ChatGPT
Perplexity
Claude
Gemini
Ein zweiminütiger Markenfilm, mit einer KI-Agent-Pipeline gedreht, brauchte kürzlich drei Tage vom Skript bis zum fertigen Schnitt – gegenüber rund zwei Monaten bei einem klassischen Dreh, laut invideos eigenem dokumentiertem Produktionscase. A ninety-second horror short pulled around four hundred separate video generations before it was done. Numbers like that used to be the whole story: AI got fast enough to make an entire scene, so why would you need a person in the room. The more interesting number is the other one buried in that same case study: more than 40 percent of the finished shots in one documented project weren't a single generation at all. They were stitched together from the strongest few seconds of several different attempts, a practice invideo's own team describes bluntly: "Prompt, eight tries, Frankenstein the keepers."
Dieses Detail sagt mehr darüber aus, was wirklich passiert, als es die Behauptungen zur Geschwindigkeit tun. Ein Modell, das auf Kommando eine ganze Szene rendern kann, macht den Menschen, der Entscheidungen trifft, nicht überflüssig – es verlagert all diese Entscheidungen nur nach vorn und macht sie schneller umsetzbar. The workflow behind these AI-made shorts isn't one person typing a single magic sentence and getting a finished film back. It's a full crew of separate roles, a producer role holding the script and characters, a storyboard role visualizing shots before anything gets generated, a cinematography role taking direction like "hold the shot longer" or "track the actor through the doorway," a costume role, a production design role, each one scoped to its own job the way a real set is. The AI executes inside each of those roles. The structure of the roles themselves is still the same structure a film crew has always had, because someone still has to decide what the shot should look like before anything generates it.
Der klarste Beleg dafür, dass das Urteilsvermögen und nicht die Generierung der Engpass ist, zeigt sich, sobald das Material existiert. Dokumentierte Produktionen bauen einen Schritt ein, bei dem der zusammengesetzte Rohschnitt für eine Kritikrunde zurückgeschickt wird, die gezielt nach Rhythmusproblemen, Tonproblemen und Momenten sucht, in denen die emotionale Stimmung nicht passt – genau die Art von Dingen invideos eigene Workflow-Notizen nennen den Schritt, der am häufigsten übersprungen wird und der Fehler abfängt, die menschliche Editoren übersehen. Das ist ein wirklich seltsamer Satz zum Nachdenken: Ein automatisierter Durchlauf markiert, was ein erfahrener Editor übersehen hat. Das heißt nicht, dass die KI den besseren Geschmack hat. Es heißt, dass Geschmack jetzt an einem anderen Punkt im Prozess angewendet wird – am zusammengesetzten Ganzen statt Szene für Szene – und jemand muss immer noch entscheiden, ob der Hinweis richtig ist, und danach handeln.
So what is the creator actually making, if not the pixels. They're making the same thing a director has always made: the specific sequence of choices that turns raw coverage into a scene that lands the way it's supposed to. Which take gets used, which two generations get spliced together because neither one alone had the whole shot, which note from the critique pass actually matters and which one gets ignored, all of it decided by someone rather than generated by anything. None of that shows up if you only look at "who generated the footage," and all of it is the actual difference between a finished piece of work and four hundred generations sitting in a folder. Das Modell kann die Szene erschaffen. Es kann immer noch nicht von selbst entscheiden, welche Version der Szene es wert war, behalten zu werden.