Reference-to-Video-KI: Jedes Modell, seine Grenzen und sein Preis

Image-to-Video startet von einem einzigen Bild. Reference-to-Video funktioniert anders: Du gibst dem Modell mehrere Dinge vor, die erhalten bleiben sollen – einen Charakter, ein Produkt, ein Outfit, einen Ort, manchmal auch eine Stimme – und es baut eine neue Szene darum herum auf. Das kommt dem Casting am nächsten, was es bei KI-Video gibt.

Reelina bietet 26 Reference-to-Video-Modelle. Sie unterscheiden sich weniger in dem, was sie versprechen, als in dem, was sie akzeptieren: wie viele Bilder, ob ein Referenz-Video erlaubt ist, ob Ton mitgeliefert wird und wie lang das Ergebnis sein kann. Dieser Leitfaden listet sie aus dem Reelina-Katalog mit Stand Oktober 2026 auf, mit dem Preis einer Generierung in Coins bei der jeweiligen Standardlänge des Modells.

Wie Reference-to-Video funktioniert

Du lädst Referenzen hoch – meist ein Bild pro Motiv – und schreibst einen Prompt, der beschreibt, was sie tun. Das Modell wird nicht mit deinen Referenzen trainiert; es liest sie nur für diese eine Generierung. Das hat zwei Folgen:

• Konsistenz entsteht durch die Wiederverwendung derselben Referenzen. Halte ein saubere Porträt jedes Charakters bereit und verwende es für jede Szene.
• Ein Motiv pro Bild funktioniert am besten. Ein schlichter Hintergrund und gleichmäßiges Licht verhindern, dass das Modell die Beleuchtung in die Szene übernimmt.

Die Modelle – nach dem, was sie akzeptieren

Modell	Coins	Referenzen	Länge
PixVerse v6 Reference-to-Video	38	Referenzen	1–15 s
PixVerse c1 Reference-to-Video	46	Referenzen	1–15 s
Wan 3.0 Reference-to-Video	60	Referenzen	2–30 s
Vidu Q3 Reference-to-Video	64	Referenzen, optionales Audio	—
Seedance 2.0 Mini Reference-to-Video	68	Bis zu 9 Bilder, 3 Videos (insgesamt 15 s), Referenz-Audio	4–15 s
Grok Imagine Video Reference-to-Video	76	1–7 Bilder (Personen, Objekte, Stile)	—
Wan 3.0 Prime Reference-to-Video	92	Referenzen	2–30 s
Vidu Q2 Reference-to-Video	96	1–7 Motive, optionales Audio	—
Kling Video O3 Std Reference-to-Video	108	Motiv-„Elemente“	3–15 s
Seedance 2.0 Fast Reference-to-Video	110	Bis zu 9 Bilder, 3 Videos, Referenz-Audio	4–15 s
MiniMax H3 Fast Reference-to-Video	112	Referenzen	5–15 s (Standard 8 s)
Grok Imagine Video v1.5 Reference-to-Video	122	1–7 Bilder	—
Vidu Q2-Pro Reference-to-Video	128	1–7 Motive, optionales Audio	—
Seedance 2.0 Reference-to-Video	136	Bis zu 9 Bilder, 3 Videos, Referenz-Audio	4–15 s
Kling Video O3 Pro Reference-to-Video	144	Motiv-„Elemente“	3–15 s
Wan 2.7 Reference-to-Video	152	Bis zu 3 Videos – eines pro Charakter, das dessen Stimme enthalten kann	—
MiniMax H3 Reference-to-Video	152	Referenzen	4–15 s (Standard 8 s)
Seedance 2.5 Reference-to-Video	204	Bis zu 30 Bilder, 10 Videos, Referenz-Audio	4–30 s
Veo 3.1 Reference-to-Video	484	Referenzen, optionales Audio	8 s

Außerdem im Katalog: Vidu Q3-Mix (160), Gemini Omni Flash (204), HappyHorse 1.1 (106) und 1.0 (212), Vidu Reference-to-Video 2.0 (304), Vidu Q1 (516) und Vidu Reference-to-Video Q1 (606). „—“ bedeutet, dass die Länge vom Modell vorgegeben und nicht wählbar ist. Die Preise gelten für die jeweilige Standardlänge des Modells; längere Clips kosten proportional mehr, und die genauen Kosten werden vor der Generierung angezeigt.

Welches Modell passt

• Günstigster Einstieg zum Ausprobieren: PixVerse v6 (38 Coins) oder Wan 3.0 (60 Coins, bis zu 30 Sekunden).
• Eine ganze Besetzung plus bewegte Referenz: Seedance 2.0 – bis zu 9 Bilder und 3 Referenzvideos, mit Referenz-Audio. Entwürfe mit Mini (68), fertigstellen mit dem vollen Modell (136).
• Lange, referenzreiche Szenen: Seedance 2.5 – bis zu 30 Bilder und 10 Videos, Clips bis zu 30 Sekunden.
• Charaktere, die ihre eigene Stimme behalten sollen: Wan 2.7, bei dem jedes Referenzvideo einen Charakter darstellt und dessen Stimme enthalten kann.
• Bis zu sieben einzelne Motive: Vidu Q2 / Q2-Pro oder Grok Imagine Video.
• Klings Ansatz: Kling Video O3 mit Motiv-„Elementen“.

Referenzbilder auch für Bilder

Wenn du nur ein Standbild brauchst: Nano Banana 2 Reference-to-Image (24 Coins) und seine Lite-Version (13 Coins) erzeugen ein Bild aus Referenzen, und beide akzeptieren auch einen Videoclip als Referenz.

So geht's auf Reelina

1. Öffne das Video Studio und wähle ein Reference-to-Video-Modell – zum Beispiel Seedance 2.0 Reference-to-Video oder Seedance 2.5 Reference-to-Video.
2. Lade deine Referenzen hoch und beschreibe die Szene: wer macht was, wo, und wie sich die Kamera bewegt.
3. Prüfe den auf dem Button angezeigten Preis und generiere. Behalte die Referenzen – ihre Wiederverwendung sorgt dafür, dass die nächste Szene konsistent bleibt.

Für eine ganze Episode statt einer einzelnen Szene übernimmt das der KI-Drama-Generator: Er besetzt jeden Charakter mit einem Referenzporträt und setzt jede Szene am letzten Frame der vorherigen fort.

FAQ

Was ist Reference-to-Video-KI? Ein Videomodell, das mehrere Referenz-Inputs entgegennimmt – Bilder, bei manchen Modellen auch Videos und Audio – und daraus eine neue Szene erzeugt, in der diese Motive erhalten bleiben, statt lediglich ein einzelnes Startbild zu animieren.

Wie viele Referenzbilder kann ich verwenden? Das hängt vom Modell ab: bis zu 30 bei Seedance 2.5, 9 bei Seedance 2.0, 1–7 bei Vidu Q2 und Grok Imagine Video. Wan 2.7 nimmt stattdessen bis zu 3 Referenzvideos.

Welches Reference-to-Video-Modell ist am günstigsten? Auf Reelina ist das PixVerse v6 Reference-to-Video mit 38 Coins pro Generierung.

Lernt das Modell mein Gesicht? Nein. Referenzen werden nur für diese eine Generierung gelesen; es wird nichts trainiert. Konsistenz entsteht dadurch, dass du jeder Szene dieselben Referenzen gibst.

Brauche ich einen API-Schlüssel? Nein. Jedes Modell läuft im Browser über ein gemeinsames Reelina-Coin-Guthaben. Es gibt keine kostenlose Stufe.