Open Source KI Video Generator im Überblick

Ein Open Source KI Video Generator wie Wan 2.2, HunyuanVideo 1.5 oder LTX-2 läuft auf deiner eigenen Grafikkarte, kostenlos und ohne Wasserzeichen. Dafür brauchst du eine starke GPU, etwas Geduld mit ComfyUI und einen eigenen Plan für Skript, Stimme, Untertitel und Schnitt. Hier ist der ehrliche Überblick und wie FacelessGenie offene Modelle nutzt, damit du sie nicht selbst betreiben musst.

Video einrichten

Füge das Ausgangsmaterial für dein Video hinzu.

Was ein Open-Source-Videomodell ausmacht

Die meisten KI-Video-Generatoren laufen mit geschlossenen Modellen auf fremden Servern. Bei einem offenen Videomodell veröffentlicht der Entwickler die trainierten Gewichte, sodass jeder sie herunterladen und auf eigener Hardware nutzen kann. Die Lizenzen unterscheiden sich: Manche sind komplett offen wie Apache 2.0, andere sind Community-Lizenzen mit Bedingungen zu Unternehmensgröße, Region oder kommerzieller Nutzung. Meist laufen die Modelle über ComfyUI oder Hugging Face Diffusers auf einer lokalen NVIDIA-GPU oder einer gemieteten Cloud-GPU.

Wan 2.2 und Wan 2.1 von Alibaba

Wan ist die am weitesten verbreitete offene Videofamilie. Wan 2.2 erschien im Juli 2025 unter Apache 2.0 und umfasst 14B-Modelle für Text zu Video und Bild zu Video sowie ein kleineres TI2V-5B-Modell für 720p mit 24 Bildern pro Sekunde. Laut Wan-Team braucht das 5B-Modell mindestens 24 GB VRAM, etwa eine RTX 4090, und unter neun Minuten für einen Fünf-Sekunden-Clip in 720p. Das ältere Wan 2.1 hat ein 1.3B-Modell, das mit rund 8 GB VRAM auskommt und für 480p gedacht ist. Neuere Wan-Versionen gibt es nur über Alibabas Cloud, die offiziellen Gewichte reichen bis Wan 2.2.

HunyuanVideo 1.5 von Tencent

HunyuanVideo 1.5 ist ein 8,3B-Modell vom November 2025 mit Text zu Video und Bild zu Video in 480p und 720p sowie einem Upscaler auf 1080p. Clips dauern standardmäßig etwa fünf Sekunden, und Tencent nennt mit Offloading rund 14 GB VRAM als Minimum. Die Tencent Hunyuan Community License gilt nicht in der EU, in Großbritannien und Südkorea und verlangt eine eigene Lizenz für Dienste mit mehr als 100 Millionen monatlichen Nutzern. Lies sie, bevor du das Modell kommerziell nutzt.

LTX-2 von Lightricks

LTX-2 erzeugt Video und synchronen Ton zusammen, mit Modi für Text zu Video, Bild zu Video, Keyframes und Video zu Video, nativ in etwa 1080p und mit Hochskalierung auf 4K. Es steht unter der LTX-2 Community License, die kommerzielle Nutzung für Organisationen unter 10 Millionen Dollar Jahresumsatz kostenlos erlaubt. Größere Unternehmen brauchen einen kostenpflichtigen Vertrag. Der Download ist groß, auf Consumer-GPUs nutzt du deshalb meist Gewichte mit reduzierter Genauigkeit und Offloading.

CogVideoX, Mochi 1 und weitere offene Modelle

CogVideoX von Zhipu gibt es als 2B-Version unter Apache 2.0 und als 5B-Versionen unter eigener Lizenz, mit Clips von etwa sechs Sekunden. Mit Speicheroptimierungen läuft es auch auf kleineren GPUs. Mochi 1 von Genmo ist ein 10B-Modell für Text zu Video unter Apache 2.0, das 480p liefert und in ComfyUI mit unter 20 GB auskommt. Außerdem lohnen sich Open-Sora 2.0 (Apache 2.0), Step-Video-T2V von StepFun mit 30B (MIT, braucht eine 80-GB-GPU), MAGI-1 von Sand AI (Apache 2.0, mit einer 4,5B-Version für 24-GB-Karten) und die SkyReels-Modelle von Skywork, die Clips deutlich über fünf Sekunden hinaus verlängern können.

Wie FacelessGenie offene Modelle nutzt

FacelessGenie kombiniert offene und geschlossene Modelle und wählt je nach Format. Der kostenlose Tarif läuft mit offenen Modellen auf eigenen GPUs: Z-Image Turbo aus Alibabas Tongyi-Labor (Apache 2.0) für die Szenenbilder und Kokoro (Apache 2.0) für die Stimme, dazu Whisper für das Timing der Wort-für-Wort-Untertitel. Wird eine Szene direkt aus Text erzeugt, ist Wan 2.2 unser Standardmodell. Für höhere Qualitätsstufen kannst du zu geschlossenen Modellen wie Seedance 2.5 oder Genie Motion wechseln. Du profitierst von offenen Modellen, ohne etwas zu installieren, und die App schreibt zusätzlich das Skript, baut die Szenen, mischt die Musik und rendert das fertige MP4.

Details zum Tool

So kommst du zu deinem Video3 Schritte

01
Hardware und Lizenz prüfen
Such dir ein Modell, das zum Speicher deiner GPU passt, und lies die Lizenz, wenn das Video für ein Unternehmen oder einen monetarisierten Kanal gedacht ist.
02
Clips erzeugen und das Video bauen
Ein lokales Modell liefert kurze Clips, mit oder ohne Ton. Für ein fertiges Video brauchst du zusätzlich Skript, Sprecher, Untertitel, Musik und Schnitt.
03
Oder mit einer Idee in FacelessGenie starten
Wähl ein Format, gib deine Idee ein und lass die App das ganze Video erstellen, im kostenlosen Tarif mit offenen Modellen. Ein Gratis-Video pro Tag, bis zu 90 Sekunden.

Häufige Fragen6 Antworten

Welcher Open Source KI Video Generator ist der beste?

Für die meisten ist Wan 2.2 der beste Einstieg: Apache 2.0, gut unterstützt in ComfyUI und Diffusers und mit einem 5B-Modell, das auf einer 24-GB-Karte läuft. HunyuanVideo 1.5 und LTX-2 sind starke Alternativen, ihre Community-Lizenzen solltest du aber vorher lesen. LTX-2 ist die erste Wahl, wenn auch Ton erzeugt werden soll.

Kann ich einen KI-Video-Generator auf meinem PC laufen lassen?

Ja, mit einer leistungsstarken NVIDIA-GPU. Das 1.3B-Modell von Wan 2.1 braucht etwa 8 GB VRAM für 480p, das 5B-Modell von Wan 2.2 mindestens 24 GB für 720p. Rechne mit mehreren Minuten pro Fünf-Sekunden-Clip auf einer starken Consumer-Karte und mit mehr auf kleineren GPUs.

Sind offene Videomodelle kommerziell kostenlos nutzbar?

Manche. Wan 2.1 und 2.2, Mochi 1, CogVideoX-2B und Open-Sora 2.0 stehen unter Apache 2.0. Andere nutzen Community-Lizenzen: Die von HunyuanVideo gilt nicht in der EU, in Großbritannien und Südkorea, die von LTX-2 ist nur für Organisationen unter 10 Millionen Dollar Jahresumsatz kostenlos. Lies immer die Lizenz, die mit den Gewichten kommt.

Wie lang sind Clips aus offenen Videomodellen?

Meist rund fünf Sekunden pro Durchlauf, in 480p bis 720p. Manche Modelle skalieren auf 1080p oder 4K hoch, und einige wie SkyReels können Clips verlängern. Längere Videos entstehen, indem man viele Clips erzeugt und zusammenschneidet.

Nutzt FacelessGenie offene Modelle?

Ja. Der kostenlose Tarif nutzt Z-Image Turbo für Bilder und Kokoro für die Stimme, beide unter Apache 2.0 und auf eigenen GPUs, dazu Whisper für das Timing der Untertitel. Wan 2.2 ist unser Standardmodell für Text zu Video. Bezahlte Qualitätsstufen ergänzen geschlossene Modelle wie Seedance 2.5 und Genie Motion.

Warum FacelessGenie statt eines lokalen Setups?

Ein lokales Modell liefert Clips. Ein fertiges Video braucht aber auch Skript, Sprecher, passende Szenen, Untertitel, Musik und Schnitt. FacelessGenie erledigt das alles aus einer Idee im Browser, ohne GPU und ohne Installation, und zeigt die Credit-Kosten vor dem Rendern an. Wenn du gern bastelst und eine starke GPU hast, lernst du lokal trotzdem viel.

Mehr kostenlose Tools

Erklärvideo erstellen mit KI Reddit-Story-Video mit KI-Stimme in wenigen Minuten Text to Speech für YouTube mit natürlichen Stimmen TikTok Skript Generator kostenlos

KI-Modelle

Seedance