KI-Video-Prompts schreiben: Beschreib die Bewegung, nicht das Bild

Hier ist der eine Gedanke, der die meisten schlechten Video-Prompts repariert: Bei Bild-zu-Video hat das Bild schon die Hälfte der Arbeit erledigt. Was du bei Fellowi Video hochlädst, legt fest, wer im Bild ist, was die Person trägt, wo sie steht, wie das Licht fällt. Das Modell sieht das alles. Wenn dein Prompt also dreißig Wörter darauf verwendet, genau das zu wiederholen, hast du den Ausgangspunkt zweimal beschrieben und die nächsten vier Sekunden gar nicht. Das Bild liefert das Was. Der Prompt liefert das Wie es sich bewegt.

Wenn du unseren Leitfaden zum Schreiben von Bild-Prompts gelesen hast, achte darauf, wie anders die Aufgabe ist. Ein Bild-Prompt baut eine Szene aus dem Nichts, deshalb sind Details dein Freund. Ein Video-Prompt bekommt eine fertige Szene und fügt Zeit hinzu. Details zur Szene sind jetzt Rauschen; Details zur Bewegung sind das Signal.

Die fünf Fragen, die ein Video-Prompt beantworten sollte

Du brauchst nicht alle fünf in jedem Prompt. Aber jeder gute Prompt beantwortet mindestens zwei oder drei, und ein schwacher meist keine.

1. Kamera: Bewegt sie sich, und wie?

Statisch, langsame Fahrt nach vorn, langsame Fahrt zurück, sanfter Schwenk nach links oder rechts, leichtes Handkamera-Wackeln. Nenn eins davon. Eine langsam bewegte Kamera ist der einfachste Weg, ein Standbild wie Filmmaterial wirken zu lassen, selbst wenn sich sonst nichts ändert.

2. Bewegung des Motivs: Was tut die Person oder das Objekt?

Eine Kopfdrehung, ein Atemzug, ein Lächeln, das ankommt, Haar, das sich im Wind hebt, Finger, die sich um eine Tasse schließen. Klein und konkret schlägt groß und vage. „Sie blickt auf und lächelt“ kommt an; „sie bewegt sich natürlich“ lässt das Modell raten.

3. Tempo: Wie schnell passiert das alles?

Zeitlupe, Echtzeit, träges Treiben, ein kurzer Blick. Das Tempo entscheidet, ob sich vier Sekunden wie ein Moment oder wie eine Montage anfühlen. Im Zweifel schreib „langsam“. Langsam wirkt gewollt; schnell wirkt wie Chaos.

4. Stimmung und Umgebung: Was verändert sich in der Welt?

Flackerndes Licht, Vorhänge, die sich regen, einsetzender Regen, Dampf über dem Kaffee, Staub im Sonnenstrahl. Ein einziges Umgebungsdetail gibt der Szene einen Puls und verhindert, dass der Hintergrund aufgeklebt aussieht.

5. Ton: Was sollen wir hören?

Fellowi Video generiert zu jedem Clip Ton, und im Prompt steuerst du ihn. Leiser Regen, ferner Verkehr, ein stiller Raum mit einer Uhr, Wind in den Blättern, dezente Hintergrundmusik. Sagst du nichts, wählt das Modell. Sagst du eine Sache, hört es meistens zu.

Vorher und nachher

In jedem Paar dasselbe Startbild. Nur der Prompt ändert sich.

Ein Porträt am Fenster

Vorher: „Eine schöne Frau mit langen dunklen Haaren in weißem Hemd steht am Fenster einer hellen Wohnung.“

Das ist eine Bildunterschrift. Das Modell kennt schon jedes Wort davon, und nichts hier sagt, was passiert.

Nachher: „Langsame Fahrt nach vorn. Sie dreht den Kopf zum Fenster und atmet leise aus; eine Haarsträhne hebt sich in einer leichten Brise. Der Vorhang schwingt. Stiller Raum, draußen ein schwaches Stadtrauschen.“

Kamera, Bewegung, Umgebung und Ton in einem Atemzug, und nichts aus dem Bild wiederholt.

Ein Bergsee in der Dämmerung

Vorher: „Epischer kinoreifer Sonnenuntergang über einem See mit Bergen, dramatisches Licht, 4K, hyperrealistisch.“

Adjektive über Qualität tun nichts für die Bewegung, und „4K“ ist nichts, was ein 720p-Clip werden kann.

Nachher: „Statische Kamera. Wellenringe breiten sich langsam über das Wasser aus; Wolken ziehen nach rechts; das letzte Licht auf den Gipfeln wird ein wenig schwächer. Wind über dem Wasser, ein einzelner ferner Vogel.“

Ein generiertes Foto aus dem Foto-Tab

Vorher: „Lass es sich bewegen. Realistisch. Sie geht durch den Raum, nimmt ihr Handy, setzt sich aufs Sofa, lacht und winkt in die Kamera.“

Vier Aktionen in vier Sekunden. Das Modell versucht alle und beendet keine.

Nachher: „Leichtes Handkamera-Wackeln. Sie blickt in die Kamera und lächelt langsam auf. Weiches Innenlicht flackert. Gedämpfte Musik aus einem anderen Zimmer.“

Eine Aktion mit Anfang und Ende, die bequem in den Clip passt. Willst du auch den Weg zum Sofa, ist das ein zweiter Clip mit einem anderen Startbild, kein längerer Satz. Unser Beitrag über das Animieren deiner KI-Fotos zeigt, wie man so eine Sequenz aufbaut.

Drei Fehler, die einen Clip ruinieren

Das Bild noch einmal beschreiben

Der häufigste und der verzeihlichste, weil Bild-Prompting dich genau darauf trainiert. Teste dich: Verdecke das Bild und lies deinen Prompt. Könnte er als Bildunterschrift für das Standbild dienen, hast du noch keinen Video-Prompt geschrieben. Streich jedes Wort, das das Modell schon sehen kann, und gib es für Bewegung aus.

Zu viele Aktionen für vier Sekunden

Eine Kopfdrehung dauert etwa eine Sekunde. Ein Lächeln eine weitere. Ein oder zwei Schritte den Rest. Das ist der ganze Clip. Alles über zwei klare Bewegungen hinaus wird zu Matsch komprimiert oder stillschweigend weggelassen. Wähl die eine Geste, um die es in diesem Moment geht, und lass Kamera und Umgebung den Rest tragen.

Dem Bild widersprechen

Sitzt die Person, verlang nicht, dass sie rennt. Ist es Nacht, verlang kein helles Sonnenlicht. Steht sie mit dem Rücken zur Kamera, verlang keine Nahaufnahme ihrer Augen. Das Modell muss das Startbild respektieren, also erzeugt ein Prompt, der dagegen kämpft, Verzerrungen, Verformungen oder ein Gesicht, das nicht mehr aussieht wie das hochgeladene. Arbeite mit dem, was im Bild ist: Die Bewegung, um die du bittest, sollte eine sein, in die genau dieser Frame plausibel übergehen kann.

Eine kleine Vorlage zum Start

Füll aus, was passt, und lösch den Rest:

• Kamera: statisch / langsame Fahrt vor / langsame Fahrt zurück / sanfter Schwenk / Handkamera-Wackeln
• Motiv: eine Geste mit Anfang und Ende
• Tempo: langsam / Echtzeit
• Umgebung: eine Sache, die sich im Hintergrund bewegt
• Ton: ein oder zwei Umgebungsgeräusche

Ausgeschrieben: „Langsame Fahrt zurück. Er senkt das Buch und sieht hinaus in den Regen. Das Lampenlicht flackert. Regen an der Scheibe, Seiten, die sich legen.“ Das sind gut zwanzig Wörter, und es ist ein vollständiger Video-Prompt.

Häufige Fragen

Wie lang sollte ein Video-Prompt sein?

Ein bis drei kurze Sätze. Bist du über vierzig Wörtern, beschreibst du wahrscheinlich das Bild oder stapelst Aktionen. Kürze, bis nur Bewegung, Tempo und Ton übrig sind.

Soll ich erwähnen, wie die Person aussieht?

Nur wenn es Teil der Bewegung ist („ihr Haar hebt sich“, „sein Schal flattert“). Das Aussehen ist durch das Bild festgelegt; es zu wiederholen ändert nichts und verdrängt die nützlichen Wörter.

Was, wenn der Render fehlschlägt?

Ein fehlgeschlagener Render wird nie berechnet: Coins werden zurückerstattet, ein Platz aus dem Director-Kontingent wird zurückgegeben. Die übliche Lösung ist Vereinfachen: weniger Aktionen, langsameres Tempo und keine Anweisung, die mit dem Startbild streitet. Versuch es noch einmal mit demselben Bild.

Darf ich explizite Inhalte anfragen?

Fellowi ist eine 18+-Plattform, und Inhalte für Erwachsene unter Erwachsenen sind erlaubt. Alles, was Minderjährige oder fehlende Einwilligung betrifft, wird rundweg abgelehnt. Die Regeln oben gelten genau gleich: Beschreib die Bewegung, bleib bei ein oder zwei Takten und widersprich dem Bild nicht.

Wo probiere ich das aus?

Öffne das Studio über das Zauberstab-Symbol in der Kopfzeile oder geh direkt zu fellowi.com/video. Wähl ein Startbild, füg deinen Prompt ein und sieh zu, was zwanzig gut gewählte Wörter können.