Die Bild-zu-Video-Generierung (i2v) nimmt ein einzelnes Standbild und erzeugt daraus einen Videoclip, in dem der Inhalt des Bildes mit Bewegung zum Leben erwacht. Das Eingabebild wird zum ersten Frame (oder einem Schlüssel-Referenzframe), und das Modell erzeugt die nachfolgenden Frames, die die visuelle Konsistenz mit der Quelle beibehalten, während Bewegung hinzugefügt wird – gehende Menschen, wehende Haare, fließendes Wasser, schwenkende Kameras. Die Herausforderung besteht darin, Identität und feine Details (ein bestimmtes Gesicht, ein Logo auf einem T-Shirt, die exakte Farbpalette) über alle Frames hinweg ohne Drift oder Morphing-Artefakte beizubehalten.
Dein hochgeladenes Bild wird zum exakten ersten Frame des Videos. Kling 3.0 interpretiert dein Bild nicht neu oder approximiert es – es verwendet es Pixel für Pixel als Ausgangspunkt und erzeugt von dort aus Bewegung. Das bedeutet, dass deine Art Direction, Farbgebung und Komposition unverändert erhalten bleiben.
Gesichter, Logos, Text und markante Muster im Quellbild bleiben während des gesamten generierten Videos konsistent. Kling 3.0s temporaler Aufmerksamkeitsmechanismus referenziert das Quellbild bei jedem Frame, um Identitätsdrift zu verhindern – das Gesicht in Frame 150 stimmt mit dem Gesicht in Frame 1 überein.
Passe an, wie viel Bewegung Kling 3.0 der Szene hinzufügt. Niedrige Intensität: subtiles Atmen, sanfter Wind, leichter Kamera-Drift. Mittel: Gehen, Drehen, moderate Umgebungsbewegung. Hoch: Rennen, dynamische Kameraschwenks, dramatische Action. Der Schieberegler gibt dir die Kontrolle über das Energieniveau wie ein Regisseur.
Beschreibe die gewünschte Bewegung im Textprompt: „sie dreht sich um, um über ihre Schulter zu schauen“, „Kamera zoomt langsam heran“, „Blätter wehen von links nach rechts“. Kling 3.0 folgt diesen Bewegungsanweisungen und lässt den Inhalt des Quellbilds intakt.
Kling 3.0 erkennt und passt das Seitenverhältnis deines Eingabebilds automatisch an – 1:1, 16:9, 9:16, 4:3, 3:4 und mehr. Du musst dein Quellbild nicht zuschneiden oder in der Größe ändern, um es an ein festes Videoformat anzupassen. Das Ausgabevideo entspricht den Eingabedimensionen.
Erzeuge Videos von 5 bis 15 Sekunden aus einem einzigen Bild. Für längere Sequenzen verkette mehrere Generierungen in Flow, indem du den letzten Frame eines Clips als ersten Frame des nächsten verwendest, um die Kontinuität zu wahren.
Gehe zu PonPon Bild zu Video und wähle Kling 3.0 aus dem Modell-Dropdown.
Ziehe per Drag-and-Drop oder klicke, um das Bild hochzuladen, das du animieren möchtest. Verwende ein hochauflösendes Bild (mindestens 1024 Pixel auf der längsten Seite) für beste Ergebnisse. Kling 3.0 akzeptiert JPEG-, PNG- und WebP-Formate.
Beschreibe die gewünschte Bewegung – nicht die Szene selbst (das Modell kann sie von deinem Bild ablesen). Fokussiere auf Aktion: „die Frau lächelt langsam und neigt ihren Kopf“, „Kamera fährt zurück und enthüllt die gesamte Landschaft“, „Wellen brechen gegen die Felsen“. Halte es bei 1–2 Sätzen.
Passe den Bewegungsintensitäts-Schieberegler (niedrig/mittel/hoch) an und wähle die Videodauer (5 s, 10 s oder 15 s). Niedrigere Intensität mit kürzerer Dauer ist sicherer für die Bewahrung feiner Details. Höhere Intensität mit längerer Dauer liefert dramatischere Ergebnisse, kann aber leichten Drift zeigen.
Klicke auf Generieren und überprüfe das Ergebnis. Stelle sicher, dass Identität, Text und feine Details durchgehend erhalten bleiben. Wenn die Bewegung zu subtil ist, erhöhe die Intensität und generiere erneut. Wenn Details driften, verringere die Intensität oder verkürze die Dauer.
Ob Solo-Creator, Agentur oder Marke — jedes Modell passt sich deiner Arbeitsweise an.
Sie schaut langsam vom Buch auf und lächelt. Eine sanfte Brise bewegt ihr Haar. Das warme Nachmittagslicht verändert sich leicht, als eine Wolke vorbeizieht.
Modell: Kling 3.0 · Dauer: 8 s · Bewegung: Mittel · Quelle: Porträtfoto
Kamera umkreist das Produkt langsam um 45 Grad. Weiche Reflexionen bewegen sich über die Oberfläche. Hintergrund bleibt sanft unscharf.
Modell: Kling 3.0 · Dauer: 6 s · Bewegung: Niedrig · Quelle: Produktfoto auf Weiß
Wolken treiben langsam über den Himmel. Das Wasser im See kräuselt sich sanft. Kamera bleibt stabil. Vögel fliegen über die fernen Berge.
Modell: Kling 3.0 · Dauer: 15 s · Bewegung: Niedrig · Quelle: Landschaftsfotografie
Der Krieger schwingt das Schwert in einem weiten Bogen. Funken fliegen von der Klinge. Kamera folgt der Bewegung mit einem leichten Schwenk nach rechts. Umhang bauscht sich dramatisch auf.
Modell: Kling 3.0 · Dauer: 5 s · Bewegung: Hoch · Quelle: Digitale Illustration
Nimm vorhandene Produktfotos und konvertiere sie in kurze Videoclips für Social-Media-Anzeigen. Ein statisches Produktfoto wird zu einem 6-Sekunden-Video mit langsamem Zoom und subtiler Umgebungsbewegung – kein Nachdrehen, kein 3D-Modeling, kein After Effects. Produziere Video-Varianten im Batch aus deiner bestehenden Fotobibliothek.
Künstler und Illustratoren animieren ihr statisches Artwork für soziale Medien. Ein digitales Gemälde eines Waldes erhält sanften Wind, fallende Blätter und wechselndes Licht. Ein Charakterportrait blinzelt und atmet. Animierte Beiträge auf Instagram und TikTok erhalten 2–3x mehr Engagement als statische Bilder.
Konvertiere Immobilienfotografien in Durchgangs-Videoclips. Ein Weitwinkel-Innenraumfoto wird zu einem flüssigen Kameraschwenk, der den gesamten Raum enthüllt. Erzeuge 6-Sekunden-Clips für jeden Raum und verkette sie in Flow für eine vollständige Immobilientour ausschließlich aus Standfotos.
Filmemacher und Animatoren konvertieren Storyboard-Frames in grobe animierte Sequenzen. Jeder gezeichnete Frame wird zu einem 5–10 Sekunden langen animierten Clip, der die in den Storyboard-Notizen beschriebene Kamerabewegung und Charakteraktion zeigt. Produziert ein funktionierendes Animatic in Stunden statt Wochen.
| Kling 3.0 i2v | Andere i2v-Modelle | |
|---|---|---|
| Identitätsbewahrung | Pixel-verankerter erster Frame mit temporaler Kreuzaufmerksamkeit – minimaler Drift selbst bei 15 s | Sora 2: gut, kann aber bei feinen Details über 8 s driften. Veo 3.1: stark, ändert gelegentlich Farben. Seedance 2.0: zuverlässig bei Gesichtern, schwächer bei Text/Logos |
| Bewegungskontrolle | Intensitätsschieberegler + Textprompt für Bewegungsrichtung. Motion Brush für präzise Pfade verfügbar | Sora 2: nur Textprompt. Veo 3.1: grundlegende Intensitätskontrolle. Seedance 2.0: Textprompt mit begrenzten Intensitätsoptionen |
| Maximale Dauer | Bis zu 15 Sekunden pro Generierung | Sora 2: bis zu 20 s. Veo 3.1: bis zu 8 s. Seedance 2.0: bis zu 10 s |
| Seitenverhältnis-Flexibilität | Passt das Seitenverhältnis des Eingabebilds automatisch an, jedes Standardverhältnis wird unterstützt | Die meisten Modelle unterstützen nur 16:9, 9:16, 1:1. Benutzerdefinierte Verhältnisse erfordern möglicherweise Zuschneiden |
| Audio-Ausgabe | Native Audio-Generierung inbegriffen (Umgebungsgeräusche und Dialoge) | Sora 2: kein natives Audio. Veo 3.1: natives Audio inbegriffen. Seedance 2.0: Musiksynchronisation, aber begrenzter Dialog |
Eingabebilder mit mindestens 1024 × 1024 Pixel liefern merklich bessere Videoqualität. Niedrig aufgelöste Quellen (unter 512 Pixel) können zu weicher, artefaktreicher Ausgabe führen. Wenn dein Bild klein ist, skaliere es zuerst mit PonPons Bildwerkzeugen hoch, bevor du es in ein Video konvertierst.
Das Modell sieht dein Bild bereits – es braucht keine Szenenbeschreibung. Schreibe Prompts, die Bewegung beschreiben: „sie dreht sich nach links“, „Kamera fährt heran“, „Regen beginnt zu fallen“. Szenenbeschreibungen (etwa „eine Frau in einem roten Kleid in einem Garten“) verschwenden Prompt-Kapazität und können dazu führen, dass das Modell dein Bild neu interpretiert.
Wenn dein Bild Text, Logos oder feine Muster enthält, die unbedingt erhalten bleiben müssen, verwende niedrige Bewegungsintensität. Hohe Bewegung erhöht die Wahrscheinlichkeit von Detail-Drift. Du kannst die Intensität bei der nächsten Generierung immer erhöhen, wenn das Ergebnis zu statisch ist.
Kling 3.0 passt das Videoverhältnis an dein Bild an. Wenn dein Bild 4:3 hat, du aber 9:16 für TikTok benötigst, schneide das Bild zuerst zu, anstatt dich darauf zu verlassen, dass das Modell den Frame neu gestaltet. Intentionelles Zuschneiden gibt dir die Kontrolle darüber, was im Frame zu sehen ist.
Schließ dich Tausenden von Kreativen, Agenturen und Marken an, die PonPon täglich nutzen.
Starte mit kostenlosen Tages-Credits. Keine Kreditkarte erforderlich.