sie die Dokumentation und Preisseite jedes Anbieters am Tag Ihrer Entscheidung und testen Sie die Pipeline mit einem kurzen Beispiel, um zu sehen, ob der 30-Minuten-Workflow für Ihr Thema und Ihre Sprache gilt. Da der Leitfaden keine gemessenen Abschluss- oder Aufrufzahlen liefert, sollten Sie seine Leistungsaussagen als unbestätigt behandeln, bis eigene Ergebnisse sie stützen.
Diesen Guide ausprobiert? Was konntest du umsetzen und was braucht mehr Erklärung?
Erfahrung teilen · Korrektur vorschlagen
Feedback geht vertraulich an unser Team. Es wird nicht automatisch veröffentlicht oder als Bewertung gezählt. Teile keine Passwörter, Kundendaten oder sensiblen Informationen.