Diashow erstellen — Video aus Fotos mit Musik und Songtext

Eine Diashow erstellen heißt hier: Ein fertiger Song, ein paar Bilder und der Songtext werden zu einem Musikvideo zusammengesetzt. Die Fotos tragen das Bild, der Text erscheint Zeile für Zeile genau dann, wenn er gesungen wird, und wenn du etwas Bewegung willst, pulsiert darunter eine Wellenform im Takt. Es gibt keine Timeline zu bauen und nichts zu filmen: Song hochladen, entscheiden, woher die Bilder kommen, Text prüfen, exportieren.

Wichtig, damit du das Richtige erwartest: Das ist keine Diashow mit fünfzig Urlaubsfotos im Sekundentakt. Das Werkzeug ist für ein Video aus 2 bis 12 Fotos zu einem Song gebaut, jedes Bild steht etwa 20 Sekunden, und der Text führt durch das Stück. Die Bilder kann die KI aus der Stimmung des Songs in einem von sieben Stilen erzeugen, oder es sind deine eigenen: Pressefotos, Artwork, Reisebilder. Es ist eines der Formate der KI-Musikvideo-Werkzeuge von Online Vocal Remover, und die richtige Wahl, wenn ein Song seinen Text auf dem Bildschirm braucht statt einer Geschichte oder Grafiken, die auf den Beat reagieren.

Zuerst legst du die Bildquelle fest. Bei KI-Bildern liest das Werkzeug die Stimmung des Songs (und den Text, falls vorhanden) und erzeugt die Bilder im gewählten Stil: Automatisch, Kinolook, Verträumt, Neon, Analogfilm, Illustration oder Minimal. Mit einer kurzen Beschreibung von Motiv, Ort und Licht lenkst du die Richtung, und du wählst zwischen Standard- und feiner Bildqualität. Nimm ein einzelnes Bild für den ganzen Song oder eine Fotosequenz aus 2 bis 12 Bildern, die mit den Abschnitten des Songs wechselt, jede Szene rund 20 Sekunden lang.

Mit eigenen Fotos lädst du 1 bis 12 JPEG-, PNG- oder WebP-Dateien hoch und ziehst sie in die gewünschte Reihenfolge. Das ist die Option für einen Song, der zu echten Menschen und Orten gehört: Das Video entsteht genau aus den Fotos, die du geliefert hast, und die Originale werden nach dem Rendern gelöscht.

Der Songtext erscheint als synchrone Untertitel. Für einen Track aus unserem KI-Musikgenerator lassen sich Text und Timing automatisch übernehmen (kostenlos, wenn ein präzises Timing schon vorliegt; der erste Abruf eines präzisen Timings kostet 5 Credits). Bei einem hochgeladenen Song fügst du den Text zeilenweise ein, er wird über den ganzen Track verteilt, und du korrigierst einzelne Zeilen im Timeline-Editor oder importierst eine LRC-Datei, falls du eine hast. Wähle einen Untertitelstil (Klar, Karaoke, Schreibmaschine oder Fett) und setze den Text oben, mittig oder unten ins Bild.

Zum Schluss das Format: 16:9 für YouTube und andere Querformat-Player, 9:16 für Shorts, Reels und TikTok. Die Wellenform, die sich zur Musik bewegt, lässt sich ein- und ausschalten, und die Live-Vorschau im Browser zeigt Bilder, Untertitel und Ton zusammen, bevor du etwas für das Rendern ausgibst.

Das fertige Video ist eine MP4-Datei mit dem Originalton, bereit zum Hochladen.

Song hochladen. MP3-, WAV-, OGG- und M4A-Dateien zwischen 15 Sekunden und 8 Minuten, bis 50 MB; oder wähle einen Track, den du schon in deinem Konto erstellt hast, dann entfällt der Upload.

Bilder wählen. Lass sie in einem der sieben Stile aus dem Song erzeugen, als Einzelbild oder Sequenz, oder lade eigene Fotos hoch und lege die Reihenfolge fest.

Text prüfen. Übernimm das synchrone Timing für einen auf der Seite erstellten Song, füge den Text eines hochgeladenen Tracks ein oder importiere eine LRC-Datei, kontrolliere das Timing im Editor und wähle Stil und Position der Untertitel.

Vorschau ansehen und exportieren. Spiele die Vorschau mit Ton ab, schalte die Wellenform ein oder aus, wähle 16:9 oder 9:16 und starte die Generierung. Die geschätzten Credits stehen vor der Bestätigung da, und die MP4-Datei ist nach dem Rendern sofort zum Download bereit.

Songwriter und unabhängige Künstler nutzen es, um für eine neue Single ein Lyric Video zu veröffentlichen, ohne auf ein gedrehtes zu warten: Das Artwork oder eine Handvoll Fotos tragen das Bild, der Text erledigt den Rest. Wer gerade einen Song mit einem KI-Musikgenerator gemacht hat, nutzt es aus demselben Grund: Ein generierter Track hat kein eigenes Bild, und dieser Schritt macht ihn in wenigen Minuten zu etwas, das sich auf YouTube oder TikTok posten lässt.

Abseits von Musikveröffentlichungen funktioniert es genauso gut. Ein Video zum Geburtstag, zur Hochzeit oder zum Gedenken ist meist ein Lieblingslied und eine Handvoll Fotos, und die Untertitel können den Songtext oder eine Botschaft tragen. Lehrkräfte und Chöre machen daraus Mitsing-Videos, Podcaster und kleine Labels wandeln Audio in etwas um, das auf Videoplattformen läuft.

Wenn du statt Fotos und Text lieber Grafiken willst, die sich zum Klang bewegen, ist der Musik-Visualizer das bessere Format: Er zeichnet Balken, Wellen und Ringe, die auf den Ton reagieren, und braucht überhaupt keine Bilder.