Erstelle mit GPT Image 2.6 ein bewegtes Geschichtenbilderbuch: „Der kleine Fuchs leiht sich Mondlicht“

Wenn Kinder ein Bilderbuch anschauen, bleiben sie oft lange an einem Bild hängen. Bewegen sich die Blätter? Was ist in dem Glas, das der kleine Fuchs in der Hand hält? Hat das Glühwürmchen später sein Zuhause gefunden?

Wenn man die Ohren im Bild leicht zucken lässt, das Mondlicht langsam in das Glas fallen lässt und dazu einen sanften Erzählertext ergänzt, bekommt die Geschichte eine weitere Erzählweise.

Ein solches animiertes Bilderbuch kann für Gute-Nacht-Geschichten, kurze Geschichtenvorführungen im Unterricht oder zum Ausprobieren von Storyboards für Kinderanimationen verwendet werden. Es muss nicht unbedingt komplexe Bewegungen haben. Wenn das Bild angenehm wirkt, die Figuren von vorne bis hinten zusammenpassen und Kinder der Handlung folgen können, ist das bereits ein guter Anfang.

Diesmal verwenden wir Ace Data Cloud Studio und GPT Image 2.6, um eine kleine Geschichte zu erstellen — „Der kleine Fuchs leiht sich Mondlicht“. Zuerst zeichnen wir die Geschichte, dann bringen wir die Bilder in Bewegung und fügen schließlich Ton hinzu, um daraus ein abspielbares Video zu machen.

¶ Die Geschichte muss nicht lang sein, erzählen wir sie zuerst klar

In einer mondhellen Nacht trifft der kleine Fuchs auf ein verirrtes kleines Glühwürmchen. Der Wald ist zu dunkel, und das kleine Glühwürmchen findet den Weg nach Hause nicht. Der kleine Fuchs hebt ein Glas hoch, leiht sich etwas Licht vom Mond und begleitet es durch den Wald zurück zu seinen Gefährten. Bevor er geht, winkt der kleine Fuchs und vergisst auch nicht, zum Mond aufzuschauen und sich zu bedanken.

Diese Geschichte ist kurz, aber sie enthält eine Begegnung, Hilfe und auch einen Abschied. Als vierteiliges Bilderbuch kann sie die Handlung gerade vollständig erzählen.

Wir öffnen Ace Data Cloud Studio und schreiben in den Chat, was wir erstellen möchten. Neben der Geschichte selbst beschreiben wir auch den Malstil, die Figuren und die Requisiten klar.

Man kann es so beschreiben:

Bitte erstelle mit GPT Image 2.6 ein vierteiliges Geschichtenbilderbuch zu „Der kleine Fuchs leiht sich Mondlicht“. Die Lesereihenfolge ist oben links, oben rechts, unten links, unten rechts und zeigt jeweils Begegnung, Licht leihen, gemeinsam unterwegs sein und Heimkehr. Verwende einen sanften handgemalten Aquarellstil und erhalte die Papierstruktur. Das Aussehen des kleinen Fuchses, die Farbe seines Schals und das Glas sollen in allen vier Bildern gleich bleiben. Der Wald soll hauptsächlich aus sanftem Dunkelblau und Graugrün bestehen, während das Mondlicht und das Licht im Glas in warmem Gold dargestellt werden, ohne zu blenden. Im Bild dürfen kein Text, keine Sprechblasen und keine Wasserzeichen erscheinen.

Hier gibt es eine sehr praktische kleine Gewohnheit: Legen Sie zuerst die Figuren und den Malstil fest und ordnen Sie dann an, was in jedem Bild geschieht. Andernfalls sehen die Einzelbilder zwar alle gut aus, wirken zusammen aber wie vier verschiedene Geschichten.

¶ Zuerst vier Bilder erstellen und prüfen, ob die Geschichte flüssig ist

Diesmal handelt es sich um eine Demonstration, daher verwenden wir zunächst ein einfaches Vierfelder-Layout. Es gibt nicht viele Bilder, deshalb lässt sich leichter prüfen: Sieht der kleine Fuchs immer gleich aus, hat der Schal seine Farbe verändert, wird das Glas plötzlich größer oder kleiner, und kann man die vier Bilder zusammenhängend verstehen?

Wenn man eine längere Geschichte erstellen möchte, kann man „gemeinsam unterwegs sein“ aufteilen. Zum Beispiel geht man zuerst über einen kleinen Bach, dann an Baumwurzeln vorbei und sieht schließlich die kleinen Lichtpunkte in einer Baumhöhle. Jedes Bild erzählt nur eine Bewegung, was sich später auch bei der Animation und Vertonung besser anordnen lässt.

Unten ist das neu für diesen Artikel erstellte vierteilige Bilderbuch. Lassen Sie etwas Papierweiß frei, damit die Farben des Waldes und das Mondlicht durchscheinen können; es ist nicht nötig, jede Ecke vollständig auszufüllen.

Das folgende Bild ist das im ursprünglichen Beispiel verwendete vierteilige Bilderbuch. Die GIFs und das Kompositionsskript im weiteren Verlauf dieses Artikels verwenden weiterhin diese Beispielmaterialien, damit sie direkt reproduziert werden können; die neue Abbildung oben dient zur Darstellung der Geschichte. Vermischen Sie die beiden Materialgruppen nicht und behandeln Sie sie nicht als dieselben Originalbilder einer Animation.

¶ Es reicht, wenn das Bild sich ein wenig bewegt

Nachdem die Originalbilder vorbereitet sind, lassen wir Studio weiter Bewegungs-Prompts für die vier Sequenzen schreiben.

Die Bewegungen im Bilderbuch müssen nicht zu zahlreich sein. Ein leichtes Zucken der Ohren, sanft wogende Grashalme und das langsam pulsierende Licht im Glas — diese kleinen Veränderungen reichen aus, um das Bild lebendig werden zu lassen. Große Laufbewegungen und häufige Kamerwechsel hingegen stören leicht die ursprünglich ruhige Atmosphäre.

Die folgende Version der Prompt-Texte ergänzt die Sequenz „Heimkehr“ und beschreibt auch klar die Beziehung zwischen jedem Originalbild und der entsprechenden Animation:

Dynamische Prompts für vier GIFs

Allgemeine Einschränkungen: Übernimm die Figur, den Schal, das Glas und die Aquarellpapierstruktur aus der jeweiligen Originalillustration; fixe Kamera, nur kleine Bewegungen, keine neuen Figuren, kein Text, Anfang und Ende sollen möglichst nahtlos anschließen. Verwende für jeden Abschnitt nur die angegebene Originalillustration und erweitere sie zu einem einzelnen Bild, animiere nicht das gesamte Vierfelderbild zusammen.

Begegnung
Wähle das Feld oben links und erweitere es zu einem einzelnen Bild. Der Fuchs senkt leicht den Kopf, die Ohren bewegen sich leicht; das Glühwürmchen auf dem Blatt leuchtet langsam auf und ab, die Grashalme in der Umgebung wiegen sich sanft. Behalte die Körperproportionen des Fuchses und die Hintergrundkomposition stabil bei.

Mondlicht leihen
Wähle das Feld oben rechts und erweitere es zu einem einzelnen Bild. Der Fuchs behält die Pose mit dem hochgehaltenen Glas bei, feines, sanftes Mondlicht fließt langsam in das Glas, das goldene Licht im Glas wogt sanft. Die Form des Glases bleibt unverändert, das Licht ist weich, kein starkes Flackern.

Gemeinsam unterwegs
Wähle das Feld unten links und erweitere es zu einem einzelnen Bild. Der Fuchs geht mit kleinen Schritten, Schal und Schwanz schwingen leicht, das getragene Glas schaukelt ein wenig; das Glühwürmchen schwebt neben dem Glas, der Hintergrund bleibt stabil. Die Bewegungen sind klein und sollen möglichst eine natürliche Schleife bilden.

Nach Hause
Wähle das Feld unten rechts und erweitere es zu einem einzelnen Bild. Der Fuchs winkt langsam, die bereits vorhandenen Glühwürmchen neben der Baumhöhle kreisen in einem kleinen Bereich, das Mondlicht auf dem Boden wogt sanft, die Grashalme bewegen sich leicht. Behalte die Positionen der Baumhöhle, des Glases und des Fuchses grundsätzlich stabil bei, und kehre am Ende natürlich zu einer Pose nahe der Anfangspose zurück.

Als Nächstes in Studio ausdrücklich anfordern: Verwende die GIF-Animationsfunktion von GPT Image 2.6, um diese vier Clips jeweils separat zu generieren, und gib die jeweiligen GIF-Dateien zurück.

Hier werden kurze Schleifenanimationen erstellt, nicht direkt ein vollständiges langes Video. Wenn die Aufgabe abgeschlossen ist, erhalten wir vier bewegte Bilder und fügen sie dann zusammen mit der Sprecherstimme zu einem Video zusammen.

Nachfolgend sind die vier GIFs aus der ursprünglichen Demonstrationsgenerierung.

Begegnung

Mondlicht leihen

Gemeinsam unterwegs

Nach Hause

Wenn sich bei einem Abschnitt der Schal, das Glas oder das Aussehen der Figur verändert hat, korrigiere zuerst diesen Abschnitt; es ist nicht nötig, den gesamten Materialsatz von Grund auf neu zu erstellen. Sobald das Bild bestätigt ist, geht es mit der Vertonung weiter.

¶ Die Vertonung klingt wie eine Gutenachtgeschichte, sie muss nicht zu voll sein

Nachdem sich die Bilder bewegen, geben wir die Anforderungen für die Vertonung weiter in Studio ein. Generiere die vier Sprechertexte getrennt, damit sie später leichter den jeweiligen Bildern zugeordnet werden können.

Man kann es so formulieren:

Bitte erstelle vier unabhängige chinesische Sprechertexte für „Der kleine Fuchs leiht sich Mondlicht“ und gib jeweils einen Audio-Link zurück. Verwende eine sanfte, natürliche Frauenstimme, als würdest du Kindern eine Gutenachtgeschichte erzählen; keine Nachrichtensprecher-Stimme und auch kein absichtlich niedliches Sprechen. Die vier Abschnitte sollen dieselbe Stimmfarbe beibehalten, das Sprechtempo soll ruhig sein, und am Satzende soll eine kleine Pause bleiben. Generiere zuerst nur die Sprechertexte, ohne Hintergrundmusik. Begegnung: Im Mondlicht begegnet der kleine Fuchs einem verirrten kleinen Glühwürmchen. Mondlicht leihen: Der kleine Fuchs leiht sich vom Mond ein sanftes Licht. Gemeinsam unterwegs: Er trägt das Mondlicht und begleitet das kleine Glühwürmchen durch den Wald. Nach Hause: Das Glühwürmchen kehrt zu seinen Gefährten zurück, und der kleine Fuchs dankt auch dem Mond.

Vier Sätze reichen aus, um die Geschichte zu erzählen; es ist nicht nötig, noch einen langen Abschnitt mit Erklärungen hinzuzufügen. Lass auch die Bilder ein wenig sprechen, dann klingt es angenehmer.

Nachdem die Vertonung erstellt wurde, ist es am besten, jeden Abschnitt einmal anzuhören. Ob Zeichen falsch gelesen wurden, ob die Pausen natürlich sind und ob jeder Abschnitt innerhalb der vorgesehenen Zeit gesprochen werden kann, wird hier überprüft. Das folgende Demonstrationsskript verwendet vier bereits vorhandene Audio-Links; wenn die Vertonung neu generiert wurde, denke daran, sie durch deine eigenen Links zu ersetzen.

¶ Zum Schluss das Bilderbuch lokal zu einem Video zusammensetzen

Die Materialien sind vollständig, nun lassen wir Studio ein FFmpeg-Skript zur Zusammenstellung erstellen und führen es dann auf dem lokalen Computer aus.

Dieses Skript erstellt ein horizontales doppelseitiges Bilderbuch: links befinden sich Kapiteltitel und Geschichte, rechts wird das GIF abgespielt. Die vier Seiten werden in der Reihenfolge der Geschichte aneinandergereiht und mit ihren jeweiligen Sprechertexten versehen.

Vor der Ausführung muss FFmpeg installiert werden, und FONT muss in den Pfad einer tatsächlich auf dem Computer vorhandenen chinesischen Schriftart geändert werden. FFmpeg muss außerdem den vom Skript verwendeten Filter drawtext, die H.264-Kodierung und die AAC-Kodierung unterstützen. Das Skript eignet sich zur Ausführung mit Bash unter Linux, macOS oder in einer Windows-WSL-Umgebung; füge es nicht direkt in PowerShell ein.

Nachfolgend bleiben die Demonstrations-Materiallinks erhalten, und der Name der Ausgabedatei sowie die Seitentitel des Bilderbuchs werden einheitlich auf „Der kleine Fuchs leiht sich Mondlicht“ gesetzt. Dies ist ein Skript zur lokalen Ausführung; dieser Text hat die Ausführung auf dem lokalen Gerät nicht stellvertretend für die Lesenden durchgeführt.

bash <<'BASH'
set -euo pipefail

# ===== Nur hier Änderungen vornehmen =====

GIF1="https://cdn.acedata2.cloud/gpt-image/d8d0bdffeb50f57fa700e3b0e973541e62361c1bce243f795c66b12c27a79ada.gif"
GIF2="https://cdn.acedata2.cloud/gpt-image/2361e32502087a5d14a1030ec26c94bade43ad7abddff7f51294ae70cffabd03.gif"
GIF3="https://cdn.acedata2.cloud/gpt-image/c9091c98a64df06baecc7be2e5bb4b7521deff9caa3a0f67bca46c5409b92133.gif"
GIF4="https://cdn.acedata2.cloud/gpt-image/e6f322e1dea87af933a00e6053166cd5ce2f9a7ab59358c37f7b79d3b0126885.gif"

# Pfad zur chinesischen Schriftart, bitte entsprechend der tatsächlichen Situation ändern:
# Linux-Beispiel: /usr/share/fonts/opentype/noto/NotoSerifCJK-Regular.ttc
# macOS-Beispiel: /System/Library/Fonts/PingFang.ttc
FONT="/usr/share/fonts/opentype/noto/NotoSerifCJK-Regular.ttc"

OUTPUT="Der_kleine_Fuchs_leiht_sich_Mondlicht.mp4"

# ===== Vier bereits vorhandene Sprachaufnahmen =====

AUDIO1="https://platform2.cdn.acedata.cloud/fish/bb9140fc-c0c5-4397-995c-5a4eba813ef6.mp3"
AUDIO2="https://platform2.cdn.acedata.cloud/fish/ffe157ea-7fc4-422c-b153-e3bdb7db59ad.mp3"
AUDIO3="https://platform2.cdn.acedata.cloud/fish/2eb05b03-e833-48b9-9373-38b4c6a6456c.mp3"
AUDIO4="https://platform2.cdn.acedata.cloud/fish/429392ee-4012-4775-b1d9-fec7b88ddf1f.mp3"

command -v ffmpeg >/dev/null || {
  echo "Bitte installieren Sie zuerst FFmpeg"
  exit 1
}

[[ -f "$FONT" ]] || {
  echo "Chinesische Schriftart nicht gefunden, bitte FONT ändern: $FONT"
  exit 1
}

gifs=("$GIF1" "$GIF2" "$GIF3" "$GIF4")
audios=("$AUDIO1" "$AUDIO2" "$AUDIO3" "$AUDIO4")

titles=("Begegnung" "Licht leihen" "Gemeinsam unterwegs" "Nach Hause")
lines1=(
  "Im Mondlicht traf der kleine Fuchs"
  "Der kleine Fuchs lieh sich vom Mond"
  "Er trug das Mondlicht und begleitete das kleine Glühwürmchen"
  "Das Glühwürmchen kehrte zu seinen Gefährten zurück"
)
lines2=(
  "ein kleines, verirrtetes Glühwürmchen."
  "ein sanftes Licht."
  "gemeinsam durch den Wald."
  "Auch der kleine Fuchs dankte dem Mond."
)

# Feste Dauer pro Kapitel; der verbleibende Teil nach dem Ende der Erzählung bleibt still.
# Gesamtdauer: 19 Sekunden. Erzählungen, die länger als die Kapiteldauer sind, werden abgeschnitten.
durations=("5" "4.5" "4.5" "5")

inputs=()
filters=""

for i in 0 1 2 3; do
  vi=$((i * 2))
  ai=$((vi + 1))
  page=$((i + 1))
  d="${durations[$i]}"

  # Interne Schleifenmarkierung des GIF deaktivieren, einheitlich durch stream_loop endlos wiederholen.
  inputs+=(
    -stream_loop -1 -ignore_loop 1 -i "${gifs[$i]}"
    -i "${audios[$i]}"
  )

  # Buchhintergrund: warmfarbiger Tisch, Doppelseitenpapier, Buchrücken und Text auf der linken Seite.
  filters+="
color=c=0xD6C7B3:s=1920x1080:r=30:d=${d},
drawbox=x=72:y=64:w=1788:h=972:color=0xB6A38C:t=fill,
drawbox=x=60:y=50:w=900:h=970:color=0xFFF9EE:t=fill,
drawbox=x=960:y=50:w=900:h=970:color=0xFFF9EE:t=fill,
drawbox=x=940:y=50:w=20:h=970:color=0xE2D6C3:t=fill,
drawbox=x=960:y=50:w=12:h=970:color=0xEFE5D5:t=fill,
drawbox=x=150:y=320:w=110:h=4:color=0xB28A60:t=fill,
drawtext=fontfile='${FONT}':text='Der kleine Fuchs leiht sich Mondlicht':x=150:y=155:fontsize=28:fontcolor=0x927A60,
drawtext=fontfile='${FONT}':text='${titles[$i]}':x=150:y=235:fontsize=64:fontcolor=0x493A2C,
drawtext=fontfile='${FONT}':text='${lines1[$i]}':x=150:y=400:fontsize=36:fontcolor=0x685846,
drawtext=fontfile='${FONT}':text='${lines2[$i]}':x=150:y=465:fontsize=36:fontcolor=0x685846,
drawtext=fontfile='${FONT}':text='${page} / 4':x=150:y=910:fontsize=24:fontcolor=0xA28D76
[book${i}];

[${vi}:v]
setpts=PTS-STARTPTS,
fps=30,
scale=780:800:force_original_aspect_ratio=decrease:force_divisible_by=2,
setsar=1,
format=rgba
[gif${i}];

[book${i}][gif${i}]
overlay=x='1020+(780-overlay_w)/2':y='130+(800-overlay_h)/2':shortest=1,
trim=duration=${d},
setpts=PTS-STARTPTS,
format=yuv420p
[v${i}];

[${ai}:a]
asetpts=PTS-STARTPTS,
aresample=48000,
aformat=sample_fmts=fltp:channel_layouts=stereo,
apad,
atrim=duration=${d},
asetpts=PTS-STARTPTS
[a${i}];
"
done

filters+="
[v0][a0][v1][a1][v2][a2][v3][a3]
concat=n=4:v=1:a=1[vout][aout]
"

# Einmalige Ausführung: alle Buchseiten, Animationen und Sprachaufnahmen zusammensetzen.
ffmpeg -hide_banner -y \
  "${inputs[@]}" \
  -filter_complex "$filters" \
  -map "[vout]" \
  -map "[aout]" \
  -c:v libx264 \
  -preset medium \
  -crf 18 \
  -pix_fmt yuv420p \
  -c:a aac \
  -b:a 192k \
  -ar 48000 \
  -movflags +faststart \
  "$OUTPUT"

printf '\nErstellt: %s\n' "$OUTPUT"
BASH

Dieses Skript setzt die Dauer der vier Seiten auf 5 Sekunden, 4,5 Sekunden, 4,5 Sekunden und 5 Sekunden, insgesamt also 19 Sekunden. Die GIFs werden bis zum Ende dieser Seite wiederholt; wenn die Erzählung kürzer ist, bleibt der verbleibende Teil danach still.

Besonders beachten: Wenn die Erzählung länger als diese Seite ist, schneidet das Skript den überstehenden Teil ab. Wenn Sie die Sprachaufnahme neu erstellen, hören Sie sie zuerst vollständig an und entscheiden Sie dann, ob Sie durations verlängern müssen. Lassen Sie die Seite nicht mitten in der Geschichte umblättern, nur um auf 19 Sekunden zu kommen.

Beim Ausführen ist eine Internetverbindung erforderlich, um die Materialien zu laden. Falls ein Link nicht erreichbar ist, können Sie die GIFs und MP3s zuerst lokal herunterladen und die entsprechenden Variablen dann in Dateipfade ändern. Das -y im Skript überschreibt Ausgabedateien mit demselben Namen; falls bereits ein fertiger Film vorhanden ist, ändern Sie zuerst den Dateinamen. Laut den in der Demonstration bereitgestellten Aufzeichnungen betragen die Materialgenerierungspunkte für dieses Beispiel etwa 1 Punkt. Dieser Wert dient nur als Referenz für diese Demonstration, ist kein festes Paket und bedeutet nicht, dass jedes 19-Sekunden-Video nur 1 Punkt benötigt. Modellversion, Bildgröße, Qualität, Länge der Sprachaufnahme und Anzahl der Wiederholungen beeinflussen den tatsächlichen Verbrauch; maßgeblich sind die in Studio angezeigten Gebühren. Dieser letzte Schritt ist eine lokale Zusammensetzung mit FFmpeg und kein erneuter Aufruf eines Cloud-basierten Videogenerierungsdienstes.

¶ Den gesamten Ablauf in einem Bild darstellen

Im Rückblick ist die Sache nicht kompliziert: Zuerst denkt man sich die Geschichte aus, zeichnet vier Bilder, lässt jedes Bild sich ein wenig bewegen, fügt dann einen Sprechertext hinzu und setzt am Ende alles lokal zusammen.

Studio hilft uns dabei, die Geschichte, Originalbilder, GIFs und Sprachmaterialien vorzubereiten; FFmpeg ist dafür zuständig, die Materialien wie Buchseiten anzuordnen, den Ton anzufügen und eine MP4 auszugeben. Wenn man diese beiden Teile trennt, kann man genau die Seite ändern, mit der man nicht zufrieden ist.

¶ Ein wenig Mondlicht genügt, um eine Geschichte zu erzählen

„Der kleine Fuchs leiht sich Mondlicht“ hat nicht viele Figuren und auch keine lebhaften großen Szenen. Es lässt nur einen kleinen Fuchs ein Stück Weg mit einem verirrten Glühwürmchen gehen.

Bei der Gestaltung eines solchen Geschichtenbildbands sind es oft diese kleinen Details, für die es sich lohnt, Zeit zu investieren: Ob der Fuchs auf allen vier Bildern gleich aussieht, ob das Licht im Glas sanft genug ist und ob man dem Sprechertext beruhigt zuhören kann.

Wenn du es auch ausprobieren möchtest, kannst du mit einer kleinen Geschichte in vier Bildern beginnen. Beschreibe in Ace Data Cloud Studio den Zeichenstil und die Figuren klar, überprüfe die Originalbilder und füge dann nach und nach Bewegungen und Ton hinzu. Eine kurze Geschichte zuerst gut zu machen, macht es leichter, das Gefühl zu finden, das dir gefällt, als von Anfang an einen sehr langen Umfang auszubreiten.

Wenn Bild und Ton beide passen, blättere noch ein paar Seiten weiter. So entsteht nach und nach ein kleines Bilderbuch, das sich bewegt.