Beste KI für Videobearbeitung: gewinnt das teuerste Modell?

Das teuerste KI-Modell ist nicht das, das Videos am besten bearbeitet. Wir haben dieselben Clips mit den vier Endless-Modellen bearbeitet, die eine Person in einem bestehenden Video austauschen können. Seedance 2.5, pro Sekunde das teuerste, erhält Einstellung und Ton sehr gut, tauscht bei Personen aber das Gesicht nie ganz aus. Wan 3.0 Prime war bei Identität und Treue zum Clip das beste, und Kling 4 kam für weniger Credits sehr nah heran. Das günstigste, MiniMax H3, baut den Clip neu, statt ihn zu bearbeiten.

Angefangen hat alles mit Francisco, unserem CEO. Er nahm den Jubel nach Enzo Fernández' Traumtor gegen England, lud Fotos von Ponyo, seiner Katze, hoch und bat Seedance 2.5, die Nummer 24 durch Ponyo zu ersetzen. Heraus kamen sieben Sekunden mit einer dreifarbigen Katze im Trikot mit der 24, die Pfoten hinter den Ohren, von den Mitspielern umarmt und am Ende mit militärischem Gruß.

Bis zum Mittag probierte jeder im Büro, der eine Katze hat, dasselbe aus. Und die üblichen Fragen kamen: Warum fehlt meiner Katze das Trikot? Warum hat meine menschliche Arme? Warum hat sich der Kommentar geändert?

Seedance 2.5 war bei uns bisher die Standardwahl für Videobearbeitung, und Ponyo gab ihm recht. Es ist aber auch das teuerste der vier Modelle, also nahmen wir die Katzenwelle zum Anlass, etwas Grundsätzlicheres zu fragen: Bekommst du für mehr Geld auch die bessere Bearbeitung? Wir haben einen Testaufbau mit den vier Endless-Modellen gebaut, die ein bestehendes Video bearbeiten: Seedance 2.5, Kling 4, Wan 3.0 Prime und MiniMax H3.

So haben wir getestet

Wir haben drei Video-zu-Video-Tests gemacht, alle in 720p und alle im selben Endless-Workspace:

Der Ablauf war bei allen derselbe.

1. Clip auswählen

Clips von 7 bis 10 Sekunden mit klaren Aktionen und, beim Jubel, einem Schnitt zwischen Einstellungen. Dieselbe Datei ging an alle vier Modelle.

2. Referenzen bauen

Jeder Test hat eigene Referenzen, die wir im jeweiligen Abschnitt zeigen:

• Tänzer: ein Character Sheet einer erfundenen Figur, in Endless mit Nano Banana 2.1 für 13 Credits generiert.
• Katzen: zwei Fotos der Katze, eins vom Gesicht und eins vom Körper.
• Messestand: ein Frontalfoto von mir. Daraus haben wir mit Nano Banana Pro für 25 Credits ein Character Sheet gebaut und danach ein 2-Sekunden-Selfie-Video ausprobiert.

3. Ein Prompt pro Modell

Dieselbe Anfrage wird nicht für alle vier gleich geschrieben. Jedes Modell versteht eine andere Struktur am besten, markiert Zeiten anders und benennt Referenzen auf seine Art. Für den besten Prompt pro Modell haben wir die jeweiligen Prompting-Guides genutzt, dieselben, die Enhance prompt in Endless verwendet: Du schreibst die Anfrage einmal, wählst das Modell, und Enhance prompt formuliert sie in der Struktur um, die dieses Modell am besten versteht.

So sieht zum Beispiel die letzte Einstellung des Jubels bei jedem Modell aus:

Kling 4        6.6-6.9s: hard cut to a side view on the pitch. The same
               cat, still wearing the navy number 24 jersey, raises one
               paw to its ear in a salute.

Seedance 2.5   TIMELINE: … 6.6-6.9s hard cut to a side view on the pitch:
               the SAME cat, STILL wearing the number 24 jersey, raises
               one paw to its ear in a salute.

MiniMax H3     [6.6s] Hard cut to a side view on the pitch: the cat, in
               the number 24 jersey, raises one paw to its ear in a salute.

Wan 3.0 Prime  …in the final side-view shot the cat itself, wearing the
               number 24 jersey, raises one paw to its ear in a salute.
               Negative: human face, human arms, tattoos, cat without
               jersey…

4. Generieren

Wir haben die vier Modelle auf denselben Clip losgelassen, mit denselben Referenzen und in 720p, und die Ergebnisse nebeneinander auf dem Endless-Canvas abgelegt.

5. Vergleichen

Der Canvas ist der einfachste Weg zum Vergleichen: Du spielst die vier Videos nebeneinander ab, und die Unterschiede fallen sofort auf. Für diesen Artikel haben wir außerdem pro Test ein Video mit Original, Referenz und den vier Ergebnissen im Gleichlauf gebaut und aus jedem Video zu denselben Sekunden Frames gezogen, eine Zeile pro Modell. Bei den Tests mit Personen haben wir zusätzlich das Gesicht im selben Moment freigestellt. Bei jedem Ergebnis haben wir auf vier Dinge geachtet:

• Identität: ob es wirklich diese Katze oder diese Person ist.
• Treue: ob der Clip derselbe bleibt, mit denselben Einstellungen, Gesten und demselben Timing.
• Audio: ob der Originalton erhalten bleibt.
• Credits: was jeder Versuch kostet.

Was kostet es, ein Video mit jedem Modell zu bearbeiten?

Jedes Modell hat seinen eigenen Preis in Credits. Für einen 10-s-Clip in 720p:

Das sind die Endless-Preise vom 28. Oktober 2026.

Seedance kostet pro Sekunde am meisten: mehr als das Doppelte von H3 und fast 50 % mehr als Kling. Wenn der Preis die Qualität messen würde, müsste Seedance jeden Test gewinnen.

Tänzer: eine Person austauschen, ohne die andere anzufassen

Die vier Modelle, im Gleichlauf mit dem Original und der Referenz.

Kling und Wan liegen vorn. Sie setzen die Figur ein, folgen der Choreografie und lassen den anderen Tänzer und die Musik unangetastet. H3 sieht der Figur am ähnlichsten, baut den Clip aber neu: Es verändert, wie sich beide Tänzer bewegen, und generiert neue Musik. Das ist eher „lass dich von diesem Video inspirieren“ als „bearbeite dieses Video“.

Seedance respektiert Clip und Musik, aber die Figur wird nie ganz zu der auf dem Sheet: Es lässt die Brille weg und macht das Gesicht schmaler.

Katze beim Jubel: kurze Einstellungen und ein letzter Schnitt

Dieser Clip hat einen Haken: Er endet mit einer 0,3 s langen Seitenaufnahme, in der die 24 grüßt. Deshalb beschreibt der Prompt jedes Modells beide Einstellungen mit ihrem Timing, benennt diese letzte Einstellung, verlangt Katzenpfoten statt der Arme des Spielers und legt das Audio in eine eigene Zeile.

Die vier Modelle, im Gleichlauf mit dem Original und den Katzenfotos.

Seedance und Wan machen alles richtig: Die Katze ist in beiden Einstellungen zu sehen, trägt das Trikot, macht den Schlussgruß, und beide halten Timing und Anzeigetafel. Seedances Katze ist fast identisch mit der aus Franciscos Video. Der Unterschied ist der Preis: 298 Credits gegen 244 bei Wan.

Kling behandelt die kurze Einstellung als neuen Take und lässt dort das Trikot der Katze weg. H3 zieht die Umarmung vor und überspringt die letzte Einstellung.

Das gilt für jedes Modell: Wenn eine Einstellung kürzer als eine Sekunde ist, nenne sie im Prompt mit ihrem Timing.

Person in einem Video per KI ersetzen: ich am Messestand

Zum Schluss ging es wieder um eine Person. Der Clip ist eine durchgehende 10-s-Einstellung: Jemand am Messestand dreht sich um, spricht in die Kamera und hält einen Laptop hoch.

Zuerst haben wir mit Nano Banana Pro aus einem einzigen Foto ein Character Sheet gebaut: zwei Ganzkörperansichten und drei Porträts. Es hat 25 Credits gekostet. Danach haben wir es in allen vier Modellen als Referenz genutzt.

Mit dem Character Sheet: die vier Modelle, im Gleichlauf mit dem Original.

Danach haben wir statt des Character Sheets ein Video von mir als Referenz probiert: ein 2-Sekunden-Selfie, zusammen mit demselben Frontalfoto.

Das 2-Sekunden-Referenz-Selfie.

Mit dem Referenzvideo: die vier Modelle, im Gleichlauf mit dem Original.

Das Referenzvideo gibt Wan Details, die das Character Sheet nicht hatte, etwa die echte Augenfarbe und das Haarvolumen. Kling kommt sehr nah heran und behält den gesamten Ton. Seedance tauscht das Gesicht auch weiterhin nicht ganz aus, weder mit dem Sheet noch mit dem Video, erhält aber Einstellung und Ton sehr gut.

Character Sheet oder Referenzvideo?

Um eine Figur festzulegen, war das Character Sheet bisher unser Standardwerkzeug: ein einzelnes Bild mit der Figur von vorn, von der Seite und von hinten, das das Modell in jeder Einstellung als Referenz nutzt. Es funktioniert, und in diesen Tests haben wir es für die Figur der Tänzer verwendet.

Der Messestand-Test hat uns drei Gründe geliefert, bei einer echten Person ein Video vorzuziehen. Ein Character Sheet ist ein aus einem Foto generiertes Bild, es erfindet also alles, was das Foto nicht zeigt; mit einem 2-Sekunden-Selfie hat Wan die echte Augenfarbe und das Haarvolumen übernommen, die das Sheet nicht hatte. Außerdem dreht sich das Gesicht in einem Video, spricht und wechselt den Ausdruck, bleibt aber dasselbe Gesicht, und das sieht man in einem Clip, in dem der Präsentierende spricht, sich umdreht und wieder in die Kamera schaut. Und du sparst einen Schritt: Es gibt kein Sheet, das du vor dem Bearbeiten generieren und prüfen musst. Ein paar Sekunden mit dem Handy aufnehmen und in Endless hochladen reicht.

Das Character Sheet hat weiterhin seinen Platz: So gibst du einer Figur einen Körper, die es nicht gibt, wie die im Tänzer-Test. Ist die Figur aber echt, gehen wir immer öfter direkt zum Video.

Seedance vs Kling vs Wan vs MiniMax: Was ist die beste KI für Videobearbeitung?

Um die Eingangsfrage zu beantworten, haben wir die vier Kriterien danach gewichtet, was uns beim Bearbeiten am wichtigsten ist: dass es diese Person oder diese Katze ist, dass der Clip derselbe bleibt, dass das Audio hält und was es kostet, dorthin zu kommen. Die Punkte gehen von 1 bis 5 und fassen alle Tests zusammen.

Wan 3.0 Prime gewinnt klar. Es ist bei Identität und Clip am treuesten und behält fast immer das Audio. Es ist nicht billig, aber jeder Versuch ist in der Regel brauchbar.

Kling 4 ist die effizienteste Alternative: 17 % günstiger als Wan und in der Qualität sehr nah dran. Seine Schwäche sind sehr kurze Einstellungen, in denen es Details wie das Trikot verlieren kann.

Seedance 2.5 erhält Einstellung und Ton sehr gut und macht seine Sache mit der Katze beim Jubel hervorragend. Bei Personen tauscht es das Gesicht aber nie ganz aus. Und es ist das teuerste.

MiniMax H3 ist mit Abstand das günstigste, baut den Clip aber neu, statt ihn zu bearbeiten. Es taugt, wenn du eine neue, vom Original inspirierte Version willst. Wenn du denselben Clip mit anderer Hauptfigur willst, ist es die falsche Wahl.

Was wir beim Einsatz in Endless gelernt haben

• Ein Prompt pro Modell, mit Enhance prompt. Dieselbe Anfrage, für alle vier gleich geschrieben, schneidet schlechter ab. Enhance prompt formuliert sie in der Struktur des jeweiligen Modells um: Edit @Video1. und Zeitsegmente bei Kling, Blöcke in Großbuchstaben bei Seedance, [6.6s] bei H3 und eine Negative:-Zeile bei Wan.
• Kurze Einstellungen mit ihrem Timing benennen. Eine Einstellung unter einer Sekunde, die nicht im Prompt steht, geht als Erstes verloren.
• Bei einer echten Person ein Video nutzen. Ein paar Sekunden, mit dem Handy aufgenommen, geben dem Modell Details und Konsistenz, die einem Character Sheet fehlen. Heb dir das Sheet für Figuren auf, die es nicht gibt.
• Auf dem Canvas vergleichen. Mit den vier Ergebnissen nebeneinander fallen Unterschiede bei Identität, Timing und Audio in Sekunden auf.

Ist also das teuerste Modell das beste für Videobearbeitung?

Nein. Seedance 2.5, das teuerste, landete auf Platz drei, und das günstigste taugt auch nicht: MiniMax H3 kostet weniger als die Hälfte von Wan, macht aber ein anderes Video. Für die Bearbeitung war Wan 3.0 Prime die beste Option, das zweitteuerste, und Kling 4 kommt sehr nah heran, wenn du weniger ausgeben willst.

Seedance 2.5 nutzen wir nicht mehr als Standard, obwohl Ponyo, die Katze, die alles ausgelöst hat, zu den besten Ergebnissen aller Tests gehört. Bei Personen tauscht es das Gesicht nicht aus, und jeder Versuch kostet 20 % bis 50 % mehr als bei Wan oder Kling. Für weniger Credits macht Wan eine genauso gute Katze und lässt dir Spielraum zum Iterieren.

Du kannst denselben Vergleich mit deinen eigenen Clips machen: Lade das Video und die Referenzen in Endless hoch, schreibe die Anfrage einmal, schick sie für jedes Modell durch Enhance prompt und sieh dir die Ergebnisse nebeneinander auf dem Canvas an. Wenn das nächste Modell erscheint, lass dieselben Eingaben noch einmal laufen und vergleiche.