Blender, Opus 5.5 und Seedance: ein Workflow für den One-Take

Ich wollte einen Workflow testen: Lässt sich ein Videomodell mit einer Szene aus Blender so führen, dass eine Kamera eine Minute lang präzise durch einen Raum geht, ohne einen einzigen Schnitt? Aus Text allein schafft das kein Videomodell. Also bauen wir die Szene zuerst in Blender, gesteuert von Claude, und geben den Render Seedance als Bewegungsreferenz.

Für den Test brauchte es eine Szene, die eine solche Kamera trägt: ein Verhör. Eine Frau hat ihren gewalttätigen Mann getötet, einen Polizeikommissar, eine grosse Nummer im Haus. Die Detective, die sie verhört, versteht sie. Und sie weiss: Sie selbst stand auch auf seiner Liste. Die Kamera folgt der Dramaturgie dieses Dialogs, am Ende als eine einzige Plansequenz von 60 Sekunden.

Das Ergebnis zuerst. Oben der Film aus Seedance, unten der Blender-Render, nach dem er sich bewegt.

Die Zutaten

• Nano Banana 2 für die Character Sheets der beiden Frauen (Front, Rücken, Close-up), drei Set-Bilder des Verhörraums und ein Prop Sheet für das Diktiergerät.
• Blender 4.4, gebaut von Claude. Claude Opus 5.5 arbeitet in Claude Code und ist über MCP direkt mit Blender verbunden. Claude baut Raum, Möbel, das Blocking der Figuren, die Kamerafahrt und die Renders, mit eigenen Python-Skripten für Steadicam, Fenster und Requisite.
• Seedance 2.5 in BOFF.create, unserem eigenen Wrapper, für das eigentliche Video, mit dem Blender-Render als Bewegungsreferenz.
• ElevenLabs für den Feinschliff der Stimmen.

Vom Raum zur Plansequenz

1. Raum nachbauen. Claude baut aus den Referenzbildern den Verhörraum in Blender: Einwegspiegel, Tür, Milchglasfenster, Tisch, Pendelleuchte und den Beobachtungsraum hinter der Scheibe.
2. Erste Fassung mit Schnitten. Neun klassische Einstellungen: der Blick durch die Scheibe, Top-down, Over-the-Shoulder, Close-ups, ein Dolly-Zoom, ein Orbit mit Achsensprung. Die Leitidee: Der Spiegel steht für den Polizeiapparat. Sobald die Detective die Aufnahme stoppt, springt die Kamera über die Achse, und der Spiegel verschwindet aus dem Bild.
3. Auf 60 Sekunden verdichten. Seedance generiert höchstens 30 Sekunden am Stück, also zwei Blöcke à 30 Sekunden.
4. Umbau zum One-Take. Eine durchgehende Kamera. Die Naht zwischen den zwei Generationen steckt in einem Reissschwenk, die Bewegungsunschärfe kaschiert den Übergang, wie bei «Rope» oder «Birdman».
5. Die Kamera echter machen. Ein einziges 32-mm-Objektiv wie auf einer Steadicam, kein Zoom. High Mode statt Deckenkamera, Framing nach Drittelregel mit Blickraum. Den ganzen Kameraweg glättet ein Gauss-Filter organisch, nur der Reissschwenk bleibt hart.
6. Requisite als Story. Statt eines Mikrofons zieht die Detective ein Mikrokassetten-Diktiergerät aus der Hosentasche, drückt REC, die rote Lampe geht an. Im zweiten Block drückt sie STOP: der Moment, in dem sie die Seite wechselt.
7. Prompts schreiben. Englisch, mit festen Blöcken: Referenzen, Cast, Motion, Raumgeometrie, Requisite, Kamera, Dialog, Acting, Sound, Licht, Negativ. Das Acting zurückhaltend und naturalistisch, der Ton nur Dialog und Geräusche, keine Musik.

Bis die Bewegung sass, brauchte der Blender-Durchgang acht Fassungen, von v1 bis v8.

Der Render liefert nur das Gerüst: wer wo steht, geht oder sitzt. Den Rest spielt Seedance.

Was wir gelernt haben

• Gerüst, nicht Schauspiel. Der Render gibt Raummasse, Kamerabewegung und Positionen vor. Kopfdrehen, Nicken, Hände und Mimik übernimmt Seedance aus dem Prompt.
• Je abstrakter die Figuren, desto natürlicher das Ergebnis. Mit Gliederpuppen hat Seedance steife Schritte und ein roboterhaftes Hinsetzen eins zu eins kopiert. Mit simplen Säulen ohne Arme und Beine erfindet es echte Bewegung.
• Reduziert rendern. Workbench, Grautöne, keine Gesichter, keine Unschärfe. So sickert der Look des Renders nicht ins Video.
• Wände klar definieren. Graue Wände ignoriert Seedance und erfindet Fenster, Türen oder gleich einen Gang. Die Lösung ist eine farbcodierte Architektur: Fenster hell, Tür dunkelbraun mit hellem Rahmen, Spiegel als dunkles Glas mit Rahmen, Wände mit dunklem Sockel. Und im Prompt steht, dass das Video auch den Raum definiert.
• Referenzen müssen zusammenpassen. Ein einziges Set-Bild mit der Tür auf der falschen Wand hat die Geometrie durcheinandergebracht. Lieber weglassen.
• Requisiten separat. Lässt sich ein Objekt nicht sauber aus den Set-Bildern entfernen, werden die Set-Bilder geleert und das Objekt als eigenes Prop Sheet mitgegeben.
• Wortwahl zählt. Schon «corridor murmur» im Sound-Block kann einen Gang ins Bild bringen.
• Nähte verstecken. Übergänge zwischen zwei Generationen nicht über Start- und Endframes lösen, sondern in einer Bewegung verstecken.
• Limits kennen. Referenzvideos höchstens 30 Sekunden insgesamt, darum keine Stimmproben als Video. Prompts dürfen bis 20'000 Zeichen lang sein.

Das Ergebnis

Schon der erste Durchlauf in Seedance haut einiges raus: Figuren, Licht, Acting, das Diktiergerät und die Naht im Reissschwenk sassen. Die Schwachstelle war die Raumgeometrie, Fenster und Tür standen an falschen Stellen. Darauf antwortet v8 mit der farbcodierten Architektur und konsistenteren Referenzen.

Acht Fassungen im Blender-Durchgang, zwei Generationen à 30 Sekunden in 24 fps und 16:9. Eine Kamera, ein Objektiv, kein Schnitt.

Der Blender-Skill zum Kopieren

So lassen wir Claude den Motion-Pass in Blender bauen. Der Skill fasst die Regeln zusammen, die wir uns in acht Fassungen erarbeitet haben: Raum, Platzhalter, Kamera, Nähte und Render. Er funktioniert mit Claude Code und einer MCP-Verbindung zu Blender.

name: blender-motion-pass
description: Use when a scene for a video model (Seedance 2.5, Omni-Reference) needs a motion reference: build the room, the blocking and the camera move in Blender via MCP and render a reduced motion pass.

# Blender motion pass for Seedance

The render is a scaffold, not a performance. It defines only where and when: room dimensions, camera path, who stands, walks or sits where. Head turns, hands and facial expression come from the video prompt.

## 1. Room
- Rebuild the set from the reference images, true to scale: walls, doors, windows, mirrors, furniture, lights.
- Use only reference images that agree spatially. One image with a door on the wrong wall breaks the geometry; leave it out.
- Colour-code the architecture so the video model cannot misread it: window bright, door dark brown in a light frame, mirror as dark glass in a frame, walls with a dark skirting. Plain grey walls get ignored and replaced with invented windows, doors or corridors.
- Props that cannot be removed cleanly from the set images: empty the set images and give the object a prop sheet of its own.

## 2. Characters
- Placeholders, not mannequins: simple columns without arms or legs, one colour per character taken from the costume, a sphere as head in the hair colour.
- Jointed figures get copied one to one: stiff steps, robotic sitting. Abstract columns let the video model invent real movement.

## 3. Camera
- One lens for the whole take, e.g. 32 mm as on a Steadicam. No zoom: closer means moving closer.
- High mode instead of a ceiling camera. Framing on the thirds, with lead room toward the gaze.
- Smooth the whole camera path with a Gaussian filter for an organic operator feel. Keep only intended fast moves, such as a whip pan, hard.

## 4. Length and seams
- The video model generates at most 30 s per block: split the take into blocks of 30 seconds.
- Hide every seam inside a movement, e.g. a whip pan with motion blur. Never join blocks on start or end frames.

## 5. Render
- Workbench, grey tones, no faces, no depth of field, no blur. Nothing of the render's look may leak into the video.
- One clip per block, frame range in the file name (e.g. Block_A_0001-0720), 24 fps, 16:9.

## 6. Hand-over to the prompt
- List which placeholder colour is which character, and which colours mean window, door and mirror.
- State that the video defines the room as well as the motion, and that bodies must not copy the gliding placeholders.
- Iterate the pass, not the video: check each version against the references before generating.

Was das ändert

Blender ist hier kein Animationswerkzeug, sondern der Regieplan. Kamera, Blocking und Timing stehen fest, bevor ein einziges Bild generiert wird. Das Videomodell spielt die Szene, aber es entscheidet nicht mehr, wo die Kamera steht.