KI-Video-Tools 2026: Runway, Synthesia, HeyGen, InVideo, Descript und Pictory im Überblick

Erst sortieren: vier Arten von KI-Video

Generative Clips entstehen komplett aus Text oder Bild, etwa mit Runway. Bei Avatar-Videos trägt ein digitaler Sprecher deinen Text vor, ganz ohne Lampenfieber, dafür stehen Synthesia und HeyGen. Text-zu-Video-Tools wie Pictory und InVideo AI bauen aus Skript oder Artikel ein Video mit Stockmaterial. Und Descript schneidet deine eigenen Aufnahmen über das Transkript.

Viele Tools wildern inzwischen im Revier der anderen. Trotzdem hat jedes einen klaren Schwerpunkt, und genau der entscheidet über Ergebnis und Preis.

Welche Videomodelle gerade den Motor liefern

OpenAI hat Sora eingestellt: Die Einstellung wurde im März 2026 angekündigt, Web und App liefen bis zum 26. April 2026, die Sora-API bis zum 24. September 2026. Wer früher mit Sora gearbeitet hat, muss sich also eine neue Werkstatt suchen.

Google hat zwei Modelle im Regal. Veo 3.1 ist weiterhin die aktuelle Veo-Version und erzeugt Clips mit Ton, Dialog und Geräuschen. Gemini Omni Flash kam im Mai 2026 in die Gemini-App und nach Flow, die API-Version Omni 1.1 Flash ist seit dem 27. August 2026 allgemein verfügbar. Ein Clip dauert 3 bis 10 Sekunden, lässt sich in 10-Sekunden-Schritten auf bis zu 40 Sekunden verlängern und auf bis zu 4K hochskalieren.

Runways eigenes Flaggschiff heißt Gen-4.5: Clips von 2 bis 10 Sekunden in 720p, ab dem Standard-Tarif, für 12 Credits pro Sekunde. Daneben hat Runway fremde Modelle wie Veo 3.1, Kling 3.0 und Seedance im Angebot.

Viele Tools tanken an derselben Zapfsäule. HeyGen Pro enthält laut Anbieter Veo 3.1 und Seedance 2.5, Pictory bietet Veo 3.1 und Omni Flash, InVideo AI setzt auf Seedance. Vergleich deshalb nicht nur das Tool, sondern auch, welches Modell dahinter läuft und was es pro Sekunde kostet.

Für kreative Clips: Runway

Runway ist ein KI-Videostudio mit eigenen und fremden Bild- und Videomodellen. Der Gratis-Tarif enthält laut Anbieter 125 einmalige Credits, also eher eine Probefahrt als ein Dauerticket. Bezahlt geht es ab $12 im Monat (jährlich) bzw. $15 monatlich los, dann ohne Wasserzeichen und mit 4K-Upscaling.

Stark bei Moodfilmen, Produktszenen und kurzen Effektclips. Für lange Erklärvideos mit Sprecher ist ein Avatar-Tool meist effizienter, mit Runway würdest du da Schrauben mit dem Hammer reinhauen.

Wenn ein Avatar sprechen soll: Synthesia und HeyGen

Synthesia zielt auf Unternehmen, die Schulungs- und Erklärvideos brauchen, mit Gratis-Tarif (10 Videominuten im Monat, mit Wasserzeichen) und Starter für $19 im Monat bei monatlicher Zahlung, der erste Monat kostet $9 (Stand Oktober 2026). HeyGen bietet Avatare, Voice Cloning und Videoübersetzung, ebenfalls mit Gratis-Tarif, Creator ab $29 im Monat.

Willst du Videos in mehrere Sprachen bringen, schau dir die Übersetzungsfunktionen genau an. Und bei Avataren echter Personen gilt: ohne deren ausdrückliche Zustimmung kein Avatar. Auch nicht vom Chef, der gerade im Urlaub ist.

Aus Text wird Video: InVideo AI und Pictory

InVideo AI kombiniert Agenten, generative Modelle und einen Timeline-Editor, Starter gibt es ab $10 pro Seat (jährlich, regulär $20). Pictory macht aus Skripten, URLs oder Präsentationen Videos mit Stockmaterial, KI-Stimmen und Untertiteln. Einen Gratis-Tarif hat Pictory nicht, aber 14 Tage Testphase und Starter ab $25 im Monat (jährlich).

Beide sind gut darin, aus vorhandenen Texten schnell Social-Clips zu machen. Ein gutes Skript ist hier wichtiger als jede Einstellung im Tool: Was vorne lahm reingeht, kommt hinten als lahmes Video raus.

Eigene Aufnahmen schneiden wie ein Textdokument: Descript

Descript ist ein textbasierter Video- und Podcast-Editor: Du löschst Wörter im Transkript, und die Aufnahme wird mitgeschnitten. Schneiden fühlt sich damit an wie Textbearbeitung, deine „Ähms“ fliegen raus wie Tippfehler. Dazu kommen Studio Sound und Clip-Erstellung. Es gibt einen Gratis-Tarif, Hobbyist kostet $16 im Monat (jährlich) bzw. $24 monatlich.

Länge, Auflösung, Wasserzeichen: der Blick ins Kleingedruckte

HeyGen erlaubt im Gratis-Tarif laut Anbieter 3 Videos im Monat mit bis zu 1 Minute Länge und Wasserzeichen. Creator exportiert in 1080p ohne HeyGen-Branding und schafft Videos bis 30 Minuten, Pro ($49 im Monat) bringt 4K-Export, Business ($149 im Monat) Videos bis 60 Minuten (Stand Oktober 2026).

Synthesia gibt dir im Gratis-Tarif 10 Minuten Video im Monat mit Wasserzeichen, Pro kostet $89 im Monat bei monatlicher Zahlung (Stand Oktober 2026). Pictory erlaubt in der Testphase 3 Videos mit maximal 5 Minuten und Pictory-Branding, in den bezahlten Tarifen sind bis 30 Minuten pro Video aus Skript oder URL drin.

Descript bietet im Gratis-Tarif 1 Stunde Medienverarbeitung im Monat. Ab Hobbyist exportierst du laut Anbieter in 1080p ohne Wasserzeichen, ab Creator ($24 im Monat jährlich bzw. $35 monatlich, Stand Oktober 2026) in 4K. Bei Runway verschwinden die Wasserzeichen ab Standard, ProRes- und Bildsequenz-Export gibt es erst im Max-Tarif.

Rechte, Herkunftsnachweis und Kennzeichnung: was du beachten musst

Runway beansprucht laut Anbieter kein Eigentum an deinen Ergebnissen und schränkt die kommerzielle Nutzung nicht ein. Ausgaben der eigenen Runway-Modelle enthalten C2PA-Metadaten, Videos von Veo und Gemini Omni tragen das unsichtbare Google-Wasserzeichen SynthID, sozusagen die Fahrgestellnummer im Video.

Bei Synthesia gibt es einen Haken, den du kennen solltest: Videos mit Stock-Avataren darfst du laut Lizenzbedingungen auf Website, YouTube oder Social Media zeigen, aber nicht in bezahlter Werbung wie Facebook-, Instagram- oder YouTube-Ads. Mit einem eigenen Custom-Avatar fällt diese Einschränkung weg, dafür brauchst du die nachweisbare Einwilligung der dargestellten Person.

Seit dem 2. August 2026 musst du Deepfakes nach Art. 50 EU AI Act sichtbar kennzeichnen, spätestens wenn Zuschauer sie zum ersten Mal sehen. Die unsichtbare Markierung des Anbieters reicht dafür laut EU-Kommission nicht aus. Bei offensichtlich künstlerischen, satirischen oder fiktionalen Werken genügt ein Hinweis, der das Werk nicht stört, rein private Nutzung ist ausgenommen.

Vom Comic-Panel zum Short: Standbilder in Bewegung bringen

Du hast schon fertige Comic-Panels oder Illustrationen? Dann musst du für Shorts kein Video von null generieren. Image-to-Video-Funktionen, wie sie die Clip-Tools oben anbieten, nehmen dein Panel als ersten Frame und bewegen nur Kamera, Haare oder Hintergrund. Die Figur bleibt so nah am Original, weil das Modell sie nicht neu erfinden muss.

Der Ablauf, der bei Serien am besten trägt: erst den Ton fertig machen, also Sprecher, Musik und Geräusche, dann pro Satz ein Panel zuordnen und erst zum Schluss animieren. Umgekehrt schneidest du dir die Bilder später mühsam auf eine Tonspur zurecht. Das ist wie Lackieren vor dem Schweißen.

Ein Blick auf den Markt: Dashtoon hat sein Comic-Studio laut Anbieter am 15. August 2026 eingestellt und setzt mit Frameo jetzt auf KI-Video und Kurzdramen. Wer dort Projekte hatte, braucht einen neuen Ablauf. Und auch für animierte Panels gilt die Kennzeichnungspflicht aus dem Abschnitt zu Rechten, sobald realistische Personen oder Orte im Spiel sind.

So findest du das passende Tool

1. Welche Art Video brauchst du: Clip, Avatar, Text zu Video oder Schnitt? 2. Wie viele Minuten pro Monat? Credits und Minutenlimits gehen weit auseinander. 3. Brauchst du mehrere Sprachen? 4. Reicht der Gratis-Tarif zum Testen, oder gibt es nur eine Testphase? 5. Wer spricht: KI-Stimme, Avatar oder du selbst?

Teste mit einem echten Projekt, nicht mit einer Demo. Eine Runde auf dem Parkplatz sagt dir auch nicht, wie das Moped am Berg zieht. Erst mit echtem Material siehst du, wie viele Credits ein fertiges Video wirklich frisst.

So schreibst du Prompts für generative Clips

Google empfiehlt für Veo 3.1 eine feste Reihenfolge: Kamera, Motiv, Handlung, Umgebung, Stil und Licht. Ein Beispiel: „Nahaufnahme, eine Barista, schäumt Milch auf, in einem kleinen Café am Morgen, warmes Seitenlicht, geringe Schärfentiefe“. Liest sich wie ein Drehbuch im Telegrammstil, und genau so soll es sein.

Dialoge setzt du in Anführungszeichen, Geräusche und Hintergrundton beschreibst du in eigenen Sätzen. Statt einer Verneinung sagst du positiv, was zu sehen sein soll, also „eine leere Landstraße ohne Autos“ statt „keine Autos“. Wie beim Bestellen an der Imbissbude: Sag, was du willst, nicht was du nicht willst.

Kamerabegriffe wie Dolly, Schwenk, Kranfahrt oder „eine durchgehende Einstellung“ steuern die Bewegung deutlich. Da ein Clip meist nur bis 10 Sekunden lang ist, planst du längere Szenen als Folge kurzer Einstellungen, wie ein Storyboard aus kleinen Kacheln.