Showreel
15 Sekunden. Dieselbe Figur, in Bewegung.
Zwölf Szenen, eine Person
Studio, Straße, Büro, Nacht, Bewegung. Zu jedem Bild gehört eine eigene Metadatei — Prompt, Seed, Modell, Sampler, Schritte, Auflösung, GPU, Renderzeit und VRAM-Spitze. Auf Anfrage für jedes einzelne Bild.
Die Identität trägt hier die Referenzbild-Konditionierung aus einem einzigen kanonischen Porträt — kein LoRA. Das steht hier so deutlich, weil es ändert, was die Methode kann und was nicht: siehe Grenzen.
Konsistenz in Bewegung
Zwei freigegebene Clips. Eine motivierte Handlung pro Clip, ruhige Kamera, klarer Raum — eine Regel, die mehrere verworfene Takes gekostet hat.
Die 4-Schritt-Beschleuniger-LoRAs wurden getestet und verworfen: rund sechsmal schneller, aber sie ersticken die Bewegung so weit, dass der Bewegungsprompt wirkungslos wird. Diese Clips laufen mit vollen 20 Schritten bei cfg 3,5. Der A/B-Test dazu ist dokumentiert.
Wie es entsteht
Technik
- FLUX.2 Klein 4B (distilled) — Basis- und Distilled-Gewichte beide Apache-2.0, gegen die API des Herausgebers geprüft, nicht angenommen
- ComfyUI 0.35.0, nur native Nodes — keine Custom-Node-Abhängigkeit, die anderswo bricht
- Wan 2.2 I2V A14B fp8 für Bild-zu-Video
- Identität über ReferenceLatent aus einem kanonischen Porträt
- LoRA-Training: ai-toolkit, Rank 32 / Alpha 32, lr 1e-4, adamw8bit, EMA 0,99
Was Sie bekommen
- Den Workflow als API-JSON, gespeichert aus einem echten Lauf — keine nachgebaute Demo
- Eine Metadatei pro Bild: Prompt, Seed, Modell, Sampler, Schritte, Auflösung, GPU, Zeit, VRAM
- Bei trainiertem LoRA: Datensatz und Captions, Trigger-Wort dokumentiert
- Kontaktbögen zur Abnahme — und die verworfenen Takes, wenn Sie sie sehen wollen
Reproduzierbarkeit ist die eigentliche Lieferung. Ein schönes Bild, das sich nächsten Monat nicht wiederherstellen lässt, ist wenig wert; ein Seed, ein Workflow und eine dokumentierte Methode sind viel wert.
Gemessene Leistung
Gemessen an den 12 freigegebenen Bildern und 2 Clips — VRAM alle 0,5 s abgetastet, Renderzeit je Bild nach der Uhr. Nicht modelliert und nicht zu meinen Gunsten gerundet.
| Szene | Auflösung | Zeit s | VRAM MiB | Ø Watt |
|---|
| Eingeschwungen, Auflösung schon geladen | 5,0 s pro Bild |
|---|---|
| Median über einen gemischten 12-Szenen-Satz | 9,6 s pro Bild |
| Erstes Bild in neuer Auflösung | 12–27 s |
| Kompletter 12-Szenen-Satz, reine GPU-Zeit | 136 s |
| RTX 3060 12 GB, gleicher Workflow | 21,7 s pro Bild |
| 5-s-Clip, 832×576, volle 20 Schritte | ~21 min |
| Brauchbarer Clip inkl. Neurendern (~1 von 2) | ~40 min GPU-Zeit |
| Charakter-LoRA, 2500 Schritte, 48 Bilder, RTX 3090 | ~56 min |
Die Quote fürs Neurendern steht hier mit Absicht. Etwa jeder zweite Clip braucht einen zweiten Versuch — ein brauchbarer Fünfsekünder kostet also rund vierzig Minuten GPU-Zeit, nicht zwanzig. Die optimistische Zahl zu nennen würde den Fehlbetrag nur in Ihren Zeitplan schieben.
Grenzen
Was diese Pipeline noch nicht kann — bevor Sie fragen. Was hier nicht als gemessen steht, gilt als unbewiesen.
Offene Schwächen, ehrlich
- Starker Gesichtsausdruck driftet. Die Referenzbild-Konditionierung hält die Identität in ruhigen Aufnahmen gut. Beim herzhaften Lachen wandert das Gesicht — rundere Wangen, weniger Sommersprossen, ein anderes Lächeln. Ein Charakter-LoRA wurde genau dafür trainiert und hat es nicht gelöst: in drei Stärken getestet, die Identität hielt trotzdem nicht. Die Ursache ist bekannt — im Trainingssatz waren fast keine Bilder mit starkem Ausdruck — und die Lösung ist ein neuer Datensatz, keine andere Trainingseinstellung. Bis das erledigt und abgenommen ist, sind ruhige Aufnahmen das, was zuverlässig geliefert wird.
- Kein eigenes Face-Lock-Modul. PuLID und InfiniteYou sind hier nicht eingebaut. Wer das im Workflow braucht, bekommt Integrationsarbeit — nichts bereits Bewiesenes.
- Keine Posen-Steuerung. ControlNet ist nicht eingerichtet. Die Bildführung läuft über Prompt und Referenz, das ist ungenauer als ein Posen-Rig.
- Videozeiten gelten nur für die RTX 5070 Ti. Die 3090 hat ein LoRA-Training abgeschlossen, aber keine gemessenen Inferenzzahlen. Für die 3060 gibt es Bildzahlen, keine Videozahlen.
- Zweite Figur in Arbeit. Der Datensatz steht, das LoRA trainiert. Hier erscheint davon nichts, bevor es fertig und abgenommen ist.
Kapazität
Aus den gemessenen Einzelzeiten hochgerechnet, mit 25 % Reserve für Korrekturen und Fehlversuche. Ausdrücklich hochgerechnet, nicht über eine ganze Woche gemessen — das wäre eine andere Aussage.
| Leistung | Je Einheit | Pro GPU-Tag |
|---|---|---|
| Standbilder, gemischte Szenen, eine Figur | 9,6 s | Nicht die GPU ist der Engpass |
| 5-s-Clips, brauchbar nach Neurendern | ~40 min | 9 Clips |
| Neues Charakter-LoRA inkl. Datensatz | ~2–3 h | 2–3 Figuren |
Bei Standbildern ist die GPU nicht der Engpass — ein kompletter 12-Szenen-Satz sind 136 Sekunden Rechenzeit. Die eigentliche Arbeit ist Regie und Abnahme, und genau dort entsteht die Qualität.
Zusammenarbeit
Wenn das passt, schreiben Sie kurz — am besten gleich mit dem, was rechts steht.
Klarverk
IT-Betreuung & Online-Marketing
Nipoon Kawser Kalam · Zirndorf
kontakt@klarverk.de
Kleinunternehmer nach §19 UStG — Rechnungen ohne ausgewiesene Umsatzsteuer. Die Arbeit bleibt auf Hardware in Deutschland; nichts geht an einen fremden GPU-Dienst.
Womit ich sauber kalkulieren kann
- Ihr Workflow-JSON, falls vorhanden
- Referenzen oder ein kanonisches Porträt der Figur
- Szenenliste und gewünschte Ausgabegrößen
- Ob das Ergebnis später reproduzierbar sein muss — das ändert die Methode