Schöne Produkt-Werbevideos mit KI erstellen — Das komplette ImagineToVideo-Tutorial
Ein klassischer Skincare-Werbespot — der Typ mit weichem Fensterlicht, einem Model, das Serum in Slow Motion aufträgt, dem Hero-Shot der Flasche auf einer Marmorfläche — kostet eine Indie-Marke irgendwo zwischen $8.000 und $40.000, sobald du Studio, Model, Beleuchter, Retuscheur und Cutter zusammenrechnest. Dazu eine Woche Zeit. Genau dasselbe, im Browser generiert, kostet etwa einen Dollar und dauert rund fünf Minuten.
Das ist nicht hypothetisch. Genau diesen Workflow gehen wir hier durch. Am Ende dieses Posts hast du die komplette Zwei-Modell-Pipeline, mit der wir bei ImagineToVideo Produkt-Werbespots bauen: ChatGPT (oder GPT Image) für ein 9-Panel-Storyboard, dann Seedance 2.0 in ImagineToVideo, das das Ganze als fertiges Video rendert. Dieselbe Logik wie unser K-Pop-Tanz-Tutorial — ein statisches Referenzblatt steuert ein Video-Modell — aber Storyboard-Format und Prompt-Struktur sind auf eine Produkt-Story statt auf Choreo abgestimmt.
Das ist das Storyboard, das ChatGPT für unser laufendes Beispiel generiert hat, einen klaren Skincare-Werbespot:
Und das ist der finale Seedance-2.0-Render — dieselbe Frau, dasselbe Produkt, jetzt tatsächlich in Bewegung durch den Spot:
<video src="https://cdn.imaginetovideo.com/blog/content/zaraproduct.mp4" controls style="max-width: 480px; width: 100%; display: block; margin: 1.5rem auto;"></video>
Über diese Serie. Dieser Post gehört zu ImagineToVideo Video Generation Tutorials — eine Hands-on-Reihe, in der wir pro Folge einen konkreten kreativen Use Case durchgehen, vom Prompt bis zum finalen Render, mit den in ImagineToVideo integrierten Modellen. Die Serie deckt K-Pop-Tanzvideos, Produkt-Werbespots, animierte Tierporträts, cineastische Dialogszenen mit Native-Audio und vertikale Story-Shorts ab — in beliebiger Reihenfolge lesbar. Diese Folge ist die, nach der die meisten E-Commerce-Gründer, DTC-Brand-Teams und Shopify-Operator gefragt haben: wie man einen echten, anschaubaren Produkt-Werbespot ohne Filmcrew generiert.
Warum ChatGPT + Seedance der richtige Stack für Produkt-Werbespots ist
Ein Produkt-Werbespot ist keine Tanzroutine. Er ist ein Story-Bogen: ein Problem, das die Kundin spürt, ein Entdeckungsmoment, ein Anwendungsmoment, eine Transformation und ein Hero-Shot. Neun Frames reichen, um all das unterzubringen. Sechzehn — wie wir sie für die K-Pop-Choreo genutzt haben — sind Overkill, und die zusätzlichen Panels schaden sogar, weil sie die Story-Beats verwässern.
ChatGPT und GPT Image sind in genau dieser Art von strukturiertem Narrativ-Storyboard exzellent. Gib dem Modell einen strukturierten Prompt mit 9-Panel-Layout und einem expliziten Story-Flow, und es rendert dieselbe Figur — gleiches Make-up, gleiche Garderobe, gleicher Lichtstil — über alle neun Frames hinweg. Kein Continuity-Supervisor am Set nötig.
Was ChatGPT nicht kann: animieren. Der Output ist immer ein statisches Grid.
Da kommt die zweite Modellkategorie ins Spiel: Reference-to-Video (R2V). Du fütterst es mit einem oder mehreren Referenzbildern plus einem Bewegungs-Prompt, und es generiert ein Video, das die Referenzen respektiert. Zwei davon sind in ImagineToVideo integriert:
- Seedance 2.0 — unterstützt bis zu 9 Referenzbilder, generiert 5–15 Sekunden in 720p und kostet rund $0,85 pro Fünf-Sekunden-Clip. Das ist unsere Empfehlung für Produkt-Werbespots. Ein Hero-Shot ist meist ein einzelner 5-Sekunden-Clip — Seedance ist günstig genug, dass du an Lichtsetzung, Kamerafahrt und Produktplatzierung iterieren kannst, ohne Geld zu verbrennen.
- Kling V3 Omni — unterstützt bis zu 7 Referenzen plus Native-Audio und Multi-Shot-Sequencing, kostet aber rund $13 pro Fünf-Sekunden-Clip. Das richtige Werkzeug, wenn du das gesamte 9-Panel-Storyboard als verbundenen 30-Sekunden-Spot mit synchronem VO und Musik willst, nicht nur einen einzelnen Hero-Shot.
Der Rest dieses Posts geht den Seedance-Weg, mit einem Kling-Upgrade-Abschnitt zum Schluss. Wenn dein finales Deliverable Broadcast-Qualität hat oder für In-Store-Retail-Screens in nativer 3840×2160-Auflösung gedacht ist, deckt das Kling-4K-Mode-Tutorial genau diesen Pfad ab.
Schritt 1 — Plane deinen Werbespot in ChatGPT (das 9-Panel-Storyboard)
Öffne ChatGPT (mit aktivierter Bildgenerierung) oder gleich GPT Image. Du brauchst diesmal kein Basisporträt wie bei K-Pop — für Produkt-Werbespots designt ChatGPT Model und Produkt-Styling problemlos aus einem einzigen Prompt. Füge dieses Template ein, passe die eckigen Klammern für dein Produkt an und lass es laufen:
9-panel skincare commercial storyboard, 16:9 layout, single image.
[CHARACTER] Young woman with soft natural makeup and styled hair, wearing
light elegant clothing. Same model, same outfit, same look across all 9
panels — do not redesign the character.
[SETTING] Modern sunlit interior, large windows, calm atmosphere, white and
pastel color palette.
[STORY FLOW — 9 panels in reading order]
1. Woman at her desk, looking slightly tired or concerned
2. Close-up of her face showing dry or dull skin
3. Discovering a clear skincare bottle, gently presenting it
4. Close-up: liquid pouring onto her hand
5. Applying the product to her face
6. After use — hydrated, glowing, smooth skin
7. Walking in a bright, clean space, refreshed and confident
8. Calm product beauty shot on a minimal surface
9. Final frame: soft smile at the camera, holding the product
[STYLE] Cinematic close-ups, soft focus, light reflections, subtle sparkles.
Soft natural lighting, minimal aesthetic, fresh airy mood. Elegant, visually
soothing.
[NEGATIVE] No text, no subtitles, no branding text, no logos, no extra
characters, no watermarks.
[OUTPUT] At least 1024×1024 final resolution. 2048×2048 if available.
Drei Dinge in diesem Prompt erledigen echte Arbeit und sollten nicht gestrichen werden:
Die Zeile „same model, same outfit". Derselbe Trick wie bei K-Pop. Ohne sie ändert ChatGPT die Garderobe still und leise zwischen Panel 4 und Panel 7, weil im Prompt „applying" und dann „walking" steht — das Modell interpretiert den Aktivitätswechsel als Garderobenwechsel. Pinne die Figur explizit fest.
Der strukturierte Story-Flow. Wenn du alle 9 Frames in Lesereihenfolge auflistest — oben links nach unten rechts, wie ein westliches Lesemuster — zwingst du ChatGPT, das Grid in narrativer Reihenfolge zu komponieren. Ohne nummerierte Panels pickt es sich den Frame heraus, der sich „nach Hero-Shot anfühlt", und setzt ihn in die Mitte, was den Flow zerstört, sobald du später croppst.
Die 1024+-Output-Auflösung. Gleicher Grund wie in unserem K-Pop-Tutorial: Der Seedance-R2V-Endpoint von ImagineToVideo lehnt Referenzbilder unter 640×640 ab und gibt einen nicht wiederholbaren Fehler zurück. ChatGPTs Default-Output landet manchmal bei 768×768. 1024+ im Prompt einzufordern, vermeidet die Ablehnung weiter unten in der Pipeline.
Was du jetzt haben solltest, ist ein einzelnes 16:9-Grid mit 9 Panels, das den vollständigen Werbespot-Bogen zeigt — genau wie das Storyboard oben im Post.
Dieses Template auf andere Produkte anpassen. Das gleiche 9-Panel-Gerüst funktioniert für fast jede DTC-Kategorie. Für ein Parfum: tausche „dry skin" gegen „everyday outfit" in Panel 1, „applying serum" gegen „spritzing perfume" in Panel 5, und „glowing skin" gegen „confident night-out look" in Panel 7. Für ein Küchengerät: starte auf einer chaotischen Arbeitsplatte, mittendrin das Produkt im Einsatz, Schluss auf einem sauber angerichteten Gericht. Der Story-Bogen — Problem → Entdeckung → Anwendung → Transformation → Hero — ist der universelle Teil.
Schritt 2 — Auf den Hero-Frame zuschneiden (oder das ganze Sheet nehmen)
Du hast jetzt ein einzelnes 9-Panel-Bild. Es gibt zwei Wege, das an Seedance zu übergeben, und welcher richtig ist, hängt von deinem Deliverable ab:
Das gesamte Storyboard als eine einzelne Referenz nehmen. Beste Wahl, wenn du einen 5-Sekunden-Hero-Clip willst, der die Stimmung des Spots einfängt — Lichtsetzung, Model, Produkt-Styling — aber keinen konkreten Story-Beat. Lade das gesamte 9-Panel-Bild in den Referenz-Slot und lass das Modell entscheiden, welchen Moment es betont. In unseren Tests pickt sich Seedance meist die Anwendung oder den Hero-Produkt-Shot.
Ein konkretes Panel zuschneiden. Beste Wahl, wenn du einen 5-Sekunden-Clip eines konkreten Moments willst. Für die meisten Produkt-Werbespots ist das Panel 8 — der ruhige Beauty-Shot auf der minimalen Oberfläche — weil das der Frame ist, der auf eine Produktdetailseite oder eine Paid-Social-Anzeige geht. Schneide ihn in Photopea, Figma oder der macOS-Vorschau zu. Der Crop sollte mindestens 640×640 sein; sicherheitshalber auf 1024+ exportieren.
Zwei bis vier Panels für ein längeres Narrativ zuschneiden. Wenn du eine 15-Sekunden-TikTok-Anzeige oder ein 20-Sekunden-YouTube-Pre-Roll baust, schneide die vier Story-Beats: Panel 2 (Problem), Panel 5 (Anwendung), Panel 7 (Transformation), Panel 8 (Hero). Lass Seedance viermal laufen — einmal pro Panel — und stitche die Ergebnisse in einem beliebigen kostenlosen Editor zusammen. Gesamtkosten: rund $3,40 für die vier Clips.
Für den Beispiel-Spot in diesem Post haben wir Panel 8 — den Hero-Produkt-Shot — zugeschnitten und einen einzelnen 5-Sekunden-Seedance-Clip laufen lassen. Das ist das Video, das oben eingebettet ist.
Schritt 3 — Bringe das Produkt in Seedance 2.0 zum Leben
Öffne den Seedance-2.0-Generator (oder die Seedance-Landingpage und klicke Try Now).
Lade dein zugeschnittenes Panel — oder das gesamte Storyboard — in den Referenz-Slot. Die UI zeigt das Thumbnail an. Wird es mit „pixel count too low" abgelehnt, ist deine Referenz unter 640×640. Neu in höherer Auflösung exportieren und wieder hochladen.
Im Prompt-Feld — mit einem Limit von 2.000 Zeichen — fügst du etwas Strukturiertes ein. Das Muster, das für Produkt-Werbespots funktioniert:
[SUBJECT] A clear glass skincare bottle with minimal label, held by a young
woman with soft natural makeup. Her hand is steady, the product is centered.
[ACTION] She gently dispenses a few drops of clear serum onto her fingertips,
then smooths the liquid across her cheek in slow, deliberate motions. Her
expression softens from tired to refreshed. Light reflections move across the
glass bottle as her hand turns.
[CAMERA] Slow push-in close-up, shallow depth of field, soft focus background.
Subtle handheld micro-movement. Eye-level framing.
[LIGHTING] Soft natural light from a large window on the left. White and
pastel color palette. Light reflections on the glass, no harsh shadows.
[STYLE] Cinematic skincare commercial, minimal aesthetic, fresh airy mood.
Subtle sparkle on the liquid. Elegant, calm, visually soothing.
[DURATION] 5 seconds. 16:9 aspect ratio.
Ein paar Tuning-Notizen aus Dutzenden Durchläufen quer durch Produktkategorien:
Auflösung: bleib bei 720p für Iteration. Seedance bietet 480p und 720p. 480p ist zu weich für Produktdetails — das Etikett auf der Flasche verschwimmt, die Textur der Creme wird matschig. 720p ist der Sweet Spot für Shopify-Produktseiten, Meta Ads, TikTok und YouTube Shorts. Wenn dein finales Deliverable ein 4K-Hero auf einer Brand-Site ist, fixier zuerst Kamerafahrt und Lichtsetzung in 720p und lass dann den fixen Prompt in Kling V3 mit dem 4K-Toggle erneut laufen.
Dauer: starte mit 5 Sekunden. Seedance unterstützt 5, 8, 10, 12 und 15 Sekunden. Für einen Hero-Produkt-Shot — eine langsame Push-In oder eine ruhige Rotation — sind 5 Sekunden mehr als genug. Längere Dauern geben dem Modell mehr Raum, abzudriften, und Produkt-Werbespots verzeihen Drift nicht: eine Flaschenform, die sich mitten im Shot verändert, killt den ganzen Clip.
Kamera: lieber langsam als schnell. „Slow push-in", „subtle rotation", „static with slight handheld" — das sind die Kamerafahrten, die als Premium gelesen werden. „Fast zoom", „whip pan", „rapid dolly" — das sind die Moves, die billig wirken, weil sie Produktdetails hinter Motion Blur verstecken. Der ganze Sinn eines Produkt-Werbespots ist, dass die Zuschauerin das Produkt klar sieht. Beweg die Kamera langsam genug, dass sie das kann.
Iteriere mit Seedance 2.0 Fast. ImagineToVideo bietet zwei Seedance-Stufen: Quality und Fast. Fast ist 25–40 % günstiger und spürbar schneller, mit Output, der bei kurzen referenzgetriebenen Clips kaum zu unterscheiden ist. Wir machen jede Iteration auf Fast und wechseln nur für das finale Lock-Render auf die Quality-Stufe — also für das, was auf die Produktseite oder in Paid Social geht.
Gesamtkosten für den oben eingebetteten Beispiel-Clip: rund $0,85. Mit Seedance Fast wären es eher $0,65 gewesen. Zum Vergleich: ein einzelner 5-Sekunden-Produkt-Hero-Shot aus einer Werbe-Produktion fängt bei $3.000 an und braucht eine Woche.
→ Generiere deinen eigenen Produkt-Werbespot mit Seedance 2.0
Schritt 4 — Auf Kling V3 Omni upgraden, wenn du einen kompletten Spot brauchst
Seedance ist die richtige Antwort für rund 80 % der Produkt-Werbespot-Arbeit. Die 20 %, in denen Kling V3 Omni das bessere Werkzeug ist:
- Du brauchst das gesamte 9-Panel-Storyboard als einen verbundenen 30-Sekunden-Spot. Seedance kann nur Single-Shot. Kling V3 Omni unterstützt bis zu 6 verbundene Kameraeinstellungen innerhalb einer einzigen Generierung, mit konsistenter Charakter- und Produkt-Identität über die Schnitte hinweg. Für einen kompletten TV-Spot-artigen Werbespot — Open auf dem Problem, Cut zur Entdeckung, Cut zur Anwendung, Cut zum Hero — ist das Kling.
- Du brauchst synchrone Musik und Voiceover. Seedance generiert stummes Video. Kling V3 Omni generiert Video und Native-Audio in einem Pass. Wenn du einen fertigen Spot mit Raumton, Produkt-Soundeffekten und (mit dem richtigen Prompt) einem Cue für ein darunterliegendes Music Bed willst, ist das Kling.
- Du brauchst echtes 4K für Retail-Screens oder Broadcast. Klings Pro-Modus generiert nativ 3840×2160. Seedance ist bei 720p gedeckelt. Für einen Hero-Loop above the fold auf einer Brand-Site, einen In-Store-Retail-Screen oder einen TV-Spot — überall, wo die Zuschauerin näher als zwei Meter an einem 1080p+-Display sitzt — lohnt sich das 4K-Upgrade.
Kostenvergleich für einen Fünf-Sekunden-Clip:
| Modell | ~5s Kosten | Beste Eignung für Produkt-Werbespots |
|---|---|---|
| Seedance 2.0 Fast ⭐ | ~$0,75 | Iteration, Paid Social, Wegwerftests |
| Seedance 2.0 Quality | ~$0,85 | Finale Lock-Renders für Produktseiten, Anzeigen |
| Kling V3 | ~$8,84 | Multi-Shot-Spots, 1080p-Lieferung |
| Kling V3 Omni | ~$13,41 | Kompletter 30-Sekunden-Spot + Native-Audio |
| Kling 4K Mode | ~$25–30 | Retail-Screens, TV-Spots, Brand-Site-Hero-Loops |
Die fett markierten Zeilen sind der Default-Platz dieses Workflows. Die Kling-Zeilen sind, wohin du gehst, nachdem das Storyboard in 720p steht.
→ Probier Kling V3 image-to-video aus (Einstieg in V3 Standard, V3 Omni und den neuen 4K-Modus)
Wie sich die drei Modelle bei demselben Storyboard schlagen
Wir haben dasselbe 9-Panel-Skincare-Storyboard durch alle drei relevanten Modelle in ImagineToVideo geschickt. Kurzfassung:
- Seedance 2.0 Quality hielt die Produkt-Identität über die vollen fünf Sekunden felsenfest. Die Flaschenform blieb die Flaschenform, das Etikett verzog sich nicht, die Flüssigkeit bewegte sich wie Flüssigkeit. Das ist der oben eingebettete Clip. Für einen einzelnen Hero-Shot ist das das richtige Werkzeug.
- Kling V3 Omni lieferte ein cineastischeres Bild — bessere Lichtreflexe auf dem Glas, mehr Tiefe im Hintergrund — kostete aber 15× mehr für einen Clip, der nebeneinander gestellt für einen einzelnen Hero-Shot keine 15× besser ist. Der Vorteil zeigt sich nur, wenn du Klings spezifische Stärken nutzt: Multi-Shot-Sequencing, Native-Audio oder 4K-Output.
- Kling V3 Standard hatte Schwierigkeiten, weil er auf der Standardstufe gar keine Referenzbilder akzeptiert — nur First-/Last-Frame-Inputs. Für einen referenzgetriebenen Produkt-Workflow ein No-Go. Nimm V3 Omni.
Take-away: Speziell für den ChatGPT-Storyboard-zu-Produkt-Werbespot-Workflow ist Seedance nicht nur die billige Option — es ist die richtige Option für einen einzelnen Hero-Shot. Kling V3 Omni ist das Werkzeug, zu dem du greifst, wenn das Deliverable der komplette verbundene Spot ist und nicht nur ein Frame daraus.
Fünf häufige Fallen (und wie du sie vermeidest)
Nachdem wir diesen Loop quer durch Skincare, Parfum, Supplements, Küchenwaren und Consumer Electronics laufen lassen haben, sind das die Failure Modes, die am häufigsten auftauchen:
1. Das Produkt driftet mitten im Shot. Das ist der häufigste produkt-werbespot-spezifische Fehler. Die Flasche ändert die Form, das Etikett verzieht sich, der Verschluss verschwindet. Ursache: Das Referenzbild ist zu klein oder der Prompt pinnt die Produkt-Geometrie nicht fest. Lösung: Die Referenz auf mindestens 1024×1024 neu exportieren und im Seedance-Prompt eine explizite Klausel same bottle shape, same label, same proportions, same cap ergänzen.
2. Charakter-Drift zwischen Storyboard-Panels. ChatGPT redesignt Haare oder Garderobe der Figur still und leise um Panel 5 herum, wenn du es nicht festnagelst. Schreib im Storyboard-Prompt immer „same model, same outfit, same look across all 9 panels — do not redesign". Wenn der Drift trotzdem auftritt, generiere zuerst das Porträt der Figur separat und gib das dann als fixe Charakter-Referenz in den Storyboard-Prompt.
3. Lichtsetzung, die wie Neonbeleuchtung wirkt. „Good lighting" im Prompt liefert dir generisches flaches Licht, das wie ein Stockfoto aussieht. Produkt-Werbespots brauchen gerichtetes Licht: soft natural light from a large window on the left oder studio key light at 45° with subtle rim light. Gib die Richtung an. Der größte Einzelsprung in der wahrgenommenen Qualität eines Produkt-Werbespots kommt davon, die Lichtrichtung explizit zu benennen.
4. Die Kamera bewegt sich zu schnell, als dass die Zuschauerin das Produkt sehen könnte. Das passiert besonders oft bei den ersten Generierungen, weil die Promptende gegen „langweilig" überkorrigiert. Eine schnelle Push-In fühlt sich im Kopf aufregend an; im gerenderten Clip verwischt sie das Produkt zu einem Streifen. Default auf slow push-in, subtle rotation oder static with slight handheld. Geschwindigkeit liest sich beim Produkt als billig. Langsamkeit als Premium.
5. Falsches Seitenverhältnis. Ein Skincare-Brand-Site-Hero ist 16:9 horizontal. Eine TikTok- oder Reels-Anzeige ist 9:16 vertikal. Eine Shopify-Produktkarte ist quadratisch 1:1. Das Modell komponiert für das Ziel-Seitenverhältnis; eine 16:9-Generierung am Ende vertikal zu beschneiden, schneidet fast immer den Verschluss oder die Pumpe der Flasche ab. Entscheide das Deliverable-Format vor der Generierung und setz Seedances Seitenverhältnis passend.
TL;DR — Dein Produkt-Werbespot in drei Schritten
- ChatGPT / GPT Image — generiere ein 9-Panel-Werbespot-Storyboard mit 1024+-Auflösung und explizitem „same model, same outfit, same product"-Pinning. Die 9 Panels folgen dem Bogen: Problem → Entdeckung → Anwendung → Transformation → Hero.
- Crop — pick das Hero-Panel (meist Panel 8) für einen einzelnen 5-Sekunden-Clip, oder 4 Panels (Problem / Anwendung / Transformation / Hero) für ein gestitchtes 20-Sekunden-Narrativ. Jeder Crop ≥640×640.
- Seedance 2.0 — ablegen auf /seedance, einen strukturierten 100–200-Wörter-Prompt mit benannter Lichtrichtung und langsamer Kamerafahrt schreiben, in 720p / 5s rendern. Etwa $1 und drei Minuten pro Clip.
Auf Kling V3 Omni upgraden, wenn du das gesamte 9-Panel-Storyboard als verbundenen 30-Sekunden-Spot mit Native-Audio brauchst. Sonst lebt dieser Produkt-Werbespot-Workflow in Seedance.
→ Starte deinen ersten Produkt-Werbespot auf Seedance 2.0 → Oder direkt zu Kling V3 image-to-video für komplette Spots + 4K
Wenn dein finales Deliverable ein Brand-Site-Hero-Loop, ein In-Store-Retail-Screen oder ein Broadcast-TV-Spot in nativem 3840×2160 ist, führt der Kling-4K-Mode-Guide genau diesen Pfad entlang — und unsere Landingpage zum 4K-KI-Videogenerator ist der schnellste Einstieg.
Die Roadmap der Tutorial-Serie
ImagineToVideo Video Generation Tutorials deckt die kreativen Use Cases ab, nach denen Creator uns am häufigsten fragen. In beliebiger Reihenfolge lesbar — jeder Post ist eigenständig:
- K-Pop-Tanzvideos — ChatGPT-16-Panel-Choreo-Sheet → Seedance-2.0-Tanzvideo. (Veröffentlicht.)
- Produkt-Werbevideos — ChatGPT-9-Panel-Storyboard → Seedance-2.0-Hero-Shot. (Du liest es gerade.)
- Tierporträt-Animation — deinen Hund mit einem Foto und Seedance in einen cineastischen Kurzfilm verwandeln.
- Cineastische Dialogszenen mit Kling V3 Omni Native-Audio (Lip-Sync + Raumton).
- Vertikale 9:16-Story-Shorts — TikTok-fertige Story-Clips end-to-end aus einer einzigen Charakter-Referenz.
Abonniere den Blog oder schau wieder rein, sobald wir weitere Folgen veröffentlichen. Und wenn es eine konkrete Produktkategorie gibt, die wir durchgehen sollen — Parfum, Supplements, Mode, Elektronik — schreib uns.
Jetzt bring dein Produkt in Bewegung.
