VOCAFAQ · TRANSPARENT STATT BLACK BOX
Was VocaVid braucht.
Und was es kostet.
Die Werte unten stammen aus abgeschlossenen lokalen VocaVid-Jobs auf dem verwendeten RTX-4080-Setup. Sie sind eine realistische Orientierung, kein Leistungsversprechen: Modell, Auflösung, VRAM, Queue, Prompt und ComfyUI-Version beeinflussen jede Generation.
Was kostet ein VocaVid-Projekt?
VocaVid selbst rechnet nicht pro Bild oder Clip ab: Die Generierung läuft auf deinem Rechner mit deinen installierten Modellen. Die echten Kosten sind daher Rechenzeit, Strom und gegebenenfalls Lizenzen oder Zugangskosten der Modelle, die du zusätzlich einsetzt.
Wie lange dauert ein Musikvideo?
Der größte Faktor sind Clips und – falls verwendet – Avatare. Die folgenden Durchschnittswerte kommen aus der lokalen Job-Datenbank des Projekts auf einer RTX 4080:
| Schritt | Ø pro Einheit |
|---|---|
| Bild-Prompt | ~ 9 Sekunden / Segment |
| Bild | ~ 5 Sekunden / Segment |
| Video-Prompt | ~ 6 Sekunden / Segment |
| Avatar-Bild | ~ 1 Minute 29 Sekunden / Segment |
| Clip | ~ 1 Minute 22 Sekunden / Segment |
| Scene Plan | ~ 4 Minuten 37 Sekunden / verarbeitetem Segment* |
| MP4-Render | ~ 2 Minuten 33 Sekunden / Export |
| Reel-Analyse | ~ 45 Sekunden / Lauf |
* Die Streuung beim Scene Plan ist hoch, weil Songlänge, Batchgröße und Textmenge stark hineinspielen. Deshalb ist der Wert bewusst nur als grobe Planungshilfe gedacht.
Was brauche ich vor dem Start?
Python 3.11+, eine laufende ComfyUI-Instanz, FFmpeg und eine CUDA-fähige GPU sind die praktische Basis. Die konkreten Modelle und Custom Nodes richten sich nach dem ausgewählten Workflow. Die Workflow-Referenz liest die derzeit mitgelieferten JSON-Dateien aus.
Kann ich Timing und Segmentierung manuell korrigieren?
Ja. Nach „Analyze + Split“ lassen sich Start und Ende einzelner Zeilen, Gruppen von Zeilen und Instrumental-Passagen im Tabellenmodus kontrollieren. Das lohnt sich besonders vor Scene Plan und Rendern, weil alle späteren Schritte auf diesen Segmenten aufbauen.
Wofür brauche ich Kdenlive noch?
VocaVid erstellt ein editierbares Kdenlive-Projekt und rendert bei Bedarf direkt eine MP4. Kdenlive bleibt der Ort für den letzten Feinschnitt, Titel, individuelle Übergänge oder Farbkorrektur.
Entstehen Reels automatisch?
Nach dem finalen MP4 analysiert VocaVid musikalisch interessante Ausschnitte, erzeugt Vorschauen und exportiert die von dir gewählten Stellen vertikal. Die Auswahl bleibt bei dir; das Tool nimmt dir die Suche und den technischen Export ab.