Varför är Cat in the Hat utanför ditt fönster? Så här skapas TikToks AI-videor

En liten figur står nedanför ett fönster på övervåningen på en mörk parkeringsplats. Den randiga hatten är lättare att upptäcka än ansiktet. Sedan tittar den upp och vinkar. Det är ett av sätten som TikTok-skapare har förvandlat The Cat in the Hat till ett fiktivt nattkamera-möte. Effekten beror på var betraktaren ser figuren, hur länge tagningen hålls kvar och vad som förändras innan klippet slutar. Katten ensam är bara en del av skämtet.

Den här guiden använder två videoexempel från tillskrivna skapare för att förklara formatet och följer sedan ett separat tredelat fönstervy-exempel: en bild av en tom plats, en redigerad stillbild och det resulterande klippet. De föreslagna prompterna är ett recept att prova, inte ett påstående om hur de tillskrivna skaparna gjorde sina videor.

Viktiga punkter

• Trenden började med mörka redigeringar av live-actionfilmen från 2003 och utvecklades till AI-skapade klipp i found footage-stil.
• En fönstervy och en dörrklockekamera skapar olika avslöjanden: den ena använder avstånd och en blick mot betraktaren; den andra använder vägen fram till dörren.
• En redigeringsmall för ett klipp ändrar befintligt material. Att få en ny figur att dyka upp i din egen scen kräver ett bildredigerings- eller videogenereringssteg.
• Behandla alla realistiska resultat som fiktion när du publicerar dem. Tillskriv andra skapare när du diskuterar deras klipp.

Vad startade Cat in the Hat-AI-trenden?

Den första brett dokumenterade vågen använde material från live-actionfilmen från 2003. Den 30 juni 2026 publicerade @dannykelvin47 en mörkt textad redigering av en dansande katt. Andra användare återanvände filmögonblick med dyster musik, kornighet och bildtexter. Know Your Memes kronologi registrerar en förändring i början av juli: @rushyfts AI-genererade found footage-klipp placerade figuren i en skräckliknande scen i stället för att klippa om filmen.

I slutet av sommaren placerade inlägg en lång kattfigur på välbekanta gator, parkeringsplatser och i dörröppningar. Vissa var stillbilder; andra var korta videor i stil med telefon- eller övervakningskameramaterial. Platsen fick bilden att kännas personlig, vilket är varför en AI-scen också kunde misstas för en verklig observation. Euronews rapporterade om de fiktiva observationerna, och Oxnard Police dokumenterade farhågor om redigerade videor med verklighetsanspråk. Verken nedan är exempel på det fiktiva formatet, inte bevis för ett faktiskt möte.

Titta på två skaparfall innan du gör ditt eget

Fall 1: Dörrklockevyn använder en väg mot objektivet

En offentlig visning tillskriver @darkcasefilesuk1s dörrklockestilade klipp från augusti 2026. Titta på det fullständiga åtta sekunder långa exemplet nedan: figuren närmar sig längs en blöt gångväg, lutar huvudet och reagerar nära dörren. Dörröppningen och gångvägen etablerar var betraktaren står, medan vägen ger motivet utrymme att röra sig utan att kameran flyttas.

Fullständig åtta sekunder lång skapar-video omvandlad till en tyst GIF. En offentlig visning tillskriver klippet @darkcasefilesuk1. Detta är ett referensklipp, inte ett Atlas Cloud-resultat.

För en dörrklockversion ska du inte lägga hela klippet på en kamerainzoomning. Låt figuren komma in eller korsa gångvägen, stanna till, reagera på objektivet och gå därifrån eller dra sig tillbaka. Förändringen i position är det som ger videon en början och ett slut.

Fall 2: Fönstervyn gör avståndet till en del av avslöjandet

I @lastknownencounters AI-klipp från september 2026 är figuren nere på en nattlig parkeringsplats, sedd ovanifrån. Den förblir liten mot byggnaderna och de parkerade bilarna, tittar upp och vinkar, och telefonen göms kort bakom gardinen innan den tittar ut igen. Betraktaren lägger märke till något långt borta och inser sedan att det verkar lägga märke till dem tillbaka.

Fullständig tio sekunder lång skapar-video omvandlad till en tyst GIF, tillskriven @lastknownencounter. Detta är en skaparreferens, inte ett resultat av prompterna nedan.

Det användbara produktionsvalet här är skalan. Håll tillräckligt mycket gata och byggnad i bild för att visa hur långt borta figuren är. Om motivet fyller bildrutan direkt bidrar fönstret inte längre särskilt mycket till ögonblicket.

Är CapCut-mallen samma sak som en AI-effekt?

Inget enskilt verktyg definierar trenden. En CapCut-sida med titeln ”Cat in the hat” visar en 9:16-mall som tar ett klipp. Förhandsvisningen är en redigerad kattvideo. Den sidan visar tajming och stil för material du tillhandahåller; den visar inte en ny figur som infogas i ett foto av ditt fönster eller din veranda. Förhandsvisa exakt den mall du väljer, eftersom mallar med liknande namn kan bete sig olika.

Den mittersta vägen ger dig mest kontroll över en personlig miljö. Den låter dig också granska den första bildrutan innan du animerar något.

Gör ett eget fönstervy-klipp från ett foto

Fönstervideon ovan ger en tydlig uppgift: en avlägsen figur, en utsiktspunkt inifrån och en fördröjd reaktion på kameran. Använd ditt eget foto eller en plats du har tillstånd att använda. Håll husnummer, läsbara registreringsskyltar och identifierbara förbipasserande utanför bild. Det medföljande exemplet nedan är 16:9 så att hela fönstret och parkeringsplatsen förblir synliga; gör en separat 9:16-version för ett vertikalt TikTok-inlägg.

Genomfört exempel: En figur nedanför ett fönster på övervåningen

Den medföljande indatabilden blickar ut från ett fönster på övervåningen mot en tom parkeringsplats på natten. Fönstret och en öppen fläck under gatlyktan ger redigeraren en specifik plats att lägga till en figur på. Den önskade stillbilden är en människohög svartvit kattkostymfigur på ett trovärdigt avstånd, med en hög röd- och vitrandig hatt och röd fluga synlig. Det här exemplet visar den faktiska indata, den redigerade bildrutan och videoresultatet i ordning. Prompterna nedan beskriver en vertikal återskapning av samma idé; de är inte den tillskrivna skaparens offentliggjorda prompter.

01, den medföljande startbilden. Fönsterkarmen, de parkerade bilarna, trappan och den tomma upplysta asfalten etablerar scenen.

Steg 1: Sätt in en egen figur i stillbilden

Använd en bildredigerare som accepterar ett referensfoto, till exempel Seedream v5.0 Pro Edit on Atlas Cloud. Ladda upp ditt fönstervyfoto. Den här prompten bevarar platsen och anger de visuella ledtrådarna i det genomförda exemplet. Granska det faktiska resultatet innan du använder det som en videobildruta.

plaintextCopy
1Edit the uploaded night view from an upstairs window. Preserve the exact window viewpoint, curtain edge, parked cars, streetlights, building positions, road surface, and perspective. On the open ground beneath a streetlight, place one distant adult-height upright cat-costume figure with a narrow silhouette, black fur, a white chest and face, white gloves, a stiff smiling mask, a tall slightly crooked red-and-white striped hat, and a large red bow tie. Keep its whole body visible and small enough to show its distance from the window. Both feet touch the ground and the shadow matches the streetlight. Keep the scene plausibly low-lit, with faint window reflections and mild phone-camera grain. Vertical 9:16. Exactly one figure. No extra people, text, logos, fake timestamp, weapons, threats, or readable address details.

02, den medföljande redigerade stillbilden. Figuren läggs till i det öppna området medan bilarna, trappan och fönstrets utsiktspunkt förblir igenkännbara.

Jämför den redigerade stillbilden med din källa. Byggnaderna och bilarna bör stanna på samma platser, motivet bör ha kontakt med marken och hatten bör förbli synlig i telefonstorlek. Om modellen bygger om gatan ska du korrigera det innan du gör en video.

Steg 2: Ge videon en händelse och en förändring av utsiktspunkten

Ladda upp den godkända stillbilden till ett bild-till-video-verktyg som Kling v3.0 Turbo Image-to-Video on Atlas Cloud. Välj ett kort vertikalt klipp bland de alternativ som för närvarande visas av modellen. Rörelsen bör vara tydlig utan ljud; den lilla vinken spelar större roll än extra effekter.

plaintextCopy
1Create a 10-second vertical 9:16 fictional phone video in one continuous take, filmed from inside the upstairs window in the uploaded image. It is a quiet residential parking lot after dark: weak amber light from one streetlamp, muted colors, damp-looking pavement, faint reflections on the glass, soft phone-camera grain, and a slight natural hand tremor. The mood is strangely playful and a little uncanny, like someone unexpectedly noticing a costumed visitor outside, not a violent horror scene. Keep the exact window viewpoint, curtain edge, parked cars, stairway, buildings, road markings, lighting direction, and perspective from the source image. Do not rebuild the location.
2
3The same single adult-height cat-costume figure remains in the middle distance throughout: narrow black-fur body, white chest and face, fixed smiling mask, white gloves, large red bow tie, and tall slightly crooked red-and-white striped hat. Its feet stay grounded and its shadow follows the streetlamp. At first it stands with both feet apart, knees relaxed, shoulders slightly hunched, arms hanging loosely, and head angled down. Its movements are slow and deliberate; the hat, mask, bow tie, body size, and clothing never change.
4
5Seconds 0-3: hold the wide view so the figure looks small among the parked cars. It pauses, then gradually raises its head and looks directly up toward the window. Seconds 3-6: without walking forward, it lifts one white-gloved hand to shoulder height and gives two small, unhurried wrist waves; the other arm stays at its side. The person filming reacts with a tiny handheld shake, not a zoom. Seconds 6-8: the phone withdraws behind the curtain, which briefly covers most of the view while the camera remains inside the same room. Seconds 8-10: the phone cautiously peeks out from a slightly shifted angle. The figure takes one short, visible step closer on the pavement, plants its foot, lowers its waving hand, and keeps looking up. End on that held encounter.
6
7Natural low-light exposure and subtle night ambience if audio is available. No cut, teleportation, sudden jump toward the lens, zoom-only motion, dancing, extra figures, extra limbs, face morphing, costume change, fake CCTV overlay, timestamp, readable address or license plate, text, logo, weapon, or threatening gesture.

03, den medföljande femton sekunder långa videon omvandlad till en tyst GIF utan trimning. Den behåller samma parkeringsplats och kostymerade figur; figuren tittar upp och närmar sig fönstret på övervåningen. Detta är ett 16:9-resultat, medan prompten ovan begär en ny 9:16-version.

Jämför resultatet med 02: platsen och figuren bör förbli igenkännbara medan kameran och figuren skapar en synlig händelse. Här bär fönstrets utsiktspunkt mötet, även om den exakta rörelsen skiljer sig från skaparklippet i Fall 2. Om en ny generering ändrar figuren eller hoppar över gatan ska du minska den begärda rörelsen och köra igen från den godkända stillbilden.

Steg 3: Avsluta inlägget som fiktion

Håll den vertikala exporten tillräckligt kort för att avslöjandet ska landa. Titta på den i en telefon, kontrollera att hatten och vinken fortfarande är tydliga och använd musik eller atmosfär som du får publicera. TikTok säger att skapare bör märka realistiskt AI-genererat innehåll. En bildtext som ”fiktiv AI-fönsterscen” talar om för tittarna vad de ser utan att göra ett påhittat ögonblick till lokala nyheter.

Vad gör en återskapning värd att behålla?

Bedöm klippet efter händelsen det förmedlar, inte efter hur mycket bilden rör sig. Ett tydligt resultat har en igenkännbar plats, en figur i trovärdig skala, stabila kläder och hatt, fötter som förblir på marken och en reaktion som betraktaren faktiskt kan lägga märke till. Den bästa korrigeringen är oftast specifik: flytta figuren längre bort i stillbilden, skydda bakgrundens geometri eller förenkla rörelsen till en blick och en vink.

De verkliga inläggen ovan visar varför trenden fungerar i olika format. En filmredigering använder en bekant framställning och ändrar dess betydelse genom klippning. Ett AI-fönster- eller dörrklockeklipp hittar på ett möte mellan den sortens figur och en bekant plats. Betraktarens igenkänning och kamerans synvinkel bär skämtet.

Vanliga frågor

Är Cat in the Hat-AI-trenden gjord av bilder eller videor?

Båda. De tidiga mörka redigeringarna var videor gjorda av filmmaterial. Senare AI-inlägg innehåller enstaka bilder och korta klipp. Ett vanligt videarbetsflöde börjar med ett platsfoto, lägger till en fiktiv figur i en bildredigering och animerar sedan den bildrutan.

Kan en mall för ett klipp lägga till figuren i mitt fönsterfoto?

Kontrollera mallens förhandsvisning och indatakrav. CapCut-exemplet ovan kräver ett befintligt klipp. Att lägga till en ny figur i ett stillfoto är en separat bildgenererings- eller redigeringsuppgift om inte en viss mall uttryckligen innehåller det steget.

Behöver jag originalfilmmaterialet?

Nej. Formatet med fönster och dörrklocka kan göras med en egen kattliknande gestalt och ett platsfoto du får använda. Tillskriv en annan skapare när du diskuterar deras färdiga klipp i stället för att behandla det som ditt eget material.

Är observationerna på nattgatorna verkliga?

AI- och redigeringsexemplen som diskuteras här är fiktiva. När ett inlägg namnger en verklig plats eller antyder ett verkligt hot ska du verifiera påståendet innan du delar det. Artikelns produktionsprompter är för en tydligt märkt fiktiv scen.