Sagen Sie Bernini in normaler Sprache, was in einem Clip hinzugefügt, entfernt oder verändert werden soll, und es setzt genau diese Änderung um. Der Planer klärt zuerst, was die Anweisung bedeutet, bevor der Renderer die Pixel malt.

Feste Szenenkonsistenz

Alles, was Sie nicht benennen, bleibt unverändert. Unberührte Bereiche halten über den gesamten Clip ohne Flackern oder Drift, die stärkste Eigenschaft des Modells bei Edits.

Referenzbasierte Swaps und Einfügungen

Ein Referenzbild oder ein zweiter Clip steuert die Bearbeitung. Tauschen Sie ein Kleidungsstück an einer sich bewegenden Person, oder fügen Sie ein Produkt oder Bildschirminhalte so ein, dass sie der Quelle folgen.

Identität bei Subject-to-Video

Eine Person oder Figur aus Referenzbildern wird in eine neue Szene gesetzt, das Gesicht bleibt dabei in Bewegung erkennbar. Die Identitätswahrung ist das Spitzenergebnis des Modells in ByteDances Subject-to-Video-Auswertungen.

Bewegungsumlenkung

Ändern Sie, was eine Person in einem bestehenden Clip tut, etwa kauern statt bücken, während Körperhaltung, Licht und Hintergrund erhalten bleiben.

Offene Modellfamilie

Ein MLLM-Planer kombiniert mit einem 14B-DiT-Renderer auf Basis von Wan2.2, veröffentlicht unter Apache 2.0. Die Gewichte lassen sich auf eigener Hardware selbst hosten.

Füge einen Schneemann neben dem Hund hinzu und lasse den Rest des Clips unverändertJetzt ausprobieren

Technische Spezifikationen

Planner + DiT

Qwen2.5-VL-Planer, 14B-Wan2.2-Renderer

Edit, Generate, R2V

Bearbeitung, Erzeugung, Subject-to-Video

480p / 16fps

Standard-Render-Einstellung

Apache 2.0

Offene Gewichte, selbst hostbar

Anwendungsfälle

Reales Filmmaterial erweitern

Requisiten hinzufügen oder entfernen, ein Detail korrigieren oder ein Element in einem Clip umstylen, ganz ohne neuen Dreh. Die Konsistenzsperre hält den Rest der Aufnahme identisch, Edits wirken dadurch nativ.

Wiederkehrende Charaktere und Avatare

Das gleiche Gesicht über Episoden, Anzeigen oder eine Avatar-Serie hinweg beibehalten. Subject-to-Video hält die Identität einer Person aus wenigen Referenzbildern, während sie sich durch neue Szenen bewegt.

Virtuelle Anprobe und Produktplatzierung

Kleidung an einem sich bewegenden Model per Referenz tauschen, oder ein Produkt beziehungsweise einen Bildschirminhalt in eine Aufnahme einsetzen, für Fashion- und Werbeproduktionen, bei denen der Ursprungsclip erhalten bleiben muss.

Handlung neu blocken

Ändern, was jemand in einer Aufnahme tut, aus einem Stand wird ein Kauern, ganz ohne erneuten Dreh. Die Bewegungsbearbeitung verändert die Handlung, während Identität, Bildausschnitt und Licht fixiert bleiben.

Prompt-Beispiele

Konsistenz-Edit

Fügen Sie einen Schneemann neben dem Hund auf dem verschneiten Weg hinzu, und lassen Sie den Hund, die Straße und die Bäume unverändert

Edit prompt

Identitätsgesperrtes Subjekt

Setzen Sie diese Person nachts auf ein neonbeleuchtetes Großstadtdach, sie dreht sich sanft zur Kamera, Gesicht und Jacke bleiben erhalten

Edit prompt

Referenz-Swap

Ersetzen Sie das Oberhemd durch das aus dem Referenzbild, und behalten Sie Pose, Licht und Bewegung exakt bei

Edit prompt

Überblick

Bernini ist ByteDances offenes Framework für KI-Videoerzeugung und -bearbeitung, veröffentlicht unter Apache 2.0 im Juni 2026. Der Aufbau teilt die Aufgabe in zwei Schritte: Ein MLLM-basierter Planer (Qwen2.5-VL) entscheidet über die Semantik des Ergebnisses, dann malt ein DiT-basierter Renderer auf Basis von Wan2.2 die Pixel. Weil Planung und Rendering getrennte Stufen sind, ist Bernini ungewöhnlich gut in dem, woran die meisten Videomodelle scheitern: einen echten Clip bearbeiten und dabei alles unberührt lassen, was nicht verändert werden soll. Es deckt Text-to-Image, Bildbearbeitung, Text-to-Video, anweisungsbasierte Videobearbeitung, referenzbasierte Edits wie Kleidungs-Swaps und Video-Einfügung sowie Subject-to-Video ab, wobei das Spitzenergebnis die Identitätswahrung einer Person ist, während sie sich durch eine neue Szene bewegt.

Einfache Preise

Starten Sie noch heute kostenlos, mit der Option, jederzeit zu upgraden oder zu kündigen.

Basic

/ Monat

abgerechnet als $0 pro Jahr

2400 monatliche Credits

1 Nutzer

Alle Modelle

Workflows

Standard

/ Monat

abgerechnet als $0 pro Jahr

3625 monatliche Credits

1 Nutzer

Alle Modelle

Workflows

Pro

/ Monat

abgerechnet als $0 pro Jahr

6350 gemeinsame monatliche Credits

1 Nutzer

+ bis zu 4 weitere gegen Aufpreis

Alle Modelle

Workflows

Max

/ Monat

abgerechnet als $0 pro Jahr

24650 gemeinsame monatliche Credits

1 Nutzer

+ bis zu 9 weitere gegen Aufpreis

Alle Modelle

Workflows

Enterprise

Für höhere Limits

Individuell

Preis- und Abrechnungsbedingungen

High-Volume-Credits

Individuelle Platzlimits

Alle Modelle

Workflows

Free

Zum Ausprobieren

dauerhaft kostenlos

Bis zu 20 Credits

Nur 1 Nutzer

Eingeschränkte Modelle

Workflows

Tarifdetails vergleichen

Häufig gestellte Fragen

Was ist Bernini?

Bernini ist ByteDances offenes, einheitliches Framework für Videoerzeugung und -bearbeitung. Es kombiniert einen MLLM-basierten semantischen Planer mit einem DiT-basierten Renderer auf Basis von Wan2.2 und wurde im Juni 2026 unter Apache 2.0 veröffentlicht.

Ist Bernini kostenlos und Open Source nutzbar?

Ja. Der Inferenzcode und die Renderer-Gewichte sind auf GitHub und Hugging Face öffentlich unter Apache 2.0 verfügbar. Sie können das Modell auf eigener Hardware betreiben, empfohlen wird eine GPU der Hopper-Klasse, für Video mehrere GPUs.

Was kann Bernini?

Es beherrscht Text-to-Image, Bildbearbeitung, Text-to-Video, anweisungsbasierte Videobearbeitung, referenzbasierte Edits wie Kleidungs-Swaps und Video-Einfügung sowie Subject-to-Video, das eine Person oder Figur in eine neue Szene setzt.

Wie unterscheidet sich Bernini von einem klassischen Videomodell?

Die meisten Videomodelle erzeugen von Grund auf neu. Bernini teilt die Arbeit auf: Ein MLLM-Planer entscheidet über die Semantik, dann malt der Renderer die Pixel. Dieser Aufbau sorgt für starke Konsistenz bei Edits, unberührte Teile eines Clips bleiben unverändert, und für starke Identitätswahrung bei Subject-to-Video.

Wie gut erhält Bernini die Identität eines Subjekts?

Die Identitätswahrung ist das Spitzenergebnis des Modells. In ByteDances Subject-to-Video-Auswertungen liegt es bei der Gesichtsähnlichkeit vor vergleichbaren Systemen und hält ein erkennbares Gesicht, während sich die Person bewegt, geeignet für Avatare, Charakterarbeit und Serieninhalte, in denen dasselbe Gesicht wiederkehren muss.

Welche Auflösung gibt Bernini aus?

Die Standard-Render-Einstellung liegt bei 480p und 16fps. Die Veröffentlichung priorisiert Bearbeitungstreue und Konsistenz vor maximaler Auflösung, höhere Einstellungen sind mit mehr Rechenaufwand möglich.

Mehr über Bernini

Anleitungen, Prompts und Vergleiche zu Bernini.

Bernini: KI-Video-Leitfaden & Prompts

Der komplette Leitfaden zu ByteDance Bernini, dem Open-Source-KI-Videomodell: Funktionen, Spezifikationen, die Konsistenzsperre und der Prompt-Aufbau nach Aufgabe.

Weitere Modelle

Entdecken Sie den Rest des Morphic-Modellkatalogs.

Alle Modelle ansehen →

ChatGPT Images 2.5

OpenAI

OpenAIs Bildmodell, erschienen im September 2026. Schärfere Details, präzise Edits, kürzere Wartezeit.

Lyria 3.5

Google DeepMind

Googles bestklingendes Musikmodell. Ganze Songs mit Aufbau und Gesang.

MiniMax H3 Max Turbo

fal.ai

Das Tempo-Modell von fal, aus H3 Max. Doppelt so schnell, fast gleiche Optik.

Inworld TTS 2

Inworld

Eine Stimme, über 100 Sprachen. 95 Stimmen, erster Ton in Echtzeit.