Cut.ProCut.Pro

Pika Enact: KI-Video live inszenieren, wie an einem Filmset

Pika hat am Mittwoch (18.) Enact gezeigt, eine Forschungsvorschau, in der du Schauspieler verschiebst, per Stimme Regieanweisungen gibst und die Kamera bewegst, während die Szene entsteht. Ich erkläre, wie es funktioniert, was noch fehlt und was du heute schon nutzen kannst.

Pika Enact: KI-Video live inszenieren, wie an einem Filmset

Pika Enact: KI-Video live inszenieren, wie an einem Filmset

Pika hat am Mittwoch (18. November) Enact gezeigt, eine Forschungsvorschau, die Video und Ton in Echtzeit erzeugt und dich die Szene inszenieren lässt, während sie entsteht: den Schauspieler verschieben, per Stimme eine Regieanweisung geben, die Kamera bewegen. Es ist nicht öffentlich zugänglich, und Pika selbst sagt, dass es nicht für Endkunden verfügbar ist.

Trotzdem lohnt es sich zu verstehen, was es zeigt. Heute läuft es so: Prompt schreiben, Minuten warten und hoffen. Enact ersetzt das durch proben, korrigieren und „Action" rufen, und genau in diese Richtung entwickeln sich Videogeneratoren.

Was macht Pika Enact?

Es erzeugt die Szene in kurzen Abschnitten und nimmt mitten drin Befehle an, in drei Modi, die in der Ankündigung von Pika beschrieben sind:

  • Live-Inszenierung. Du verschiebst einen Schauspieler oder ein Objekt mit der Maus, während das Video läuft, und das Modell passt Pose, Licht und Schatten an die neue Stelle an.
  • Live-Schauspielerführung. Du gibst Anweisungen per Tippen oder Sprechen. Jeder Schauspieler ist ein KI-Agent mit eigener Persönlichkeit, antwortet in seiner Rolle mit eigener Stimme und merkt sich, was du in früheren Takes derselben Sitzung gesagt hast. Wenn du „Action" rufst, spielen sie einen neuen, durchgehenden Take.
  • Live-Kamera. Du bewegst eine virtuelle Kamera mit der Maus (Schwenk, Zoom, Orbit), während die Szene erzeugt wird. Ein Referenzbild hält Besetzung und Kulisse zusammen.

The Rundown, das über die Vorschau berichtet hat, beschrieb Enact als ein Werkzeug, das wie ein Live-Filmset funktionieren soll.

Wie Pika Echtzeit erreicht hat

Der Trick: Der Clip wird nicht auf einmal erzeugt. Laut Pika produziert Enact Video und Audio in Blöcken von etwa 0,7 Sekunden (0,17 Sekunden im Low-Latency-Modus der Inszenierung), und jeder Block wird aus dem erzeugt, was bereits ausgegeben wurde, ohne auf den Rest der Szene zu warten. Bei der Inszenierung hat das Unternehmen außerdem die Zahl der Schritte, die das Modell für jeden Abschnitt braucht, von zwanzig auf wenige gesenkt.

Die Zahlen, die Pika veröffentlicht hat:

Modus Was Pika gemessen hat
Live-Inszenierung Reaktion unter 0,4 Sekunden auf einer H100-GPU, auf einem Server 1,8-mal schneller als Echtzeit
Schauspielerführung Bild und Ton 1,75-mal schneller als die Wiedergabe
Live-Kamera 640x480 bei 24 Bildern pro Sekunde auf einem Server mit 8 NVIDIA-B300-GPUs, erste Bilder nach 0,51 Sekunden

Zwei praktische Schlüsse aus dieser Tabelle. Erstens: 640x480 ist eine niedrige Auflösung im Querformat und taugt nicht direkt für Reels oder TikTok. Zweitens: Ein Server mit acht B300-GPUs für die Live-Kamera verursacht Laborkosten. Deshalb steht Enact auf einer Forschungsseite und nicht in einem Abo-Tarif.

Und H3 Flex, das es schon gibt?

Enact baut auf Pika H3 Flex auf, dem Modell, das Pika am 29. Oktober veröffentlicht hat. Das kannst du tatsächlich nutzen: Es erzeugt Clips von bis zu 15 Sekunden mit Audio, in 480p oder 768p, und akzeptiert bis zu 12 Referenzdateien aus Bild, Video und Ton. Es erschien zuerst in der Pika-API, die App zum Erstellen war für den 2. November geplant, und die offenen Gewichte wurden für alle veröffentlicht, die einen eigenen Server betreiben.

Im technischen Bericht nennt Pika einen Startpreis von 0,01 US-Dollar pro Sekunde, erzeugt aus Text oder Bild, und 0,03 US-Dollar pro Sekunde im Modus mit Referenzen. Derselbe Bericht ist ehrlich, was die Grenzen angeht: Bei Physik, Geschichten mit mehreren Szenen, Licht und Materialien sowie bei Aufgaben mit viel Action wurden in Pikas eigener Studie andere Modelle bevorzugt. The Rundown weist außerdem darauf hin, dass das Demovideo der Schauspieler gekürzt wurde, man also nicht weiß, wie alles in einer langen Sitzung zusammenspielt.

Was sich für Videocreator ändert

Wer heute Szenen mit KI erzeugt, verbringt mehr Zeit mit Wiederholen als mit Erschaffen. Der Prompt setzt die Figur an die falsche Stelle, du änderst ein Wort, wartest wieder und zahlst wieder. Eine Figur von links statt von rechts auftreten zu lassen, kann mehrere Generierungen kosten.

Genau hier setzt Enact an: Statt den Prompt umzuschreiben, ziehst du die Figur dorthin, wo sie sein soll, und machst weiter. Wenn die Idee aufgeht, ändern sich drei Dinge:

  1. Fehler werden billiger. Mitten im Take zu korrigieren kostet weniger, als den ganzen Clip neu zu erzeugen.
  2. Regie wird zu Sprache. „Langsamer, schau in die Kamera" zu sagen, ist natürlicher, als das richtige Wort für einen Prompt zu finden. Wer eine Sketch- oder Kurzgeschichten-Probe aufnimmt, bringt KI damit näher an die Art, wie man Menschen inszeniert.
  3. Generieren wird zum Format. So wie ein Gang durch eine spielbare Genie-4-Welt ein Erkundungsvideo ergeben kann, könnte das Live-Inszenieren von KI-Schauspielern selbst zu einem Livestream oder Behind-the-Scenes-Format werden.

Der Haken: Nichts davon zählt, bis Pika den Zugang öffnet, und es gibt weder ein Datum noch eine Bestätigung für Brasilien. Zum Hochformat, auf das es bei Kurzvideos ankommt, gibt es auch kein Wort.

Was du jetzt tun kannst

Warte nicht auf Enact, um deinen Workflow zu lösen. Drei Schritte, die heute funktionieren:

  • Erst günstig generieren, dann schön. Das Prinzip von Enact (schnell scheitern in niedriger Auflösung) kannst du schon anwenden: Teste die Szene in der niedrigsten Auflösung, die meist weniger pro Sekunde kostet, und wiederhole nur den gelungenen Take in höherer Auflösung. Im Generator von Cut.Pro wählst du das Modell, bezahlst die Generierung mit Credits und nimmst den Clip direkt mit in den Editor.
  • Nutze Referenzen, statt den Prompt umzuschreiben. Ein Referenzbild hält Figur und Kulisse von einem Take zum nächsten zusammen, genau das macht das Ankerbild in Enact. Das siehst du im Test zum Animieren von Gesichtsfotos und im Leitfaden zur KI-Persona.
  • Setz deinen Kanal nicht auf ein einziges Tool. Das Ende von Sora 2 hat gezeigt, dass eine glänzende Vorschau noch kein Produkt garantiert. Für Preise pro Sekunde bei einem Modell, das schon verfügbar ist, schau dir Gemini Omni 1.2 Flash an.

Enact ist nicht im Generator und nicht öffentlich zugänglich, deshalb erscheint dieser Beitrag ohne echten Test. Sobald Pika es öffnet, teste ich es und aktualisiere den Beitrag hier.

Teilen

Weiterlesen

Weitere Einblicke und Tutorials, mit denen du dich als Content-Ersteller weiterentwickeln kannst.