Zunächst eine Klarstellung: Warum solltest du dieses Tutorial lesen? Was kannst du danach erstellen?
Wenn du neu bei Metas persönlichem KI-Assistenten Muse bist, nutzt du ihn vielleicht nur zum Chatten, zur Informationssuche oder um ein paar Bilder zu generieren. Doch sobald du versuchst, ein komplettes, veröffentlichungsreifes Kurzvideo zu erstellen, wirst du wahrscheinlich auf vier Stolpersteine treffen:
- Das Gesicht ändert sich mit jeder Einstellung: In einer Sekunde ist die Hauptfigur ein langhaariges Mädchen, in der nächsten eine völlig andere Person.
- Verzerrungen bei Bewegung: Wenn die Figur große Bewegungen macht, gehen Hände durch Gesichter hindurch oder Gesichtszüge verschwimmen.
- Lange Videos werden zur Zeitlupe: Die KI aufzufordern, „ein 20-Sekunden-Video zu generieren“, dehnt oft 5 Sekunden Handlung auf 20 Sekunden – das Ergebnis sieht aus wie eine ruckelnde Diashow.
- Quota-Aufbrauch: Bild- und Videogenerierung verbrauchen das wöchentliche Gratis-Kontingent schnell; nach wenigen Versuchen geht nichts mehr.
Dies ist keine Feature-Liste, sondern eine Schritt-für-Schritt-Anleitung von 0 auf 1.
Folge den untenstehenden Schritten, und selbst ohne Videoerfahrung kannst du diese Pipeline aufbauen:
- Grundlagen: Bringe der KI bei, sich das Gesicht derselben Hauptfigur zu merken, und erzeuge stabile 6-Sekunden-Clips ohne Verzerrungen.
- Kontingente sparen: Lagere Rendering-Aufgaben an komplett kostenlose Web-Tools aus.
- Fortgeschrittene Kamera & Perspektive: Lerne, wie du ComfyUI, MiniMax H3 und Blender für komplexe Shots wie „Turn-around Orbit“ oder „Street Push-in“ vorbereitest, um ein stabiles Endergebnis zu sichern.
In unserem vorherigen Beitrag zur fortgeschrittenen Muse-Nutzung haben wir das Einrichten von 4 Workstations vorgestellt: Free Quota Radar, AI Video Workflow, Self-Media Creation Center und Hotspot Dashboard. Schau dort vorbei, falls du es verpasst hast; das Setup des Relay-Dashboards baut darauf auf.
https://x.com/loi_jinli/status/2120499400586014862
1. Vorbereitung: Accounts, Materialien und Erwartungen
Bevor du Software öffnest, solltest du die Grundlagen und den Zeitaufwand kennen:
① Grundlegende Accounts und Materialien
- 1 Muse-Account: Logge dich über muse.ai oder den Desktop-Client ein. Prüfe dein verbleibendes Kontingent (ein 6-Sekunden-Clip verbraucht ca. 2 %–12 % des Wochenkontingents; starte mit kurzen Tests).
- 1 sauberes Frontalporträt: Gleichmäßige Beleuchtung, klare Gesichtszüge, keine Sonnenbrille/Pony. Lade KEINE Raster-Collagen hoch; die KI könnte weiße Ränder ins Video übernehmen.
- Seitenverhältnis früh festlegen: Nutze `9:16` für vertikal (TikTok, Reels) oder `16:9` für horizontal (YouTube). Generiere nicht erst horizontal und beschneide dann zwangsweise auf vertikal; automatisches Zuschneiden schneidet das Motiv oft falsch ab.
② Realistische Wartezeiten
- 1 Basisbild generieren: 20–40 Sekunden.
- 1 Clip von 5–6 Sekunden generieren: 1–2 Minuten.
- Komplettes 30-Sekunden-Skript + segmentierte Generierung: 15–30 Minuten inklusive Kontrollen. Wenn generiert wird, warte geduldig; spamme nicht den Senden-Button.
③ Fortgeschrittene Tools (Jetzt kennenlernen, später installieren)
Die Abschnitte 5–7 nutzen diese kostenlosen externen Tools; die Abschnitte 2–4 brauchen sie nicht:
- [Meta AI](https://www.meta.ai/): Kostenloses Web-Tool, um Bild-/einfache Animationsaufgaben auszulagern und Muse-Kontingent zu sparen.
- ComfyUI: Open-Source, nodebasierte KI-Workflow-Software für „Flüssigkeit (RIFE-Interpolation)“ und „präzise Kamerakontrolle (MiniMax H3)“. Benötigt eine GPU mit 16 GB–24 GB VRAM oder Cloud-Compute.
- Blender: Open-Source-3D-Modellierungssoftware, um verzerrungsfreie Straßen-/Gebäudeperspektiven vor der KI-Generierung einzurichten.
2. Schritt 1: Zuerst Regeln in Muse festlegen
Anfänger fordern oft „eine Schönheit, die Kaffee trinkt“, was zu schlechter Musik, Untertiteln und verzerrten Händen führt.
Starte einen neuen Chat. Lade noch keine Bilder hoch. Sende diese „Kooperationsregel“:
1Ich bin ein deutscher Nutzer. Wir werden Kurzvideo-Assets mit konsistentem Charakter erstellen. Befolge strikt diese 3 Regeln:21. Füge NICHT unaufgefordert Hintergrundmusik (BGM), Voiceover oder Bildschirmuntertitel hinzu.32. Halte die Aktionen der Figur dezent/einzeln. KEINE Hände, die vor dem Gesicht vorbeiziehen.43. Prüfe nach jeder Generierung selbst diese 4 Punkte: „Gesichtskonsistenz, Hauttextur (nicht plastikartig), natürliche Hände/Aktionen, Lichtstabilität.“ Melde 1 gefundenes mögliches Problem.
Hinweis: Diese Regeln beschränken die Generierungsgewohnheiten. Für externe Account-Verknüpfungen oder Dateizugriffe musst du Autorisierungs-Pop-ups in den Einstellungen manuell bestätigen.
3. Schritt 2: Minimaler Loop – Das Gesicht mit 1 Bild fixieren
Ziel: Den ersten 6-Sekunden-Clip mit stabilem Gesicht nur anhand von 1 Foto erstellen.
① Charakterprofil als „Memo“ speichern
Lade dein Frontalporträt hoch. Sende:
1Speichere die Gesichtszüge der Person im angehängten Bild als wiederverwendbares „Charakter-Einstellungs-Memo“.2Anforderungen:31. Erfasse NUR Gesichtsstruktur, Frisur, Haarfarbe und Körpertyp. Erfasse NICHT Hintergrund, Licht oder Kleidung.42. Zeige mir nach dem Speichern den vollständigen Memo-Text.
Prüfe die Antwort. Stelle sicher, dass keine Umgebungsdetails (z. B. „steht an der Café-Tür“) eingeflossen sind. Falls doch, antworte: „Lösche Hintergrund-/Kleidungsbeschreibungen, behalte nur Gesichts-/Haarmerkmale und speichere erneut.“
② Ersten 6-Sekunden-Testclip generieren
Sende im selben Chat:
1Nutze das gespeicherte „Charakter-Einstellungs-Memo“ und das Referenzbild, um ein 6-sekündiges vertikales (9:16) Testvideo im Selfie-Stil zu generieren.2Szene: Dämmriger Innenraum, warmgelbe Schreibtischlampe beleuchtet die Gesichtskontur. Bewahre realistische Hauttextur, kein Über-Glätten.3Aktion: Nur „zur Seite blicken, dann zurück zur Kamera schauen und natürlich blinzeln“. Hände bleiben still.4Sende das Video und berichte deine Ergebnisse der 4-Punkte-Selbstprüfung.
Warte 1–2 Minuten. Prüfe das Video.


③ Verfeinern: Immer nur eine Sache ändern
Wenn du unzufrieden bist, fordere nicht mehrere Änderungen gleichzeitig. Sende im selben Chat:
1Halte Aussehen der Figur, Raumumgebung und Aktion unverändert. Ändere NUR Folgendes:2Erhöhe die Helligkeit der Schreibtischlampe um eine Stufe, damit das Gesicht klarer sichtbar ist. Ändere sonst nichts.
Do: Sorge dafür, dass der 6-Sekunden-Clip ein konsistentes Gesicht, keine zusätzlichen Untertitel und natürliche Augen/Haut hat. Don't: Schreibe keine 30-Sekunden-Plots, bevor das Gesicht fixiert ist.
4. Schritt 3: Kontingent sparen durch Rendering-Auslagerung an Meta AI
Wenn du mit mehr Shots experimentierst, ist das Muse-Kontingent schnell aufgebraucht. Teile den Workflow auf: Muse schreibt Prompts und fungiert als QA (geringe Kosten); Meta AI übernimmt das schwere Rendering (kostenlos).
Schritte:
- „Prompt-Relay-Dashboard“ im Muse Space erstellen:
1Du kannst externe Meta-AI-Links nicht direkt anklicken. Bitte erstelle ein „Prompt-Relay-Dashboard“ im Space.2Funktionen:31. Wenn ich eine Szene beschreibe, schreibe vollständige, eigenständige Bild-/Animationsprompts und lege sie auf dem Dashboard ab.42. Füge für jeden Prompt einen „Kopieren“-Button und einen Link zu https://www.meta.ai/ hinzu.53. Ich werde Medien in Meta AI generieren, sie hier wieder hochladen, damit du sie auf Fehler prüfst und nächste Prompt-Versionen vorschlägst.
- Bilder in Meta AI generieren: Kopiere den Prompt vom Dashboard, füge ihn in meta.ai ein. Generiere (~20s). Wiederhole frei.
- In Meta AI animieren: Klicke auf
Animate(Standard) oderCustom animate(füge Muses Aktionsbeschreibung ein). OptionalMusichinzufügen. - In Muse prüfen: Lade das Meta-AI-Video zurück in Muse hoch. Frage: „Prüfe auf Gesichts-/Aktionsfehler. Gib bei Bedarf einen überarbeiteten Prompt.“

5. Schritt 4: Zeitlupe vermeiden & Clips glätten (20–30s Videos)
Stolperfallen: Direkte „20s-Generierung“ erzeugt Zeitlupe; rohes KI-Video ist ruckelig (16/24 fps).
① Storyboard-Tabelle erstellen
Bitte Muse, eine 30s-Idee in sechs 5s-Shots aufzuteilen:
1Teile diese Idee in eine 30-sekündige, 6-Shot vertikale Storyboard-Tabelle auf: [Person läuft im Tokio-Regen, Straßen verwandeln sich mit jedem Schritt in eine Sci-Fi-Stadt].2Tabellenspalten:31. Shot-Nr.42. Dauer (~5s)53. Visueller Inhalt64. Kamerawinkel (Nah/Mittel/Weit)75. Kamerabewegung (Push/Pull/Follow)86. Übergang zum nächsten Shot9Anforderung: Kleidung und Gesicht der Hauptfigur müssen in allen 6 Shots identisch sein.
② Den Befehl „Generiere 20s“ vermeiden
Die KI verlangsamt die Aktion, wenn sie die Zeit dehnen muss. Fordere stattdessen segmentierte Generierung:
1Generiere die Shots 1–4 aus dem Storyboard in Segmenten von „10s + 10s“, die zusammengefügt werden. Behalte normale physikalische Geschwindigkeit für Gehen/Umgebung bei. KEINE Zeitlupe.
③ RIFE-Interpolation für 60fps nutzen
Rohes KI-Video hat oft 16/24 fps. Nutze RIFE, um Zwischenbilder für flüssige 60 fps einzufügen.
- Einfach: Frage Muse: „Wende die RIFE-Engine an, um das letzte Video auf 60fps zu interpolieren.“
- Fortgeschritten (ComfyUI): Importiere das Video in lokales ComfyUI. Folge der ComfyUI Frame Interpolation Anleitung. Installiere ComfyUI-Frame-Interpolation:
- Lade den Frame Interpolation Workflow.
- Video eingeben, Node `RIFE VFI` verbinden (Modell rife47 oder 4.0–4.9).
- Multiplikator auf `2` (für 24/30fps) oder `4` (für 16fps) setzen. Export über Video Combine mit 60fps.
6. Schritt 5: Komplexe Kamerabewegungen (Turn-Around Orbit) mit MiniMax H3
Reine Textprompts scheitern bei cineastischen Moves wie „Figur dreht den Kopf, während die Kamera kreist“. Lösung: Previz in Muse, Verfeinerung in ComfyUI + MiniMax H3.
Setup: ComfyUI + MiniMax H3
Benötigt 16 GB+ VRAM oder Cloud-GPU (Kaggle/Modal/Paperspace).
- ComfyUI aktualisieren: Sicherstellen, dass die neueste Version installiert ist (native MiniMax-H3-Unterstützung).
- Modelle herunterladen:
- Basismodell: MiniMax H3 Ref2VA Weights von Hugging Face →
ComfyUI/models/diffusion_models/. - 8-Step Turbo LoRA (Empfohlen): Lade
minimax_h3_ref2v_turbo_8step_v1.0_768p_comfyui_bf16.safetensorsgemäß ComfyUI Wiki Anleitung herunter →ComfyUI/models/loras/. Reduziert Schritte von 20+ auf 8.
Ausführung:
- Previz in Muse generieren:
1Generiere 5-Sekunden-Previz-Video:2Szene: Nachmittags am Fensterplatz eines Cafés.3Aktion/Kamera: Person im grauen Hoodie hört einen Ruf, dreht den Kopf nach links hinten. Gleichzeitig kreist die Kamera sanft im Halbkreis von vorne nach diagonal hinten. Stabile Flugbahn, sauberer Bildausschnitt.
- MiniMax-H3-Template in ComfyUI laden: Nutze das offizielle video_minimax_h3_r2v.json. Nodes verbinden:
- Referenzbild: Dein Frontalporträt.
- Referenzvideo: Muses 5s-Previz.
- LoRA Loader: 8-Step Turbo LoRA anhängen.
- Parameter: Breite 1344, Höhe 768, Länge 121 Frames (~5s @ 24fps), Steps 8 (oder 20 ohne LoRA).
- Prompt Best Practices: Laut MiniMax-H3 Ref2VA Erfahrung solltest du dich nie allein auf Referenzbilder verlassen. Beschreibe Haarfarbe und Kleidung in jedem Prompt-Segment explizit, um „Gedächtnisverlust“ und Gesichtstausch zu verhindern. Queue Prompt. Ergebnis: 768p-Video mit Umgebungsgeräuschen in Minuten.
Übersicht der Nodes des offiziellen Templates:

Checkliste Node-Verbindungen:
- Hauptlinie: Model Loader (MiniMax H3) → LoRA Loader (Turbo) → MiniMaxH3ReferenceToVideo → Sampler (steps=8) → Video Combine
- Inputs: Reference Image ← Porträt; Reference Video ← Muse Previz
- Kernparameter: width=1344, height=768, length=121
7. Schritt 6: Straßenperspektiven-Verzerrung mit Blender + PLATEAU-Daten beheben
KI-generierte Straßen verzerren oft Gebäude. Lösung: Perspektive mit echten 3D-Stadtdaten fixieren, statische Basis rendern, dann mit KI animieren.
Setup:
- Blender installieren: Kostenlose Open-Source-3D-Software.
- Daten holen: Lade das Plugin Plateau-Blender-Importer und CityGML-Daten (.gml) von Japans Project PLATEAU herunter (Gebäude/Straßen mit realer Höhe, bis zu 1 m Präzision).
Ausführung:
- Plugin installieren: Edit → Preferences → Add-ons → .zip installieren → Aktivieren.
- Stadtblock importieren: File → Import → Plateau City GML. Importiere nicht die ganze Stadt (Absturzgefahr). Bitte Muse, ein Blender-Python-Skript zu schreiben, das Gebäude innerhalb von 500 m–1 km der Kamera filtert und farblich kennzeichnet.
- Statische Basis rendern: Virtuelle Kamera positionieren (Augenhöhe/Luftaufnahme), Sonnenwinkel einstellen. F12 drücken, um ein sauberes statisches Bild zu rendern.
- Mit KI animieren: Statisches Bild in Muse/Meta AI/ComfyUI hochladen. Prompt: „Behalte Gebäudestrukturen unverändert. Füge nasse Asphalt-Neonreflexionen, Fußgänger mit Regenschirmen, langsamen Vorwärts-Kamera-Push hinzu.“ Da die Geometrie fixiert ist, entstehen null Verzerrungen.
Qualitätsprüfungen:
- Statische Basis: Weiße/graue Blöcke, dunkle Straßen, klare Tiefe/Perspektive, keine Texturen.
- Finales Video: Letzten Frame mit statischer Basis vergleichen. Gebäudekanten müssen gerade bleiben, kein geleeartiges Verziehen.
8. Fehlerbehebung & Pipeline-Checkliste
Häufige Probleme vor der Veröffentlichung:
- Motiv im Vertikalformat abgeschnitten: Wenn du 16:9 in 9:16 umwandelst, prüfe die Vollbildansicht. Stelle sicher, dass das Gesicht nicht abgeschnitten ist.
- Fehlender Text am Anfang: Von Muse untertitelte Videos haben oft leere erste 0,2–0,5 s. Schneide den Anfang oder füge Untertitel in CapCut/Jianying hinzu.
- Generierung hängt: Wenn >3 Min., prüfe das Aktivitätsprotokoll. Kommt nur Text zurück, frage: „Keine Videodatei gesehen. Bestätige die Generierung und gib einen Wiedergabelink.“
- Kommerzielle Rechte: Die kostenlose Muse-Stufe bietet keine explizite Garantie für kommerzielle Lizenzen. Für bezahlte Werbung nutze Muse nur für Storyboards/Memos/Previz. Rendern finale Assets lokal mit Open-Source-Modellen (ComfyUI) und setze sie in Schnittsoftware zusammen.
Selbstprüfungs-Liste:
- [ ] 1 sauberes Frontalporträt vorbereitet; wöchentliches Muse-Kontingent geprüft.
- [ ] 3 Kooperationsregeln an Muse gesendet; 4-Punkte-Selbstprüfung durchgesetzt.
- [ ] 1. 6-Sekunden-Gesichtsfixierungs-Test abgeschlossen; „Eine-Änderung-nach-der-anderen“-Verfeinerung gemeistert.
- [ ] Meta-AI-Relay-Dashboard erstellt ODER „10s+10s“-Segmentierung genutzt.
- [ ] Verstanden, wann RIFE (Flüssigkeit), ComfyUI MiniMax H3 (Kamerakontrolle) und Blender+PLATEAU (Perspektivenstabilität) einzusetzen sind.
Referenzen & Tools
- Meta Hilfe: Bilder & Vibes Animation generieren
- ComfyUI Tutorial: Frame Interpolation (RIFE)
- ComfyUI Wiki: MiniMax H3 Turbo Ref2VA Anleitung
- PLATEAU Offizielles Blender Import Tutorial & Plugin GitHub
Folge @loi_jinli, um gemeinsam zu wachsen und zu verdienen.





