KI-Video-Prompt-Leitfaden: Struktur, Kamera-Steuerung & Modell-Unterschiede

Die 5-Teil-Prompt-Formel, die modellübergreifend funktioniert

Jeden Prompt in dieser Reihenfolge schreiben: Subject + Action + Camera + Lighting/Atmosphere + Style/Technical. Diese Struktur spiegelt wider, wie Diffusionsmodelle und Video-Transformer Tokens verarbeiten, und reduziert halluzinierte Gliedmaßen und temporales Flackern. Beispiel: "Cinematic Close-up, älterer Uhrmacher montiert Mikro-Getriebe, langsamer Push-in auf Makro-Objektiv, warmes Tungsten-Key-Light, geringe Schärfentiefe, 8k, 24fps."

Subject & Action: Bewegung präzise beschreiben

Unklare Verben wie "bewegen" oder "laufen" erzeugen rutschende Füße. Exakte Bewegungsbeschreibungen nutzen:

• Kamera-relativ: Push-in, Pull-out, Truck links/rechts, Pedestal up/down, Orbit, Dolly-Zoom.
• Subject-relativ: "dreht Kopf 15 Grad links", "hebt rechte Hand zum Kinn", "Stoff wellt im Querwind".
• Physik-Cues: "Haare legen sich nach Drehung", "Wasser spritzt nach oben und fällt", "Schatten verkürzt sich bei Sonnenaufgang".

Runway Gen-3 Alpha reagiert am besten, wenn Bewegung in den ersten 12 Tokens beschrieben wird; Kling 1.6 bevorzugt Motion-Tags am Ende. Beide Positionen testen.

Kamera-Sprache: Kinematografie in Tokens übersetzen

Modelle, die auf Stock-Footage trainiert wurden, verstehen Standard-Kamera-Syntax. Diese vier Elemente immer einbauen:

1. Shot-Typ: Extreme Close-up, Close-up, Medium, Wide, Extreme Wide, POV, Over-the-shoulder.
2. Objektiv/Brennweite: 14mm (Weitwinkel-Verzerrung), 24mm (Umgebung), 35mm (natürlich), 50mm (Standard), 85mm (Porträt-Kompression), 200mm (Tele-Abflachung).
3. Blende/Schärfentiefe: f/1.8 (flach), f/2.8 (Subject-Trennung), f/5.6 (Kontext), f/11 (Tiefenschärfe).
4. Bewegung: Statisch, Handheld-Shake, sanfter Gimbal, Crane up, Slider lateral, FPV-Dive.

Beispiel: "Medium Shot, 35mm Objektiv, f/2.8, langsamer Gimbal Truck rechts dem Subject folgend."

Licht & Atmosphäre: Stimmung steuern ohne Post

Licht-Tokens lenken den latenten Raum zu konsistenter Belichtung. Festlegen:

• Quelle: Golden Hour Sonne, bewölkter Himmel, Neon-Schild, praktische Lampe, Bi-Color LED-Panel, Kerze.
• Qualität: Hart (scharfe Schatten), Weich (umspülend), Diffused (Seide), Gespiegelt (durch Blätter).
• Richtung: Key 45° kamera-rechts, Rim-Backlight, Unterlicht (Horror), Top-Down (Verhör).
• Farbtemperatur: 2700K warm, 5600K Tageslicht, 6500K kalt, Mixed (Neon Cyan/Orange).

Atmosphere-Tokens wie "volumetric fog", "Staubtanzen im Lichtkegel" oder "Hitzeflimmern" geben Tiefe, erhöhen aber Rechenzeit auf Sora um ~15%.

Modell-Vergleich: Wo jedes stark ist

Negative Prompting & Parameter-Tuning

Die meisten UIs bieten CFG Scale (Guidance) und Motion Bucket (Bewegungsintensität). Startwerte:

• CFG 7–9: Ausgewogene Prompt-Treue vs. Kreativität. Über 10 brennt Highlights aus; unter 5 ignoriert Prompt.
• Motion Bucket 40–60 (Gen-3) / 0.3–0.5 (Kling): Natürliche Bewegung. Höhere Werte erzeugen Warping; niedrigere frieren Subject ein.
• Negative Prompt Defaults: "blur, low quality, distorted anatomy, extra limbs, watermark, text, title, credits, static, frozen, jitter, flicker, morphing, bad composition, oversaturated."

Bei Sora den Style Preset-Dropdown (cinematic, documentary, anime, etc.) nutzen statt Style-Tokens in den Prompt zu stopfen.

Image-to-Video: Konsistenz verankern

Bei I2V (Runway, Luma, Kling, Pika) liefert das Bild 70% des Signals. Der Prompt muss nur beschreiben, was sich ändert:

1. Referenz-Frame hochladen (16:9, mind. 1280x720).
2. Nur Delta prompten: "Kamera orbitet 30 Grad links, Subject lächelt, Wind hebt Haare."
3. Motion Bucket niedriger setzen (20–30), damit das Modell statische Elemente nicht "neu erfindet".
4. 4–6 Variationen generieren, sauberste wählen, dann in 4-Sekunden-Schritten erweitern.

Häufige Fehler & Fixes

• Morphende Hände: "Hände ruhen auf Tisch", "hält Kaffeetasse" oder "trägt Handschuhe" hinzufügen, um Geometrie zu fixieren.
• Rutschende Füße: "Gewichtsverlagerung linker auf rechten Fuß", "Fersenaufsatz dann Abrollen" spezifizieren.
• Flackernde Texturen: "Temporal consistency", "stable texture" hinzufügen oder CFG um 1 senken.
• Falsches Aspect Ratio: Mit "16:9 cinematic", "9:16 vertical", "1:1 square" präfixieren.
• Ignorierte Kamerafahrt: Kamera-Tokens ganz an den Anfang (Gen-3) oder ganz ans Ende (Kling) des Prompts setzen.

Workflow: Von der Idee zum nutzbaren Clip in 5 Minuten

1. 5-Teil-Prompt im Texteditor schreiben.
2. 3 Seeds bei niedriger Auflösung (512x288) generieren zur Kompositions-Prüfung.
3. Besten Seed wählen, auf 1080p upscalen mit Motion Bucket +10.
4. Bei >10 Sek. letzten Frame als I2V-Input für nächstes Segment nutzen.
5. Batch-Color-Grading in DaVinci Resolve: gleichen LUT auf alle Clips anwenden für visuellen Zusammenhalt.

FAQ

Wie viele Wörter sollte ein Prompt haben?

40–80 Tokens (ca. 30–60 englische Wörter). Längere Prompts verwässern Attention; kürzere unter-spezifizieren.

Muss ich "4k" oder "8k" erwähnen?

Ja für Sora und Kling; sie haben Resolution Heads. Runway Gen-3 ignoriert Resolution Tokens – Output ist fix 1280x768.

Kann ich chinesische Prompts mit Kling nutzen?

Kling 1.6 versteht Chinesisch nativ und liefert oft präzisere Motion für asiatische Subjects mit chinesischen Prompts. Englisch funktioniert, verpasst aber kulturelle Nuancen.

Warum wechselt das Hemd-Muster meines Characters mid-clip?

Texture Sticking braucht temporale Attention. "Consistent clothing texture" hinzufügen, Motion Bucket senken, oder I2V mit locked Reference Frame nutzen.