Luma Uni 1 erzeugt und bearbeitet Bilder nach klaren Beschreibungen: Schreib, was du willst, nie, was du nicht willst, und nenn das Licht. Auf LUVI kostet ein Bild 89 Credits, eine Bearbeitung 96, mit Uni 1 Max 220 und 227. Luma empfiehlt 80 bis 250 Wörter pro Bild und 30 bis 100 pro Bearbeitung.
Seedream 5.0 Pro und Flash zerlegen ein Bild in ein Basisbild und bis zu 16 transparente PNG-Ebenen. Ohne Prompt trennen sie alle Hauptelemente, mit Prompt wählst du gezielt aus, auch per Koordinaten. Bei Flash zeigt die Schätzung bis zu 612 Credits; abgerechnet wird nach den gelieferten Ebenen.
Nano Banana 2.1 liest nur Fließtext: Beschreib, was im Bild sein soll, nie, was fehlen soll, und stell Größe und Format in den Reglern ein. Auf LUVI kostet Text zu Bild in 1k ab 80 Credits, die Bearbeitung ab 83 und der Modus, der aus einem Video ein Standbild macht, ab 400.
Ja, wenn dein ChatGPT-Tarif eigene MCP-Server erlaubt: LUVI unter Plugins hinzufügen, mit deinem LUVI-Konto anmelden, und ChatGPT kann Veo 3.1, Kling, Seedance 2.5 und Nano Banana mit deinen Credits kalkulieren und starten. Nenn LUVI und das Modell beim Namen und lass dir zuerst den Preis geben.
Websites, die mit KI Bilder und Videos erstellen, gibt es in drei Arten: die App des Modellherstellers (Midjourney, Google Flow, Kling, Runway), Design-Tools mit eingebauter KI (Canva, Adobe Firefly) und Multi-Modell-Plattformen (Krea, Higgsfield, OpenArt, LUVI Creator).
Einen Clip auf LUVI hochzuskalieren wird pro Sekunde Ausgangsvideo abgerechnet: 36 Credits je Sekunde auf 1080p, 48 auf 2K. Damit ist in der günstigsten Auflösung zu generieren und danach hochzuskalieren deutlich billiger — es fügt allerdings Pixel hinzu, keine Details.
Image 2.0 liest den Prompt als Spezifikation und baut daraus eine typografische Hierarchie. Die Art des Stücks und die Textebenen zu benennen bringt mehr als jeder Stapel Adjektive. Es ist zudem eine eigene Familie neben den älteren Grok-Bildmodellen. Ab 80 Credits je Bild.
Qwen-Image ist darauf gebaut, Text zu setzen: Jede sichtbare Zeichenfolge steht in Anführungszeichen und bekommt eine Position. Verneinungen im Prompt-Text werden nicht gelesen, manche Modelle haben ein eigenes Feld. Ein Bild lag auf Max bei 105 Credits.
Bei GPT Image 2.5 sind Prosa und Referenzbilder die gesamte Steuerung: kein Seed, kein Feld für einen negativen Prompt, kein Stilregler. Die Qualitätsstufe bewegt den Preis weit stärker als die Pixel — ein Bild in 4K auf mittlerer Stufe lag unter einem 1024-Pixel-Bild auf hoher.
Bei Vidu Q3 ist der Stil-Regler laut Dokumentation wirkungslos, Look und Bewegungsenergie stehen also im Satz. Das Seitenverhältnis startet außerdem in 4:3, nicht in 16:9. Fünf Sekunden lagen in 720p bei 510 Credits auf Q3-Turbo und 1063 auf Q3-Pro.
Grok Imagine Video erzeugt Bild und Ton im selben Durchgang und hat keinen Schalter, um den Ton abzustellen. Ein Prompt, der seinen Ton nicht benennt, bekommt den, den das Modell erfindet. Verneinungen werden hier ebenfalls überlesen. Acht Sekunden in 720p lagen bei 1120 Credits.
Ein PixVerse-Prompt besteht aus drei Sätzen: Motiv und eine Aktion, dann eine Kamerabewegung mit benanntem Licht und Objektiv, dann die Auflagen als das, was heil bleiben soll. Vier verbreitete Wörter arbeiten gegen dich. Fünf Sekunden in 720p lagen bei 600 Credits.
Hailuo nimmt die Kameraführung als Befehl in eckigen Klammern entgegen, aus einer geschlossenen Liste von fünfzehn, gesetzt an die Stelle, an der die Bewegung passiert. Das Modell erzeugt nur Bild: Jedes Wort über Ton ist verschenkt. Sechs Sekunden beginnen bei 380 Credits.
Wan 3.0 liest eine Formel, die sich aufbaut: Motiv, Schauplatz, Bewegung, dann die Optik, dann der Ton. Den Ton generiert es im selben Durchgang. Benennst du die Kamera nicht in jeder Einstellung, schneidet das Modell mitten in den Clip, den du als eine Einstellung wolltest.
In den Bild-zu-3D-Modi von Hunyuan3D wird das Textfeld gar nicht gelesen: Der Modellvertrag sagt, dass kein Prompt angenommen wird. Deine gesamte Kontrolle steckt darin, wie du das Eingabebild vorbereitest. Meshes starten bei 600 Credits auf Rapid und 1000 auf Pro.
Seedream 5.0 Pro hat keinen Parameter für das Seitenverhältnis. Die Form steckt in size, geschrieben als BREITE*HÖHE mit Sternchen; ein Verhältnis im Text wird ignoriert. Hier stehen die dreizehn gültigen Größen, der thinking-Schalter und der Satzbau, den das Modell belohnt.
Eine Multi-Modell-KI-Plattform bündelt Video-, Bild-, Audio- und 3D-Modelle vieler Anbieter in einem Arbeitsbereich mit einem Guthaben. Worauf es bei der Wahl ankommt: genaue Modellversionen, ein Preis vor jeder Generierung und Hilfe beim Prompten für jedes einzelne Modell.
Nano Banana Pro erzeugt bei jeder Bearbeitung das ganze Bild neu. Eine Anweisung ohne Erhaltungssatz verändert deshalb Dinge, nach denen du nie gefragt hast. Sag, was sich ändert und was bleibt, und sprich Referenzen als Image 1 an. Bearbeitung ab 175 Credits in 1k.
HappyHorse erzeugt Bild und Ton zusammen, leitet den Ton aber nicht aus dem Bild ab: Ein Prompt ohne Audiozeile liefert ein fast stummes Video. Außerdem gehört das Modell zu den wenigen, die Zeitmarken pro Einstellung einhalten – genau umgekehrt zu Seedance 2.5.
FLUX 3 Video erzeugt Bild und Ton in einem Durchgang. Der Ton wird deshalb in den Prompt geschrieben und nicht per Schalter zugeschaltet. Setz jede Replik in Anführungszeichen und gib ihr jemanden im Bild, der sie sagt, sonst kann sie als Text im Bild erscheinen. Ab 1870 Credits auf LUVI.
Eine Einstellung schreibst du bei Kling 3 in dieser Reihenfolge: Subjekt, Bewegung, Schauplatz, danach Kamera, Licht und Atmosphäre. 60 bis 100 Wörter, eine Kamerabewegung, eine Handlung. Der ganze Prompt ist bei 2.500 Zeichen gedeckelt, und darüber scheitert schon das Absenden.
Kommt bei Veo 3.1 kein Ton, ist auf LUVI meist die Audiogenerierung aus: standardmäßig deaktiviert, bei Veo 3.1 Lite gar nicht vorhanden. Den Prompt baust du von der Kamera her auf, Dialog und Geräusche gehören in die Szene. Ein 8-Sekunden-Clip in 720p kostet ab 800 Credits.
Seedance 2.5 liest Zeitmarken in ganzen Sekunden, typisierte Audiokanäle und eine Kamerabewegung pro Einstellung. Die meisten schlechten Ergebnisse entstehen, weil das Modell wie Seedance 2.0 gepromptet wird. Hier ist die Struktur, die funktioniert – aus dem Leitfaden, den wir in LUVI einsetzen.