Ein gutes AI-Video beginnt selten mit einer langen Liste von Adjektiven. Es beginnt mit einer klaren Anweisung.
Wenn Ihr Prompt nur besagt „eine filmische Frau läuft durch Tokyo", muss das Modell selbst entscheiden, wie die Frau aussieht, wie sie läuft, wo die Kamera steht, wie sie sich bewegt, welche Tageszeit es ist, und ob die Szene Dialog, Umgebungsgeräusche oder Stille hat. Jede undefinierteBeschreibung schafft eine weitere Gelegenheit, dass sich das Ergebnis von Ihrer Vorstellung entfernt.
Die zuverlässigsten AI-Video-Prompts funktionieren eher wie kompakte Szenen-Briefs. Sie teilen dem Modell mit, was auf dem Bildschirm zu sehen ist, was sich im Laufe der Zeit ändert, wie die Kamera es beobachtet, welche Bildsprache verwendet werden sollte, und was die Zuschauer hören sollten.
Diese AI-Video-Prompt-Anleitung gibt Ihnen eine wiederverwendbare Struktur zum Schreiben besserer Prompts und zeigt dann, wie Sie sie für Kling 3.0, Wan 2.7, Veo 3.1 und Seedance 2.0 auf AKOOL anpassen.
Die Anatomie eines großartigen AI-Video-Prompts
Das einfachste nützliche Framework ist:
Motiv → Handlung → Kamera → Stil → Sound
Verwenden Sie diese fünf Komponenten in dieser Reihenfolge beim Schreiben von Text-zu-Video-Prompts. Sie benötigen nicht für jede Generierung einen aufwendigen Absatz; Sie benötigen nur genügend Informationen, um die wichtigsten Mehrdeutigkeiten zu beseitigen.
1. Motiv — Was sehen wir?
Identifizieren Sie die Person, das Produkt, das Objekt oder die Umgebung mit den visuellen Details, die wichtig sind.
Schwach:
Eine Frau in einer Stadt.
Besser:
Eine Frau Anfang 30er in einem dunkelblauen Trenchcoat steht allein auf einer regennassen Straße in der Innenstadt von Tokyo in der Nacht.
Beschreiben Sie nicht alle sichtbaren Details. Priorisieren Sie Identitätsanker — Kleidung, Material, Farbe, Alter, Produktform oder andere Merkmale, die stabil bleiben sollten.
2. Handlung — Was ändert sich während der Einstellung?
Video braucht eine zeitliche Anweisung. Verwenden Sie konkrete Verben und beschreiben Sie einen verständlichen Bewegungsbogen.
Schwach:
Ein filmischer Sneaker.
Besser:
Ein weißer Laufschuh fällt auf nasses Pflaster, verformt sich beim Aufprall und spritzt Wasser nach außen, wenn ein Läufer abspringt.
Vermeiden Sie das Stapeln von sechs unverbundenen Handlungen in einer fünfsekündigen Aufnahme. Mehr Anweisungen führen nicht automatisch zu mehr Kontrolle.
3. Kamera — Wie sollten wir die Handlung sehen?
Geben Sie Bildausschnitt und Bewegung explizit an, wenn sie wichtig sind.
Schwach:
Dynamische Kamera.
Besser:
Halbtotale Nahaufnahme aus niedriger Perspektive. Die Kamera folgt dem Läufer seitlich und drückt dann langsam zum Schuh vor, während dieser auf das Pflaster trifft.
Nützliche Begriffe sind Totale, Halbtotale, Nahaufnahme, Vogelperspektive, Froschperspektive, Handkamera, Dolly In, Schwenk, Kameraschwenk, Orbit, Schwenk, Neigung, Schärfe-Versatz und langsames Vordrücken.
Wenn Text allein eine komplexe Bewegung nicht zuverlässig reproduzieren kann, sind referenzgesteuerte Arbeitsabläufe oft präziser. AKOOLs Anleitung zum Kontrollieren von Bewegung und Stil mit Video Reference erklärt, wie ein vorhandener Clip Kamerabewegung, Handlung und Atmosphäre anstelle einer ausführlichen verbalen Beschreibung leiten kann. (Akool)
4. Stil — Wie sollte sich die Szene anfühlen?
Beschreiben Sie Beleuchtung, Farbpalette, Textur, Genre und fotografische Behandlung, anstatt sich auf das Wort „filmisch" zu verlassen.
Statt:
Filmische Werbung.
Versuchen Sie:
Premium-Sportanzeigen-Look, kühle blaue Schatten, warme praktische Lichter, nasses reflektierendes Pflaster, hoher Kontrast, geringe Schärfentiefe, beherzigtes Filmkorn.
Spezifische visuelle Beziehungen geben dem Modell nützlichere Informationen als generische Qualitätsbegriffe wie „episch", „professionell" oder „4K-Meisterwerk".
5. Sound — Was sollten wir hören?
Bei Modellen mit nativer Audio sollte Sound von Anfang an im Prompt enthalten sein.
Beispiel:
Audio: schnelle Schritte auf nassem Asphalt, Wasser spritzt mit jedem Schritt, ferner Verkehr, pulsierender elektronischer Bass. Kein Dialog.
Wenn Dialog nötig ist, halten Sie ihn kurz und geben Sie den Text deutlich an:
Die Frau blickt zur Kamera und sagt: „Wir haben gerade erst angefangen."
Audio: stille Stadtgeräusche und leichter Regen hinter ihrer Stimme.
Klings Entwicklung hin zur integrierten audiovisuellen Generierung begann vor 3.0; AKOOLs Übersicht über Kling 2.6 native Audio behandelt synchronisierte Dialog, Umgebung und Effekte als Teil desselben Generierungsprozesses. (Akool)
Modellspezifische Prompt-Tipps
Das fünfteilige Framework funktioniert modellübergreifend, aber identische Video-Generierungs-Prompts führen nicht immer zu identischem Verhalten. Verschiedene Modelle belohnen verschiedene Arten von Anweisungen.
AKOOL unterstützt auch vereinigte Generierungs-/Bearbeitungsmodelle wie Kling O1; Verständnis dieser Kling O1-Funktionen ist nützlich, wenn Ihr Arbeitsablauf Prompting mit Referenzen, Aufnahmeerweiterung oder natürlichsprachiger Bearbeitung kombiniert. (Akool)
Kling 3.0 für Multi-Shot-Geschichtenerzählung und Charakterkonsistenz prompts
Kling 3.0 ist besonders nützlich, wenn Ihr Prompt eine kurze Sequenz statt einer statischen Komposition beschreibt. AKOOL dokumentiert Generierungen von 3–15 Sekunden, native Audio, verbesserte Objektkonsistenz und ein AI-Director-ähnliches System, das Totale, Nahaufnahmen und Schnitte aus einer einzelnen Beschreibung strukturieren kann. (Akool)
Für eine Kling-Prompt-Anleitung Mentalität beschreiben Sie die Geschichte in geordneten Schritten. Teilen Sie dem Modell mit, was zwischen diesen Schritten konstant bleibt.
Beispiel:
15-sekündige Kino-Kaffeewerbung.
Shot 1: Totale einer ruhigen Küche bei Sonnenaufgang. Eine Frau in einem cremefarbenen Pullover betritt den Rahmen und stellt eine schwarze Keramiktasse auf die Arbeitsplatte.
Shot 2: Halbtotale. Sie gießt frischen Kaffee in dieselbe Tasse; Dampf steigt durch warmtes Morgenlicht.
Shot 3: Nahaufnahme ihrer Hände, die die Tasse heben, dann Schnitt zu ihr, wie sie nach dem ersten Schluck lächelt.
Halten Sie dieselbe Frau, cremefarbenen Pullover, schwarze Tasse, Küchenlayout und warme Bernsteinfarbnuance in jedem Shot.
Audio: leises Kaffeegießen, Keramik-Kontakt auf Holz, stille Morgenraumtöne, subtile akustische Musik.
Die wichtige Technik ist Kontinuitätssprache: identifizieren Sie explizit, welcher Charakter, welche Kleidung, welche Requisite oder Umgebung unveränderlich bleiben sollte. Siehe Kling 3.0 Multi-Shot-Geschichtenerzählung für Multi-Shot-, Native-Audio- und Referenzfunktionen des Modells. (Akool)
Wan 2.7 für Bewegungs- und Stilisierungskontrolle prompts
Wan 2.7 sollte besser mit einem klar definierten Bewegungspfad plus stabiler visueller Behandlung angegangen werden. AKOOLs veröffentlichte Vorschau betont natürlichere Bewegung, stärkere Stilisierung, Konsistenz, Start-/Endbild-Kontrolle, Referenzeingaben und anweisungsbasierte Bearbeitung. (Akool)
Anstatt fünf konkurrierende Stile hinzuzufügen, etablieren Sie eine Kunstrichtung und erklären Sie, wie sich die Bewegung entwickelt.
Beispiel:
Ein roter Vintage-Sportwagen fährt von links ein und beschleunigt auf einer gewundenen Küstenstraße. Die Kamera beginnt in einer Froschperspektive-Mitteltotale neben dem Fahrer, bewegt sich dann seitlich zur Fahrertür und fällt allmählich zurück, wenn der Wagen die Kurve verlässt.
1970er-Jahre europäischer Straßenfilm-Ästhetik, leicht entsättigt blaugrüne Schatten, warmes Sonnenlicht, subtiles Filmkorn, realistische Federungsbewegung und Reifenkontakt. Behalten Sie dieselbe rote Farbe, Autoproportionen und Farbabstufung bei.
Wenn der ausgewählte Arbeitsablauf Referenzen oder Schlüsselbild-Steuerungen bietet, nutzen Sie diese, anstatt jede Erscheinungsbeschränkung in Prosa zu setzen. Die Übersicht über Wan 2.7-Bewegungskontrolle behandelt Bewegungs-, Stil-Konsistenz-, Referenz- und Start-/Endbild-Anweisungen. (Akool)
Veo 3.1 für filmischen Realismus prompts
Veo 3.1 reagiert gut auf drehbuchartige natürliche Sprache, die Motiv, Handlung, Umgebung, Kamera und Sound verbindet. AKOOLs Veo-Anleitung empfiehlt eine Struktur, die filmischen Stil, Charakterdetail, Bewegung, Umgebung/Beleuchtung, Audiohinweise und technische Kamerablickrichtung kombiniert. (Akool)
Verwenden Sie physikalische Ursache-und-Wirkung statt unverbundener Schlüsselwort-Strings.
Beispiel:
Ein müder Koch schließt ein kleines Restaurant nach Mitternacht. Er schaltet das letzte Pendelleuchten aus und geht zur Hintertür, während der Raum sich Abschnitt für Abschnitt in Dunkelheit verdunkelt.
Langsames Dolly nach hinten auf Augenhöhe, 50mm Kinoperspektive, natürliche Handkamera-Mikrobewegung. Warmes Wolfram-Licht übergeht in kühles blaues Licht aus der Gasse.
Audio: Metallstühle schleifen leicht, Kühlschrankbrummen, ein ferner Wagen, der vorbeigeht, dann das Klicken des letzten Lichtschalters.
Veo ist besonders nützlich, wenn Kamerablickrichtung und Sound Teil der gleichen Szenenlogik sind. AKOOL beschreibt derzeit Veo 3.1 als Unterstützung für referenzgeführte Konsistenz und präzise Bewegungskontrolle. (Akool)
Seedance 2.0 für Audio-synchronisierte Videos prompts
Seedance 2.0 profitiert davon, über Text allein hinauszudenken. AKOOLs aktuelle Video-Generierungsschnittstelle listet Seedance 2.0 auf, während seine Modellabdeckung multimodalen Einsatz von Text-, Bild-, Video- und Audio-Referenzen betont.
Wenn Musik oder Stimme das Timing etabliert, schreiben Sie den Prompt um die Beat-Struktur herum.
Beispiel:
Erstellen Sie ein schnelles 12-sekündiges Streetwear-Video, das zum hochgeladenen Beat synchronisiert ist.
0–3s: Modell steht still unter einem U-Bahn-Licht; langsames Vordrücken.
3–6s: beim ersten schweren Beat schneiden Sie zu einem Froschperspektive-Gehschuss.
6–9s: schneller seitlicher Tracking-Schuss, während sich das Modell zur Kamera dreht.
9–12s: Nahaufnahme des Jacken-Logos, endend genau beim letzten Beat.
Behalten Sie dasselbe Modell, schwarze Jacke, silberne Accessoires, U-Bahn-Stationsumgebung und grüne Neonbeleuchtung.
Verwenden Sie das hochgeladene Audio als Timing-Referenz. Schnitte und wichtige Körperbewegungen sollten mit den stärksten Beats ausgerichtet sein.
Für Seedance können Referenzen Informationen tragen, die sonst den Text-Prompt unnötig lang machen würden. Lassen Sie die Bild-Identität etablieren, das Video Bewegung etablieren und die Audio Rhythmus etablieren; verwenden Sie Text, um zu erklären, wie diese Elemente interagieren sollten.
Häufige Prompt-Fehler (und wie man sie behebt)
Fehler 1: Eine Bildprompt schreiben statt eines Videoprompts.
„Eine Luxusuhr auf Marmor, filmische Beleuchtung" beschreibt Erscheinung, aber nicht Zeit.
Lösung:
Makro-Nahaufnahme einer Luxusuhr auf dunklem Marmor. Der Sekundenzeiger bewegt sich sanft, während die Kamera eine langsame 20-Grad-Drehung ausführt. Ein enges Licht fegt über die polierte Lünette und offenbart Spiegelungen allmählich.
Fehler 2: Zu viel in einer Szene verlangen.
Wenn die Objektarbeit läuft, springt, Kleidung wechselt, in ein Auto steigt, weg fährt und eine andere Stadt in acht Sekunden erreicht, muss das Modell zu viele Zustandsänderungen komprimieren.
Lösung: Teilen Sie das Konzept in mehrere Aufnahmen auf oder verwenden Sie ein Multi-Shot-fähiges Modell.
Fehler 3: Vage Kamerasprache verwenden.
Statt:
Coole filmische Bewegung.
Schreiben Sie:
Halbtotale. Langsames Handkamera-Vordrücken, während die Objektposition zentriert bleibt; leichte natürliche Kamerabewegung, kein Orbit und kein Zoom.
Fehler 4: Sich widersprechen.
„Statische gesperrte Kamera" und „dynamische schwungvolle Kamerabewegung" sollten nicht im gleichen Befehl erscheinen, es sei denn, sie beschreiben unterschiedliche Aufnahmen.
Fehler 5: Ein hochgeladenes Bild neu beschreiben statt Bewegung zu beschreiben.
Für Bild-zu-Video, lassen Sie das Bild etablieren, was bereits existiert.
Besser:
Das Objekt dreht sich langsam zum Fenster und lächelt. Vorhänge bewegen sich sanft in der Brise. Die Kamera zieht sich um ein Meter zurück, während sie die ursprüngliche Beleuchtung, Kleidung, Gesichtsidentität und Raumgestaltung bewahrt.
10 einsatzbereite Prompt-Vorlagen
1. Produktanzeige — Premium Hero Shot
Ein [PRODUKT] sitzt auf [OBERFLÄCHE]. [PRODUKT-AKTION]. Makro-Nahaufnahme, übergehend in eine langsame Dreivierteldrehung. [BELEUCHTUNG] schafft kontrollierte Spiegelungen über das Produkt. Premium-Anzeigenstil, [FARBPALETTE], realistische Materialien. Audio: [SFX], subtil [MUSIKSTIL].
2. Produktanzeige — Lifestyle-Demonstration
Ein [ZIELBENUTZER] verwendet [PRODUKT] in [UMGEBUNG]. Der Benutzer [HAUPTAKTION], was deutlich [VORTEIL] demonstriert. Mittlerer Tracking-Schuss, gefolgt von einer Nahaufnahme des Produkts in Gebrauch. Natürliche [TAGESZEIT]-Beleuchtung, authentische Lifestyle-Anzeigen-Optik. Audio: Umgebungsgeräusche plus subtile aufmunternde Musik.
3. Produktanzeige — Drei-Shot Social Commercial
Erstellen Sie eine 12-sekündige Drei-Shot-Anzeige für [PRODUKT].
Shot 1: [HOOK].
Shot 2: [PRODUKTVORTEIL IN AKTION].
Shot 3: [HERO SHOT / CTA VISUAL].
Behalten Sie dasselbe Produktdesign, Farben, Umgebung und Beleuchtung über alle Aufnahmen. Schnelle, aber saubere Übergänge. Audio: [MUSIK] mit synchronisiertem Produkt-SFX.
4. Erklärer — Visuelles Konzept
Zeigen Sie [KONZEPT] visuell mit [MOTIV/OBJEKT]. Beginnen Sie mit [AUSGANGSZUSTAND], dann demonstrieren Sie [VERÄNDERUNG], endend mit [ERGEBNIS]. Saubere Mitteltotale mit langsamem Vordrücken. Minimalistischer moderner visueller Stil, neutraler Hintergrund, klare Objekttrennung. Audio: ruhiger Narrations-Raum mit leichtem Umgebungslicht.
5. Erklärer — Moderator-Szene
Ein [MODERATOR-BESCHREIBUNG] steht in [UMGEBUNG] und erklärt [THEMA]. Halbtotale, Augenhöhe-Kamera, sehr langsames Vordrücken. Der Moderator gestikuliert natürlich, während er sagt: „[KURZTEXT]." Professionelle sanfte Beleuchtung, sauberer Hintergrund, zurückhaltende Markenfarben. Audio: klare Sprachübertragung mit subtiler Raumtöne.
6. Social Clip — Schneller Hook
Vertikales 9:16 Social-Video. Öffnen Sie unmittelbar auf [UNERWARTETE AKTION / VISUELLE HOOK]. Handkamera-Nahaufnahme, schnelles Vordrücken in der ersten Sekunde, dann stabilisiert in eine Halbtotale, wie [MOTIV-AKTION]. High-Energy Zeitgenössischer Stil. Audio: scharfer eröffnender SFX gefolgt von [MUSIKTYP].
7. Social Clip — Transformation
Beginnen Sie mit [VORHER-ZUSTAND]. Das Motiv führt [AUSLÖSER-AKTION] aus. Während der Bewegung transformieren Sie die Szene in [NACHHER-ZUSTAND] bei Beibehaltung der Motividentität und -position. Kamera führt eine sanfte Halbdrehung durch die Transition. Audio: aufsteigender Übergangston, endend auf starkem Beat.
8. Kinematische Kurzfilm — Dialog-Beat
Nacht-Innenraum. [CHARAKTER A] sitzt gegenüber von [CHARAKTER B] in [ORT]. Beginnen Sie mit ruhiger Zweiereinstellung, dann langsam vordrücken zu Charakter A, während diese sagt: „[ZEILE]." Charakter B reagiert ohne zu sprechen. Schwache motivierte Beleuchtung, praktische Lampen, geringe Schärfentiefe. Audio: zurückhaltende Raumgeräusche und natürlicher Dialog.
9. Kinematische Kurzfilm — Action-Szene
[CHARAKTER] läuft durch [UMGEBUNG], während [BEDROHUNG/EREIGNIS] sich hinter ihm entfaltet. Froschperspektive-Tracking-Kamera hält mit dem Charakter Schritt, bevor sie sich für die endgültige Bewegung hinten positioniert. Realistisches Gewicht, Impuls, Trümmer und Kontakt-Physik. Dramatische gerichtete Beleuchtung. Audio: Schritte, Atmung, Umgebungsauswirkungen, keine Musik.
10. Kinematische Kurzfilm — Atmosphärische Establishing Shot
Weite Establishing Shot von [ORT] bei [ZEIT/WETTER]. [KLEINE UMGEBUNGS-AKTIONEN] schaffen subtile Bewegung im gesamten Rahmen. Die Kamera führt einen langsamen Kran nach vorne und unten, offenbarend [STORY-DETAIL]. [FILMSTIL], [FARBPALETTE], realistische volumetrische Atmosphäre. Audio: geschichtete Umgebungsgeräusche mit fernem [SPEZIFISCHER KLANG].
Diese Vorlagen sind Startstrukturen, keine magischen Formeln. Ersetzen Sie Klammern durch konkrete Informationen, entfernen Sie nicht benötigte Abschnitte und testen Sie eine Variable nach der anderen.
