Veo 3.1 Prompts: So wird aus dem Prompt ein Film statt einer Diashow

Veo verzeiht weniger als die meisten anderen Modelle. Ein kurzer, lustloser Prompt bringt dir eine hübsche, aber leere Szene ohne Bewegung und ohne Aussage. Ein detaillierter Prompt arbeitet dagegen wie ein Kameramann mit Budget. Bei Veo 3.1 Prompts entscheidet das Detail über Erfolg oder Misserfolg, deshalb schauen wir uns an, aus welchen Bausteinen so ein Prompt besteht. Die allgemeine Prompt-Struktur habe ich bereits im Leitfaden zu KI-Video-Prompts beschrieben, hier geht es um das, was bei diesem Modell speziell ist.

Woraus ein Veo 3.1 Prompt besteht

Ein funktionierender Prompt für Veo 3.1 steht auf fünf Säulen. Szene und Motiv: was im Bild zu sehen ist, welches Produkt, welche Umgebung. Handlung: was passiert, wohin sich das Objekt oder die Person bewegt. Kamera: statisch, langsame Kamerafahrt nach vorne, Umkreisung, seitliche Kamerafahrt. Licht und Stimmung: weiches Morgenlicht, Gegenlicht, Studiobeleuchtung, warmer Abendschein. Und Ton, denn Veo arbeitet mit nativem Audio: Straßenlärm, Schritte, das Klicken eines zufallenden Deckels.

Je genauer jede dieser Ebenen beschrieben ist, desto weniger muss das Modell selbst raten. „Schönes Video von einem Sneaker“ bringt dir gar nichts. „Ein Sneaker auf einer Betonplatte, langsame Umkreisung von links nach rechts, Gegenlicht, etwas Staub in der Luft, gedämpfter Stadtlärm im Hintergrund“ ergibt dagegen eine echte Aufnahme.

Wo Veo allen anderen davonzieht

Hochwertige Bildsprache und Licht sind die große Stärke des Modells, deshalb lohnt es sich, filmische Details in den Prompt zu packen: Schärfentiefe, Streiflicht, Spiegelungen. Natives Audio ist eine eigene Stärke: Beschreib die Klangumgebung, nicht nur das Bild, sonst landest du bei Stille oder einem zufälligen Hintergrundgeräusch. Mehr dazu, was das Modell kann, steht in unserem Veo 3.1 Test.

Was du besser nicht verlangst

Wie die meisten Videomodelle stellt Veo Text im Bild schlecht dar, deshalb packe ich Verpackungsaufschriften oder Bildschirmtext grundsätzlich nicht in den Prompt. Das füge ich lieber in der Nachbearbeitung hinzu. Feine Handbewegungen mit kleinen Gegenständen geraten ebenfalls holprig. Außerdem passen nicht zu viele Ereignisse in zehn Sekunden: eine Szene, eine Handlung, sonst zerfällt der Clip.

Der häufigste Fehler, den ich sehe, ist eine zu knapp beschriebene Aufnahme. Im Kopf ist das ganze Bild fertig, aufgeschrieben wird aber vielleicht ein Drittel davon. Den Rest füllt das Modell nach eigenem Ermessen auf, und das Ergebnis trifft dann nicht das, was gemeint war. Deshalb schreibe ich lieber länger als nötig erscheint und ändere jeweils nur einen Parameter. In Flami kannst du mehrere Prompt-Varianten für Veo durchspielen und vergleichen, welche Ebene die Aufnahme tatsächlich verändert hat.

FAQ

Was gehört in einen guten Veo 3.1 Prompt?

Fünf Ebenen: Szene und Motiv, Handlung, Kamerabewegung, Licht und Stimmung, Ton. Veo arbeitet mit nativem Audio, beschreib also auch die Klangumgebung, sonst kommt der Clip stumm oder mit einem zufälligen Hintergrundgeräusch heraus.

Warum liefert Veo eine hübsche, aber leere Aufnahme?

Meist liegt es an einem zu kurzen Prompt: Im Kopf ist das Bild komplett, aufgeschrieben wird nur ein Drittel, und das Modell rät den Rest selbst. Ein ausführlicher Prompt mit Handlung, Kamera und Licht statt vager Formulierungen löst das.

Kann ich Veo um Text im Bild bitten?

Besser nicht. Videomodelle stellen Text schlecht dar, die Buchstaben wirken verzerrt. Zuverlässiger ist es, die Aufnahme ohne Text zu generieren und den gewünschten Text später in der Nachbearbeitung über den fertigen Clip zu legen.

Wie viele Handlungen gehören in einen Clip?

Eine. Zehn Sekunden reichen nicht für mehrere Ereignisse, der Clip zerfällt sonst in Bruchstücke. Eine Szene, eine klare Handlung, eine längere Geschichte baut man besser aus mehreren einzelnen Generierungen zusammen.

Quellen

1. Flami: KI-Video-Prompts schreiben
2. Flami: Veo 3.1 im Test