Video-Ads mit RunPod

Was es kostet

Der Pod wird am Ende der Sitzung gelöscht: Ein gestoppter, aber nicht gelöschter Pod kostet weiter. Ohne Laufwerk bleibt nichts mehr zu bezahlen.

Schritt 1 — Konto, SSH-Schlüssel, Laufwerk

1. Erstellen Sie das Konto auf runpod.io und laden Sie Guthaben auf.
2. Hinterlegen Sie unter Settings → SSH Public Keys Ihren öffentlichen Schlüssel (~/.ssh/id_ed25519.pub; falls Sie keinen haben: ssh-keygen -t ed25519). Die Skripte nutzen ~/.ssh/id_ed25519; für einen anderen Schlüssel setzen Sie vorher RUNPOD_SSH_KEY=/pfad/zum/schluessel.
3. Das Netzlaufwerk ist optional, und oft fährt man ohne besser. Ein Network Volume mit 200 GB hält die Modelle (rund 176 GB) und erspart das erneute Herunterladen, kostet aber 14 $ im Monat und bindet dich vor allem an sein Rechenzentrum: Der Pod entsteht zwangsläufig dort, und fehlt dort die passende GPU, steckst du fest. Ohne Laufwerk lädt die Vorlage die Modelle beim Start selbst herunter: mit download_wan22=true (stumme Szenen) und download_wan21=true (Sprechclips) dauert das 1-3 Minuten, ein paar Cent. Die InfiniteTalk-Dateien lädt die Vorlage dagegen nicht: Wenn du Sprechclips brauchst, füge sie wie in Schritt 3 hinzu (ein paar Minuten). So nimmst du die GPU in jedem Rechenzentrum, in dem es sie gibt. Geprüft am 2026-09-21 auf einem Pod ohne Laufwerk: stumme Szenen, Sprechclips und Bilder. Das Laufwerk lohnt sich nur, wenn du täglich generierst oder eigene Modelle hast: Dann leg es dorthin, wo die RTX PRO 6000 am häufigsten verfügbar ist, nie in ein Rechenzentrum, das nur GPUs mit 32 GB hat.

Schritt 2 — Der Pod

💡 Lassen Sie Claude das machen. Wenn Sie Ihr RunPod-Konto mit Claude Code verbinden, erstellt Claude den Pod selbst, stoppt ihn, sobald die Clips heruntergeladen sind, und löscht ihn (nur mit Ihrer Bestätigung): keine vergessenen laufenden Pods. Die offizielle Verbindung von RunPod, im Terminal, mit Ihrem RunPod-API-Schlüssel (Settings → API Keys): claude mcp add --transport http runpod -s user https://mcp.getrunpod.io/ --header "Authorization: Bearer <Ihr API-Schlüssel>", danach /mcp in Claude Code zum Neuladen. Vollständige Anleitung und Alternativen: github.com/runpod/runpod-mcp. Ohne Verbindung erstellen Sie den Pod selbst, wie unten beschrieben.

Empfohlene Vorlage: "One Click - ComfyUI Wan2.1 - Wan 2.2" (Autor Hearmeman, id 758dsjwiqz). Beim Erstellen:

• GPU: RTX PRO 6000 Blackwell (96 GB) in Secure Cloud. Mit weniger RAM treiben die vollen Modelle (je 28 GB) den Pod beim Laden des zweiten aus dem Speicher.
• Die GPU muss eine Blackwell sein, keine ältere Karte. Ist die PRO 6000 nicht verfügbar, weiche auf eine andere Blackwell im selben Rechenzentrum aus (die RTX PRO 4500 mit 32 GB kostet 0,72 $ pro Stunde, reicht aber nur für stumme Szenen: Sprechclips laufen selbst bei 7 Sekunden aus dem Speicher). Auf älteren Architekturen — A100, 4090, 5090 — gelingen die stummen Wan-Szenen einwandfrei, aber InfiniteTalk liefert ein Bild und dann Schwarz: Das Sprechmodell läuft in NaN und meldet keinerlei Fehler, weder im ComfyUI-Log noch in orchestrate.sh, das DONE schreibt und einen schwarzen Clip herunterlädt. Du merkst es erst, wenn du die Datei öffnest.
• Laufwerk: keines (empfohlen). Wenn Sie ein Network Volume haben, mounten Sie es auf /workspace.
• Variablen der Vorlage: ohne Laufwerk bei jedem Pod download_wan22=true (stumme Szenen) und download_wan21=true (Sprechclips): 1-3 Minuten. Mit Laufwerk true nur beim ersten Mal, danach false: Die Modelle liegen schon dort, und ein erneuter Download füllt es.
• Port 8188: Das ist ComfyUI im Browser, unter https://<pod_id>-8188.proxy.runpod.net.

Holen Sie sich auf der Pod-Seite unter Connect die zwei Dinge, die die Skripte brauchen: die Pod-ID (steht in der URL) und den SSH-Nutzer des Proxys (<pod_id>-<code>@ssh.runpod.io).

Schritt 3 — InfiniteTalk (nur für die sprechenden Clips)

Nur ein Gesicht pro Clip. InfiniteTalk bewegt den Mund jedes Gesichts im Bild mit demselben Ton — auch bei Gesichtern im Hintergrund und solchen, die sich in einem Spiegel zeigen. Zwei Personen im Bild werden zu zweien, die denselben Satz gleichzeitig sagen. Dialogszenen werden in zwei Clips geteilt, einer pro Satz, und wer nicht spricht, bleibt mit dem Rücken zur Kamera, unscharf oder außerhalb des Bildes.

Die Vorlage (v29) lädt diese Dateien nicht herunter: Prüfe mit ls /workspace/ComfyUI/models/diffusion_models | grep -i infinitetalk, und falls sie fehlen, lege sie in /workspace/ComfyUI/models/ ab (von Hugging Face; ohne Laufwerk bei jedem neuen Pod):

Das Basismodell wan2.1_i2v_480p_14B_bf16.safetensors lädt die Vorlage bereits herunter.

💡 Platz. Ein Laufwerk mit "200 GB" fasst real etwa 186. Mit allem Installierten bleiben rund 20 GB für die Videos: Wenn die Downloads ohne Fehler stehen bleiben, ist es voll. Die Datei wan2.1_t2v_14B_bf16.safetensors (27 GB, Wan aus Text) wird nicht gebraucht: Sie kann gelöscht werden.

Die zwei weiteren Dinge, die InfiniteTalk verlangt (eine Ordnerverknüpfung und ein Patch für die Bibliothek transformers 5), erledigt orchestrate.sh bei jedem neuen Pod von selbst, denn sie liegen auf der Container-Festplatte und gehen beim Löschen des Pods verloren.

Schritt 4 — Die Skripte auf Ihrem PC

Laden Sie sie in einen Ordner, alle zusammen (sie suchen einander):

• lib_video.sh ↗ — die gemeinsamen Prüfungen
• orchestrate.sh ↗ — erzeugt die Clips auf dem Pod
• gen_video.py ↗ — ein Clip (wird von orchestrate genutzt)
• fix_wav2vec_tf5.py ↗ — der Patch für InfiniteTalk (wird von orchestrate angewendet)
• monta_video.sh ↗ — schneidet das gesprochene Video
• monta_short.sh ↗ — schneidet die Shorts ohne Stimme
• Beispiele: clip.tsv.esempio ↗, montaggio.tsv.esempio ↗, chiusura.txt.esempio ↗

Im Terminal:

mkdir -p ~/video-tools && cd ~/video-tools
for f in lib_video.sh orchestrate.sh gen_video.py fix_wav2vec_tf5.py monta_video.sh monta_short.sh clip.tsv.esempio montaggio.tsv.esempio chiusura.txt.esempio; do
  curl -fsSLO "https://app.roylead.com/supporto/video-tools/$f"
done
chmod +x *.sh

Außerdem brauchen Sie ffmpeg (mit libx264 und libass), ffprobe, python3, curl, ssh.

Die Skripte werden nicht verändert: Sie lesen alles aus Datendateien im Ordner des Videos.

Schritt 5 — Der Ordner eines Videos

mein-video/
  clip.tsv                 die Jobs: Name, Typ (it = gesprochen, wan = stumme Szene), Bild, Satz oder Startbilder, Prompt
  immagini/                die Startbilder (eines pro Shot, mit ChatGPT aus den Produktfotos erzeugt)
  audio/battute/           die mp3-Sätze, einer pro sprechendem Clip
  montaggio.tsv            die Reihenfolge der Clips im Video, mit der mp3 unter den stummen Szenen
  montaggio/sottotitoli.ass  die Untertitel (auf Meta wird ohne Ton geschaut)
  chiusura.txt             3 Zeilen: Angebot, Zeile 2, Zeile 3 (optional)
  prodotto.png             Produktfoto für den Abschluss (optional, gehört zu chiusura.txt)

Die Stimmen entstehen mit ElevenLabs, ein durchgehender Text pro Figur mit [long pause] zwischen den Sätzen, dann an den Pausen in je eine mp3 pro Satz geschnitten (ffmpeg -af silencedetect). Wenn Sie das Launch-Playbook mit Claude Code nutzen, bereitet es Drehbuch, clip.tsv, montaggio.tsv, Untertitel und die Schnitte der Stimmen für Sie vor.

Schritt 6 — Erzeugen und schneiden

# Pod starten, pod_id und ssh-Nutzer aus "Connect" holen, dann:
nohup ./orchestrate.sh <pod_id> <ssh_nutzer> ~/mein-video > ~/mein-video/orchestrate.log 2>&1 &
tail -f ~/mein-video/orchestrate.log        # READY, MODELS, UPLOADED, dann ein DONE pro Clip, ALL_DONE

Die Clips landen in mein-video/clip/. Hände mit Gegenständen gehen oft schief: Rechnen Sie mit 2-3 Versuchen pro Szene (Seed ändern, indem Sie neu starten, oder den Prompt). Gemessene Zeiten auf der RTX PRO 6000: erster Clip 5-7 Minuten (die Modelle werden geladen), danach 1-4 Minuten pro Stück.

./monta_video.sh ~/mein-video      # → mein-video/video-finale.mp4 (1080x1920, 30 fps, -16 LUFS)
./monta_short.sh ~/mein-video      # → mein-video/short-<name>.mp4, einer pro Clip, mit der Grafik darüber

monta_video.sh stoppt von selbst, wenn die Stimme Lücken über 1,5 Sekunden hat: lieber jetzt ein Fehler als ein stummes Video online. Die fertige Datei wird auf die Systemplatte geschrieben und dann kopiert: Auf einer in WSL gemounteten Windows-Platte kann das Zusammenfügen mit "No space left on device" abbrechen.

Danach den Pod löschen.

Schon erlebte Fallstricke

• ComfyUI antwortet mit 403 (Fehler 1010) auf Aufrufe ohne Browser-User-Agent: Die Skripte schicken einen mit; wenn Sie curl von Hand nutzen, fügen Sie -A "Mozilla/5.0" hinzu.
• Direktes SSH abgelehnt: Man geht über den Proxy ssh.runpod.io mit -tt und den Befehlen über stdin (das macht lib_video.sh).
• ComfyUI startet auf manchen Community-Maschinen nicht (dauerhaft 502, im Log "could not bind on any address"): Die Maschine hat kein IPv6. orchestrate.sh startet es von selbst auf 0.0.0.0 neu.
• Speicher voll bei der RTX 5090: 62 GB RAM reichen nicht für zwei volle Modelle zu je 28 GB. Entweder eine GPU mit mehr RAM oder die fp8_scaled-Versionen der Modelle.
• GPU nicht verfügbar beim Erstellen: Als Ausweichlösung hat eine RTX PRO 6000 Max-Q in Community ohne Netzlaufwerk funktioniert, mit download_wan22=true (lädt in 8 Minuten neu). Achte darauf, wo das Netzlaufwerk liegt: Der Pod entsteht zwangsläufig in dessen Rechenzentrum, und dort kann die PRO 6000 fehlen, auch wenn der Katalog sie anderswo führt.
• Schwarze Sprechclips (ein Bild, dann dunkel, Ton ist da): Die GPU ist keine Blackwell. Das passierte auf einer A100 80 GB, ohne einen einzigen Fehler in den Logs — orchestrate.sh schreibt DONE und lädt einen schwarzen Clip herunter. Prüfe vor dem Schnitt, dass die Sprechclips nicht dunkel sind: ffmpeg -i clip/shot-01.mp4 -vf "signalstats,metadata=print:key=lavfi.signalstats.YAVG" -f null - — bleibt YAVG nach dem ersten Bild bei etwa 16, sind sie schwarz. Neu erzeugen auf einer Blackwell, indem du clip.tsv nur mit den it-Zeilen neu schreibst: Die bereits geladenen Szenen bleiben unangetastet.
• Der SSH-Schlüssel muss im Konto hinterlegt sein (Settings → SSH Public Keys), bevor du den Pod erstellst: später hinzugefügte Schlüssel erreichen laufende Pods nicht, und der Proxy antwortet Permission denied (publickey). Ohne SSH scheitert orchestrate.sh nicht sofort: Es kommt bis zu einem leeren PATCH output: und bleibt dort stehen.
• ComfyUI stirbt und die Vorlage startet es nicht neu: orchestrate.sh startet es neu; von Hand: python3 /ComfyUI/main.py --listen 0.0.0.0 --use-sage-attention --extra-model-paths-config /ComfyUI/extra_model_paths.yaml.

Meta-Regeln für Videos mit KI

• Im Ads Manager muss angegeben werden, dass der Inhalt mit KI erzeugt wurde.
• Die Figur tritt als Sprecher auf, nie als "echter Kunde": Meta hält das für irreführend.
• Immer Untertitel: Die meisten schauen ohne Ton.