Bilder-Erzaehler

Ein kleines Programm, das aus bis zu 20 Bildern ein kurzes Video macht: die Bilder laufen nacheinander durch, dazu laeuft eine gesprochene Erzaehlung als Ton - entweder selbst getippt oder direkt von einer KI aus den Bildern erstellt.

Dies ist eine fruehe Version (0.x) eines privaten Hobbyprojekts. Es gibt KEINE Variante ganz ohne KI - das Vorlesen des Textes ist selbst schon eine KI-Funktion und braucht immer einen eigenen API-Key.

Installation

Bilder-Erzaehler-Setup.exe doppelklicken -> Installations-Assistent -> Zielordner waehlen (frei waehlbar) -> Installieren. Verknuepfungen liegen danach im Startmenue und auf dem Desktop. Deinstallation ueber Windows-Einstellungen -> "Apps" -> "Bilder-Erzaehler", oder ueber die Verknuepfung "Deinstallieren" im Startmenue-Ordner.

ffmpeg (wird fuers Video-Erstellen gebraucht)

Bilder-Erzaehler nutzt intern ffmpeg, um aus den Bildern + der Sprachausgabe das fertige Video zusammenzubauen. Damit die Setup-Datei zum Download klein bleibt, ist ffmpeg NICHT im Installer enthalten. Stattdessen prueft das Programm beim ersten Klick auf "Video erstellen ...", ob ffmpeg schon vorhanden ist - falls nicht, fragt es nach, ob es automatisch heruntergeladen und eingerichtet werden soll (einmalig, braucht eine Internetverbindung). Der Download ist gross (mehrere hundert Megabyte) und kann je nach Verbindung einige Minuten dauern; eine genaue Groessenangabe steht bewusst nicht in der Oberflaeche, damit sie nicht veraltet. Heruntergeladen wird immer genau der im Programm fest hinterlegte ffmpeg-Build (feste Download-Adresse), der vor der Installation ueber eine SHA-256-Pruefsumme und die Dateigroesse auf Echtheit geprueft wird. Klappt der Download beim ersten Versuch nicht (z. B. wegen eines kurzen Internet-Aussetzers), zeigt das Programm eine verstaendliche Fehlermeldung und man kann es beim naechsten Klick auf "Video erstellen ..." einfach noch einmal versuchen - ganz ohne selbst etwas im Explorer herunterladen oder entpacken zu muessen. ffmpeg wird dabei in den Installationsordner von Bilder-Erzaehler gelegt und nicht rechnerweit eingerichtet; das Einrichten faellt also einmalig pro Installation an.

Bedienung

1. Programm oeffnen.
2. Ueber "Hinzufuegen ..." bis zu 20 Bilder auswaehlen. Mit "Nach oben"/"Nach unten" laesst sich die Reihenfolge aendern, in der sie im Video zu sehen sein werden - "Entfernen" nimmt ein ausgewaehltes Bild wieder raus.
3. Oben einen KI-Anbieter auswaehlen (OpenAI oder Google), darunter eine Stimme auswaehlen (jeder Anbieter hat mehrere zur Auswahl, mit kurzem Stil-Hinweis wie "warm" oder "freundlich") und den eigenen API-Key eintragen (siehe unten, wie man den bekommt). Wie natuerlich/ menschlich eine Stimme klingt, ist Geschmackssache - am besten ein paar ausprobieren, bis eine passt.
4. Erzaehltext festlegen - zwei Moeglichkeiten (in allen Textfeldern gibt es ausserdem ein Rechtsklick-Menue mit Ausschneiden, Kopieren, Einfuegen und Alles auswaehlen; Strg+C / Strg+V / Strg+X funktionieren wie gewohnt):
5. "Text selbst eingeben ...": du tippst den kompletten Text, der vorgelesen werden soll.
6. "Text von KI aus den Bildern erstellen lassen": die KI schaut sich die ausgewaehlten Bilder an und schlaegt selbst einen zusammenhaengenden Erzaehltext vor - der laesst sich danach im selben Fenster noch anpassen, bevor man ihn uebernimmt.
7. Unter Videoformat das Ausgabeformat waehlen: Standard (Bildschirm, 1280x720, wie bisher), YouTube (16:9, 1920x1080), TikTok / YouTube Shorts / Reels (9:16, 1080x1920), Instagram (Feed, 4:5, 1080x1350), Facebook (Feed, 4:5, 1080x1350), WhatsApp-Status (9:16, 1080x1920) oder Benutzerdefiniert mit eigener Breite und Hoehe (gerade Zahlen von 128 bis 3840). Die Bilder werden nie verzerrt, sondern proportional eingepasst und bei abweichendem Seitenverhaeltnis mit Balken aufgefuellt. Die Plattformen aendern ihre Empfehlungen gelegentlich; die Werte stehen gesammelt in video_profiles.py und lassen sich dort leicht anpassen.
8. Auf "Video erstellen ..." klicken, einen Speicherort fuer die MP4-Datei waehlen und warten (kann je nach Textlaenge und Internet ein paar Sekunden bis wenige Minuten dauern - der Ton wird zuerst erzeugt, danach das Video zusammengebaut).
9. Fertig - die Bilder laufen im Video automatisch gleich lang durch: die Gesamtlaenge der Sprachausgabe wird dabei gleichmaessig auf die Anzahl der Bilder verteilt.

Format des erzeugten Videos (Social Media): Jedes neu erzeugte Video ist eine MP4-Datei mit H.264 (yuv420p, High-Profil, konstant 30 Bilder pro Sekunde, Qualitaetscodierung) und AAC-Ton (AAC-LC, 48 kHz, Stereo, etwa 192 kbit/s). Die Datei ist fuer schnelles Abspielen/Hochladen vorbereitet (Faststart) und uebernimmt keine Metadaten der Quelldateien. Das ist der Standard, den TikTok, Instagram, Facebook, YouTube und WhatsApp am zuverlaessigsten verarbeiten. Nach dem Erzeugen prueft das Programm mit ffprobe, dass Video und Ton genau diesem Standard und der gewaehlten Aufloesung entsprechen, bevor die fertige Datei gespeichert wird. Ob eine Plattform das Video am Ende annimmt, haengt auch von deren eigenen Regeln ab (z. B. Laengen- und Groessengrenzen); die Plattformen aendern ihre Anforderungen gelegentlich.

API-Key besorgen (optional waehlbar, aber fuer die Sprachausgabe zwingend noetig)

Bei OpenAI:

1. Eigenen API-Key auf platform.openai.com erstellen (eigenes Konto noetig, dort auch ein kleines Guthaben hinterlegen - dafuer wird eine Visa-, Mastercard- oder Amex-Karte gebraucht, Debitkarten gehen auch; die genauen aktuell akzeptierten Zahlungsmethoden stehen in OpenAIs eigenen Abrechnungsbedingungen). Wichtig: das ist ein Key von OpenAI (beginnt mit sk- oder sk-proj-), nicht von Anthropic (die Keys von dort beginnen mit sk-ant- und funktionieren hier nicht). Auch wenn man sich mit demselben OpenAI-Konto einloggen kann wie bei ChatGPT: ChatGPT-Abo/ -Guthaben und das API-Guthaben fuer die Programmierschnittstelle werden getrennt abgerechnet - ein ChatGPT-Abo allein reicht hier also nicht, es braucht zusaetzlich eigenes API-Guthaben.

Bei Google:

1. Eigenen API-Key auf aistudio.google.com/apikey erstellen (eigenes Google-Konto noetig). Die hier genutzten Modelle (gemini-3.8-flash fuers Bild-Verstehen, gemini-3.1-flash-tts-preview fuer die Sprachausgabe) haben laut Googles eigener Preisseite (Link unten) einen kostenlosen Kontingent-Anteil, allerdings mit Einschraenkungen (u. a. wird der Inhalt dabei laut Google zur Produktverbesserung genutzt, anders als beim kostenpflichtigen Kontingent) - fuer produktiven Einsatz mit hoeheren Limits kann zusaetzlich ein Rechnungskonto mit Zahlungsmethode noetig sein. Ob, in welchem Umfang und zu welchen Bedingungen es kostenlose Kontingente gibt, aendert sich bei Google erfahrungsgemaess gelegentlich - massgeblich ist immer der aktuelle Stand auf der Google-Gemini-Preisseite (Link unten), nicht diese Beschreibung.

Den Key traegst du direkt im Hauptfenster ein. Er ist dort verborgen (Sternchen); "Anzeigen" blendet ihn bei Bedarf ein. Ohne weiteres Zutun wird er nirgends gespeichert und nur fuer die jeweilige Sitzung verwendet (beim Neustart des Programms ist er wieder weg).

Optional: Key speichern. Nur wenn du auf "Speichern" klickst, legt das Programm den Key im Windows-Anmeldeinformationsspeicher (Credential Manager) deines Windows-Benutzerkontos ab - nicht in einer Textdatei, JSON- oder INI-Datei. OpenAI und Google werden getrennt gespeichert; beim Wechsel des Anbieters wird dessen gespeicherter Key eingetragen. Eine Zeile unter dem Feld zeigt, ob fuer den gewaehlten Anbieter ein Key gespeichert ist. "Loeschen" entfernt den gespeicherten Key wieder. Hinweis: Andere Programme desselben Windows-Benutzerkontos koennen diesen Speicher grundsaetzlich ebenfalls auslesen. Beim Deinstallieren wirst du gefragt, ob gespeicherte API-Schluessel ebenfalls geloescht werden sollen (Standard: Nein).

Kosten: werden direkt zwischen deinem eigenen Konto beim gewaehlten Anbieter und diesem Anbieter abgerechnet - nicht Teil dieses Programms. Die genauen Preise haengen vom gewaehlten Anbieter/Modell ab und aendern sich gelegentlich, aktuelle Zahlen stehen auf der OpenAI-Preisseite bzw. der Google-Gemini-Preisseite.

Optionales Windows-Kontextmenue

Unter "Tools" gibt es die Einstellung "Bilder-Erzaehler im Windows-Kontextmenue anzeigen" (standardmaessig aus, nur in der installierten Version). Wenn eingeschaltet, erscheint beim Rechtsklick auf Bilddateien (PNG, JPG/JPEG, BMP, GIF, WEBP - nicht bei Ordnern) der Eintrag "Mit Bilder-Erzaehler oeffnen"; markierte Bilder werden beim Start uebernommen (hoechstens 20; Windows blendet den Eintrag allerdings bei mehr als 15 markierten Dateien aus). Es werden keine Dateizuordnungen geaendert - Bilder oeffnen sich weiter mit ihren bisherigen Programmen. Der Eintrag liegt nur im eigenen Benutzerbereich der Registry (ohne Administratorrechte); beim Ausschalten und beim Deinstallieren werden ausschliesslich diese eigenen Eintraege entfernt.

Unterstuetzte Bildformate

PNG, JPG/JPEG, BMP, GIF, WEBP - alles, was ueblicherweise als Foto oder Grafik vorliegt (bei animierten GIFs wird nur die erste Einzelbild-Ebene verwendet). Das Programm wandelt jedes ausgewaehlte Bild vor der weiteren Verarbeitung intern automatisch in ein einheitliches Format um - sowohl vor dem Zusammenbauen des Videos als auch, falls genutzt, vor dem Verschicken an die KI zum automatischen Text-Erstellen. Das sorgt dafuer, dass auch Formate wie BMP zuverlaessig funktionieren, selbst wenn ein einzelner KI-Anbieter das Ausgangsformat eigentlich nicht direkt unterstuetzen wuerde. Unterschiedliche Bildgroessen werden im Video automatisch passend eingepasst (nicht verzerrt).

Hinweis zum Datenschutz

Die vollstaendige Datenschutzerklaerung steht in DATENSCHUTZ.md (im Programm unter "Datenschutz & Rechtliches"). Kurz gesagt:

Vor der ersten Uebertragung in einer Sitzung zeigt das Programm einen Hinweisdialog (Anbieter, Inhalt, moegliche personenbezogene Daten, Kosten) mit "Fortfahren" / "Abbrechen"; ohne "Fortfahren" wird nichts gesendet. Die Zustimmung wird nicht gespeichert.

Der Entwickler erhebt keine Daten: keine Konten, kein Tracking, keine Statistik, keine eigene Protokolldatei. Die ausgewaehlten Bilder (nur bei "Text von KI ... erstellen lassen") und der Erzaehltext (immer, fuer die Sprachausgabe) gehen direkt von deinem Rechner an den gewaehlten Anbieter - OpenAI oder Google, zusammen mit deinem eigenen API-Key. Die Bilder werden vorher in ein neues PNG umgewandelt (bei sehr grossen Bildern verkleinert; Metadaten der Originaldatei werden nicht uebernommen). Fuer die weitere Verarbeitung gelten die eigenen Datenschutz-/Nutzungsbedingungen des Anbieters. Beim kostenlosen Google-Kontingent kann der Inhalt laut Google zur Produktverbesserung genutzt werden (siehe "API-Key besorgen").

Der API-Key wird nur dann dauerhaft gespeichert, wenn du ausdruecklich auf "Speichern" klickst - dann im Windows-Anmeldeinformationsspeicher deines Benutzerkontos, nie in einer normalen Datei (siehe oben). Temporaere Arbeitsdateien werden nach dem Export wieder geloescht.

Beim einmaligen Einrichten von ffmpeg (nur nach deiner Bestaetigung) verbindet sich das Programm mit GitHub (github.com, Weiterleitungen zu githubusercontent.com), um den hinterlegten ffmpeg-Build herunterzuladen; dabei wird, wie bei jedem Download, deine IP-Adresse uebermittelt. Bilder, Text oder Key werden dafuer nicht verschickt.

Hinweis zu Windows-Warnungen

Bilder-Erzaehler-Setup.exe und Bilder-Erzaehler.exe sind nicht digital signiert. Eine SmartScreen-Warnung beim ersten Start ist deshalb normal bei selbst gebauten Programmen wie diesem und fuer sich genommen kein Hinweis auf Schadsoftware - umgekehrt ist eine fehlende Signatur aber auch keine Garantie fuer Unbedenklichkeit. Der Quellcode ist nicht oeffentlich.

Rechtliche Hinweise

Zum Programm gehoeren IMPRESSUM.md, DATENSCHUTZ.md, DISCLAIMER.md (Haftungsausschluss und Nutzungshinweise) und THIRD-PARTY-NOTICES.md (Drittanbieter-Hinweise mit den beiliegenden Lizenztexten LICENSE-Python.txt, LICENSE-Tcl-Tk.txt, LICENSE-Pillow.txt, LICENSE-OpenSSL.txt und LICENSE-PyInstaller.txt). Im Programm sind sie unter "Datenschutz & Rechtliches" lesbar.