Ein API-Schlüssel, ein 15-Sekunden-Film: Der vollständige Seedream 5.0 15s Workflow

Ich habe das an einem Wochenende gebaut: Ein einsamer Hüter betritt ein endloses Archiv, öffnet ein Buch, und Licht strömt aus den Seiten. Fünfzehn Sekunden. Charakterdesign, Storyboard, Bewegung – alles generiert, alles mit einem einzigen API-Key. Kein Render-Farm, keine Drei-App-Pipeline, kein Plugin-Zoo.

Der Trick war kein cleverer Prompt. Es war die Aufteilung in zwei Schritte. Die meisten Leute bitten ein Modell, Farbe, Licht, Textur und Geometrie auf einmal zu meistern, und fragen sich dann, warum das Ergebnis flach aussieht. Dies ist der Seedream 5.0 15s Workflow, der das behebt: Zuerst die Geometrie mit einer Tiefenkarte fixieren, danach den Stil auftragen. Unten die gesamte Pipeline mit allen Prompts, die ich tatsächlich verwendet habe.

Wichtige Erkenntnisse

• Der Kern des Seedream 5.0 15s Workflows: Trennung von Geometrie (Tiefenkarte) und Stil (Farbkarte), sodass du einen Shot endlos umstylen kannst, ohne dass die Komposition auseinanderfällt.
• Neun Kamerawinkel werden vorab als ein 3x3-Tiefenraster storyboardet, was ein Videomodell auf Kontinuität bringt, anstatt neun unzusammenhängende Bilder zu erfinden.
• Preisstand Ende Juli 2026: Ein Seedream 5.0 Pro Bild kostet ab $0.045 auf der 1.5K-Stufe, etwa ein Fünftel von GPT Image 2 in hoher Qualität. Bilder auf Seedream 5.0 Pro, Video auf Seedance 2.0, ein Schlüssel.

Warum Tiefenkarten im Seedream 5.0 15s Workflow zuerst kommen

Geometrie ist das Erste, was ein Bildmodell fallen lässt. Bittest du es, Farbe, Beleuchtung, Material und 3D-Raum in einem Durchgang zu lösen, kollabiert der Raum – weshalb so viel KI-Kunst wie ein hübscher Aufkleber ohne Innenraum wirkt. Die Lösung leiht eine bewährte Idee aus der Diffusion-Tooling-Welt: Übergib dem Modell ein Kontrollbild und lass es auf dieser festen Struktur aufbauen (ControlNet, ICCV 2023).

Es gibt drei Kontrollbilder, die Leute verwenden, und die Lücke zwischen ihnen ist größer, als es scheint. Hier ein Vergleich innerhalb dieses Workflows.

Ein Strichzeichnungs-Storyboard: Kanten und Posen sind fixiert, aber jedes Panel wirkt flach ohne Tiefe

Strichzeichnungen fixieren die Pose und sonst nichts. Das Modell kann nicht erkennen, was nah oder fern ist, also bleibt das Bild flach.

Das gleiche Storyboard als 3D-Weißmodell-Render, bei dem der graue Ton-Look das Bild übernimmt

Ein 3D-Weißmodell hat Volumen, aber es übersteuert. Das Modell behandelt diese graue Tonhaut als das Bild selbst, und du kämpfst in jedem späteren Schritt gegen einen plastikartigen Render-Look.

Eine Tiefenkarte codiert genau eine Sache: die Entfernung zur Kamera. Weiß ist nah, Schwarz ist fern, ein kontinuierlicher Grauverlauf dazwischen (Depth Anything V2, 2024). Das macht sie genauer als Strichzeichnungen, weil sie echten Raum trägt, und sauberer als ein Weißmodell, weil sie kein Material und keinen Stil hat, der durchsickern kann. Wirf irgendeinen Look darauf, und die Geometrie wird nie kontaminiert. Fixiere die Geometrie sauber, style sie danach. Diese einzelne Gewohnheit hält den Rest des Seedream 5.0 15s Workflows zusammen.

Ein API-Key betreibt den gesamten Seedream 5.0 15s Workflow

Der Grund, warum dies ein Wochenendprojekt bleibt und kein Systemintegrations-Albtraum, ist, dass jedes Modell in der Kette hinter einem einzigen Endpunkt liegt. Bilder laufen auf Seedream 5.0 Pro, Video läuft auf Seedance 2.0, und beide antworten auf denselben API-Key auf Atlas Cloud. Kein Plattformwechsel zwischen der Charakterkarte und dem finalen Render, keine Abstimmung zweier Abrechnungs-Dashboards, kein zweites SDK.

Das ist bedeutender, als es klingt. Ein einzelner 15-Sekunden-Kurzfilm in dieser Pipeline berührt mindestens fünf Bildgenerationen und einen Video-Durchlauf. Verteile diese auf drei Anbieter, und die Hälfte der Zeit geht für die Verkabelung drauf. Halte sie unter einem Schlüssel, und die Reibung ist nahezu null.

Den Schlüssel zu bekommen dauert etwa eine Minute: Öffne die Konsole, gehe zu API Keys, erstelle einen, kopiere ihn. Dann richte einen beliebigen HTTP-Client auf den OpenAI-kompatiblen Bild-Endpunkt und du generierst.

Der Seedream 5.0 15s Workflow, sechs Schritte vom Gesicht zum Film

Die Pipeline besteht aus sechs Schritten, und nur die ersten beiden bauen wiederverwendbare Assets auf. Alles danach ist Komposition und Bewegung. Führe den Charakter und Stil vorwärts, halte sie fixiert, und das Modell hört auf zu driften. Hier ist der gesamte Ablauf auf einen Blick, bevor wir Schritt für Schritt vorgehen.

1. Charakterkarte: Identität fixieren. Füttere eine Multi-View-Referenz an Seedream 5.0 Pro und erhalte ein Blatt, das dasselbe Gesicht aus fünf Winkeln zeigt. Ein Tipp, der später viel Ärger spart: Wenn du bereits ein sauberes frontales Kopfporträt hast, lösche das Gesicht auf der Ganzkörperansicht. Ein Gesicht pro Winkel verhindert, dass das Videomodell mitten in einem Shot in einen Fremden abdriftet.

Eine Fünf-Winkel-Charakterkarte der Archivarin: Ganzkörper, Rücken, frontales Kopfporträt und zwei Dreiviertelansichten

1. Stilkarte: Grading fixieren. Anstatt das Modell den Look frei gestalten zu lassen, ziehe eine Referenz heran. Nimm ein paar Frames aus einem Film, den du magst, extrahiere die Palette in eine Farbkarte und füttere diese als Stilanker zurück. Der Look kommt von hier, die Komposition nicht. Ich habe Seedream 5.0 Pro ein paar Blade Runner 2049 Stills gegeben und die Palette extrahieren lassen – dieses warme Amber, das in tiefe Tinten-Türkis-Schatten übergeht, das Roger Deakins für den Film gebaut hat (American Cinematographer, 2017).

Eine Farbkarte, erstellt aus Blade Runner 2049 Stills, mit einer Sechs-Farbfeld-Palette von Amber bis Türkis

Der extrahierte Sechs-Farben-Palettenstreifen: Dunkelbraun über Amber bis warmgrau

1. Einstellungsbild. Charakterkarte plus Stilkarte ergibt das erste Bild der Szene. Hier zeigt sich die Farbauslese aus Schritt 2 in voller Pracht.

Die Einstellung: die Archivarin klein und zentriert in einem symmetrischen Ein-Punkt-Perspektivgang

PlainCopy
1Cinematic establishing shot, composed in the style of Denis Villeneuve / Roger Deakins: rigorous central one-point-perspective symmetry, monumental sense of scale, strong negative space, quiet and reverent.
2
3SCENE: the interior of a colossal, seemingly infinite library-archive at cathedral scale. Towering vertical bookshelves recede symmetrically on both sides down a single central aisle toward a distant glowing warm vanishing point. Volumetric amber god-ray light shafts angle down through fine floating dust and a few drifting loose pages. Three clear depth layers: sharp foreground shelf edges near camera, the hero in the midground aisle, and an infinitely receding golden-hazed background.
4
5HERO, identity and wardrobe locked to image 1. Use image 1 ONLY as the identity and wardrobe reference; do NOT reproduce its reference-sheet layout or its gray studio background. The same exact woman: her face and features unchanged, floor-length deep ink-teal wool coat over a cream turtleneck, low ponytail. She holds a small lit brass oil lantern that casts a warm pool of light around her. She stands small and centered far down the deep aisle, seen from a low angle, dwarfed by the towering shelves.
6
7GRADE and OPTICS, match image 2: warm burnished amber-gold highlights rolling into deep desaturated ink-teal shadows, low contrast with softly lifted clean blacks; tall oval anamorphic bokeh, a faint horizontal lens flare off the brightest shaft, gentle Black Pro-Mist bloom on the highlights, fine 35mm Kodak film grain, 2.00 anamorphic widescreen framing.
8
9Cinematic 35mm film still, photoreal, ultra-detailed, monumental. Not CGI, not a 3D render, not a game-engine look.

1. Tiefenkarte: Der Kern des Seedream 5.0 15s Workflows. Wandle dieses Bild in einen reinen Graustufen-Tiefenpass um. Weiß nah, Schwarz fern, Stil entfernt, nur Geometrie. Jetzt ist die Komposition ihre eigene Ebene, und du kannst sie beliebig oft umstylen, ohne die Struktur zu berühren.

Das Einstellungsbild, umgewandelt in eine Graustufen-Tiefenkarte: weiße Vordergrundregale, die in schwarze Tiefe übergehen

PlainCopy
1Reinterpret this image as a single-channel linear depth pass, a grayscale Z-depth map of the kind a 3D renderer writes from its depth buffer, or a LiDAR range image. Brightness encodes distance from camera only: pure white on the nearest visible surface, pure black at the farthest, one continuous monotonic ramp of mid-grays across everything between. Anchor the scale once to the whole frame so identical distances read as identical gray anywhere in the image; never per-region auto-contrast. Hold geometry exact: rounded volumes get smooth continuous gradients, overlapping objects break at crisp hard-edged occlusion boundaries, thin structures and silhouettes stay legible, connected surfaces keep stable values. Distance is the only variable: flat depth-driven gray with no albedo, no texture, no cast shadows, no directional light, no outlines, no ambient occlusion. Output the clean depth pass and nothing else.

1. Das 3x3 Tiefen-Storyboard. Brauchst du nur ein Bild? Überspringe das. Machst du ein Video? Du brauchst ein ganzes Storyboard, neun Shots, die vorab erstellt werden und eine gemeinsame Tiefenkonvention und Kontinuität teilen, nicht neun Bilder, die jeweils ihren eigenen Weg gehen. Füttere zwei Bilder: das farbige Einstellungsbild (was ist in der Szene) und die Tiefenkarte (wie Distanz codiert wird). Der Prompt unten erzwingt eine eindeutige Kamera auf jedem Panel, was ein Videomodell davon abhält, neunmal denselben zentrierten Gang zu verwenden.

Ein 3x3-Raster aus neun Graustufen-Tiefenpässen, jeder ein anderer Kamerawinkel desselben Archivs

PlainCopy
1You are a depth-map storyboard generator. Output ONE image: a clean 3x3 grid of nine sequential shots from one continuous scene, every panel a grayscale linear depth pass (white = nearest, black = farthest) and nothing else.
2
3INPUT, Image 1 is a centered symmetric establishing depth pass. Use it for TWO things: (a) the grayscale linear-depth CONVENTION and tonal range to match across ALL nine panels; (b) the EXACT composition to reproduce in panel 2. Read the character, wardrobe (floor-length coat, brass lantern) and the archive design language from it too.
4
5CRITICAL, COMPOSITIONAL VARIETY (top priority): every panel MUST use a DISTINCT camera, different shot size, height, azimuth, tilt. ONLY panel 2 may use the centered symmetric one-point-perspective aisle; ALL other panels are FORBIDDEN from using a centered symmetric aisle. Embrace cinematic framing: oblique corners, raking diagonal colonnades, worm's-eye verticals, high top-down angles, strongly off-center asymmetric framing, Dutch tilts, deep negative space.
6
7STORY (nine panels = one continuous event; a lone woman archivist in a long coat with a brass lantern discovers one book and reaches it; read left to right, top row, middle, bottom):
81. ESTABLISHING, high aerial angle near the vaulted ceiling looking obliquely down, the aisle running diagonally, hero tiny on the diagonal.
92. ARRIVAL, the centered symmetric establishing composition from Image 1.
103. DISCOVERY, extreme worm's-eye looking almost straight up a towering shelf toward one small target book high above.
114. REACTION, medium close-up, strongly off-center: hero's face on the right third looking up-left, slight Dutch tilt.
125. PREPARATION, an oblique corner composition, hero small at the turn reaching upward, a vast dark negative-space void filling one half.
136. INSERT DETAIL, extreme macro; the shelf runs as a steep diagonal, her hand and one book spine sharp in the near corner.
147. MAIN ACTION, oblique view down a colonnade of tall repeating vertical fins raking diagonally, the opened book held large in the near foreground.
158. CONSEQUENCE, high angle looking down as loose pages scatter and fall through several depth layers.
169. RESOLUTION, elevated oblique extreme-wide from a high corner, revealing the archive as a vast asymmetric structure.
17
18CONTINUITY: keep identical across panels, character identity, coat, lantern, hair, the shelf and architecture design, scene scale. ONLY camera and pose change.
19
20DEPTH RENDER: every panel a single-channel linear depth pass, grayscale Z-depth, brightness = distance only. Pure white nearest, pure black farthest, one continuous monotonic ramp; anchor scale once and apply identically to all nine. No color, no texture, no directional light, no cast shadows, no glow, no ambient occlusion, no depth-of-field blur, no grain.
21
22GRID: exactly nine panels, three equal rows and three equal columns, identical aspect ratio, thin uniform gutters. No captions, numbers, labels, arrows, borders, or color anywhere.

1. Video. Füttere das Gesicht, das Einstellungsbild und das 3x3 Storyboard an Seedance 2.0, und es rendert die Sequenz Shot für Shot aus deinem Storyboard. Das Tiefenraster leistet hier echte Arbeit: Da jedes Panel Distanz codiert, kann das Modell Parallaxe simulieren und Objektpositionen von einem zum nächsten Shot stabil halten, anstatt die Szene bei jedem Schnitt neu zu mischen.

Ein Bild aus dem fertigen Film: eine Draufsicht auf das Archiv, während Licht aufstrahlt und Seiten verstreut werden

PlainCopy
1A cinematic 15-second single continuous piece, 2.00 anamorphic widescreen, photoreal 35mm film look with fine Kodak grain, no AI gloss. SCENE: the interior of a colossal, seemingly infinite library-archive of towering bookshelves receding into warm darkness. VISUAL STYLE: warm burnished amber-gold key light rolling into deep desaturated ink-teal shadows, volumetric god-ray shafts through fine floating dust, a Villeneuve / Deakins epic look. DIRECTOR THESIS: a lone keeper walks the infinite archive of every story ever written, finds one glowing book and opens it, and light and worlds pour out of its pages.
2
3LOCKS:
4- Identity: image 1 is the SOLE source of the woman's face and identity, keep her face identical in every shot, never drift.
5- Wardrobe, first frame and grade: image 2 is the FIRST FRAME and the look, match its warm amber-and-ink-teal grade, anamorphic optics and 35mm grain across the whole film.
6- Composition and camera: image 3 is a 3x3 depth-map storyboard of nine shot compositions; drive the sequence shot by shot from image 3 IN ORDER (panel 1 through panel 9), each shot matching the framing, shot size and camera angle of its panel.
7- Continuity: same woman, same coat, same lantern, same archive architecture and scale throughout.
8- Negative locks: no hand morphing, consistent natural fingers, no face distortion, no duplicated or floating limbs, no text or captions anywhere.
9
10TIMELINE (drive from image 3; all light motivated by the lantern and the glowing book):
110-2s SHOT 1 (panel 1), high oblique aerial looking down, slow drift in.
122-3.5s SHOT 2 (panel 2), centered symmetric wide, slow push-in along the axis.
133.5-5s SHOT 3 (panel 3), extreme worm's-eye craning up toward one glowing book.
145-6.5s SHOT 4 (panel 4), off-center medium close-up, her eyes lifting in quiet awe.
156.5-8s SHOT 5 (panel 5), oblique corner, she reaches upward into deep negative space.
168-9.5s SHOT 6 (panel 6), tight macro, her fingers slide one book free.
179.5-11.5s SHOT 7, first-person POV, her hands hold the book open and warm light erupts toward the lens.
1811.5-13.5s SHOT 8 (panel 8), high angle, loose pages drift through the aisle around her.
1913.5-15s SHOT 9 (panel 9), elevated oblique extreme-wide, she stands tiny in the vast archive now glowing warm.

Was der Seedream 5.0 15s Workflow tatsächlich kostet

Der gesamte Kurzfilm kostet weniger als ein Kaffee zu generieren. Diese Pipeline produziert einen Stapel Bilder, bevor sich ein einziges Bild bewegt: Charakterkarte, Stilkarte, Einstellungsbild, Tiefenkarte und das Neun-Panel-Storyboard – also fünf Bildgenerationen plus ein Video-Durchlauf. Hier hört der Preis pro Bild auf, eine Rundungsdifferenz zu sein, und entscheidet, ob du frei iterierst oder deine Versuche rationierst. Alle untenstehenden Zahlen sind von den Atlas Cloud Modell-Preisseiten Ende Juli 2026 bestätigt.

Bei $0,2419 pro Sekunde für 720p kostet eine vollständige 15-Sekunden-Sequenz etwa $3,63, sodass der gesamte Kurzfilm unter $4 liegt, um Bilder und Bewegung zusammen zu generieren. Seedance 2.0 fällt auch auf $0,1486 pro Sekunde, wenn du eine Videoeingabe fütterst, und sein Referenz-zu-Video-Modus akzeptiert bis zu neun Referenzbilder, was genau das ist, was eine Storyboard-getriebene Sequenz will.

Die Bildökonomie ist der Teil, bei dem ich zweimal hingesehen habe. Ein Seedream 5.0 Pro Bild beginnt bei $0,045 auf der 1.5K-Stufe, etwa ein Fünftel von GPT Image 2 in hoher Qualität, das $0,21572 für ein 1024-Pixel-Bild und $0,16964 bei 1536x1024 kostet. Selbst auf der vollen 2K-Stufe, die GPT Image 2 nicht erreicht, liegt Seedream 5.0 Pro bei $0,09 pro Bild, immer noch unter der Hälfte des Preises bei größerer Ausgabe. Generiere fünf Bilder pro Kurzfilm oder fünfzig in einem Batch, und diese Lücke summiert sich schnell.

Hinweis zum Zeitpunkt: Seedream 5.0 Pro läuft derzeit mit einem zeitlich begrenzten Rabatt von 20 Prozent, daher liegt das 1.5K-Bild effektiv bei $0,036 und das 2K-Bild bei $0,072 während des Aktionszeitraums. Preise und Aktionen ändern sich. Überprüfe daher die Modellseite, bevor du ein großes Batch budgetierst.

Den Seedream 5.0 Workflow über einen einzelnen Kurzfilm hinausführen

Die Tiefen-und-Stil-Trennung ist nicht nur für Kinofilme. Dasselbe Prinzip – zuerst die Struktur fixieren und Kontinuität als eigene Ebene behandeln – ist das, was Seedream 5.0 Pro ermöglicht, ein konsistentes Designsystem über viele Panels gleichzeitig zu halten. Das ist überall dort nützlich, wo du einen Satz von Bildern brauchst, die zusammengehören, und nicht nur ein einzelnes Heldenbild.

Ein Neun-Panel-Biografie-Zeitleisten-Layout mit einem konsistenten Designsystem über jede Karte hinweg

Eine Multi-Panel-Wissenskarte oder ein Karussell ist dasselbe Problem wie ein Neun-Shot-Storyboard: Halte Typografie, Abstände und Farbsprache identisch, während sich der Inhalt von Zelle zu Zelle ändert. Die Seedream 5.0 Familie ist hier ungewöhnlich stark, weil sie strukturierte Layouts und Textdarstellung gut handhabt – die eine Kategorie, in der sie gegen andere führende Bildmodelle besteht. Baue das Raster einmal, halte die Konvention fixiert, und jedes Panel liest sich als ein Teil.

Tiefenkarten, Storyboards, Farbkarten – all das ist letztlich nur ein Weg, einen Shot durchzudenken, bevor du dich festlegst. Die Werkzeuge werden immer wilder und billiger. Was sie immer noch nicht können, ist zu entscheiden, welche Geschichte du eigentlich erzählen willst.

Häufig gestellte Fragen

Was ist der Seedream 5.0 15s Workflow in einem Satz?

Es ist eine Sechs-Schritte-Pipeline, die Geometrie von Stil trennt: Du fixierst die Komposition einer Szene als Graustufen-Tiefenkarte, storyboardest neun Kamerawinkel als ein einziges 3x3-Tiefenraster, und fütterst das dann zusammen mit einem fixierten Charakter und Farbgrading an ein Videomodell, um einen 15-Sekunden-Kurzfilm zu rendern.

Brauche ich Stable Diffusion oder ComfyUI für diesen Workflow?

Nein. Die Idee der Tiefenkarte stammt aus ControlNet, aber dieser gesamte Workflow läuft auf gehosteten API-Modellen. Du generierst jedes Bild auf Seedream 5.0 Pro und das Video auf Seedance 2.0, beide über einen einzigen API-Key, also gibt es keine lokale Installation, keine GPU und keinen Node-Graphen zu warten.

Wie viel kostet der Seedream 5.0 15s Workflow pro Kurzfilm?

Etwa $4 zur Generierung zum Listenpreis Ende Juli 2026. Die fünf Bild-Assets summieren sich auf etwa $0,315 auf Seedream 5.0 Pro, und ein 15-Sekunden-720p-Clip auf Seedance 2.0 fügt etwa $3,63 bei $0,2419 pro Sekunde hinzu. Ein aktueller 20-Prozent-Rabatt senkt die Bildkosten weiter. Bestätige immer auf der Live-Modellseite.

Kann der Seedream 5.0 15s Workflow einen Charakter konsistent halten?

Ja, und das ist der Sinn des ersten Schritts. Du erstellst eine Fünf-Winkel-Charakterkarte, löschst doppelte Gesichter, sodass jeder Winkel eine saubere Referenz behält, und fixierst dann dieses Bild als einzige Identitätsquelle in den Storyboard- und Video-Prompts. Das Tiefen-Storyboard übernimmt die Komposition, während die Charakterkarte das Gesicht übernimmt.

Warum sind Tiefenkarten besser als Strichzeichnungen oder ein 3D-Weißmodell hier?

Strichzeichnungen fixieren die Pose, tragen aber keinen Raum, sodass Bilder flach bleiben. Ein 3D-Weißmodell fügt Volumen hinzu, erzwingt aber einen grauen Ton-Look im finalen Bild. Eine Tiefenkarte codiert nur Distanz, weiß nah und schwarz fern, liefert also genaue Geometrie ohne Stil, der kontaminieren kann, sodass du dieselbe Komposition beliebig oft umstylen kannst.