KI-Modelle für Bild- und Videogenerierung

Wir analysieren beliebte Modelle für Bild- und Videogenerierung: was sie können, worin sie sich unterscheiden und für welche Aufgaben sie sich eignen. Zu jedem Modell gibt es die wichtigsten Fakten, Prompt-Beispiele und Antworten auf häufige Fragen.

Ein Stapel ausgedruckter Fotos auf einem dunklen Tisch — ein Porträt, ein Produktfoto, ein Bergpanorama — mit einer reifen Banane obenauf

Google DeepMindBilderIn AI2Face verfügbar

Nano Banana 2.1

Googles Standard-Bildmodell — bis 4K, 14 Referenzen, Panoramen bis 8:1, halb so teuer wie Nano Banana 2.

Luftaufnahme eines nebligen grünen Tals mit gewundenem Fluss und Wolken an den Hängen

Google DeepMindBilderIn AI2Face verfügbar

Nano Banana 2

Googles Hauptmodell für Fotos – Flash-Tempo, Qualität nahe an Pro, bis zu 4K.

Fotos, ein Aquarell und eine Fuchsfigur aus Ton auf einem Holztisch neben einer Banane

Google DeepMindBilderIn AI2Face verfügbar

Nano Banana

Googles Modellfamilie zum Erstellen und Bearbeiten von Fotos – vom schnellen Nano Banana bis zum Flaggschiff Pro.

Ein weißer Schreibtisch von oben: ein Skizzenbuch mit Miniaturen von Berglandschaften, ein Smartphone mit farbiger Landschaft, eine Stoppuhr, Marker und ein Espresso

Google DeepMindBilderIn AI2Face verfügbar

Nano Banana 2 Lite

Googles leichtes Bildmodell – Ergebnis in Sekunden, nur 1K, das günstigste der Familie.

Eine Designerin betrachtet abends im Studio auf dem Monitor ein Raster aus generierten Porträts und Plakaten

Google DeepMindBilderIn AI2Face verfügbar

Nano Banana Pro

Googles Flaggschiffmodell für Fotorealismus, präzisen Text im Bild und die Arbeit mit Referenzen in 4K.

Weißer Leuchtturm auf einer Klippe im Sturm, Wellen an den Felsen, ein Lichtstrahl durch den Regen

Google DeepMindVideoIn AI2Face verfügbar

Veo 3.1

Googles Videomodell mit Ton — Sprache, Effekte und Musik im selben Clip, bis 4K und 8 Sekunden.

Bau eines römischen Aquädukts: Arbeiter heben Steinblöcke mit einem Tretradkran, Bögen auf hölzerner Schalung

Google DeepMindVideoIn AI2Face verfügbar

Gemini Omni

„Nano Banana für Video“ — ein Clip mit Ton aus Text, Fotos und Video, und Bearbeitung in gewöhnlichen Sätzen.

Schreibtisch eines Designstudios am Abend: Poster, Stoffmuster, eine Vase mit Trockenblumen und eine Messinglampe am Fenster mit Stadtlichtern

ByteDance SeedBilderIn AI2Face verfügbar

Seedream

Bildmodelle von ByteDance — Fotorealismus, Design und Text in über 10 Sprachen, bis 4K.

Ein älterer Fischer im gelben Regenmantel und mit Seemannsmütze auf einem Boot im nebligen Hafen bei Sonnenaufgang

ByteDance SeedVideoIn AI2Face verfügbar

Seedance

Videomodell von ByteDance mit Ton — bis zu 30 Sekunden pro Generierung und bis zu 50 Referenzen in 2.5.

Ein Koch wirft Pasta in einer Pfanne mit Flammen in einer Trattoria-Küche

KuaishouVideoIn AI2Face verfügbar

Kling

Videomodell von Kuaishou: Clips mit mehreren Einstellungen bis 15 Sekunden und Ton. Kling 4.0 verspricht 30 Sekunden.

Schreibtisch einer Kreativagentur von oben: Posterskizzen, ein Tablet mit einer Zeichnung, Marker, Sticker und Kaffee

OpenAIBilderIn AI2Face verfügbar

GPT Image

Das Bildmodell von OpenAI in ChatGPT — genauer Text, Layout und Bearbeitungen, bis 3840 px.

Surreale Landschaft: ein riesiger Koi aus Wolken schwimmt über einem nebligen Bergsee, darunter ein Boot mit Laterne

MidjourneyBilderIn AI2Face verfügbar

Midjourney

Künstlerisches Bildmodell: wiedererkennbarer Look, Stile, Personalisierung, HD mit 2K.

Ein sonniges Künstlerloft: ein großer Tisch mit Fotoausdrucken und einer Palette, ein Laptop mit Berglandschaft, Pflanzen am Fenster

Black Forest LabsBilderIn AI2Face verfügbar

FLUX

Die Modelle von BFL – FLUX.2 für 4-MP-Bilder mit 10 Referenzen, FLUX 3 Video auf Platz 3 im Video-Ranking.

Ein rotes Cabrio fährt bei Sonnenuntergang eine Serpentinenstraße über einem türkisfarbenen Meer entlang, Luftaufnahme

MiniMaxVideoIn AI2Face verfügbar

Hailuo

Die Videomodelle von MiniMax – H3 erstellt 15-Sekunden-Clips in 2K mit Stereoton, offene Gewichte.

Eine junge Frau mit grünem Schal steigt an einem verschneiten Bergbahnhof aus einem roten Zug

AlibabaVideoIn AI2Face verfügbar

Wan

Alibabas Videomodell – Clips bis 30 Sekunden mit Ton, bis zu 20 Referenzen, sogar Dokumente.

Ein dunkler Schnittplatz: Auf dem Monitor ein Reiter in der Wüste bei Sonnenuntergang, daneben ein Pult mit leuchtenden Tasten und Kopfhörer

RunwayVideoIn AI2Face verfügbar

Runway

Die Videomodelle von Runway – Gen-4.5 für Text- und Bild-zu-Video mit präziser Kamerachoreografie.

Ein Skateboarder springt bei Sonnenuntergang einen Kickflip über eine Betontreppe auf einem Stadtplatz

xAIBilderIn AI2Face verfügbar

Grok Imagine

Bilder und Video von xAI – Image 2.0 auf Platz 6 bei Arena, Video 1.5 mit Ton und Referenzen.