Chinesische Schrift in Videos ist immer unscharf. Dreamina übergibt das Setzen dem Code

Wer erklärende Videos produziert, kennt denselben Schmerz: Das Bild mag noch so gut aussehen, die Schrift darin bleibt unscharf. Aus einem Titel mit drei Zeichen werden sechs, Indizes in einer Formel verrutschen, und ein Datenlabel wird in der zweiten Sekunde zu einer anderen Zahl. Damit Untertitel lesbar bleiben, machen am Ende alle dasselbe: das generierte Bild als Hintergrund nehmen, CapCut öffnen und echten Text Schicht für Schicht darüberlegen.
Das Motion Studio, das Dreamina am 10. November gestartet hat, geht einen anderen Weg. Es generiert keine fortlaufenden Frames, sondern lässt das Modell Code schreiben, und dieser Code ordnet Layout, Auftrittsreihenfolge und Bewegungsrhythmus von Text, Bildern und Formen. Die offizielle Formel: eine Idee in Worten beschreiben, das Bild per Code kompilieren.
Das klingt nach Werbesprache, die technische Bedeutung ist klar: Text wird von einer Layout-Engine gerendert, nicht von einem Diffusionsmodell gemalt. Gemalte Zeichen werden unscharf, gesetzte nicht.
Ein 60-Sekunden-Video: achteinhalb Minuten, 82 Credits
Erst die Rechnung, denn sie entscheidet, ob das Werkzeug in den Alltag passt.
Das Motion Studio erreicht man derzeit, indem man sich im Desktop-Browser bei Dreamina anmeldet und den Einstieg links auf der Startseite nutzt. Bildformat und Dauer lassen sich einstellen, vor der Generierung erscheint der geschätzte Creditverbrauch, das Ergebnis lädt direkt herunter. Dreamina veröffentlicht für die Funktion keine eigene Preisliste, abgerechnet wird über Credits.
Die Messungen von Jiqizhixin sind konkret: Ein 60-sekündiges Erklärvideo brauchte rund achteinhalb Minuten und 82 Credits, ein 3-Minuten-Video etwa 13 Minuten. Das Tempo ähnelt eher Tee kochen, zurückkommen, zweite Fassung korrigieren. Ein Klick und fertig funktioniert nicht.
Die Wartezeit ist plausibel, weil mehr passiert als eine Sequenz zu erzeugen. Zuerst werden Absicht und Plan erfasst, dann Stimme und Bild getrennt generiert, composited und gerendert, am Ende wird das Ergebnis einmal geprüft. Vier Schritte in einem Klick, achteinhalb Minuten sind nicht langsam.
Warum Frame-Generierung beim Chinesischen verliert
Um den Wert dieses Wegs zu verstehen, muss man eine Tatsache anerkennen: Wenn ein Videomodell Chinesisch zeichnet, zeichnet es Formen und schreibt keine Zeichen.
Diffusionsmodelle erzeugen Text über Pixelverteilungen. Glyphen aus den Trainingsdaten lassen sich nachahmen, unbekannte Kombinationen werden geraten. Englische Wörter sind kurz, haben wenige Buchstaben und viele gängige Kombinationen, das geht meist gut. Ein chinesisches Zeichen ist für sich eine komplexe Struktur mit vielen Strichen und dichten Komponenten, und das Modell kennt keinen Begriff von Zeichen, nur den von dieser Fläche, die Tinte sein sollte. Aus der Ferne liest sich das als Text, aus der Nähe ist es falsch.
Das erklärt, warum viele Vorschaubilder von KI-Videos auf den ersten Blick hochwertig wirken und beim Zoom nur Gekritzel zeigen. Es erklärt auch, warum Teams in China, die KI-Kurzdramen oder KI-Sprechvideos produzieren, am Ende ins Schnittprogramm zurückkehren und Untertitel neu tippen. Das ist kein Geschmacksproblem, die Erzeugungsmethode passt schlicht nicht zum Objekt.
Genau diese Schicht ersetzt das Motion Studio. Text geht an eine codebasierte Satzumgebung, Schriftart, Größe, Schnitt, Zeilendurchschuss und Umbruch folgen Layoutregeln, und das Modell entscheidet nur, wann etwas erscheint, wo es hereinkommt und wie lange es bleibt. Mit der neuen Arbeitsteilung verschwindet die Unschärfe an der Wurzel.
Was Code-Layout löst und was nicht
Gelöst werden Schärfe und Kontrolle. Titel, Formeln, Datenlabels, alles was eine eindeutige Glyphe braucht, hat nun einen eindeutigen Renderingpfad. Für chinesische Inhalte ist das besonders wichtig, weil die Informationsdichte hoch ist, viele Zeichen auf einen Bildschirm passen und der Fehlerspielraum klein ist.

Wichtiger ist die Kontrolle. Frame-Generierung ist ein Glücksspiel: Der Titel soll in der dritten Sekunde von links hereingleiten, das Modell blendet ihn von unten ein, und drei neue Versuche kosten Geld. Code-Layout ist reproduzierbar. Ändert man einen Parameter, bewegt sich dieser Parameter, der Rest folgt nicht. Auch die Iteration folgt dieser Logik: die fehlerhafte Stelle einzeln korrigieren, statt alles neu zu bauen.
Nicht gelöst wird die inhaltliche Richtigkeit. Der Test von Jiqizhixin sagt das deutlich: In einer Demo zur Entwicklung chinesischer Schrift enthielt die erste Fassung falsche Glyphen, korrigiert erst nach Lieferung von Referenzmaterial. Der Code garantiert, dass Zeichen klar gesetzt sind, nicht dass sie richtig geschrieben wurden. Bei Fachwissen, seltenen Zeichen und Terminologie müssen Creators weiterhin Bild für Bild prüfen.
Eine eigene Einschätzung: Diese Grenze werden viele übersehen. Je besser ein Werkzeug funktioniert, desto eher hält man die Ausgabe für richtig. Das Motion Studio löst, dass das Bild nicht nach KI aussieht. Die restliche Frage, ob der Inhalt nach Mensch aussieht, liegt außerhalb seines Bereichs.
Der eigentliche Gegner ist nicht Seedance
Von der Positionierung her sind Motion Studio und die Seedance-Reihe keine Substitute. Seedance zielt auf realitätsnahes Material: Licht, Oberfläche, natürliche Bewegung. Motion Studio arbeitet mit Grafik und Layout und betont Stil, Rhythmus und das Zusammenspiel von Ton und Bild. Das eine macht Aufnahmen, das andere ein Layout.
Der echte Gegner ist die Vorlagenbibliothek von CapCut und sind Workflows, die Canva oder Figma mit manuellem Layout kombinieren. Sie bedienen denselben Bedarf: ein kurzer Clip mit Rhythmus, lesbarem Text und passender Musik. Ihre Stärke ist Verlässlichkeit, ihre Schwäche, dass jedes Mal von Hand gebaut wird.
Das Motion Studio setzt bei einem Satz hinein, die Struktur baut sich selbst an. Ein Substantiv genügt, und Erklärstruktur, Erzähltempo und Stimme kommen mit. Auf der Vorlagenseite gibt es Zeichenanimation, Retro-Pixel, geometrische Animation und kreative Collage, die visuellen Sprachen reichen von geometrischer Abstraktion über ASCII und Pop bis Y2K. Nach der Auswahl füllen sich Beispiel-Prompts ein, Thema, Text und Farben lassen sich ändern, eigenes Material lässt sich hochladen.
Diese Kombination passt zu einer Inhaltsart besonders gut: Erklärvideos. Die Vibe-Knowledge-Videos auf Douyin und Bilibili, die Entropie oder rekursive Selbstverbesserung in animierte Erklärstücke mit Stimme und Musik verwandeln, sind genau das Ziel. Hohe Informationsdichte, klare visuelle Anforderungen, keine Notwendigkeit für Realfilm-Textur: der Fall, in dem Frame-Generierung am unwirtschaftlichsten und Code-Layout am wirtschaftlichsten ist.
Studialisierung: den Workflow zum Produkt machen
Vor dem Motion Studio brachte Dreamina am 26. Oktober ein Kurzdrama-Studio heraus, und kündigte ein Marketing-Studio für E-Commerce und Markenkommunikation an.
Die drei Studios zusammen zeigen eine klare Logik: nicht Fähigkeiten pro Modell verkaufen, sondern Ergebnisse pro Szenario. Nutzer müssen den Unterschied zwischen Seedance und einer Motion-Engine nicht kennen, sie müssen nur wissen, dass sie ein Kurzdrama, eine Erklärung oder ein Produktbild wollen. Den Rest übernimmt das Produkt.
Das ist die gemeinsame Entscheidung der chinesischen Videowerkzeuge in diesem Jahr. Die Abstände zwischen den Modellen schrumpfen, und wer den kürzeren Weg hat, mit weniger Wechseln und weniger Export und Import, bleibt. Das Motion Studio presst die vier bis fünf Schritte von früher, Modell schreibt Code, Browser führt aus, Bildschirmaufnahme exportieren, Stimme und Musik ergänzen, in einen Klick.
Was mich noch nicht überzeugt
Erstens, achteinhalb Minuten für 60 Sekunden sind für Serienproduktion noch langsam. Teams mit mehreren Dutzend Videos pro Tag starten entweder mehrere Aufträge parallel oder heben das Werkzeug für wichtige Stücke auf.
Zweitens, die Transparenz der Credits reicht nicht. Eine Schätzung vorab ist gut, aber was 82 Credits kosten, hängt vom gebuchten Tarif ab, was die Kalkulation pro Video bei der Planung erschwert.
Drittens, der praktischste Punkt: vorlagenbasierte Motion-Videos sehen sich schnell ähnlich. Wenn geometrische Animation, ASCII und Y2K oft genutzt werden, erkennt das Publikum das Werkzeug in drei Sekunden. Die Plattform liefert einen Startpunkt, die Differenzierung muss man selbst ergänzen.
Wer testen will, sollte mit einer 60-sekündigen Erklärung beginnen, zu einem Thema, das man selbst gut kennt und das Modell nicht, etwa ein interner Ablauf einer Branche. Dann sieht man beides gleichzeitig: ob das Layout wirklich klar ist, und wie sehr der Inhalt danebenliegen kann.
Verwandte Artikel
Eine community-gepflegte Tabelle von Taps, die Werbung in chinesischen Android-Builds abschaltet
Es fasst das System nicht an, entsperrt nichts, flasht nichts. Es legt nur die Schalter um, die die Hersteller ohnehin vorgesehen haben. Der Preis ist eine Liste, die jemand weiterführen muss.
GPT Image 2.6 hielt den Tokenpreis und erhöhte die Rechnung
GPT Image 2.6 übernimmt jeden Tokenpreis von 2.5 und kostet pro Bild dennoch mehr, weil ein größerer Teil der Arbeit in Ausgabe-Token landet. Elf Tage nach dem Start sagt die Preisstruktur mehr als jede Rangliste.
Jemand hat IDM von außen nachgebaut und aufgeschrieben, was er nicht angefasst hat
Eine Rust-Neuimplementierung von Internet Download Manager verspricht 5x Tempo und 86 Sprachen. Das interessantere Dokument ist der Absatz, der erklärt, wie sie ohne jede Kopie entstanden ist.
Rune ist ein Rust-UI-Framework, das gebaut wurde, damit ein Agent seine eigene Arbeit prüfen kann
Rune rendert headless, gibt seinen Elementbaum aus und nimmt geskriptete Eingaben an. Damit bekommt ein Coding-Agent ein Signal zum Diffen, das ein Screenshot nie liefert. Das Framework ist Pre-Release und nimmt keine Pull Requests an.