Die meisten KI-Video-Workflows haben einen frustrierenden Engpass: Wenn der generierte Clip fast stimmt, aber noch nicht ganz, bleibt nichts anderes übrig, als den Prompt neu zu schreiben und erneut zu generieren. Jede Iteration bedeutet eine vollständige Neugenerierung — neuer Clip, neue Rechenleistung, neue Wartezeit.
Konversationelle Videobearbeitung ändert das. Statt den Prompt umzuschreiben, beschreibst du einfach, was sich ändern soll. Das Modell überarbeitet die bestehende Ausgabe — keine vollständige Neugenerierung, keine Prompt-Archäologie.
Diese Funktion ist neu in 2026. Aktuell unterstützt ein Modell im AnyCap-Katalog diese Funktion: Gemini Omni Flash (gemini-omni-flash-preview).
Was konversationelle Videobearbeitung wirklich bedeutet
Im traditionellen KI-Video-Generierungsprozess läuft der Ablauf so:
Write prompt → Generate → Not right → Rewrite prompt → Generate again
Bei der konversationellen Videobearbeitung ändert sich Schritt 3:
Write prompt → Generate → Not right → Describe the change → Model revises
Der entscheidende Unterschied: Du steuerst, du fängst nicht von vorne an. Jede Überarbeitungsanweisung baut auf der vorherigen Ausgabe auf. Das Modell behält Szenenkontext, Stil und Komposition bei — du gibst nur an, was sich ändern soll.
Beispiele für konversationelle Bearbeitungsanweisungen:
- „Mach die Bewegung langsamer und kinematischer"
- „Ändere die Farbgebung auf Abenddämmerungs-Beleuchtung"
- „Entferne die Hintergrundbewegung, halte das Motiv ruhig"
- „Füge eine kurze Pause am Ende der Enthüllung ein"
- „Wärme den Ton und reduziere den Kontrast leicht"
Jede dieser Anweisungen würde beim Standard-Text-to-Video-Modell eine vollständige Prompt-Überarbeitung (mit ungewissem Ergebnis) erfordern. Mit konversationeller Bearbeitung gibst du die Anweisung, und das Modell wendet sie auf den bestehenden Clip an.
So verwendest du konversationelle Videobearbeitung in Codex
Der Workflow verwendet zwei Befehle: anycap video generate für den ersten Clip und anycap video edit für jeden Überarbeitungsschritt.
# Step 1: Initial generation
anycap video generate \
--prompt "A SaaS product dashboard walkthrough, smooth camera movement, bright clean UI" \
--model gemini-omni-flash-preview \
-o v1.mp4
# Step 2: First conversational edit
anycap video edit \
--input v1.mp4 \
--instruction "Slow down the camera movement and reduce the overall brightness" \
--model gemini-omni-flash-preview \
-o v2.mp4
# Step 3: Second conversational edit
anycap video edit \
--input v2.mp4 \
--instruction "Add a subtle vignette at the edges and warm the color tone slightly" \
--model gemini-omni-flash-preview \
-o v3.mp4
Jeder video edit-Aufruf:
- Nimmt die vorherige Ausgabe als Eingabe (
--input) - Wendet die beschriebene Änderung an (
--instruction) - Erstellt einen überarbeiteten Clip, ohne von vorne zu beginnen
Das Ergebnis ist eine iterative kreative Schleife, die dem Prozess ähnelt, einem menschlichen Editor Notizen zu geben — nicht durch Umschreiben des Briefings, sondern durch das Benennen der Anpassungen.
Wann konversationelle Bearbeitung die meiste Zeit spart
Das Briefing entwickelt sich noch. Wenn der Kunde noch prüft und die kreative Ausrichtung sich verschiebt, verhindert konversationelle Bearbeitung den Zyklus „generieren, prüfen, von null neu generieren". Du iterierst die bestehende Ausgabe, statt bei jeder Anmerkung neu aufzubauen.
Pacing und Bewegung verfeinern. Anpassungen von Kamerageschwindigkeit, Übergangs-Timing und Bewegungsintensität sind durch Prompt-Überarbeitungen notorisch schwer zu erreichen. Konversationelle Anweisungen wie „verlangsame die Enthüllung um etwa 20 %" treffen deutlich präziser als umgeschriebene Prompts.
Farb- und Lichtverfeinerung. Farbkorrekturen — Wärme, Kontrast, Ton — sind eines der schwierigsten Dinge, die in einem Generierungs-Prompt ausgedrückt werden können. Als Bearbeitungsanweisungen sind sie einfach zu formulieren: „wärmer", „mehr Schattendetail", „den Blaustich reduzieren".
Mehrere Freigaberunden. Wenn dein Workflow mehrere Stakeholder umfasst, die kleine Änderungen prüfen und anfordern, verarbeitet die konversationelle Bearbeitung jede Runde als gezielte Anweisung statt als vollständige Neugenerierung.
Konversationelle Bearbeitung vs. Prompt-Überarbeitung: Ein Vergleich
| Szenario | Prompt-Überarbeitung | Konversationelle Bearbeitung |
|---|---|---|
| „Kamera zu schnell" | Gesamten Prompt mit Geschwindigkeitshinweisen neu schreiben | „Kamerabewegung verlangsamen" |
| „Beleuchtung zu hell" | Helligkeits-/Belichtungssprache zum Prompt hinzufügen | „Umgebungshelligkeit um ca. 30 % reduzieren" |
| „Pause am Ende" | Timing-Beschreibung im Prompt umstrukturieren | „Am Ende eine 1-Sekunden-Pause vor dem Ausblenden hinzufügen" |
| „Wärmerer Farbton" | Farbsprache im gesamten Prompt ergänzen | „Farbton wärmen, Blaustich reduzieren" |
| „Hintergrundbewegung entfernen" | Motiv/Hintergrund-Balance neu schreiben | „Motiv ruhig halten, Hintergrundbewegung entfernen" |
| Zeitaufwand | Vollständige Neugenerierung pro Änderung | Nur Überarbeitungsschritt |
| Kontexterhalt | Beginnt neu — Kontext kann driften | Baut auf vorheriger Ausgabe auf |
Eine konversationelle Bearbeitungsschleife in Codex aufbauen
Ein Codex-Agent kann die gesamte iterative Schleife verwalten — einschließlich der Protokollierung jeder Überarbeitung und der Versionsspeicherung:
#!/bin/bash
# Conversational video editing pipeline for Codex
# Usage: bash convo-edit.sh "initial prompt" "edit 1" "edit 2" ...
INITIAL_PROMPT="$1"
shift
echo "🎬 Generating initial clip..."
anycap video generate \
--prompt "$INITIAL_PROMPT" \
--model gemini-omni-flash-preview \
-o v0.mp4
VERSION=0
for INSTRUCTION in "$@"; do
PREV="v${VERSION}.mp4"
VERSION=$((VERSION + 1))
NEXT="v${VERSION}.mp4"
echo "✏️ Edit pass ${VERSION}: ${INSTRUCTION}"
anycap video edit \
--input "$PREV" \
--instruction "$INSTRUCTION" \
--model gemini-omni-flash-preview \
-o "$NEXT"
done
echo "✅ Final version: v${VERSION}.mp4 (${VERSION} edit passes)"
anycap drive upload "v${VERSION}.mp4" --name "final-v${VERSION}" --share
Ausführen:
bash convo-edit.sh \
"SaaS dashboard product reveal, clean UI, bright lighting" \
"Slow the reveal and make it more cinematic" \
"Warm the color grade, reduce brightness 20%" \
"Add a 1-second pause at peak exposure"
Codex kann dieses Skript als Teil jedes Content-Produktions-Workflows ausführen — die finale Version wird hochgeladen und ein teilbarer Drive-Link wird zurückgegeben.
Welche Modelle unterstützen konversationelle Videobearbeitung?
Stand Juli 2026 im AnyCap-Katalog:
| Modell | Konversationelle Bearbeitung | Standard-Generierung |
|---|---|---|
| Gemini Omni Flash | ✅ anycap video edit |
✅ anycap video generate |
| Veo 3.1 | ❌ Nur Prompt-basiert | ✅ |
| Kling 3 | ❌ Nur Prompt-basiert | ✅ |
| Sora 2 Pro | ❌ Nur Prompt-basiert | ✅ |
| Seedance 2 | ❌ Nur Prompt-basiert | ✅ |
| Hailuo 2.3 | ❌ Nur Prompt-basiert | ✅ |
Gemini Omni Flash ist das einzige Modell im Katalog mit nativer konversationeller Bearbeitung. Bei allen anderen Modellen bedeutet Iteration: Prompt neu schreiben und vollständig neu generieren.
FAQ
Was ist konversationelle KI-Videobearbeitung? Eine Videogenerierungsfunktion, bei der du einen bestehenden KI-generierten Clip durch Beschreibung von Änderungen in natürlicher Sprache verfeinerst — statt den ursprünglichen Prompt zu überarbeiten und von Grund auf neu zu generieren. Das Modell wendet die beschriebenen Änderungen auf die vorherige Ausgabe an.
Welche KI-Videomodelle unterstützen konversationelle Bearbeitung?
Im AnyCap-Katalog ab Mitte 2026 ist Gemini Omni Flash (gemini-omni-flash-preview) das einzige Modell mit dieser Funktion. Andere Modelle erfordern für jede Iteration Prompt-Überarbeitungen und vollständige Neugenerierung.
Behält konversationelle Bearbeitung den ursprünglichen Stil bei? Ja. Da das Modell den bestehenden Clip überarbeitet statt von vorne zu beginnen, bleiben die grundlegende Komposition, der Szenenkontext und der visuelle Stil über alle Bearbeitungsschritte erhalten. Nur die angegebenen Elemente ändern sich.
Wie viele Bearbeitungsschritte kann ich durchführen?
Es gibt kein festes Limit. Die Pipeline kann so viele anycap video edit-Schritte wie nötig verketten. In der Praxis erreichen die meisten kreativen Briefings innerhalb von 3–5 Schritten den Endzustand.
Ist konversationelle Bearbeitung schneller als Neugenerierung? Für gezielte Änderungen ja. Ein Überarbeitungsschritt verarbeitet nur die angegebene Änderung, statt die vollständige Generierung erneut durchzuführen. Je gezielter die Änderung, desto größer die Zeitersparnis gegenüber der vollständigen Neugenerierung.
Kann ich konversationelle Bearbeitung mit Image-to-Video verwenden?
Ja. Starte mit anycap video generate --mode image-to-video --param images=./frame.jpg und verfeinere die Ausgabe dann normal mit anycap video edit.
Weiterführende Links
- Gemini Omni Flash in Codex verwenden — vollständiger Leitfaden zum einzigen Modell mit konversationeller Bearbeitung
- Videos mit Codex generieren (2026) — vollständiges Codex-Video-Setup
- Beste KI-Videomodelle für Codex (2026) — Modellvergleich über alle Funktionen