KI Shorts Factory: von der Idee zum vertikalen Video

Ein Short ist mehr als ein guter Prompt#

Ein kurzes Video besteht aus vielen kleinen Entscheidungen: Welches Thema trägt? Wie lang darf das Skript sein? Wo wechselt das Bild? Und passen die Untertitel tatsächlich zur gesprochenen Stimme? Werden diese Aufgaben einzeln erledigt, entsteht schnell ein unübersichtlicher Wechsel zwischen Werkzeugen und Dateien.

KI Shorts Factory bündelt diese Arbeit in einer Streamlit-Oberfläche. Das eigene Projekt verbindet KI-gestützte Inhaltserstellung mit lokaler Sprach- und Videoverarbeitung. Der Anspruch ist nicht, redaktionelle Verantwortung abzuschaffen, sondern einen wiederholbaren Produktionsweg aufzubauen.

Neun Schritte statt einer undurchsichtigen Aktion#

Die Python-Pipeline führt durch neun Schritte: Thema, Skript, Ausspracheaufbereitung, Stimme, Transkript, Captions, Szenenbilder, Videorendering und Musik. Thema, Stil, gewünschte Länge und Stimme werden in der Oberfläche gewählt. Fortschritt und Fehlermeldungen bleiben den einzelnen Arbeitsschritten zugeordnet.

Das macht einen praktischen Unterschied: Scheitert die Bilderzeugung, ist nicht einfach „das Video kaputt“. Der betroffene Schritt und ein verständlicher Hinweis werden sichtbar. Jeder Auftrag hat einen eigenen Ordner und einen gespeicherten Zustand. Ergebnisse und Zwischenstände bleiben damit einem konkreten Produktionslauf zugeordnet.

Stimme, Untertitel und Bilder brauchen dieselbe Zeitbasis#

Für die Sprachausgabe kommt XTTS v2 zum Einsatz. Whisper liefert das Transkript mit Wortzeitstempeln. Diese Zeitinformationen helfen dabei, Captions und Szenen auf die tatsächlich erzeugte Sprache auszurichten – statt auf eine vorher geschätzte Sprechdauer.

Die Szenenzuordnung berücksichtigt Text und verfügbare Zeitstempel. MoviePy übernimmt die Videoverarbeitung. Die technische Herausforderung liegt dabei weniger im einzelnen Modell als in den Übergängen: Aus Text müssen sprechbare Sätze werden, aus Audio eine Zeitleiste und aus Bildern ein zusammenhängendes Video.

Lokal gesteuert heißt nicht vollständig offline#

Die Oberfläche und Teile der Verarbeitung laufen auf dem eigenen Rechner. Für die KI-Erzeugung können konfigurierte externe APIs verwendet werden. Entsprechende Inhalte verlassen dann die lokale Maschine. KI Shorts Factory ist deshalb ausdrücklich keine vollständig offline arbeitende Anwendung.

Auch Rechenleistung, Modellinstallation und API-Verfügbarkeit beeinflussen den Ablauf. Eine feste Produktionsdauer oder ein garantiert brauchbares Ergebnis lässt sich daraus nicht ableiten.

Die letzte Prüfung bleibt menschlich#

Ein fertiger Render ist noch keine Veröffentlichungsfreigabe. Fakten, Aussprache, Bildinhalte und Lesbarkeit müssen vor dem Upload geprüft werden. Dazu kommen die Nutzungsbedingungen der Modelle sowie die Rechte an Musik, Bildern und Stimmen. Die Pipeline ersetzt weder Quellenprüfung noch Lizenzprüfung.

Gerade darin liegt die gestalterische Aufgabe: Automatisierung soll Routine verbinden, nicht Unsicherheit verstecken. Eine ruhige Oberfläche mit sichtbaren Schritten ist dafür wertvoller als ein großer Knopf, der Erfolg verspricht.

Fazit#

KI Shorts Factory zeigt, wie aus mehreren KI- und Medienwerkzeugen ein nachvollziehbarer Workflow wird. Das Ergebnis ist ein eigenes Produktionswerkzeug für kurze Videos – mit einem klaren Weg von der Idee zum Render und einem ebenso klaren Platz für die abschließende redaktionelle Kontrolle.

Zur Projektreferenz