Kosten eines Faceless-Kanals: was jedes KI-Video in der Produktion kostet

Ein zehnminütiges Faceless-Video bedeutete früher zwei Rechnungen: einen Cutter und einen Sprecher. Nach den von Vidico veröffentlichten Spannen und den GVAA-Werten, die VoiceCrafters zusammenfasst, landen diese beiden Posten zusammen irgendwo zwischen 800 und 1.700 $ pro Video. Dasselbe Video aus API-Aufrufen hat Maschinenkosten im zweistelligen Dollarbereich, und der größte Teil davon geht an die Bilder.

Die meisten, die einen Faceless-Kanal kalkulieren, starren auf die billigen Posten (Skript, Stimme) und winken den Posten durch, der das Budget entscheidet: Sekunden generierten Videos. Hier folgt ein Kostenmodell, das sich in einer Tabelle nachbauen lässt, angewandt auf einen 30-Sekunden-Short, einen 60-Sekunden-Short und ein 600-Sekunden-Langvideo, jeder Preis mit Datum und Quelle.

Die fünf Posten, aus denen sich die Kosten eines Faceless-Videos zusammensetzen

Skript. Tokens eines Sprachmodells. Abgerechnet pro Million Tokens.
Stimme. Text-to-Speech, abgerechnet pro Zeichen des Sprechtexts.
Bewegtbild. Generierte Videoclips, abgerechnet pro Sekunde Ausgabe.
Standbild. Generierte Bilder als Folien, Hintergründe oder Thumbnails, abgerechnet pro Bild.
Rerolls. Die Takes, die du wegwirfst. Diese Zahl veröffentlicht niemand, also musst du sie selbst festlegen.

Der Zusammenbau (Schnitt, Untertitel, Musik, Export) wird mit deiner Zeit bezahlt. Er bleibt deshalb außerhalb der Maschinenkosten und taucht im Vergleich mit eingekaufter Hilfe wieder auf.

Die Formel, die der Rest dieses Artikels verwendet:

Kosten pro Video = Skript + Stimme + (Videosekunden x Preis pro Sekunde + Standbilder x Preis pro Bild) x Reroll-Faktor

Der Reroll-Faktor multipliziert nur die Bilder, denn eine Sprachzeile oder ein Skript braucht selten mehr als einen Durchgang, bis es brauchbar ist, ein Clip mit verzerrter Hand dagegen schon. Ich rechne mit 1,5 als Planungsannahme, also einem zusätzlichen Take je zwei behaltenen. Miss dein eigenes Verhältnis einen Monat lang und ersetze den Wert.

Skript: der Posten, um den du dir keine Sorgen mehr machen musst

Die Preisseite von Anthropic liefert eine nützliche Umrechnung: ein Token entspricht im Englischen ungefähr vier Zeichen oder 0,75 Wörtern. Dieselbe Seite führt Claude Sonnet 5.5 mit 2 $ pro Million Eingabe-Tokens und 10 $ pro Million Ausgabe-Tokens, Claude Haiku 4.5 mit 1 $ und 5 $.

Zur Dimensionierung der Skripte nehme ich ein Sprechtempo von etwa 150 Wörtern pro Minute an. Das ist ein Planwert, den deine Stimme und deine Nische verschieben werden, also miss eine deiner eigenen Vertonungen und passe ihn an.

30 Sekunden: etwa 75 Wörter oder 100 Ausgabe-Tokens.
60 Sekunden: etwa 150 Wörter oder 200 Ausgabe-Tokens.
600 Sekunden: etwa 1.500 Wörter oder 2.000 Ausgabe-Tokens.

Ein 600-Sekunden-Skript auf Sonnet 5.5 sind 2.000 Ausgabe-Tokens x 10 $ pro Million, also 0,02 $. Rechne einen 5.000-Token-Prompt mit Gliederung und Recherchenotizen dazu (0,01 $) sowie drei Überarbeitungsrunden, und du bleibst unter 0,10 $. Die Batch API halbiert beide Preise, wenn du eine Woche Skripte über Nacht erzeugst.

Nimm das Modell, das für deine Nische das beste Skript schreibt, und ignoriere seinen Preis, denn der Unterschied liegt bei Cent pro Video.

Stimme: günstig pro Video, pro Zeichen trotzdem prüfenswert

Die Sprechdauer lässt sich mit derselben Faustregel von Anthropic in Zeichen umrechnen: ein Wort hat etwa 5,3 Zeichen (vier Zeichen pro Token geteilt durch 0,75 Wörter pro Token). Gerundet:

30 Sekunden: etwa 400 Zeichen.
60 Sekunden: etwa 800 Zeichen.
600 Sekunden: etwa 8.000 Zeichen.

Bei Aitachyon kostet die ElevenLabs-Vertonung zum Zeitpunkt des Schreibens je nach Stimmmodell 0,043 $ bis 0,086 $ pro 450 Zeichen. Daraus folgt:

30 Sekunden: ein 450-Zeichen-Block, 0,043 $ bis 0,086 $.
60 Sekunden: zwei Blöcke, 0,086 $ bis 0,17 $.
600 Sekunden: etwa 18 Blöcke, 0,77 $ bis 1,55 $.

Direkt zu kaufen ist pro Zeichen günstiger. Die API-Seite von ElevenLabs führt v3 und Multilingual v2 mit 0,08 $ pro 1.000 Zeichen und Flash/Turbo mit 0,04 $, die 8.000-Zeichen-Vertonung kostet dort also 0,32 $ bis 0,64 $. Eine Aufschlüsselung von Puter nennt stattdessen 0,05 $ und 0,10 $ pro 1.000 Zeichen. Wenn die Herstellerseite und ein Dritter sich widersprechen, vertraue dem Hersteller. Falls die Stimme einen spürbaren Anteil deiner Ausgaben ausmacht, was bei einem Faceless-Kanal selten ist, ist ein Direktkonto der günstigere Weg. Wer Stimmmodelle nach Qualität statt nach Preis auswählen will, findet in der Aufschlüsselung der ElevenLabs-Vertonungskosten mehr.

Bilder: der Posten, der dein Budget entscheidet

Hier gehen Faceless-Kanäle auseinander. Es gibt drei Wege, den Bildschirm zu füllen, und die Wahl verändert deine Kosten um eine Größenordnung.

Modus A: Standbilder mit im Schnitt ergänzter Bewegung

Generierte Bilder, in deinem Schnittprogramm mit Schwenks und Zooms versehen. Preise zum Zeitpunkt des Schreibens: Seedream 4.0 mit 0,057 $ pro Bild, FLUX.2 [pro] mit 0,057 $ bis 0,086 $, Nano Banana mit 0,13 $ und gpt-image-2 mit 0,10 $ bis 0,40 $. Zum Vergleich: Googles Direktpreis für Nano Banana 2 reicht von etwa 0,045 $ bei 0,5K bis 0,151 $ bei 4K, und fal führt das ursprüngliche Nano Banana mit 0,0398 $ pro Bild.

Modus B: generiertes Video für jede Sekunde

Am sehenswertesten und am teuersten. Sekundenpreise zum Zeitpunkt des Schreibens: Hailuo 02 mit 0,085 $, Kling v3 mit 0,16 $ ohne Ton und 0,32 $ mit nativem Ton, Veo 3.1 Fast ab 0,19 $, Wan 2.7 mit 0,19 $ und Seedance 2.5 ab 0,20 $ bei 480p und 0,44 $ bei 720p.

Modus C: Hybrid

Generiertes Video dort, wo Bewegung ihre Kosten verdient (der Hook, eine Demonstration, ein Übergang), Standbilder überall sonst. Die meisten Kanäle, die durchhalten, landen hier, denn nur in diesem Modus bleibt ein zehnminütiger Upload im zweistelligen Dollarbereich und bewegt sich trotzdem auf dem Bildschirm.

Ein Faceless-Kanal braucht in seinen Clips selten nativen Ton, da Sprecher und Musik darübergelegt werden, also sind die Sekundenpreise ohne Ton die relevanten. Der Preisleitfaden für Video-APIs, Modell für Modell behandelt die Abwägungen bei Auflösung und Ton genauer.

Die drei Videos, Posten für Posten kalkuliert

Alle folgenden Preise sind die von Aitachyon zum Zeitpunkt des Schreibens. Der Reroll-Faktor von 1,5 gilt nur für die Bilder. Standbilder sind bei Shorts mit einem Bild alle 5 Sekunden und bei Langformat mit einem Bild alle 6 Sekunden veranschlagt, eine Annahme zum Tempo, die du durch deine eigene ersetzen solltest.

30-Sekunden-Short

Skript: unter 0,01 $.
Stimme: 0,043 $ bis 0,086 $.
Modus A (6 Seedream-Standbilder): 6 x 0,057 $ = 0,34 $, x 1,5 = 0,51 $. Gesamt etwa 0,56 $ bis 0,60 $.
Modus B auf Hailuo 02: 30 x 0,085 $ = 2,55 $, x 1,5 = 3,83 $. Gesamt etwa 3,87 $ bis 3,92 $.
Modus B auf Kling v3 ohne Ton: 30 x 0,16 $ = 4,80 $, x 1,5 = 7,20 $. Gesamt etwa 7,24 $ bis 7,29 $.

60-Sekunden-Short, hybrid

Skript: unter 0,01 $.
Stimme: 0,086 $ bis 0,17 $.
Video: ein 5-Sekunden-Hook plus zwei 5-Sekunden-Einschübe auf Hailuo 02, 15 x 0,085 $ = 1,28 $.
Standbilder: die restlichen 45 Sekunden mit einem Bild alle 5 Sekunden, 9 x 0,057 $ = 0,51 $.
Bilder mit Rerolls: (1,28 $ + 0,51 $) x 1,5 = 2,69 $.
Gesamt: etwa 2,78 $ bis 2,87 $.

600-Sekunden-Langvideo, hybrid

Skript: unter 0,10 $ mit Überarbeitungen.
Stimme: 0,77 $ bis 1,55 $.
Video: 60 Sekunden Bewegung (10 Prozent der Laufzeit) auf Hailuo 02, 60 x 0,085 $ = 5,10 $.
Standbilder: 540 Sekunden mit einem Bild alle 6 Sekunden, 90 x 0,057 $ = 5,13 $.
Bilder mit Rerolls: (5,10 $ + 5,13 $) x 1,5 = 15,35 $.
Gesamt: etwa 16,20 $ bis 17,00 $.

Zum Vergleich: dieselben 600 Sekunden als reiner Modus B auf Hailuo 02 sind 600 x 0,085 $ x 1,5 = 76,50 $ allein für die Bilder, auf Kling v3 ohne Ton sind es 144 $. Langformat in voller Bewegung ist die einzige Konfiguration, in der KI-Video aufhört, günstig zu sein. Entscheide deshalb bewusst, welche Sekunden sich bewegen sollen.

Batches: was eine Woche und ein Monat tatsächlich kosten

Die Planungszahl ist deine monatliche Laufrate. Drei realistische Batches:

Eine Woche tägliche Shorts (7 x 60 Sekunden hybrid): 7 x etwa 2,85 $ = etwa 20 $.
20 Hook-Varianten zum Testen von Einstiegen (20 x 5 Sekunden): 100 Sekunden auf Hailuo 02 kosten 8,50 $, auf Kling v3 mit nativem Ton 100 x 0,32 $ = 32 $. Hooks erst günstig zu testen und den Sieger dann aufzuwerten ist die sinnvolle Reihenfolge.
Ein Monat für einen Kanal mit zwei Formaten (4 Langvideos + 20 Shorts): 4 x 17 $ + 20 x 2,85 $ = 68 $ + 57 $ = etwa 125 $.

Thumbnails kosten wenig extra. Fünfzig Thumbnail-Kandidaten auf Seedream 4.0 kosten 50 x 0,057 $ = 2,85 $, auf gpt-image-2 je nach Qualität 5 $ bis 20 $. Erzeuge viele, behalte zwei, teste sie.

Wie du für diese Batches bezahlst, zählt so viel wie der Stückpreis. Monatliche Credit-Pakete, die sich zurücksetzen, bestrafen tendenziell unregelmäßige Veröffentlichungsrhythmen. Der Vergleich von Credits gegen Abrechnung pro Aufruf geht das mit Beispielen durch.

Der menschliche Maßstab, mit derselben Rechnung

Damit der Vergleich fair bleibt, hier die Kosten derselben Arbeit, wenn du sie einkaufst, nach veröffentlichten Honorarspannen.

Schnitt

Vidico setzt freiberufliche Cutter bei 25 $ bis über 150 $ pro Stunde an, pro fertiger Minute bei 20 $ bis 100 $ für lange YouTube-Videos und bei 10 $ bis 50 $ für TikTok und Reels. Pro Projekt nennt es 300 $ bis 1.500 $ für ein YouTube-Video und 50 $ bis 400 $ für ein TikTok oder Reel. Ein fest angestellter Cutter kostet 51.000 $ bis 93.000 $ im Jahr.

Sprecher

Die Zusammenfassung des GVAA-Honorarleitfadens durch VoiceCrafters nennt für nicht gesendete Sprecharbeit 350 $ bis 450 $ für 1 bis 2 fertige Minuten, 600 $ bis 700 $ für 5 bis 10 Minuten und 700 $ bis 800 $ für 10 bis 15 Minuten. YouTube-Arbeit mit bezahlter Platzierung fällt unter digitale Ausstrahlung, die derselbe Leitfaden mit 1.000 $ bis 1.250 $ für drei Monate landesweite Nutzung ansetzt.

Nebeneinander

600-Sekunden-Video, eingekauft: Schnitt zu 20 $ bis 100 $ pro Minute, also 200 $ bis 1.000 $, plus Sprecher zu 600 $ bis 700 $. Gesamt 800 $ bis 1.700 $.
600-Sekunden-Video, per API-Aufrufen: etwa 16 $ bis 17 $, plus deine Zusammenbauzeit.
60-Sekunden-Short, eingekauft: Schnitt zu 50 $ bis 400 $ pro Projekt, plus Sprecher zu 350 $ bis 450 $. Gesamt 400 $ bis 850 $.
60-Sekunden-Short, per API-Aufrufen: etwa 2,85 $, plus deine Zusammenbauzeit.
Der Monat von oben (4 lang + 20 Shorts), eingekauft: 4 x 800 $ bis 1.700 $ plus 20 x 400 $ bis 850 $, das sind 11.200 $ bis 23.800 $.

Zwei ehrliche Einschränkungen. Erstens kaufen die eingekauften Zahlen Urteilsvermögen: ein erfahrener Cutter behebt Probleme bei Tempo und Dramaturgie, auf die kein Modell hinweist. Zweitens ist deine Zeit nicht umsonst. Wenn der Zusammenbau eines zehnminütigen Videos dich drei Stunden kostet, bewerte diese Stunden mit dem, was deine Zeit wert ist, und addiere sie zur KI-Spalte. Der Vergleich fällt bei Volumen weiterhin deutlich zugunsten der Generierung aus, und er schrumpft schnell, wenn du ein Video im Monat machst und deine Abende schätzt. Die größeren Abwägungen stehen im Leitfaden zum Betrieb eines Faceless-YouTube-Kanals mit KI, und bevor du Einnahmen auf diese Kosten planst, lies was die YouTube-Regeln zur Monetarisierung von KI-Inhalten sagen.

Modelle direkt kaufen oder über ein Konto

Jedes oben genannte Modell lässt sich beim Hersteller oder bei einem Wiederverkäufer kaufen, oft mit niedrigerem Listenpreis pro Einheit. Beispiele, Stand September 2026:

Google führt Veo 3.1 Fast mit 0,10 $ pro Sekunde bei 720p mit Ton, 0,12 $ bei 1080p und Veo 3.1 Lite mit 0,05 $ pro Sekunde bei 720p. Veo 3.1 Standard kostet 0,40 $ pro Sekunde.
fal führt Kling v3 Pro für Text-zu-Video und Bild-zu-Video mit 0,14 $ pro Sekunde und Kling v2.5 turbo mit 0,07 $.
Costbench zeigt Preise der Kling-API bei verschiedenen Anbietern von 0,056 $ bis 0,42 $ pro Sekunde, und Atlas Cloud führt Kling V3 Turbo ab etwa 0,095 $ pro Sekunde.
Wenn dein Format einen sprechenden Avatar als Erzähler nutzt, berechnet Runware Kling AI Avatar 2.0 Standard pro Generierung, von etwa 0,199 $ bis 0,868 $, ohne Sekundenpreis auf der Seite.

Bei einem einzelnen Modell mit hohem Volumen gewinnt der Direktkauf meist beim Stückpreis, und du solltest ihn so kaufen. Ein Kanal, der ein günstiges Modell für Hooks, ein Bildmodell für Standbilder, ein weiteres für Thumbnails und ein Stimmmodell kombiniert, zahlt außerdem fünf Konten, fünf Schlüssel und fünf Rechnungen, ein Aufwand, der in keinem Sekundenvergleich auftaucht. Entscheide pro Posten: macht ein einzelnes Modell mehr als die Hälfte deiner monatlichen Ausgaben aus, kalkuliere es direkt.

Per Code statt im Browser-Tab

Diese Zahlen setzen Volumen voraus, und bei Volumen bricht das Durchklicken von Weboberflächen zusammen. Ein Faceless-Kanal ist eine Pipeline, und jeder Schritt außer dem Geschmack kann aus einem Skript oder von einem Agenten laufen:

Schreibe die Shotlist als Daten. Jede Sprechzeile bekommt einen Shot-Typ (Standbild oder Clip), einen Prompt und eine Dauer. Hier setzt du das 10-Prozent-Bewegungsbudget aus dem Langvideo-Beispiel durch.
Schätze vor dem Generieren. Multipliziere die Shotlist mit dem maschinenlesbaren Preisraster (Aitachyon veröffentlicht es unter /api/pricing) und verweigere den Lauf, wenn die Schätzung deine Obergrenze pro Video übersteigt.
Generiere in einem Durchgang. Rufe die API mit einem Authorization: Bearer ait_...-Header auf, oder lass einen Agenten das tun. In Claude Code ist der gehostete MCP-Server ein einziger Befehl: claude mcp add --transport http aitachyon https://aitachyon.com/api/mcp --header "Authorization: Bearer ait_...". Danach kannst du dem Agenten die Shotlist geben, und er ruft die Modelle selbst auf. Die Anleitung zu Claude Code und MCP zeigt den ganzen Ablauf.
Speichere Referenzen, keine Dateien. Jede Ausgabe erhält eine stabile Referenz (img_, scn_, vo_), die dein Zusammenbau-Skript per GET /api/generations/{ref} abruft. Ein Reroll wird so zur Neugenerierung einer einzelnen Referenz.
Gleiche Ist und Schätzung ab. Jeder Job ist mit Modell und Kosten aufgeführt, sodass du deinen tatsächlichen Reroll-Faktor pro Modell berechnen und in Schritt 2 zurückspeisen kannst.

Zwei Sicherheitsdetails zählen, sobald ein Agent Geld für dich ausgibt. Gib jeder Pipeline einen eigenen API-Schlüssel, damit die Ausgaben pro Kanal zugeordnet werden und ein Alarm auslöst, wenn ein Schlüssel ungewöhnlich schnell Geld ausgibt. Und wenn ein Render fehlschlägt, wird er automatisch erstattet, sodass ein wackliger Batch deine Stückkosten nicht unbemerkt aufbläht. Bei einigen hundert Clips pro Woche werden Ratenlimits, Wiederholungen und Warteschlangen zu einem eigenen Thema, das in Hunderte Clips sicher produzieren behandelt wird. Einrichtungsdetails zu API und MCP-Server stehen im Schnellstart für Entwickler.

Eine Checkliste, um Kosten zu senken, ohne Qualität zu senken

Setze eine Obergrenze pro Video (zum Beispiel 3 $ pro Short, 20 $ pro Langvideo) und lass deine Pipeline sie durchsetzen.
Plane Bewegung als Prozentsatz der Laufzeit. Starte bei 10 Prozent für Langformat und erhöhe nur dort, wo die Retention-Daten zeigen, dass Bewegung hilft.
Teste auf dem günstigsten Modell, das akzeptabel aussieht. Lass Hook-Varianten auf Hailuo 02 für 0,085 $ pro Sekunde laufen und generiere nur die Sieger auf einem teureren Modell neu.
Kaufe Clips ohne Ton, wenn Sprecher und Musik darübergelegt werden. Kling v3 ohne Ton kostet zum Zeitpunkt des Schreibens die Hälfte von Kling v3 mit Ton.
Nimm die niedrigste Auflösung, die deine Plattform braucht. Seedance 2.5 verteuert sich in der aktuellen Preisliste von 480p auf 720p um mehr als das Doppelte.
Miss deinen Reroll-Faktor pro Modell. Ein günstigeres Modell, das drei Takes braucht, kann mehr kosten als ein teureres, das einen braucht.
Bewerte deine Stunden. Wenn die Zusammenbauzeit schneller wächst als der Output, ist das der nächste Posten zum Automatisieren.

FAQ

Wie viel kostet es pro Monat, einen Faceless-YouTube-Kanal mit KI zu betreiben?

Mit den obigen Preisen kommen vier hybride Zehn-Minuten-Videos und zwanzig 60-Sekunden-Shorts auf etwa 125 $ pro Monat an Modellaufrufen, vor deiner eigenen Zeit. Reines Langformat in voller Bewegung multipliziert den Langformat-Posten mit vier oder mehr, das Bewegungsbudget ist also die wichtigste Stellschraube.

Was ist der teuerste Teil eines KI-Faceless-Videos?

Generiertes Video, mit großem Abstand. Ein Zehn-Minuten-Skript kostet Cent und seine Vertonung unter 2 $, während 600 Sekunden Video in voller Bewegung auf Hailuo 02 inklusive Rerolls 76,50 $ oder mehr kosten.

Ist eine KI-Vertonung günstiger als ein Sprecher?

Für Sprechtexte in größeren Mengen, ja. Eine nicht gesendete Sprecharbeit von 5 bis 10 Minuten steht in den von VoiceCrafters zusammengefassten GVAA-Werten mit 600 $ bis 700 $, während 8.000 Zeichen ElevenLabs-Vertonung per API unter 2 $ kosten.

Was verlangt ein Videocutter für ein YouTube-Video?

Vidico nennt 300 $ bis 1.500 $ pro YouTube-Video auf Projektbasis oder 20 $ bis 100 $ pro fertiger Minute bei Langformat. Kurzformat-Projekte für TikTok und Reels liegen bei 50 $ bis 400 $.

Kann ich einen Faceless-Kanal komplett automatisieren?

Skript, Vertonung, Bilder und Kostenverfolgung lassen sich alle aus Code oder von einem Agenten ausführen. Themenwahl, der letzte Schnittdurchgang und die Entscheidung zur Veröffentlichung sind weiterhin besser bei einem Menschen aufgehoben, und die Plattformregeln zu KI-Inhalten sollten vor dem Skalieren geprüft werden.

Quellen

Wenn du dieses Kostenmodell an echten Rechnungen prüfen willst: Aitachyon bündelt alle oben bepreisten Modelle hinter einem Prepaid-Guthaben und einem API-Schlüssel, nutzbar über das Web-Studio, per einfachem HTTP oder über den MCP-Server in Claude Code, mit jedem Job nach Modell und Kosten aufgeführt und erstatteten fehlgeschlagenen Renders. Die vollständige Preisliste steht auf der Modellseite.

Kosten eines Faceless-Kanals: was jedes KI-Video in der Produktion kostet