Prompt-Leitfaden zur Videogenerierung
Inhaltsverzeichnis
1. Schnellstart
Grundlegendes Prompting-Sandwich
Eine einfache Möglichkeit, einen starken Video-Prompt zu strukturieren, ist:
[Kinematografie] + [Subjekt] + [Aktion] + [Kontext] + [Stil & Atmosphäre]
Kinematografie: Definiere die Kameraführung und den Bildaufbau.
Betreff: Identifiziere die Hauptfigur oder den Fokuspunkt.
Aktion: Beschreibe, was das Subjekt tut.
Kontext: Beschreibe die Umgebung und Hintergrundelemente im Detail.
Stil & Atmosphäre: Gib die Gesamtästhetik, Stimmung und Beleuchtung an
Beispiel
Halbtotale, ein erschöpfter Büroangestellter reibt sich vor Müdigkeit die Schläfen, vor einem klobigen Computer aus den 1980ern in einem chaotischen Büro spät in der Nacht. Die Szene wird von grellem fluoreszierendem Deckenlicht und dem grünen Schein des monochromen Monitors beleuchtet. Retro-Ästhetik, aufgenommen, als wäre es auf Farbfilm aus den 1980ern gedreht, leicht körnig.
2) Unterteile den Prompt in klare Elemente
Kinematografie
Beschreibe, wie die Szene gefilmt werden soll.
Du kannst Folgendes angeben:
Aufnahmetyp: Totale, Halbtotale, Nahaufnahme, extreme Nahaufnahme, Makro, Over-the-Shoulder, lange Einstellung, POV
Kamerawinkel: Augenhöhe, Untersicht, Aufsicht, von oben, Froschperspektive, Dutch Angle,
Kamerabewegung: langsames Dolly-in, Schwenk, Neigung, stativfest, Handkamera-Tracking, Orbit, Kranfahrt, statische Einstellung (oder fest), Truck, Podest, Zoom, Drohne, Whip Pan, Bogenfahrt
Objektiv & Fokus: 35-mm-Objektiv, geringe Tiefenschärfe, weiches Bokeh, anamorphe Flares, Weitwinkel, Teleobjektiv, große Tiefenschärfe, Lens Flare, Rack Focus, Fisheye, Vertigo
Beispiel:
Subjekt
Nenne den Hauptfokus der Aufnahme. Sei spezifisch. Füge definierende Details wie Farbe, Material, Alter, Spezies, Kleidung oder Ausdruck hinzu, wo hilfreich.
Beispiele:
Menschen: Allgemeine Beschreibungen (Mann, Frau, ältere Person), Spezifische Berufe, Historische Figuren, Mythische Wesen ("schelmische Fee", "ein stoischer Ritter")
Tiere oder Kreaturen: Spezifische Tierrassen, Fantastische Kreaturen: ("ein Miniaturdrache mit schillernden Schuppen", "ein weiser, uralter sprechender Baum")
Objekte: Alltägliche Gegenstände, Fahrzeuge, Abstrakte Formen ("leuchtende Kugeln", "kristalline Strukturen")
Aktion
Beschreibe, was das Subjekt tut. Je klarer die Aktion, desto vorhersehbarer die Animation.
Du kannst Folgendes angeben:
Grundbewegungen: gehen, rennen, springen, fliegen, schwimmen, tanzen, sich drehen, fallen, stillstehen, sitzen
Interaktionen: sprechen, lachen, streiten, umarmen, kämpfen, ein Spiel spielen, kochen, bauen, schreiben, lesen, beobachten
Emotionale Ausdrücke: lächeln, die Stirn runzeln, Überraschung, tief konzentrieren, nachdenklich wirken, Begeisterung zeigen, weinen
Subtile Aktionen: eine sanfte Brise, die das Haar zerzaust, raschelnde Blätter, ein leichtes Nicken, ungeduldiges Fingertippen, langsames Blinzeln
Verwandlungen oder Prozesse: eine Blume, die in Zeitraffer blüht, schmelzendes Eis, eine sich im Laufe der Zeit entwickelnde Stadtsilhouette (allerdings die Clip-Länge für Ereignisse berücksichtigen, die über einen längeren Zeitraum ablaufen)
Kontext
Beschreibe die Umgebung oder die Situation um das Subjekt herum. Kontext verankert die Szene und verhindert generische Ergebnisse.
Du kannst Folgendes angeben:
Ort (Innenraum): ein gemütliches Wohnzimmer mit knisterndem Kamin, ein steriles futuristisches Labor, ein chaotisches Künstleratelier, ein prunkvoller Ballsaal, ein staubiger Dachboden
Ort (Außenbereich): ein sonnenverwöhnter tropischer Strand, ein nebeliger uralter Wald, eine belebte futuristische Stadtlandschaft bei Nacht, ein ruhiger Berggipfel im Morgengrauen, ein trostloser fremder Planet
Tageszeit: Goldene Stunde, Mittagssonne, Dämmerung, tiefe Nacht, vor der Morgendämmerung
Wetter: klarer blauer Himmel, bedeckt und düster, leichter Nieselregen, heftiges Gewitter mit sichtbaren Blitzen, sanfter Schneefall, wirbelnder Nebel
Historische oder fantastische Epoche: ein mittelalterlicher Burghof, ein dröhnender Jazzclub der 1920er Jahre, eine Cyberpunk-Gasse, eine verwunschene Waldlichtung
Atmosphärische Details: Staubpartikel im Sonnenstrahl, flimmernde Hitzeschleier, Spiegelungen auf nassem Pflaster, vom Wind verwehte Blätter
Stil & Atmosphäre
Beschreibe das Aussehen und die Stimmung des Videos. Statt etwas Allgemeines wie „epische Atmosphäre“ zu schreiben, definiere die Stimmung durch Beleuchtung, Farbpalette und Textur.
Du kannst Folgendes angeben:
Stil: filmischer Realismus, Stop-Motion-Gefühl, handgezeichnete Animation, Film Noir, Retro-VHS, fotorealistisch, filmisch, Animation, Kunstrichtungen/Künstler, spezifische Looks
Beleuchtung: weiches Key Light, warme Tungsten-Prakticals, kühles Mondlicht als Randlicht, natürliches Licht, künstliches Licht, filmische Beleuchtung ("Rembrandt-Beleuchtung bei einem Porträt"), spezielle Effekte ("volumetrische Beleuchtung, die sichtbare Lichtstrahlen erzeugt")
Ton oder Stimmung: fröhlich/heiter, traurig/melancholisch, spannend/angespannt, friedlich/gelassen, episch/grandios, futuristisch/Sci-Fi, vintage/retro, romantisch, Horror
Atmosphäre: Farbpaletten, atmosphärische Effekte, texturale Qualitäten
3) Sei spezifisch und konkret
Ersetze vage Sprache durch visuelle Anweisungen.
Spezifische Prompts erzeugen meist besser kontrollierbare Ergebnisse, weil das Modell weniger Raum zum Raten hat. Googles Prompt-Empfehlungen betonen ebenfalls die Verwendung detaillierter, expliziter Anweisungen statt abstrakter Beschreibungen.
Schwächer:
Besser:
4) Halte den Prompt übersichtlich
Schreibe in kurzen, lesbaren Zeilen oder kurzen gruppierten Abschnitten.
Eine klare Struktur funktioniert oft besser als ein langer Absatz. Zum Beispiel:
Format 16:9, 6 Sekunden, filmischer Realismus.
Subjekt + Aktion Eine matt-schwarze Hautpflegeflasche dreht sich langsam auf einer nassen Steinplatte.
Kinematografie Festes Stativ. 50-mm-Objektiv. Geringe Tiefenschärfe.
Stil & Atmosphäre Weiches kühles Gegenlicht, dezentes Bloom, filmische Farbgebung mit niedrigem Kontrast.
Diese Art von Struktur reduziert Mehrdeutigkeiten und erleichtert spätere Anpassungen.
5) Definiere Einschränkungen frühzeitig
Platziere die wichtigsten technischen Einschränkungen nahe am Anfang des Prompts:
Seitenverhältnis
Cliplänge
Bildstil oder Format
Auflösung, falls unterstützt
allgemeiner visueller Modus
Beispiel:
6) Formuliere Negative Prompts richtig
Wenn du Elemente ausschließen willst, vermeide ungeschickte Formulierungen wie:
„keine Gebäude zeigen“
„keine gruselige Stimmung“
„mach es nicht dunkel“
Formuliere den Ausschluss stattdessen klar als Liste negativer Prompts.
Beispiel:
7) Denke in Story-Beats
Auch kurze Clips funktionieren besser, wenn sie eine innere Struktur haben.
Für einen 6–8 Sekunden langen Clip kannst du in einfachen Beats denken:
Beat 1: Subjekt und Umgebung etablieren
Beat 2: Bewegung oder Aktion einführen
Beat 3: mit einer Enthüllung, einem Ausdruck oder einem Hold enden
8) Verwende Referenzbilder für Konsistenz
Verwende Referenzinputs, wenn du Folgendes möchtest:
dieselbe Figur über mehrere Aufnahmen hinweg
dasselbe Produktdesign über Variationen hinweg
dieselbe Umgebung oder Art Direction
mehr visuelle Konsistenz von Szene zu Szene
9) Veo 3.1 Prompting-Leitfaden
Tipps
Native Audio-Präfixe: Veo 3.1 ist eines der wenigen Modelle, das direkte Audio-zu-Video-Synchronisation innerhalb des Prompts mithilfe bestimmter Tags erlaubt:
300-Zeichen-Grenze: Veo 3.1 reagiert sehr empfindlich auf die Prompt-Länge. Ziele auf 150–300 Zeichen. Prompts mit mehr als 400 Zeichen führen oft zu „Prompt-Leakage“, bei der das Modell die zweite Hälfte deiner Anweisungen ignoriert.
Zeitstempel-basiertes Prompting: Du kannst ein bestimmtes Tempo steuern, indem du Zeitmarken hinzufügst.
Mehrfachreferenz-„Zutaten“: Statt nur einer einzigen „Bild-zu-Video“-Referenz unterstützt Veo 3.1 bis zu drei Bildeingaben. Nutze dies, um gleichzeitig Konsistenz für ein bestimmtes Produkt, eine bestimmte Figur und einen bestimmten Hintergrund zu bewahren
Audio-Prompting
Für Veo 3.1 sollte Audio als ein Hauptbestandteil des Prompts behandelt werden, wenn es relevant ist. Googles neuester Veo-Leitfaden hebt synchronisiertes Audio ausdrücklich hervor, einschließlich Dialog, Umgebungsgeräuschen und Soundeffekten.
Nützliche Audioelemente sind:
Dialog
Umgebungsraumton
Umgebungsgeräusche
Soundeffekte
Musik oder keine Musik
Stimmton, Tempo, Stil oder Akzent
Eine gute Faustregel ist, Audio in separaten Zeilen zu beschreiben.
Beispiel ohne Dialog
Beispiel mit Dialog
Zeitstempel-Prompting
Abgesehen von Story-Beats geht Veo 3.1 jetzt noch weiter, indem es zeitstempelbasiertes Prompting für ein expliziteres Szenentempo unterstützt. Googles neueste Anleitung enthält zeitgestempelte Shot-Beschreibungen als Möglichkeit, die Abfolge von Ereignissen in einem kurzen Clip zu steuern.
Beispiel:
Workflows zur Videoerstellung
Zutaten zu Video
Bereite visuelle Zutaten wie Figuren, Requisiten oder Umgebungen vor und animiere sie dann zu einer Videoszene. Google hebt dies ausdrücklich für den Aufbau von Mehrfachszenen mit konsistenten Figuren und Dialog hervor.
Wie funktioniert es:
Erstelle deine „Zutaten“: Referenzbilder
Komponiere die Szene: Nutze die Funktion Zutaten zu Video mit den relevanten Referenzbildern.
Verwende dies, wenn:
du ein wiederholbares Figurendesign brauchst
du möchtest, dass ein Produkt konsistent bleibt
du möchtest, dass sich eine Szene über mehrere Aufnahmen hinweg wie dieselbe Welt anfühlt
du eine Dialogszene mit wiederkehrenden Subjekten aufbaust
Erstes und letztes Bild
Du gibst ein Startbild und ein Endbild vor und bittest dann das Modell, den Übergang dazwischen zu erzeugen. Googles Veo-3.1-Leitfaden beschreibt diese Funktion ausdrücklich und empfiehlt, sowohl die Bewegung als auch das Audio für die Zwischen-Sequenz zu beschreiben.
Verwende dies, wenn du Folgendes möchtest:
eine kontrollierte Transformation zwischen zwei Zuständen
eine Enthüllung von einer Komposition zur anderen
einen präzisen Übergangsbogen
eine stilisierte Vorher/Nachher-Bewegung
Beispiel
Prompt-Vorlagen
Allgemeine Vorlage für die Videoerstellung
Produkt hier mit nativem Audio
Figur mit Dialog
Variante mit erstem Bild / Bild-zu-Video
Zuletzt aktualisiert