Lokale KI Anwendung für Videos (Clips) - Software gesucht

Servus,

hat hier wer Erfahrung, mit welchen lokalen KI Programmen man Videos erstellen kann?
Zeit zum Rendern wäre mir egal.
Es geht darum, Clips 30sek bis 1min zu erstellen. Vorhandenen Avatar einfache Texte sprechen lassen. Fotos und Co kann ich beitrage, Texte auch.
Also z.B. eine Art Maskotchen was täglich dann News erzählt.

ChatGPT Pro eignet sich nicht für Videos. Google Flow wäre wieder ein Abo....

Somit die Frage in die Runde, welche Software wäre noch gut?

Naja kannst verschiedene Wege ausprobieren.

Bei nem Unraid kannste ausm Appstore einfach Comfy-Ui als Docker für sowas nutzen.

Bei TrueNas würde sowas über ne VM laufen in Verbindung mit Ollama was man aufm TrueNas oder sonst wo hostet.

Bei Windows kannste dir Dockerdienste installieren und ebenso Comfy-Ui nutzen.

Aber die wichtigste Frage:
Was hast du für nen System zur Verfügung?
Denn was man dafür braucht ist entweder -> GPU Power und VRAM ( eher Nvidia als AMD/Intel ) oder eben nen System mit Unified Ram wie nem Mac mit "M"-Chip und entsprechender Ram Menge. Alternativ geht auch nen PC Mit Ryzen Ai Max oder so mit entsprechend viel Unified Ram.
Aber sowohl bei AMD als auch bei Apple haste das "Problem", dass nicht alle Modelle so gut laufen wie auf Cuda ( Nvidia ). Zumal ne Nvidia GPU deutlich schneller ist als nen System mit AMD (Rocm) oder Apple. Zumindest solange das Modell in den VRAM passt.

Als Beispiel:
Du hast nen :12b Modell und ne 4070 mit 12Gb -> Nvidia schneller als Apple/Amd weil das Modell komplett in den VRAM passt.
Modell mit :70b -> Läuft auf nem Amd/Apple System mit 128Gb Unified Memory schneller, weil du für so nen Modell schon ne RTX A6000 Blackwell mit 96Gb VRAM Brächtest um das komplett im VRAM auszuführen.

Gibt verschiedene Mittel und Wege die Rechenlast bisschen zu verteilen, ist dann aber Fuckelei.

Für Generierung von Videos hab ich in ComfyUi schon ne Menge Templates gefunden, die nebötigen allerdings Modelle mit circa 22Gb, was so glaube so circa :32b Modellen ( glaube q2 quantisiert ) entsprechen müsste, sofern ich mich nicht täusche.
Da brauchste dann also entweder nen Mac mit "m"-Chip und 32Gb Unified Ram ( wovon die iGPU dann etwa 24Gb glaube circa nutzen kann ) oder entsprechendes Amd Pendant mit Ryzen Ai wie dem 395+ Pro oder so. ODER -> Nvidia Karte mit 24Gb VRAM wie ner 3090, 4090 oder halt 5090 ( die hat ja nochmal mehr ). Auch möglich wäre so ne "China"-GPU. Also ner 2080 Ti z.B mit 22Gb Ram ( ist so ne gemoddete Karte ), aber die sind selten, Stabilität ist nicht garantiert und aktuell kann man ohnehin eigentlich kein System wirklich gut kaufen, was dafür groß geeignet ist.

Beste P/L aktuell ist aktuell ne 3090, sofern man die unter 1000 Euro auf Kleinanzeigen findet und die dann bisschen runtertaktet weil der Core-Speed kaum interessiert, aber der größte Stromfresser ist. Primär zählt ja der VRAM.

Aber Vids bis zu einer Minute frisst viel Power. Würde eher kleine Schnipsel generieren und die per Adobe, Davinci Resolve, Capcut, Filmora oder Sony Vegas zusammenschneiden ( oder was auch immer man als Video-Editor gerne nutzt ).