Kernaussagen
Schreibe eine Bewegung, keine Stimmung
„Cinematic camera“ sagt nicht, was sich vom ersten zum letzten Frame ändert. „The camera slowly pushes toward the subject while keeping the eyes centered“ (Die Kamera fährt langsam auf das Motiv zu und hält die Augen zentriert) tut es. Eine brauchbare Anweisung enthält ein Kameraverb, eine Richtung, ein Tempo und ein Bildziel. Dolly in, pull back, pan left, tilt upward, orbit clockwise und track beside sind physische Handlungen. Dramatisch, energisch und immersiv beschreiben das gewünschte Gefühl, aber das Modell muss die Handlung weiterhin erfinden. Setze die physische Anweisung an den Anfang; nutze die Stimmung nur als nachgeordneten Zusatz, wenn die Bewegung eindeutig ist.
Dolly, Zoom und Motivbewegung sind verschieden
Eine Dolly-Fahrt verändert die Kameraposition, sodass sich Vorder- und Hintergrund gegeneinander verschieben. Ein Zoom verändert den Ausschnitt, ohne die Kamera zu bewegen. Ein Motiv, das auf eine feste Kamera zugeht, ist ein drittes Ereignis. Werden alle drei beiläufig kombiniert, entstehen Größensprünge und Gesichtsdrift, weil das Modell Perspektive, Ausschnitt und Körperposition gleichzeitig ändern soll. Entscheide, welche Veränderung die Einstellung trägt. Bei einem Porträt ist „slow dolly in, subject remains still“ stabiler als „camera zooms in as the subject approaches“. Muss sich das Motiv bewegen, halte die Kameraanweisung zurückhaltend.
Eine Hauptbewegung pro kurzem Clip
Die meisten erzeugten Clips sind so kurz, dass sich Schwenk, Orbit, Kranfahrt und Push-in nicht jeweils sauber etablieren können. Mehrere Bewegungen verschwimmen oft zu einem ungeplanten Wackeln. Wähle eine Hauptbewegung und, falls nötig, ein zurückhaltendes Nebenverhalten: „slow clockwise orbit with a slight upward rise“ ist stimmig; „orbit, whip-pan, zoom and pull back“ nicht. Behandle eine komplexe Abfolge als getrennte Clips. Erzeuge die erste Bewegung, behalte ihren letzten Frame und beginne damit die nächste Einstellung, sodass jede Anfrage nur eine Aufgabe hat.
Versionen und Optionen
- Wähle eine primäre Kamerahandlung: Dolly, Schwenk, Neigung, Orbit, Tracking, Kran oder zurückhaltende Handkamera-Drift.
- Nenne Richtung und Tempo, etwa „slow clockwise orbit“ oder „gentle dolly backward for the full shot“.
- Ergänze einen Ausschnittsanker: Gesicht zentriert, Halbfigur, ganze Figur sichtbar oder Motiv im linken Drittel gehalten.
- Beschreibe nur die nötige Motivbewegung und kombiniere sie nicht mit mehreren konkurrierenden Kamerahandlungen.
- Entferne bei Bild zu Video Aussehensdetails, die im Ausgangsbild schon sichtbar sind.
- Teste mit der kürzesten Dauer und verlängere erst, wenn die Bewegung stabil ist.
Belege und Orientierung
Den Bildausschnitt während der Bewegung verankern
Die Kamerarichtung allein sagt dem Modell nicht, was sichtbar bleiben muss. Ergänze eine Ausschnittsvorgabe wie „waist-up framing“, „the face stays centered“ oder „the full figure remains in frame“. Das ist bei Orbit- und Tracking-Shots am wichtigsten, wo das Modell Gliedmaßen abschneiden oder das Motiv aus dem Bild rutschen lassen kann, während es die Bewegung erfüllt. Die Vorgabe sollte die Komposition von Anfang bis Ende beschreiben, keine neue Szene. Bei Bild zu Video liefert das Ausgangsbild bereits Aussehen und Licht, Ausschnitt und Bewegung sind daher meist die einzigen Prompt-Details, die du brauchst.
Das Tempo beobachtbar angeben
Wörter wie schnell und langsam sind relativ. Koppele sie an den Clip: „a gentle push-in lasting the full shot“, „one smooth half-orbit“ oder „the camera settles during the final second“. So bekommt die Bewegung einen Endpunkt, und Beschleunigung gegen Ende wird vermieden. Bei Handkamera gib die Amplitude an, statt Chaos zu verlangen: „subtle handheld drift, no sudden shake“ erzeugt Textur, ohne das Bild instabil zu machen. Bietet ein Modell einen Regler für die Bewegungsstärke, behalte die geschriebene Richtung und senke den Regler, bevor du den ganzen Prompt umschreibst.
Die Anweisung an den Generierungsmodus anpassen
Text zu Video muss Motiv, Umgebung und Kamera festlegen, weil es kein Ausgangsbild gibt. Bild zu Video sollte keine Details neu beschreiben, die das Modell schon sehen kann; das lädt zur Veränderung ein. Ein Text-zu-Video-Prompt könnte lauten: „a lone figure on a rain-lit street, camera tracks beside them at walking pace“ (eine einsame Gestalt auf einer regennassen, beleuchteten Straße, die Kamera begleitet sie seitlich in Gehgeschwindigkeit). Bei Bild zu Video ist nur dies nützlich: „camera tracks slowly to the right, subject keeps walking forward, face remains in profile“ (die Kamera fährt langsam nach rechts, das Motiv geht weiter nach vorn, das Gesicht bleibt im Profil). Die kürzere Fassung schützt die Identität, indem sie das sichtbare Aussehen in Ruhe lässt.
