Bei der Videoerstellung sind die am schwierigsten zu generierenden Bilder oft nicht helle, saubere Produktbilder, sondern dunkle Szenen wie Nachtaufnahmen, Katastrophen, Science-Fiction und Krieg.
Diese Aufnahmen wirken „schwarz“, enthalten tatsächlich aber keineswegs wenig Informationen.
In den Wolken müssen Helligkeitsveränderungen unterschiedlicher Tiefe vorhanden sein, Rauch darf nicht zu einem einzigen Klumpen verschwimmen, entfernte Gebäude müssen räumliche Ebenen bewahren, Flammen und Energiequellen müssen die Umgebung ausleuchten, und Regen, Metall sowie Wasseransammlungen müssen realistische Reflexionen bilden. Wenn Figuren dunkle Kleidung tragen, darf ihre Silhouette weder im Hintergrund verschwinden noch wie ein Aufkleber im Bild schweben.
Bilder mit unzureichender Qualität können in kleiner Darstellung sehr atmosphärisch wirken, doch sobald sie in den Videoproduktionsprozess gelangen, treten die Probleme schnell zutage. In dunklen Bereichen entstehen Farbflecken, Gebäudedetails verkleben miteinander, Rauch verliert seine Ebenen, die Struktur von Fluggeräten wird unscharf, und Figuren sowie Hintergrund lassen sich nicht voneinander trennen. Bei Kamerafahrten nach vorn, lokalen Vergrößerungen, Parallaxenanimationen oder Bild-zu-Video werden diese Mängel noch weiter verstärkt.
Für Filmschaffende ist ein Bild nicht fertig, sobald es generiert wurde. Es muss auch in die Prozesse für Schnitt, Kamerabewegungen, Spezialeffekte und Animation eingehen. Genau darin liegt die Bedeutung höherer Qualitätsstufen.
GPT Image 2.5 von Ace Data Cloud hat nun zusätzlich zu low, medium und high die beiden Qualitätsstufen xhigh und max hinzugefügt. Sowohl Flare als auch Sunburst unterstützen diese beiden Stufen, einschließlich der entsprechenden offiziellen Kanäle.
Wenn ein Bild komplexe dunkle Bereiche, volumetrische Wolken, Rauch, Feuerlicht, Reflexionen in regnerischen Nächten und mehrschichtige räumliche Beziehungen umfasst, können Kreative dem Modell mehr Generierungsbudget geben, um die Strukturen und Details in dunklen Umgebungen möglichst zu bewahren.
¶ Wir haben fünf Qualitätsstufen mit einer anspruchsvollen dunklen Szene getestet
Um die Unterschiede leichter sichtbar zu machen, wurde diesmal kein heller Hintergrund und kein einfaches Produkt gewählt, sondern ein visueller Effekt-Keyframe aus einem Science-Fiction-Katastrophenfilm entworfen.
Die Szene spielt in einer futuristischen Küstenstadt zur blauen Stunde. Ein zerbrochener Orbitalring schwebt über der Stadt, ein Energieriss zerreißt die Gewitterwolken, und brennende Raumschifftrümmer stürzen auf Wolkenkratzer zu. Im Vordergrund steht ein Rettungspilot mit dem Rücken zur Kamera, neben ihm parkt ein beschädigtes Kipprotor-Fluggerät.
Die gesamte Szene wird von Dunkelblau, Schwarz und Grau dominiert, nur der Energieriss, die Flammen, die Stadtlichter und einzelne Bereiche des Fluggeräts bilden warme Glanzlichter.
Eine solche Szene prüft gleichzeitig, ob dunkle Bereiche echte Details aufweisen, ob sich die Figur im Vordergrund vom Hintergrund abheben kann, ob Wolken und Rauch räumliche Ebenen besitzen, ob Flammen die Umgebung tatsächlich ausleuchten und ob die Strukturen der Stadt, des Fluggeräts und des Orbitalrings stimmig sind.
Für den Test wurde gpt-image-2.5-sunburst verwendet, das stärker auf hohe Bildtreue und präzise Kontrolle ausgerichtet ist. Alle Bilder verwendeten exakt denselben Prompt, nur quality wurde verändert.
¶ Vollständiger Test-Prompt
Cinematic VFX keyframe from an original science-fiction disaster film, ultra-wide 16:9 composition. A colossal orbital ring has fractured above a rain-soaked futuristic coastal megacity at blue hour; a luminous energy rift tears through storm clouds while burning spacecraft debris falls toward skyscrapers. In the foreground, an armored rescue pilot stands on a flooded rooftop beside a damaged tilt-rotor aircraft, seen from behind, looking toward the catastrophe. Include physically plausible volumetric clouds, layered smoke, glowing embers, sparks, rain streaks, wet reflective surfaces, turbulent ocean spray, atmospheric perspective, realistic destruction, miniature-scale city detail, complex blue-orange lighting, accurate reflections and refractions, cinematic anamorphic lens flare, subtle film grain, deep depth staging, photorealistic live-action blockbuster visual effects, coherent geometry, natural human anatomy. No text, no logo, no watermark, no split screen, no collage.
Dieser Prompt enthält bewusst viele Elemente, die in dunklen Szenen leicht außer Kontrolle geraten: dunkle Wolken und mehrschichtigen Rauch, punktförmige Funken und brennende Trümmer, Figuren in dunkler Rüstung, nächtliche Stadtgebäude, nasse Oberflächen und komplexe Reflexionen sowie mehrere Lichtquellen mit stark unterschiedlichen Helligkeiten.
Wenn die Generierungsqualität nicht ausreicht, bewahrt das Modell leicht nur die intensive blau-orange Atmosphäre, opfert dabei jedoch die Struktur in dunklen Bereichen, die tatsächlich die Bildwirkung bestimmt.
¶ Low: Die Atmosphäre entsteht schnell, wirkt jedoch eher wie eine frühe Konzeptskizze
low benötigte etwa 25,11 Sekunden für die Generierung, die Bildausgabe betrug 157 Tokens.
Es kann schnell eine vollständige Szene etablieren und auch die Katastrophenatmosphäre, die Position der Figur und die wichtigsten Lichtquellen darstellen. Um zu beurteilen, ob die Komposition funktioniert, oder um in der frühen Phase mehrere Kamerarichtungen zu erkunden, ist es sehr effizient.
Doch in komplexen dunklen Szenen können wir nicht nur darauf achten, ob das Bild „dunkel genug und cool genug“ ist. Wichtiger ist zu prüfen, ob sich in den Schatten noch etwas befindet.
Die Struktur der Rüstung des Rettungspiloten, die mechanischen Details des beschädigten Fluggeräts, die Grenzen zwischen entfernten Gebäuden sowie die Helligkeitsveränderungen innerhalb der Wolken entscheiden alle darüber, ob dieses Bild weiter für die Nachbearbeitung verwendet werden kann. Wenn diese Inhalte bereits im Originalbild miteinander verschmolzen sind, kann die Nachbearbeitung durch bloßes Erhöhen der Helligkeit oder Schärfen die verlorene Struktur nicht wirklich zurückbringen.
¶ Medium: Dunkle Bereiche beginnen, mehr erkennbare Inhalte zu erhalten
medium benötigte etwa 27,18 Sekunden für die Generierung, die Bildausgabe betrug 367 Tokens.
Im Vergleich zu Low erhöht es die Wartezeit nicht wesentlich, doch das Modell erhält mehr Generierungsbudget.
Für gewöhnliche Videobilder ist Medium bereits ein recht praktischer Ausgangspunkt. Es muss nicht nur die Gesamtatmosphäre fertigstellen, sondern auch die Beziehungen zwischen Gebäuden, Fahrzeugen, Figuren und Umgebung sorgfältiger behandeln. In dunklen Bildern zeigt sich eine sogenannte Qualitätssteigerung nicht unbedingt als „heller“ oder „schärfer“. Wichtiger ist, ob die Strukturen in den Schatten noch sichtbar sind, ob der Rauch Vorder- und Hintergrundebenen aufweist, ob die ferne Stadt eine echte atmosphärische Perspektive bilden kann und ob sich die Figuren durch Konturenlicht natürlich vom Hintergrund abheben.
¶ High: Von „atmosphärisch“ zu „strukturiert“
Die Generierungszeit von high beträgt etwa 41,35 Sekunden, die Bildausgabe steigt auf 1.413 Tokens.
Ab dieser Stufe steigt der Einsatz des Modells deutlich an. Bei dunklen Filmszenen sind bei diesen zusätzlichen Investitionen vor allem die Übergänge zwischen hellen und dunklen Bereichen beachtenswert.
Ein Energieriss darf nicht nur eine weiße Glanzlinie sein, sondern sollte die umgebenden Wolken beeinflussen; brennende Trümmer dürfen nicht nur orangefarbene Flecken sein, sondern sollten Rauch, Glut und Umgebungslicht erzeugen; auch Wasseransammlungen dürfen nicht nur einfache Spiegel sein, sondern müssen je nach Dachstruktur und Lichtquellenrichtung Reflexionen unterschiedlicher Intensität bilden.
Erst wenn diese Beziehungen vollständiger werden, nähert sich das Bild von einer atmosphärischen Grafik allmählich einer Filmaufnahme an. High eignet sich besser für die offizielle Aufnahme in die Video-Timeline, insbesondere für Aufnahmen, die leichte Vorwärtsbewegungen, Schwenks und Tiefenschärfenbearbeitung benötigen.
¶ XHigh: Spielraum für Vergrößerung, Kamerabewegungen und Nachbearbeitungs-Layer bewahren
xhigh schließt die Generierung in etwa 53,68 Sekunden ab, die Bildausgabe erreicht 2.511 Tokens.
Im Video-Workflow treten viele Probleme erst auf, nachdem das Bild in Bewegung gesetzt wurde. Wenn sich die Kamera vorwärts bewegt, muss die ferne Stadt eine Vergrößerung verkraften; bei der Erstellung von Parallaxenanimationen müssen Figuren im Vordergrund, Fluggeräte und Hintergrund klare Grenzen haben; wenn die Szene an ein Bild-zu-Video-Modell zur weiteren Generierung übergeben wird, müssen auch mechanische Strukturen und Umweltbeziehungen ausreichend eindeutig sein, da es sonst während der Bewegung leicht zu Verformungen kommt.
Darin liegt der Wert von XHigh. Es lässt das Bild nicht nur auf den ersten Blick schöner wirken, sondern bewahrt möglichst viele nutzbare Informationen für die spätere Produktion. Bei dunklen Szenen bedeutet dies klarere Konturen, stabilere lokale Strukturen sowie stärker abgestufte Schatten und Rauchschichten.
Wenn das Bild als zentrale Aufnahme, Titelbild, Filmkonzeptgrafik oder erstes Bild für Bild-zu-Video dienen soll, entspricht XHigh den tatsächlichen Produktionsanforderungen besser als eine gewöhnliche Qualitätsstufe.
¶ Max: Die Ausgabeobergrenze für die wichtigsten Dunkelszenen anheben
max schließt die Generierung in etwa 104,43 Sekunden ab, die Bildausgabe erreicht 5.650 Tokens.
Die Wartezeit beträgt beinahe das Doppelte von XHigh, und die Bildausgabe-Tokens übersteigen ebenfalls das Doppelte von XHigh. Das zeigt, dass Max nicht einfach nur einen höherwertig klingenden Namen trägt, sondern den Generierungsaufwand deutlich erhöht.
In komplexen dunklen Szenen bedeutet höchste Qualität nicht, endlos Texturen hinzuzufügen, sondern möglichst gleichzeitig mehrere leicht miteinander kollidierende Ziele zu bewahren: Das Bild soll seine dunkle Atmosphäre behalten, darf aber keine Struktur verlieren; der Energieriss soll hell genug sein, darf aber die Wolkendetails nicht zerstören; die Figuren sollen klar sein, aber nicht wirken, als wären sie separat freigestellt worden; der Rauch soll reichhaltig sein, aber nicht alle Gebäude verdecken; Reflexionen sollen deutlich sein und zugleich dem Umgebungslicht entsprechen.
Diese Anforderungen einzeln zu erfüllen, ist nicht schwierig; schwierig ist, sie gleichzeitig zu erfüllen.
Max eignet sich besser für die finale Ausgabe, nachdem Komposition und Prompt bereits festgelegt wurden, beispielsweise für die Hauptvisualisierung eines Vorspanns, Filmplakate, Kernaufnahmen, wichtige Werbematerialien sowie Bilder, die anschließend noch in komplexe Nachbearbeitungsprozesse übergehen müssen.
¶ Qualitätsunterschiede in dunklen Bildern lassen sich nicht nur daran beurteilen, „wie klar“ sie sind
Dieser Test wurde wie folgt protokolliert:
| Qualitätsstufe | Generierungsdauer | Bildausgabe-Tokens | Gesamt-Tokens |
|---|---|---|---|
| Low | 25,11 Sekunden | 157 | 567 |
| Medium | 27,18 Sekunden | 367 | 777 |
| High | 41,35 Sekunden | 1.413 | 1.823 |
| XHigh | 53,68 Sekunden | 2.511 | 2.921 |
| Max | 104,43 Sekunden | 5.650 | 6.060 |
Von Low bis Max muss nicht verglichen werden, welches Bild schlicht schärfer ist, sondern wie viele effektive Informationen in der dunklen Umgebung erhalten bleiben.
Besonders beobachten lässt sich, ob die Rüstung des Rettungspiloten erkennbare Strukturen aufweist, ob zwischen Figuren und Fluggerät eine klare räumliche Beziehung besteht, ob Flügel, Rotoren und Rumpf des Fluggeräts zusammenhängend sind, ob die ferne Stadt wegen der Dunkelheit zu einer einzigen verschwommenen Fläche wird, ob die Wolkenschichten räumliche Tiefe besitzen und ob die Wasseransammlungen auf dem Dach mehrere Lichtquellen der Umgebung widerspiegeln können.
Das größte Problem dunkler Szenen ist nicht die Dunkelheit, sondern „Dunkelheit ohne Inhalt“.
Ein hochwertiges dunkles Bild sollte selbst bei sehr geringer Gesamthelligkeit Figuren, Gebäude, Maschinen, Rauch und Wolken weiterhin jeweils eigene Ebenen besitzen lassen. Die Zuschauer werden diese Unterschiede möglicherweise nicht ausdrücklich benennen, aber sie werden unmittelbar spüren, ob das Bild eine filmische Qualität besitzt.
¶ Die Bildqualität entscheidet darüber, wie viel Bearbeitungsspielraum in der Videonachbearbeitung noch vorhanden ist
Bei der Videoerstellung wird selten direkt ein vollständig statisches Originalbild verwendet. Kreative führen in der Regel Kamerafahrten nach vorn, seitliche Bewegungen, lokale Zuschnitte, eine Staffelung von Vorder- und Hintergrund, Lichtüberlagerungen und Tiefenschärfesimulationen durch oder übergeben Bilder an Bild-zu-Video-Modelle zur weiteren Generierung. All diese Vorgänge verstärken Mängel in dunklen Bereichen.
Wenn die Kontur einer Person ohnehin mit dem Hintergrund verschmilzt, wird es bei der Erstellung von Parallaxe schwierig, Ebenen zu trennen; wenn Gebäudestrukturen bereits unscharf sind, sieht man nach einer Kamerafahrt nach vorn nur noch stärkere Unschärfe; wenn Rauch keine räumlichen Beziehungen aufweist, verwandelt er sich bei der Generierung dynamischer Effekte leicht in regellos wogende Farbblöcke.
Daher bedeutet ein hochwertigeres Ausgangsbild nicht nur, dass „das fertige Bild schöner aussieht“, sondern es bestimmt auch direkt, wie weit die Nachbearbeitung gehen kann.
¶ Nicht jedes Bild muss Max verwenden, aber wichtige dunkle Szenen verdienen höhere Qualität
Eine sinnvolle Produktionsweise besteht nicht darin, die Qualität bereits ab der ersten Skizze auf das Maximum zu stellen.
In der Erkundungsphase können Low oder Medium verwendet werden, um Komposition, Charakterpositionen, Lichtrichtung und den Gesamtfarbton schnell zu bestätigen. Sobald die Richtung stabil ist, kann High zur Generierung des finalen Materials verwendet werden. Wenn das Bild deutlich vergrößert, komplex geschichtet oder weiter zu einem Video generiert werden muss, ist XHigh besser geeignet.
Max sollte hingegen den wichtigsten Einstellungen vorbehalten bleiben, etwa dem ersten Frame des Intros, dem Key Visual eines Posters, dem Kernbild eines Trailers oder einer Schlüsselszene, die die Qualität des gesamten Videos bestimmt.
Ace Data Cloud ergänzt GPT Image 2.5 um XHigh und Max; der tatsächliche Gewinn besteht nicht darin, dass zwei weitere Parameter hinzugekommen sind, sondern darin, dass Kreative bei komplexen dunklen Szenen nicht in der Phase „die Atmosphäre ist ungefähr richtig“ stehen bleiben müssen.
Dunkelheit bedeutet nicht länger, auf Details zu verzichten.
Wenn das Modell über ein höheres Qualitätsbudget verfügt, erhalten Städte, Personen, Fluggeräte, Rauch und Reflexionen in den Schatten erst die Chance, gemeinsam bewahrt zu werden. Für filmische Kreationen sind diese in dunklen Bereichen verborgenen Informationen oft genau der Schlüssel dafür, dass ein Bild von einer gewöhnlichen Illustration zu einer Filmaufnahme wird.
¶ GPT Image 2.5 sofort ausprobieren
Möchten Sie XHigh und Max für Ihre eigenen dunklen Szenen, Poster und ersten Video-Frames einsetzen? Besuchen Sie Ace Data Cloud und erleben Sie das hochpräzise, fein steuerbare GPT Image 2.5 Sunburst; alternativ können Sie auch das stärker auf schnelle Bildgenerierung ausgerichtete GPT Image 2.5 Flare wählen.