Dauer der Generierung: unsere eigenen Protokolle
Wir haben die tatsächliche Zeit für jeden abgeschlossenen Durchlauf in unserem eigenen Produktionstool zwischen dem 7. September und dem 21. Oktober 2026 protokolliert. Diese Daten stammen von unserer eigenen Instanz von MiniMax H3 auf Hugging Face ZeroGPU, die keine öffentliche Warteschlange hat. Die Größe betrug 768 × 1344 oder 1344 × 768.
| Modell | Durchläufe | Mediane Wartezeit pro Output-Sekunde | Bereich | Mittlere Wartezeit pro Clip |
|---|---|---|---|---|
| MiniMax H3 turbo | 60 | 19.9 s | 13.8 bis 29.1 s | 85.5 s |
| MiniMax H3 vollständig | 9 | 65.9 s | 47.7 bis 80.1 s | 274 s |
Ein 5-sekündiger Clip dauerte im Turbo-Modus etwa 2 Minuten und im vollen Modell 6 Minuten. Fünf weitere Versuche von 76 wurden nicht abgeschlossen: drei wurden abgebrochen oder scheiterten an einer fehlerhaften Eingabedatei, und zwei gingen verloren, als unser eigener Server neu startete. Wir haben gehostete APIs nicht auf diese Weise protokolliert, daher liegen uns keine entsprechenden Zahlen für Kling oder Wan vor, und wir werden diese nicht schätzen. Weitere Zeitangaben aus unseren veröffentlichten Tests:
| Job | Länge | Werkzeug | Zeit |
|---|---|---|---|
| Hintergrundentfernung | 7 s, 1080 × 1920 | VEED auf fal | 1 Min. 16 s |
| Hintergrundentfernung | 7 s, 1080 × 1920 | RobustVideoMatting, Laptop-CPU | 2 Min. 01 s |
| Hintergrundentfernung | 7 s, 1080 × 1920 | BiRefNet, Hugging Face | 3 Min. 52 s |
| Sprechender Avatar aus einem Foto | 5.55 s | OmniHuman 1.5 auf fal | 3 Min. |
| Sprechender Avatar aus einem Foto | 5.55 s | Kling AI Avatar v2 Pro auf fal | 7 Min. |
Um den Aufwand zu schätzen, multiplizieren Sie die Länge mit der Wartezeit und der Anzahl der Takes. Dreißig Sekunden auf H3 turbo bei drei Takes sind 30 × 19.9 × 3, was etwa 30 Minuten Wartezeit entspricht.
Das Kontingent kann die engere Grenze sein: Der Hugging Face Plan bietet 40 GPU Minuten pro Tag, und eine fertige Sekunde verbrauchte etwa 39 Kontingent-Sekunden, was etwa 61 Sekunden Video pro Tag entspricht.
Die meiste Zeit fließt in andere Bereiche
Das Warten auf Renders ist der kleinste Teil. Bilder, das Beurteilen von Takes, das Korrigieren von Prompts und der Schnitt nehmen weitaus mehr Zeit in Anspruch. Wir haben dies nicht konsistent gemessen und geben daher keinen Durchschnitt an. Der entscheidende Faktor ist die Arbeitsreihenfolge: im Puppenhaus-Test dauerte das Bearbeiten eines genehmigten Bildes 8 Anfragen gegenüber 26 Nachrichten in einem Chat, der die Szene jedes Mal neu aufgebaut hat. Diese Art der Ersparnis übertrifft jeden Unterschied in der Rendergeschwindigkeit bei weitem.
Wie lange kann eine einzelne Generierung sein?
| Modell | Längster einzelner Durchlauf | Weiterführende Informationen |
|---|---|---|
| Kling 4.0 | 30 s | Multi-Prompt-Aufnahmen innerhalb des Durchlaufs |
| Seedance 2.5 | 30 s | CapCut führt einen Beta-Long-Video-Modus mit bis zu 180 s auf, den wir jedoch noch nicht getestet haben |
| Wan 3.0 | 30 s, wie in unserem Durchlauf | Halten Sie die Schnittfolgen auf 2 oder 3 Aufnahmen |
| Veo 3.1 | 8 s | Der Extend-Endpoint von fal fügt pro Schritt bis zu 7 s hinzu, bei bis zu 20 Schritten: etwa 148 s |
Eine lange Generierung ist nicht immer besser. Sie kann ein guter Weg sein, um einen ununterbrochenen Take zu erhalten, wie in One Prompt Studio, aber ein einziger Fehler bei Sekunde 25 bedeutet, dass Sie für alle 30 erneut bezahlen müssen.
Fünf Wege, Szenen zu verbinden
1. Teilen Sie einen Frame zwischen zwei Aufnahmen
Generieren Sie Einstellung A, die mit einem Bild endet, und Einstellung B, die mit demselben Bild beginnt. Das haben wir in der Puppenhaus-Szene so gemacht: 3 Sekunden, dann 6, verbunden durch ein gemeinsames Frame. Die Komposition passte, aber das Gesicht hatte nach dem Übergang eine leicht andere Hauttextur. Am besten funktioniert es mit einem Schnitt oder einer Bewegung, um die Naht zu verbergen.
2. Verwenden Sie dieselben Referenzen und schneiden Sie zwischen verschiedenen Winkeln
Zuschauer verzeihen einen Schnitt viel eher als einen Morph. Generieren Sie jede Einstellung separat anhand derselben Charakter- und Standortblätter und schneiden Sie zwischen den Winkeln, wie in einer normalen Montage. Der Lissabon-Promo wurde so aus fünf Aufnahmen über drei Modelle hinweg erstellt.
3. Den letzten Frame übergeben
Extrahieren Sie den letzten Frame eines genehmigten Takes und nutzen Sie ihn als ersten Frame des nächsten. Er überträgt Position und Licht, allerdings auch etwaige Fehler. Bereinigen Sie den Frame vor der Wiederverwendung.
4. Nutzen Sie eine native Extend-Funktion
Der Extend-Schritt von Veo auf fal ist das deutlichste Beispiel. Jede Erweiterung ist eine weitere kostenpflichtige Generierung, die abweichen kann - prüfen Sie daher die Übergänge.
5. Die guten Sekunden zusammenschneiden
Behalten Sie alle Ihre Takes, auch die Fehlversuche, und schneiden Sie die guten Sekunden zusammen. Das funktioniert nur, wenn Sheets jedes Element über die Takes hinweg identisch hält.
Regeln für einen längeren Film
- Planen Sie zuerst die Shotliste. Unser Nepal-Erklärvideo wurde mit 12 Einstellungen geplant, wobei zuerst die Keyframes vor der eigentlichen Videoproduktion erstellt wurden.
- Halten Sie jeden Durchlauf klein. Sechs Einstellungen und neun Bilder ergaben Wan 3.0 Anweisungen zum Überspringen; zwei und zwei waren sauber.
- Bewegen Sie die Kamera basierend auf einer Idee pro Einstellung. Kurze Einstellungen lassen nur Raum für eine kleine Bewegung.
- Erledigen Sie den Ton zuletzt, über den gesamten Schnitt hinweg. Separat generierte Clips teilen selten denselben Raumton.
Planen Sie einen längeren Film mit uns
Die Workshops decken die Einstellungsplanung, Referenzen und den Zusammenbau in Ihrem eigenen Projekt ab, damit Sie keinen Abend durch einen schlechten Übergang verlieren.
Finden Sie Ihren Workshop ↗