Ein Messer schneidet durch ein autogroßes Stück Seife. Tausend Glasmurmeln fallen in perfekter Zeitlupe. Ein Block kinetischer Sand wird von einer überdimensionalen Klinge geschnitten, ein knuspriges Knirschen nach dem anderen. KI-ASMR ist eine der am schnellsten wachsenden Kurzformat-Videokategorien 2026 — hier ist, was tatsächlich dahintersteckt.
KI-ASMR nimmt das bereits bestehende, von Menschen gefilmte ASMR-Genre — Seifenschneiden, Schleim, Klopfen, Zerdrücken — und schiebt es dorthin, wohin ein Kamerateam praktisch nicht kommen kann: eine gebäudegroße Kerze, die langsam schmilzt, tausend Glasmurmeln, die auf einmal fallen, ein autogroßer Block kinetischer Sand, von einer überdimensionalen Klinge zerschnitten. Beliebte Formate sind kinetisches Sandschneiden, Glasbrechen, Seifenschneiden, Tippen auf mechanischer Tastatur, Kerzenwachs-Gießen, Obstschneiden und Eiszerkleinern. Es basiert auf denselben universellen KI-Videogeneratoren hinter jedem anderen Trend auf dieser Seite, angewandt auf einen bestimmten Prompting-Stil statt einer speziellen ASMR-App.
Was diese Kategorie tatsächlich freischaltete, waren nicht bessere Bilder — es waren Modelle, die synchrones Audio im selben Durchgang wie das Video generieren können, statt stummer Clips, die im Schnitt danach Ton brauchen. Seit Mitte 2026 können Veo, Kling und Seedance alle natives Audio produzieren; frühere KI-ASMR-Inhalte stützten sich stark auf Googles Veo 3, weil es starke visuelle Qualität mit wirklich überzeugendem Dialog, Soundeffekten und Musik kombinierte, die zusammen generiert wurden. Klings Audio (besonders die als "Omni" vermarktete Version) wird allgemein als stark für Ambient- und Allzweck-Sound beschrieben; manche Kreative greifen noch zu speziellen Audio-Tools (wie ElevenLabs) oder speziellen ASMR-Generatoren, wenn sie schärfere, präzisere Trigger-Sounds wollen, als ein allgemeines Videomodell beim ersten Versuch zuverlässig produziert.
Standard-Preis pro Clip beim jeweils genutzten Tool — Audiogenerierung ist typischerweise in den Grundpreis eingebunden statt separat berechnet, obwohl höhere Auflösungs-/Audio-Kombinationen bei manchen Tools mehr Credits pro Clip kosten können (siehe Klings gestaffelte Audiopreise als Beispiel). Vollständige Aufschlüsselung: Preisvergleich der KI-Videogeneratoren.
Sobald du einen Clip hast, den du magst
Das Video wird mit seiner vollständigen generierten Szene (und Audio) eingebacken exportiert — keine eingebaute Möglichkeit, nur das Motiv herauszuziehen. Wenn du ein Stück des Visuellen für ein Thumbnail, einen Sticker oder ein anderes Composite isolieren willst, verarbeitet RemoveGifBG das MP4 Frame für Frame und gibt ein transparentes Ergebnis zurück. Siehe den Leitfaden zum KI-Video-Hintergrundentferner.
Verwandt: Wie KI-Videos gemacht werden · Winzige-Welt-Rettungs-Trend · KI-Food-Video-Trend · Preise im Vergleich · Günstigster Einstieg
Keine einzelne App — es ist ein Prompting-Stil (befriedigende, sich wiederholende physische Interaktionen mit einem ungewöhnlichen Material, in übertriebenem Maßstab gerendert), angewandt auf universelle KI-Videogeneratoren, die natives Audio produzieren können. Googles Veo, Kling und Seedance können seit Mitte 2026 alle synchronen Ton generieren; frühere KI-ASMR-Inhalte stützten sich stark auf Veo 3, weil es das erste war, das starke visuelle Qualität mit starkem nativem Audio kombinierte.
Zunehmend wird der Ton nativ vom Videomodell selbst im selben Durchgang wie die Bilder generiert — Veo, Kling und Seedance unterstützen das jetzt alle. Dennoch legen mehrere Kreative noch separat generiertes Audio von speziellen Sound-Tools (wie ElevenLabs) oder speziellen ASMR-Generatoren darüber, wenn sie schärfere, präzisere Trigger-Sounds wollen, als ein allgemeines Videomodell zuverlässig produziert.
Trenne den Prompt in klare Teile — die visuelle Aktion, die Stimme (falls vorhanden), die spezifischen Soundeffekte und jede Hintergrundmusik oder Atmosphäre — statt einer durchgehenden Beschreibung. Konzentriere dich auf eine einzige, befriedigende, sich wiederholende physische Interaktion mit einem markanten Material (schneiden, zerdrücken, klopfen, gießen). Ein tiefes, leises Ambient-Dröhnen unter scharfen Vordergrundgeräuschen (ein Messer durch Seife, Murmeln auf Glas) zu legen, fügt räumliche Tiefe hinzu, die den Nahaufnahme-Trigger-Sound überzeugender macht.
Ein gut gemachter KI-ASMR-Clip ist so gestaltet, dass er nahtlos loopt, und die Kurzformat-Algorithmen der Plattformen lesen wiederholte Aufrufe desselben Clips als starkes Engagement-Signal und pushen ihn zu mehr Zuschauern. Dieses Wiederansehen-Verhalten — näher daran, wie Menschen eine befriedigende körperliche Aktion wiederholen, als daran, wie sie ein normales Video einmal ansehen — ist ein echter Teil davon, warum diese Kategorie so schnell wuchs.