
Musik schmiedn.
Songs. Stimmen. Stimmungen. Direkt aus deiner Idee.
Heid’n-Ruaf-Werkbank · keine bezahlten Ranglisten
Musik schmieden. Bilder bewegen. Stimmen zum Leben bringen. Hier steht ned jeder Hype – sondern des Werkzeug, des für echte Creator-Arbeit interessant is.

Songs. Stimmen. Stimmungen. Direkt aus deiner Idee.

Aus Standbildern werden Geschichten. Filme, Clips, ganze Welten.

Volle Kontrolle. Maximale Freiheit. Lokale KI für echte Macher.
Kuratiert für Musik, 9:16-Video und lokale Produktion
Vom Prompt über Stems, Audio-zu-MIDI und Personas bis zum Musikvideo – a überraschend vollständige neue Werkstatt.
Mozart AI öffnenDas Lied führt Mund, Ausdruck, Körperbewegung und Kamera – lokal und direkt aus dem Audio heraus.
S2V-Projekt öffnenHier werden KI-Clips zu einem fertigen Hochkant-Musikvideo: Beat, Untertitel, Schnitt, Ton und Export.
CapCut öffnen01 / MUSIK-KI
Zwanzig Werkzeuge im Blick. Suno steht vorn, Mozart AI schließt erstmals den Weg bis Studio und Musikvideo – und offene Modelle rücken näher an den eigenen Rechner.
Songs, Gesang, Speech, Studio, Alben und gemeinsame Workspaces. Studio 2.0 bietet präzisere Clip-Einstellungen; MIDI-Dateien starten Songs mit v6-wild. Suno Bridge bringt die Erzeugung als Mac-Beta direkt in Ableton Live 12.
Starke Musikgenerierung mit präzisem Editing; Downloads sind derzeit eingeschränkt.
Googles aktuelle Musikgeneration mit verbesserten Lyrics, Stimmen und kreativer Steuerung.
Komplette Songs, Lyrics, Studio, Stems, Audio-zu-MIDI, Personas und Musikvideos. Mozart hat die Guthabenänderung laut Update vom 2. November verschoben und nennt einen kontoweisen Rollout; Hans 2.0 soll in allen Bezahlplänen enthalten sein.
Musik, Stimmen und SFX v3 im ElevenCreative-Ökosystem; der offizielle MCP-Connector erzeugt zusätzlich Bild, Video und Lip-Sync aus ChatGPT, Claude oder Cursor. Scribe v3 ergänzt Transkription vorhandener Aufnahmen, v3 Live Echtzeit-Sprache über API und ElevenAgents.
Neuer Workspace mit Generate für Musik und Soundeffekte, Sampler für Sample-Pakete und Loops sowie Sessions als Mehrspur-Beta in Labs.
02 / VIDEO-KI
Modelle für filmische Szenen, Charaktere, Referenzen und Hochkant-Formate. Wan 2.2-S2V bekommt dabei den eigenen Platz als offene Brücke vom Lied zum singenden Bild.
Bis zu 30 Sekunden Audio und Video mit vielen Bild-, Video- und Audio-Referenzen. Dreamina ergänzt einen Multiframes-Ablauf mit bis zu zehn Schlüsselbildern und bis zu 54 Sekunden. Higgsfield bietet seit 12. November zusätzlich Flash-Entwürfe in 480p/720p und seit 11. November 4K für das Vollmodell.
Kling 4.0 ist über Runway Dev bestätigt: Text, Start-/Zwischen-/Endbilder sowie Bild- und Videoreferenzen führen 3–30 Sekunden Video in 720p oder 1080p mit Audio. Video-Editing folgt Länge und Format der Quelle.
Filmproduktion, Text- und Bild-zu-Video sowie ein wachsender Modell-Hub.
Veo 3.1 bleibt Googles Qualitätsmodell für Video und Audio. Zusätzlich ist Gemini Omni 1.2 Flash allgemein über Gemini API und Gemini for business verfügbar: 3–15 Sekunden, natives Audio, mehrstufiges Bearbeiten und stärkere Referenzführung bis 9:16.
Dynamische Bewegung, schnelle Iteration und zunehmend natives Audio.
Schnelle Effekte, Social-Formate und viele kreative Vorlagen.
PRAXIS-WORKFLOW
A durchgehender Heid’n-Ruaf-Weg: Musik erzeugen, Stimme sauber vorbereiten, mit Wan 2.2-S2V direkt vom Audio führen und in CapCut fertig montieren.
Liad als WAV exportieren; klare Stimme und stabile Lautstärke verwenden. Suno: Free ohne Songdownloads, Pro 20/Premier 60 monatlich; Studio-Exporte laut Anbieter unbegrenzt. Exportzugang vor der Videoarbeit prüfen.
Bei Bedarf Vocal-Stem und Begleitung trennen, damit der Mund sauber auf Nora reagiert.
Bild oder Pose-Video plus Lied einspeisen: S2V führt Mund, Ausdruck, Körper und Kamera aus dem Audio.
Maestro bietet editierbare Titel, getrennte Tonspuren und gezielte Final-Takes; Originalsong und Shot-Offsets beibehalten. Titel-Einblendungen nur in reservierten Lücken platzieren, damit der Gesang zeitlich unverändert bleibt. In WanGP erst 480p-Drafts prüfen, dann den gewählten Take finalisieren; 2K-IC-Detailarbeit ist eine zusätzliche Option. Nach Remake, Verfeinerung oder Hochskalierung Identität und jede gesungene Silbe erneut in Endauflösung mit dem Originalton vergleichen. MCP/ComfyUI bleiben optional; anschließend Endschnitt in CapCut. WanGP 19.292 verarbeitet unterstützte lange Videos abschnittsweise; für ausgeschlossene Refiner bleibt höherer RAM-Bedarf. Optionalen Gesangsstimmtausch für den Originalsong ausgeschaltet lassen.
Optional mit CapCut × Codex einen editierbaren Rohschnitt vorbereiten. In CapCut Desktop kann EditPilot wiederkehrende Timeline-Änderungen per Prompt übernehmen; Generative/Interactive Edit hilft bei ausgewählten Bildbereichen. Danach Beat-Schnitt, Untertitel, Übergänge, Farblook, Rechteprüfung und 9:16-Export für TikTok, Shorts und Reels selbst kontrollieren.
Dreamina Multiframes: Als zusätzliche Wolken-Option bis zu zehn Schlüsselbilder zu einer durchgehenden Szene von bis zu 54 Sekunden verbinden. Übergänge und Kamerabewegungen lassen sich beschreiben; danach Gesichter, Hände, Rhythmus und Anschlussfehler prüfen. Für exakten Gesang bleibt Wan 2.2-S2V beziehungsweise ein eigener Lip-Sync-Schritt nötig. Offizielle Anleitung
Bei echten Personen oder Stimmen nur mit Einwilligung arbeiten und KI-Video klar kennzeichnen.
03 / ALLES UNTER EINEM DACH
Für alle, die ned zehn Abos und zehn Oberflächen wollen. Die Karten zeigen den Schwerpunkt; die Matrix darunter macht die Unterschiede auf einen Blick sichtbar.
Viele Bild- und Videomodelle unter einer Oberfläche.
All-in-one-Kreativsuite für Bild, Video, Echtzeit-Generierung und markennahe Anzeigenentwürfe aus einer angegebenen Website.
Filmische Video- und Bildwerkzeuge, Shorts Studio für Avatar-Reels und jetzt GPU-Miete aus einem Chat in Claude, ChatGPT oder Supercomputer. Seedance 2.5 Flash ergänzt schnelle Entwürfe.
Adobe- und Partnermodelle mit erweitertem Creative Agent, Video-, Bild- und Designwerkzeugen. Plan Mode, gespeicherte Vorgaben und Firefly Graph verbinden mehrere Arbeitsschritte; neue Bereiche sind überwiegend Beta.
Bild, Video, Effekte und Sound in einer schnellen Creator-Oberfläche.
Eigene und fremde Modelle, Editing und Produktionswerkzeuge. App Studio baut Kreativ-Apps; Runway Ads erzeugt freizugebende Kampagnenvarianten. Der neue Runway-Dev-Pluginweg verbindet Claude Code, Codex und Cursor über MCP und offizielle Skills mit dem Runway-Dev-Konto.
| Plattform | Bild | Video | Audio | Lip-Sync | Referenz | 9:16 |
|---|---|---|---|---|---|---|
| OpenArt | — | — | ||||
| Krea | — | — | ||||
| Higgsfield | — | — | — | |||
| Adobe Firefly | — | — | ||||
| Pika | — | — | ||||
| Runway | — | |||||
| Freepik AI Suite | — | — | — | |||
| ImagineArt | — | — | ||||
| Artlist AI | — | — | ||||
| Luma Dream Machine | — | — | ||||
| Soundverse | — | — | — |
Die Matrix zeigt den Schwerpunkt der Plattform, ned jede einzelne Unterfunktion. Kosten, Modellzugang und Nutzungsrechte können sich ändern.
04 / LIP-SYNC
Für Gesang, Sprache, echte Menschen und KI-Figuren. Wan-S2V geht dabei weiter als bloße Lippen: Das Audio kann a ganze Performance treiben.
Lip-Sync und Dubbing mit sync-3. Offizielle Agent Skills trennen seit 7. November vorhandenes Video, KI-Video, Standbild, Übersetzung, Dialogkorrektur und Stapelverarbeitung; vor einer kostenpflichtigen Erzeugung zeigt der Agent die Schätzung und wartet auf Freigabe.
Audio-getriebene filmische Videogeneration: Ein Lied führt Mund, Ausdruck, Körperbewegung und Kamera.
Ausdrucksstarke KI-Charaktere mit Sprache, Gesang und Performance.
Überträgt eine gefilmte Performance auf eine Figur und ersetzt den alten Lip-Sync-Weg.
Avatare, Übersetzung und lippensynchrone Sprachversionen.
Mobile Creator-Suite mit KI-Schnitt, Avataren und Lip-Sync.
05 / OFFLINE-KI
Lokale KI kostet Zeit, Speicher und Strom – schenkt dir dafür Kontrolle über Modelle, Dateien und Workflows. Die Grafikkarte is dabei der Motor.
32 GB VRAM san a hervorragender Motor für große lokale Video-, Bild- und Musik-Workflows. Strom, Plattenplatz und Modelllizenz bleiben trotzdem wichtig.
LOKALE WERKZEUGBANK
Pinokio öffnet die Tür. Maestro plant die Produktion. ComfyUI, WanGP und Wan 2.2 geben dir die tiefe Kontrolle dahinter.
Pinokio 8.3.7 legt laut offiziellem Release die Grundlage für eine sicherheitsorientierte Plattform und veröffentlicht dafür Code-Signing- und Datenschutzregeln. Das Remote-Portal und die Reparatur bestehender Python-Umgebungen gegen das genannte eMudhra-Zertifikatsproblem stammen aus 8.3.1 und bleiben Teil der aktuellen Linie.
Maestro 4.1.1 ist auf Main und Dev verfügbar: H3 Remake, Director-Final-Takes, RelayVSR 2× und agentisch vorbereiteter Schnitt mit getrennten Titeln, Sprache, Musik und Effekten. H3 Image mit bis zu 16 Referenzen bleibt experimentell. MCP und ComfyUI bleiben optionale Wege.
Knotenbasierte Oberfläche für frei kombinierbare Bild- und Video-Workflows.
WanGP 19.292 ergänzt H3-Image mit bis zu 16 Referenzen, beschleunigte H3-Profile und speicherschonendes Fortsetzen/Nachbearbeiten langer Videos. H3 Regenerate 2K IC soll laut Projekt Identität und Lip-Sync besser bewahren. Showrunner kann optional mit SeedVC v1.0 Singing die Gesangsstimme ändern.
Eine der wichtigsten offenen Modellfamilien für lokale Videogeneration.
Schnelle offene Videomodelle für lokale Geschichten und Iterationen.
DER ZENTRALE BAUSTEIN
Generatoren liefern einzelne Teile. CapCut macht daraus Rhythmus, Erzählung und a fertiges 9:16-Video.
CapCut öffnen06 / WERKZEUGBANK
Generatoren san nur der Anfang. CapCut verbindet die Teile; Schnitt, Ton, Stems, Untertitel, Upscaling und Originalquellen machen daraus das fertige Werk.
Zentrale Endmontage für KI-Clips: CapCut × Codex bereitet editierbare Rohschnitte vor, EditPilot bearbeitet Desktop-Timelines per Prompt. Der neue AI Content Assistant verbindet Trend- und Referenzanalyse mit editierbaren Plänen, Skripten, Captions und visuellen Richtungen.
Schnitt, Farbe, Effekte und Ton für den fertigen Film.
Upscaling, Entrauschen, Schärfen und Zwischenbilder.
Konvertiert, schneidet, prüft und automatisiert beinahe jedes Medienformat.
Untertitel und Transkription direkt auf dem eigenen Rechner.
Stem-Trennung für Stimme, Schlagzeug, Bass und Begleitung.
07 / ALLGEMEINE KI
ChatGPT, DeepSeek, Grok und ihre stärksten Gegenspieler – ned nach Werbung sortiert, sondern danach, wofür sie wirklich taugen und wo ihre Grenzen liegen.
Allround-Assistent für Recherche, Schreiben, Bilder, Dateien, Programmierung und längere Arbeitsabläufe. GPT-6.1 Terra ergänzt einen schnellen Weg für Bildverständnis und präzise Computerbedienung. ChatGPT Images 2.6 ergänzt schnelleres Erzeugen, bessere Detailtreue bei Bearbeitungen, gespeicherte Referenzbilder und schrittweise ausgerollte GIF-Erstellung.
Anthropics Assistent für lange Dokumente, präzises Schreiben, Analyse und Programmierung; die Claude API ist auch Anthropic-verwaltet über Google Cloud erreichbar.
Multimodaler Google-Assistent für Suche, Workspace, Bilder, Audio, Video und direkt bearbeitbare Dateien. Seit 10. November ist Carbon über die Bezahl-API in AI Studio und Gemini for business verfügbar; in App, Antigravity und AI Mode läuft der Zugang für AI Ultra an.
Assistent von xAI mit Web- und X-Suche, Reasoning, Code, Sprache, Bildern und Video.
Reasoning- und Code-Modelle mit günstigen APIs. Zusätzlich öffnet DeepSeek die App-Funktionen Websuche, Datei- und URL-Eingabe sowie Sprache als Entwickler-APIs.
Antwortmaschine mit Websuche, Quellen und tiefen Rechercheläufen.
Assistent für Web, Windows und Microsoft 365 mit Text-, Bild- und Arbeitsfunktionen.
Schneller europäischer Assistent mit Recherche, Dokumenten und offenen Modelloptionen.
Alibabas mehrsprachige Modellfamilie für Chat, Code, Bilder, Audio und offene lokale Varianten.
Assistent von Moonshot AI mit Langkontext, Recherche und agentischen Funktionen.
Metas Assistent in Web und sozialen Plattformen mit Zugang zum offenen Llama-Ökosystem.
Agentischer Assistent, der Recherche-, Datei- und Webaufgaben über mehrere Schritte selbständig ausführt.
Googles Quellenwerkstatt für eigene Dokumente, Zusammenfassungen, Fragen und Audio-Überblicke.
Viele Modelle und Bots unter einem Konto mit eigenen Bot-Workflows.
Recherche- und Agentenplattform für Web, Dokumente und produktive Arbeitsläufe.
Technischer Assistent für Programmierung, Fehlersuche und Entwicklerfragen.
Gesprächsorientierter Assistent mit ruhigem, persönlichem Austausch.
Chatoberfläche für wechselnde offene Modelle aus dem Hugging-Face-Ökosystem.
Lokale, erweiterbare Chatoberfläche für Ollama, APIs, Dateien, Suche und eigene Wissenssammlungen.
Startet offene Sprachmodelle lokal und liefert den Motor für viele Desktop- und Weboberflächen.
08 / KI-NEWS
Keine generische Nachrichtenwand. Jede Meldung nennt die Originalquelle – und vor allem, was sie für Creator praktisch bedeutet.
Higgsfield GPU lässt Agenten Renderumgebungen auf gemieteten Cloud-GPUs einrichten. Seit 12. November bietet Seedance 2.5 Flash Entwürfe in 480p/720p; das Vollmodell unterstützt dort seit 11. November 4K. Shorts Studio für vertikale Avatar-Reels bleibt verfügbar (Meldung vom 3. November): Skript aus Thema, Bewegung aus Vorlage, 10 Sekunden bis zwei Minuten, längenabhängige Credits.
Die am 13. November bearbeitete FAQ bestätigt: Free 0, Pro 20 und Premier 60 Songdownloads monatlich. Derselbe Song mit weiteren Formaten oder Stems zählt einmal; Exporte aus Suno Studio bleiben unbegrenzt.
deepseek-flash kann Web- und Bildsuche, Datei-Eingaben, URL-Lesen und Sprachinteraktion in Messages, Responses und Chat Completions nutzen. DeepSeek übernimmt dabei die Werkzeugaufrufe und den Aufbau des Modellkontexts.
Die eigenständige Bridge-App erzeugt neue Instrumental- oder Vocal-Stems passend zu Tempo, Tonart, Harmonie und Groove einer Ableton-Session und setzt sie direkt auf die gewählte Timeline-Spur. Zum Beta-Start läuft sie auf macOS mit Ableton Live 12.
H3-Image verarbeitet bis zu 16 Referenzen; neue Beschleuniger und abschnittsweise Videonachbearbeitung ergänzen Regenerate 2K IC. Showrunner bietet optional SeedVC v1.0 Singing für andere Gesangsstimmen.
Project On Cue steuert den Zeitpunkt einer Videoaktion mit einem gezeichneten oder aus Musik gewonnenen Signal. Scene Sweep untersucht gleichmäßige Änderungen über Schnitte und Kamerawinkel hinweg.
Main und Dev bieten H3 Remake, Director-Final-Takes, RelayVSR 2× und agentischen Schnitt mit editierbaren Titeln sowie getrennten Sprach-, Musik- und Effektspuren. 4.1.1 korrigiert die Speicherplanung bei referenzreichen H3-Image-Aufträgen.
Google stellt Carbon in AI Studio und Gemini for business über die Bezahl-API bereit. In Gemini-App, Antigravity und AI Mode startet der Rollout für AI Ultra. Der Einführungspreis beträgt 2 US-Dollar je Million Eingabetokens und 10 je Million Ausgabetokens.
Firefly verbindet Szenenplanung, Schnitt, Untertitel und erzeugte Übergänge oder B-Roll. Plan Mode, gespeicherte Vorgaben und Firefly Graph unterstützen zusammenhängende Abläufe; Design erhält eine eigene Arbeitsfläche.
Scribe v3 transkribiert Aufnahmen; v3 Live ergänzt Echtzeit-Transkription mit Sprecherzuordnung. Beide Modelle sind über ElevenAPI verfügbar, Live zusätzlich in ElevenAgents. Der Anbieter nennt bessere Erkennung und mehr Steuerung für Fachbegriffe und Ausgabeformat.
Die Regie berücksichtigt laut Anbieter Bedeutung und Ton des Liedes. Figuren lassen sich beschreiben oder per geführter Kameraaufnahme vorbereiten. Mehrere ausgewählte Shots können gemeinsam überarbeitet werden; der Gesamtpreis wird vor dem Bezahlen gezeigt.
OpenAI will Advanced und Standard Voice am 11. Dezember 2026 ablösen und die Sprachunterhaltung auf GPT-Live konzentrieren. Live-Video und Bildschirmfreigabe bleiben zunächst bei Advanced Voice, bis GPT-Live sie unterstützt.
Fable 5.2 ist über die Claude API verfügbar. Gegenüber Fable 5.1 nennt Anthropic Verbesserungen bei Code, Schlussfolgern und Bildverständnis. Der Standardpreis sinkt auf 8 US-Dollar je Million Eingabe- und 40 US-Dollar je Million Ausgabetokens. Mythos 5.2 basiert auf demselben Modell und ist nur für Organisationen in Anthropics Verifizierungsprogrammen zugänglich.
Einen eigenen Song hochladen, eine fertige Gestaltung wählen und das erste Lyric-Video herunterladen. Die Produktseite nennt auch 9:16. Weitere Songs, KI-Musikvideos und Spotify-Canvas-Clips sind vom Gratisangebot nicht umfasst.
Die offizielle Dokumentation beschreibt getrennte Agent Skills für Lip-Sync mit vorhandenem Audio oder Text, KI-Video, sprechende Standbilder, Übersetzung, Dialogkorrektur und Stapelverarbeitung. Der Lip-Sync-Skill nutzt standardmäßig sync-3, zeigt vor der kostenpflichtigen Erzeugung eine Schätzung und wartet auf Freigabe.
Splice Create ist eine eigenständige Komplett-DAW mit Splice-Katalog, Instrumenten, Effekten, eigenen Samples und VSTs. Rheo reagiert auf Text oder Sprache: Im Assist-Modus führt es Änderungen aus, im Point-Modus erklärt es Produktionsschritte direkt in der Oberfläche.
Der aktuelle offizielle Release 8.3.7 legt laut Pinokio die Grundlage für einen sicherheitsorientierten Ansatz. Der Release nennt außerdem eine Code-Signing-Richtlinie und die Datenschutzregel, dass Pinokio ohne ausdrückliche Anforderung durch Nutzer oder Betreiber keine Informationen an vernetzte Systeme überträgt.
Google stellt Gemini Omni 1.2 Flash allgemein über Gemini API und Gemini for business bereit. Das Modell erzeugt native 3–15-Sekunden-Videos mit Audio, bearbeitet Clips über mehrere Gesprächsschritte und kann Bilder, kurze Bewegungsreferenzen und Audiohinweise kombinieren. Google nennt 9:16, 360p bis 4K sowie einen Preis von 0,07 US-Dollar pro Sekunde für 720p.
Der neue Workspace vereint Projekte und Erzeugungen. Generate erstellt und bearbeitet Musik oder Soundeffekte, Sampler erzeugt Sample-Pakete und Loops. Sessions liegt als Mehrspur-Beta mit editierbarem Acht-Spur-Deck in Labs.
OpenAI veröffentlicht ChatGPT Images 2.6 sowie GPT Image 2.6 Sunburst und Flare. Die neue Linie soll schneller erzeugen und Details über Bearbeitungen besser bewahren. In ChatGPT kommen gespeicherte Referenzbilder und schrittweise GIF-Erstellung hinzu; die API unterstützt unter anderem SVG, animierte GIFs und markup-geführte Bearbeitung.
Eigene .mid- oder .midi-Dateien lassen sich auf die Create-Seite ziehen oder über das Plus-Menü hinzufügen. Zum Start gilt Simple Create mit v6-wild für Pro und Premier.
Main und Dev erhalten einen erweiterten Editor, optionale lokale und authentifizierte Remote-MCP-Verbindungen sowie explizit wählbare ComfyUI-Wege. Native bleibt Standard; ComfyUI wird separat installiert und verwaltet.
Der experimentelle Windows-x64-Manager öffnet für Downloads aus dem App-Fenster jetzt den Windows-Speichern-unter-Dialog. Ordner und Dateiname lassen sich auswählen, Ersetzen bestätigen oder der Download abbrechen; der zuletzt gewählte Ordner bleibt für den nächsten Download erhalten. Der Browser-Modus bleibt unverändert.
OpenAI führt den Pro-500-Tarif für 500 US-Dollar pro Monat ein. Er enthält Ultrafast für GPT-6 Astra und GPT-6.1 Sol sowie die höchste enthaltene Nutzung der drei Pro-Stufen. Pro 200 ist wieder für neue Abonnements erhältlich; die Work- und Codex-Kontingente wurden je nach bestehender Stufe angehoben.
Der offizielle ElevenLabs-MCP-Connector erzeugt in ChatGPT, Claude, Cursor und weiteren Clients Sprache, Transkripte, Dubs, Musik, Soundeffekte, Bilder, Video und Lip-Sync. Ergebnisse landen im eigenen ElevenCreative-Workspace und lassen sich dort in Studio weiterbearbeiten.
SFX v3 ist in allen ElevenLabs-Workspaces verfügbar und in ElevenCreative für Sound Effects, Studio, Flows und Video to Music voreingestellt. Das Modell folgt mehrteiligen Anweisungen genauer, verarbeitet Prompts mit Musik oder Gesang besser und unterstützt nahtlose Loops per API.
Ortsreferenzen, gezielte Reparaturen und Deep Review bleiben erhalten. Ein Shot-Längenbereich und „Render now“ erlauben einzelne manuelle Shots ohne Sprachmodell; optional spricht MiniMax H3 direkt im Videomodell.
Runway veröffentlicht offizielle Dev-Plugins, die ein Runway-Dev-Konto über MCP und Runway-Skills mit Codex, Claude Code oder Cursor verbinden. Der Agent kann verfügbare Projekte, Modelle, Preise, Grenzen und Guthaben lesen, passende Router oder Workflows einrichten und Fehlerdetails zur Fehlersuche abrufen.
CapCuts neuer AI Content Assistant nimmt Links, Bilder, Videos, Dokumente oder Beschreibungen als Referenz, untersucht unter anderem Hook, Struktur, Tempo und Bildsprache und hilft daraus einen editierbaren Content-Plan, Skripte, Captions und visuelle Richtungen zu entwickeln.
Das neue persönliche Portal bündelt die eigenen Apps auf mehreren Pinokio-Rechnern. Der Release blockiert außerdem das genannte eMudhra-Zertifikatsproblem in Kernmodulen und App-Umgebungen, aktualisiert zentrale Laufzeit-Werkzeuge und repariert bereits bestehende Python-Umgebungen automatisch.
Das Update vom 2. November nennt externe Abhängigkeiten und einen geplanten Rollout in dieser Woche. Bis zur tatsächlichen Kontoumstellung bleibt der bisherige Zugang bestehen; Hans 2.0 ist für alle Bezahlpläne vorgesehen.
Der am 1. November ergänzte Changelog beschreibt Medienwahl, Lip-Sync, Übersetzung und Ergebnisvergleich im ChatGPT-Plugin. Advanced Studio kann ausgewählte Zeitabschnitte beim Dubbing mit „No lipsync“ erhalten.
Deepy Prime plant aus einem Briefing Produktionen von bis zu zehn Minuten, besetzt und erzeugt Shots, prüft Takes, wiederholt fehlerhafte Aufnahmen und setzt den Schnitt zusammen. Für Musikvideos folgen die Shots laut Projekt Songteilen und Takten; Sänger können lippensynchron geführt werden. Plan, Takes, Reshoots und Versionen bleiben für die Regie kontrollierbar.
DeepSeek stellt dsh-superagent als MIT-lizenziertes Bündel für DeepSeek Harness bereit. Es nimmt autorisierte Aufgaben aus GitHub und optional Feishu an, bearbeitet sie in getrennten Sitzungen und kann Ergebnisse als Pull Request zurückgeben.
Die Gemini-App kann Dokumente, PDFs, Präsentationen, Tabellen, Markdown-, Text- und Codedateien erzeugen, in einer Vorschau öffnen und manuell oder per Prompt bearbeiten. PDFs funktionieren im Web und mobil; die übrigen Formate im Web.
Kreas Ad Studio liest eine angegebene Website, übernimmt dort gefundene Marken- und Produktinformationen und erzeugt mit Krea 3 Anzeigenvarianten. Krea bezeichnet es als ersten spezialisierten Krea-3-Expert.
Suno verlegt Lautstärke, Tonhöhe, Loop, Reverse und Time-Stretch in eine größere Seitenleiste. Importiertes Audio kann wahlweise automatisch ans Projekttempo angepasst werden; gemeinsam hochgeladene Stems und Clips ohne gleichmäßigen Beat behalten ihr Timing. Tonhöhen lassen sich jetzt in Halbtönen und Cent eingeben.
Suno verbindet seine Songerzeugung mit ChatGPT, Claude, Claude Code und weiteren MCP-Clients. Aus einem Chat lassen sich neue Songs aus Text oder eigenem Audio anstoßen sowie vorhandene Bibliotheksstücke remixen; Ergebnisse landen in der Suno-Bibliothek.
Google kündigt Carbon als Nachfolger im Frontier-Bereich für lange Engineering-Aufgaben, Programmierung und Cyberabwehr an. Der erste Zugang erfolgt für ausgewählte Cyberabwehr-Partner über das Fairwind-Programm sowie im Rahmen von Vorabtests; eine breitere Einführung für Entwickler, Unternehmen und Privatnutzer ist angekündigt.
App Studio erstellt und hostet auf Bezahlplänen eine beschriebene Kreativ-Anwendung mit Runway-Modellen, eigenen Dateien und Markenmaterial. Runway Ads liest erfolgreiche Kampagnen auf Meta, Google und TikTok, erzeugt passende Varianten und veröffentlicht die vom Nutzer freigegebenen Fassungen.
Google führt Argon als stabiles Modell in Gemini API und AI Studio. Das einheitliche Fenster umfasst bis zu 1.048.576 Eingabe-, Denk- und Ausgabetokens; per Hintergrundausführung kann eine Antwort über 64K hinaus bis an diese gemeinsame Grenze fortgesetzt werden. Agentische Videoanalyse ist allgemein verfügbar.
Apple kündigt für November eine kostenlose Aktualisierung für bestehende Creator-Studio-Abonnenten an: Logic Pro erhält auf dem Mac einen Assistenten als Beta, einen erweiterten Stem Splitter für einzelne Schlagzeugteile und einen neu geordneten Sound-Browser. Final Cut Pro integriert MotionVFX-Inhalte und einen direkten Pixelmator-Pro-Ablauf; Pixelmator Pro ergänzt Generate Fill.
OpenAI hat GPT-6.1 Terra für visuelles Schlussfolgern, präzise Computerbedienung und natürliche Texte veröffentlicht. Das Modell ist in ChatGPT Work und Codex für Plus, Pro, Business, Enterprise und Edu sowie über Responses und Chat Completions verfügbar.
Bei neu angelegten Bezahlprojekten der Gemini Generate Content API ist die Speicherung für generateContent, streamGenerateContent und batchGenerateContent nun standardmäßig aktiv. Bestehende Projekte behalten ihre bisherige Einstellung.
Der aktualisierte EditPilot bearbeitet auf CapCut Desktop komplexe oder wiederkehrende Timeline-Aufgaben per natürlicher Sprache. Generative und Interactive Edit ermöglichen Änderungen an direkt ausgewählten Bereichen im Vorschaufenster; Web-Ausbau, breiter ChatGPT-Plugin-Ablauf und agentische Erstellung wurden für kommende Monate angekündigt.
Die neue World-Galerie lässt mit Hy-Nomas 8B aus einer Textbeschreibung und mit EVOKE Turbo 14B aus einem Startbild erkundbare Szenen entstehen. Frühere Ansichten beziehungsweise Tiefeninformationen helfen, Orte beim Weitergehen wiederzuerkennen; Wege lassen sich speichern, filmen oder als Ausgangspunkt weiterer Generationen verwenden.
Die veröffentlichte Main- und Dev-Version ergänzt Fish Drama 3 Small, Referenzstimmen und begrenzte Streaming-Synthese, verbessert Speech-Entwürfe sowie H3-Director-Reparaturen und übernimmt die 3.2-Erweiterungen für Soundtrack-Rollen, FastH3 und Qwen Image 2.1.
Dreamina beschreibt für seinen Seedance-basierten Multiframes-Ablauf bis zu zehn Bilder in einer Folge, beschreibbare Übergänge und Kamerabewegungen sowie durchgehende Videos von bis zu 54 Sekunden.
Die Runway-API bietet Kling 4.0 mit 3–30 Sekunden, 720p/1080p, Bild- und Videoreferenzen sowie erzeugtem Audio. Auch gezielte Bearbeitung eines Quellvideos ist dokumentiert.
Suno unterstützt in seiner iOS-App ab Version 1.93 die Wiedergabe eigener Songs und Playlists auf AirPlay-kompatiblen Lautsprechern, Fernsehern und Smart-Home-Geräten. Außerdem passt sich die App an das Display des iPhone Duo an.
CapCut beschreibt einen offiziellen Codex-Ablauf, der aus Prompts oder hochgeladenem Material einen editierbaren Videoentwurf erstellt. Reihenfolge, Dauer, Medien, Text, Audio, Untertitel und Struktur lassen sich per natürlicher Sprache ändern; für Feinarbeit kann die Timeline in CapCut geöffnet werden.
Anthropic betreibt die Claude API jetzt als verwalteten Dienst, der über ein Google-Cloud-Projekt erreichbar ist; IAM steuert den Zugriff und der Marketplace die Abrechnung. Für Opus 5.5 ist dort auch der Schnellmodus verfügbar.
AlphaGen erzeugt transparente Video-Freisteller und passende Masken. Motion Track Control führt Objekte oder Kamera über bis zu drei Pfade; Video Guide nutzt Pose, Tiefe oder Kanten. Ein Assistent plant Aufträge mit einem lokalen Modell oder Gemini-API-Zugang.
MOSS-TTS 1.5 unterstützt mehrsprachige Dialoge, steuerbare Pausen und bis zu drei Referenzstimmen. Krea 2 Edit v2 bietet allgemeine Bildkorrekturen sowie Identity Edit für Szenen, Kleidung und Posen bei erhaltener Ähnlichkeit.
DeepSeek veröffentlicht V4.1-Flash-1017 für agentische Programmier- und Projektaufgaben und öffnet zusätzlich seine Search- und Fetch-APIs. Search liefert strukturierte Webtreffer; Fetch gibt eine einzelne Seite als Markdown zurück.
Pro- und Premier-Nutzer können eine Songbibliothek in einem Workspace mit eingeladenen Personen teilen. Premier ergänzt teilbare Custom Models mit verdoppelten Eingaben.
Kreas Produktankündigung beschreibt ein verfügbares Bildbearbeitungsmodell mit nativem 2K, gezielten Änderungen und konsistenten Figuren oder Produkten über mehrere Referenzbilder.
xAI stellt sein neues Speech-to-Speech-Modell in der API bereit. Anwendungen mit dem Alias grok-voice-latest wurden laut Anbieter automatisch umgestellt.
Suno Studio erkennt den ersten Taktschlag neuer Clips genauer, streckt Clips per Umschalt-Klick-Ziehen auf das Projekttempo und bietet exponentielle sowie logarithmische Fade-Kurven. Synthesizer, Bildschirmklaviatur und erweiterte Plug-in-Ansichten lassen sich zudem in eigene Fenster auslagern.
Anthropic beschreibt Haiku 5.5 als sein schnellstes kleines Modell für kurze, häufige Aufgaben wie Zusammenfassungen, Klassifikation, Browser- und Computerarbeit. Das Modell ist auf Claude, in der Claude Platform sowie über AWS, Google Cloud und Microsoft Azure verfügbar; Sonnet-5.5-Cache-Lesezugriffe wurden zugleich günstiger.
Auf Web, iOS und Android lassen sich Songs jetzt als Album veröffentlichen; Follower erhalten beim Veröffentlichen eine Push-Mitteilung. Bestehende Playlists können laut Suno-Anleitung in ein Album umgewandelt werden.
Die offizielle Version 2.6.0 ergänzt laufende Video- und Bildvorschauen, lange Referenz- und Kontroll-Timelines sowie einen eigenen LongCat-Avatar-Ablauf mit Ein- oder Zwei-Sprecher-Steuerung.
Speech erzeugt gesprochene Stimme und eigens komponierte Hintergrundmusik gemeinsam in einer Spur. Laut Suno ist die Beta jetzt für alle Nutzer geöffnet.
Der Images-to-Video-Composer verbindet Startbild, Endbild, Keyframes und Referenzbilder in einem gemeinsamen Ablauf.
DeepSeek führt V4.1 Flash als schnelle aktuelle Modelllinie; V4 Pro bleibt die stärkere Variante für anspruchsvollere Aufgaben.
v6, v6-wild und v6-mini bringen mehr Kontrolle, multimodale Eingaben und gezielte Bearbeitung einzelner Songteile.
Die neue Version verbessert unter anderem Speicherverwaltung und die Struktur installierter Apps.
ByteDance nennt bis zu 30 Sekunden pro Generierung sowie umfangreiche Bild-, Video- und Audio-Referenzen.
Verbesserte Musikalität, Lyrics, Stimmen und Steuerung von Tempo und Dauer.
OpenAI stellte die Sora-Erlebnisse am 26. April und die API am 24. September 2026 ein.
Udio bestätigt, dass Audio-, Video- und Stem-Downloads im Zuge der Partnerschaftsänderungen deaktiviert sind.
Text- und Bild-zu-Video laufen mit zwei bis zehn Sekunden langen Ausgaben; Runway erweitert den Produktionsweg laufend.
Luma nennt schnellere und günstigere Generation sowie bessere Stabilität bei Video-to-Video.