ShortGPT Local: Social-Media-Videos per KI — in Minuten, nicht Stunden
Text rein, Video raus — automatische Shorts-Generierung komplett ohne Cloud
Python
MoviePy
Stable Diffusion
edge-tts
🎬 Content Creation automatisiert — Text rein, Shorts-Video raus.
💰 Warum KI-Videogenerierung Ihre Content-Strategie transformiert
Ein professionelles 60-Sekunden-Video kostet bei einer Agentur 500–2.000 € — und braucht 1–2 Wochen. ShortGPT Local produziert das gleiche Ergebnis in Minuten, für Cent-Beträge an Stromkosten. Der Hebel liegt nicht in der Technik, sondern in der Geschwindigkeit des Content-Outputs.
Text-zu-Video
Einfaches Text-Script eingeben — das System generiert Storyboard, Bilder, Voiceover und finales Video.
Bild-zu-Video
Dynamische Videos aus vorhandenen Bildern mit KI-generierten Animationen und Übergängen.
Natürliche Stimme
Integrierte TTS für natürliche deutsche Sprachausgabe. Untertitel automatisch synchronisiert.
Alle Plattformen
YouTube Shorts, TikTok, Instagram Reels — native 9:16 Formate mit optimaler Qualität.
⚙️ Der automatisierte Video-Workflow
Fünf Schritte vom Text-Script zum fertigen Social-Media-Video.
📋
1. Script schreiben
Thema oder Volltext eingeben. Die KI erstellt bei Bedarf ein optimiertes Storyboard für Shorts.
🎨
2. Szenen generieren
KI erstellt Storyboard und generiert passende Bilder/Clips für jede Szene.
🔊
3. Vertonen
TTS generiert die Sprachspur. Untertitel werden automatisch mit Zeitstempeln erstellt.
🎬
4. Rendern
MoviePy + FFmpeg kombinieren Bilder, Audio und Effekte zum fertigen MP4 mit 30 fps.
💻 Technische Umsetzung
ShortGPT Local automatisiert die Erstellung von Kurzvideos — von Text oder Bildern zum fertigen Social-Media-Content. Vollständig lokal ohne Cloud-Dienste.
🚀 Schnellstart
# In das Projektverzeichnis wechseln cd shortgptlocal # Virtuelle Umgebung erstellen python -m venv venv source venv/bin/activate # Linux/Mac # oder: venv\Scripts\activate # Windows # Abhängigkeiten installieren pip install -r requirements.txt # ShortGPT Local starten python shortgpt.py --input "mein_script.txt" --output video.mp4
🛠️ Tech Stack
Python 3.10+
MoviePy
FFmpeg
Stable Diffusion
edge-tts
Pillow
Whisper
⚙️ Konfiguration
# config.yaml video: width: 1080 height: 1920 # 9:16 für Shorts/Reels fps: 30 duration: 60 # Sekunden ai: image_model: "stabilityai/stable-diffusion-xl-base-1.0" voice_language: "de" voice_name: "de-DE-KatjaNeural" output: format: "mp4" quality: "high" add_subtitles: true
📋 Systemanforderungen
Python
3.10 oder höher.
RAM
16 GB Minimum, 32 GB+ empfohlen.
Speicher
10 GB für KI-Modelle.
GPU
Optional: NVIDIA GPU 8 GB+ VRAM für Bildgenerierung.
🎨 Video-Formate
YouTube Shorts
1080 × 1920 (9:16)
TikTok
1080 × 1920 (9:16)
Instagram Reels
1080 × 1920 (9:16)
Standard
1920 × 1080 (16:9)
⚡ Vom Text zum fertigen Short — in Minuten, nicht Tagen.
🚀 Gebaut mit Vibecoding — in 5–7 Tagen statt 8–13 Wochen
👴 Klassische Entwicklung
- 📋 2–3 Wochen Requirements Engineering
- 🏗️ 2–3 Wochen Architektur & Design
- 💻 3–4 Wochen Implementierung
- 🧪 1–2 Wochen Testing
- 🚢 1 Woche Deployment
- ⏱️ Gesamt: 8–13 Wochen
🤖 Vibecoding-Ansatz
- 🗣️ 0.5 Tage Prompt-Engineering
- ⚡ 2–3 Tage iterative Generierung
- 🔧 1–2 Tage Refinement & Debugging
- ✅ 1 Tag Integration & Testing
- 🚀 0.5 Tage Deployment
- ⏱️ Gesamt: 5–7 Tage
🗣️ Der System-Prompt hinter diesem Projekt
Du bist ein Python-Experte für automatisierte Videoproduktion. Aufgabe: Erstelle ein Tool zur automatischen Generierung von Kurzvideos (Shorts, Reels, TikTok) aus Text-Scripts oder Bildmaterial. Pipeline: 1. Text-Script parsen → Storyboard (Szenen-Einteilung) 2. Bilder generieren (Stable Diffusion) oder aus Input extrahieren 3. Voiceover via TTS (edge-tts, deutsch: de-DE-KatjaNeural) 4. Untertitel synchronisiert generieren 5. Finales Video mit MoviePy + FFmpeg rendern Technische Anforderungen: - Python 3.10+, MoviePy für Video-Komposition - Stable Diffusion (lokal via diffusers) für Bildgenerierung - edge-tts für deutsche Sprachausgabe - Pillow für Bildbearbeitung - Whisper optional für automatische Untertitel-Generierung Video-Spezifikation: - 9:16 Format (1080×1920) für Shorts/Reels/TikTok - 30 fps, konfigurierbare Dauer (15–60 Sek.) - Hintergrundmusik und Übergangseffekte - Branding-Overlay (Logo, Wasserzeichen)
🎯 Strategische Erkenntnisse aus diesem Projekt
Content Creation ist der perfekte Anwendungsfall für KI-Automatisierung — hohe Kosten, repetitive Muster, messbarer Output.
Content-Skalierung ist der Hebel
1 Video pro Woche → 1.000 Views. 30 Videos pro Woche → 30.000+ Views.
Die Content-Menge ist der stärkste Hebel im Social-Media-Algorithmus.
KI-Automatisierung macht tägliches Posten ohne Personalaufstockung möglich.
Nischen-Content schlägt Massenware
KI erzeugt spezifischen Content für Nischen-Zielgruppen — Fachthemen, lokale Inhalte, Branchen-News.
Während Agenturen auf Masse optimieren, kann KI auf Tiefe optimieren.
Voiceover ist der Qualitäts-Entscheider
Schlechtes TTS killt jedes Video. edge-tts (de-DE-KatjaNeural) liefert natürliche Stimmen auf Agentur-Niveau.
Die Sprachqualität ist der Unterschied zwischen „KI-Müll" und „professionellem Content".
Kosten-Nutzen-Schere
Agentur-Video: 500–2.000 € / Stück. KI-Video: Stromkosten (~0,50 €) + 10 Min. Render-Zeit.
Die Kostendifferenz ist so extrem, dass selbst eine 50% niedrigere Qualität noch wirtschaftlich wäre.
Aber die Qualität ist gleich oder besser.
Bereit, Ihre Content-Produktion zu automatisieren?
Von 1 Video pro Woche zu 1 Video pro Tag — ohne zusätzliches Personal. Lassen Sie uns Ihre Content-Pipeline bauen.
Content-Audit
Welche Content-Formate eignen sich für KI-Automatisierung? Wir analysieren Ihre aktuelle Strategie und identifizieren Potenziale.
Pipeline-Prototyp
In 5–7 Tagen eine funktionierende Video-Pipeline mit Ihrem Branding, Ihrer Tonalität und Ihren Themen.
Vollautomatisierung
Von der Themen-Recherche über die Generierung bis zum automatischen Posten — Ihre Content-Maschine läuft 24/7.