Ein guter Prompt für Veo 3.1 liest sich wie eine kurze Beschreibung einer Einstellung: wer im Bild ist, was diese Person tut, wo sie ist, wie sich die Kamera verhält, wie es aussehen soll und was wir hören sollen. Laut Google folgt Veo 3.1 Prompts enger als Veo 3. Je genauer du die Einstellung beschreibst, desto mehr davon bekommst du also zurück.
Dieser Leitfaden zeigt, wie du einen Prompt für einen 8-Sekunden-Clip aufbaust, welche Kamera- und Stilbegriffe sich lohnen, wie du Dialog und Ton schreibst, wie Start- und Endbild verändern, was im Prompt stehen muss, und enthält zehn Prompts zum Einfügen und Anpassen.
Ein Hinweis vorab: Die Beispiel-Prompts und Fachbegriffe für Kamera, Licht und Stil stehen in diesem Artikel auf Englisch, damit du sie direkt in den Generator kopieren kannst – englische Prompts liefern die vorhersehbarsten Ergebnisse (mehr dazu in den Tipps weiter unten). Die Erklärungen drumherum sind auf Deutsch.
Bevor du schreibst: was ein Veo 3.1-Clip fassen kann
Auf Veo Video ist jede Generierung mit Veo 3.1 ein 8-Sekunden-Clip mit Ton, in 16:9 oder 9:16, in 720p, 1080p oder 4K. Du kannst mit Text starten, mit einem Foto (es wird zum ersten Bild) oder mit einem Foto plus Endbild. Referenzbilder laufen auf Veo 3.1 Fast, mit bis zu drei pro Clip.
Acht Sekunden sind ungefähr eine Einstellung mit einer klaren Handlung oder zwei, drei kurze Momente. Das reicht für ein oder zwei gesprochene Sätze, nicht für einen ganzen Dialogabsatz. Die meisten schwachen Prompts versuchen, eine komplette Szene in einen Clip zu packen; die Lösung ist meist, den Prompt auf den einen Moment zu kürzen, den du willst.
Der Aufbau eines Veo 3.1-Prompts
Googles Prompt-Empfehlungen für Veo nennen die Elemente, die einen Clip prägen: Motiv, Handlung, Stil, Kameraposition und -bewegung, Bildkomposition, Fokus- und Objektiveffekte sowie Atmosphäre. Da Veo 3.1 auch Ton erzeugt, gehört Audio ebenfalls in den Prompt. Eine praktische Reihenfolge:
| Element | Was es steuert | Beispiel |
|---|---|---|
| Einstellung und Kamera | Bildausschnitt und Bewegung | "Close-up, slow dolly in" |
| Motiv | Wer oder was im Bild ist | "A woman in her 30s in a soft grey sweater" |
| Handlung | Was in den 8 Sekunden passiert | "takes her first sip of coffee and smiles" |
| Schauplatz | Ort, Tageszeit, Wetter | "on a small balcony above a quiet street at dawn" |
| Stil und Licht | Look und Stimmung | "warm morning light, shallow depth of field" |
| Ton | Dialog, Effekte, Atmosphäre | "birds chirping softly, a distant city hum" |
Zusammengesetzt sieht das so aus – eine Frau Mitte 30 nimmt im Morgengrauen auf einem Balkon den ersten Schluck Kaffee, die Kamera fährt langsam heran, dazu Vogelgezwitscher und leises Stadtrauschen:
Close-up, slow dolly in on a woman in her 30s in a soft grey sweater, taking her first sip of coffee on a small balcony above a quiet street at dawn. Morning light grazes her face. Birds chirp softly, a distant city hum. Warm color grade, shallow depth of field, TV commercial style.
Nicht jeder Prompt braucht jedes Element. Was du weglässt, ergänzt das Modell selbst – das ist in Ordnung bei Details, die dir egal sind, und ein Problem bei Details, die dir wichtig sind.
Kamera: Einstellungsgrößen und Bewegung
Kamerasprache ist einer der zuverlässigsten Hebel in einem Veo-Prompt. Nenne den Bildausschnitt und dann eine Bewegung. In acht Sekunden ist selten Platz für mehr, also bleib bei einer Bewegung, statt mehrere zu stapeln („pan left while craning up and zooming in“ – nach links schwenken, gleichzeitig hochfahren und zoomen).
| Einstellung | Wofür | Begriffe |
|---|---|---|
| Totale / Establishing Shot | Orte, Größenverhältnisse, Kontext | "wide shot", "establishing shot" |
| Halbnah | Gesprächssituationen, allgemeine Handlung | "medium shot", "waist-up" |
| Nahaufnahme | Gesichter, Emotion, Produktdetails | "close-up" |
| Detailaufnahme | Texturen, kleine Objekte | "extreme close-up", "macro shot" |
| POV | Eintauchen aus der Ich-Perspektive | "POV shot", "first-person view" |
Bewegungen, die in einem einzelnen Clip gut funktionieren:
- Dolly in / Dolly out: Die Kamera fährt auf das Motiv zu oder von ihm weg; gut, um Spannung aufzubauen oder Kontext zu enthüllen.
- Pan (Schwenk): Die Kamera dreht sich horizontal; gut, um eine Szene abzutasten oder einer Bewegung zur Seite zu folgen.
- Tracking Shot (Kamerafahrt): Die Kamera bewegt sich neben dem Motiv mit.
- Crane Shot (Kranfahrt): Die Kamera steigt oder sinkt; gut für Enthüllungen.
- Orbit (Kreisfahrt): Die Kamera umkreist das Motiv.
- Static (statisch): eine fixierte Kamera, nützlich für Dialoge und Produktaufnahmen.
Auch Begriffe für Objektiv und Fokus helfen: „shallow depth of field“ (geringe Schärfentiefe), „rack focus from the cup to her face“ (Schärfeverlagerung von der Tasse auf ihr Gesicht), „wide-angle lens“ (Weitwinkel), „macro lens“ (Makroobjektiv), „shot on 35mm film“ für Korn und Wärme.
Dialog und Ton
Veo 3.1 erzeugt mit jedem Clip Ton. Sagst du nichts zum Audio, baut es trotzdem eine Tonspur für die Szene; beschreibst du es, hast du mehr Kontrolle. Googles Empfehlung: Sprache in Anführungszeichen setzen, Soundeffekte ausdrücklich beschreiben und die Atmosphäre getrennt davon beschreiben.
Dialog
Setze den gesprochenen Satz in Anführungszeichen und sag, wer spricht und wie. Im folgenden Beispiel blickt ein müder Detektiv in einem düsteren Büro auf und sagt seinen Satz mit erschöpfter Stimme, im Film-noir-Look:
Medium shot of a tired detective behind a desk in a dim office, rain on the window behind him. He looks up and says in a weary voice, "Of all the offices in this town, you had to walk into mine." Film noir look, hard shadows from window blinds.
- Bleib bei ein oder zwei kurzen Sätzen pro Clip. Alles Längere passt nicht bequem in 8 Sekunden.
- Bei zwei Sprechern nennst du beide und gibst jedem einen Satz, zum Beispiel Host A: "Welcome back!" Host B: "Glad to be here."
- Beschreibe die Stimme („weary“, „excited whisper“, „calm and slow“ – erschöpft, aufgeregtes Flüstern, ruhig und langsam), damit der Vortrag zum Bild passt.
Soundeffekte und Atmosphäre
Verknüpfe jedes Geräusch mit etwas Sichtbarem und schreib die Effekte so, wie du sie hören willst. Hier eine enge Gasse unter summenden Neonschildern im Nieselregen, mit fernem Alarm, Neonbrummen und Regen auf Mülltonnen aus Metall:
Wide shot of a narrow alley under buzzing neon signs as cold drizzle falls. A distant alarm wails, neon hums, rain patters on metal bins.
Der Bananenschalen-Prompt zeigt auch, wie man mit einer Abfolge umgeht: Er bringt die Handlungen in eine Reihenfolge und markiert die Wendepunkte mit Wörtern wie „suddenly“ und „in the next moment“ (plötzlich, im nächsten Moment). So bekommt das Modell innerhalb der 8 Sekunden einen Zeitplan, dem es folgen kann.
Stil, Farbe und Licht
Stilbegriffe funktionieren am besten, wenn sie etwas Sichtbares beschreiben statt einer vagen Eigenschaft.
| Look | Hilfreiche Begriffe |
|---|---|
| Filmisch | "shot on 35mm film", "anamorphic lens", "film grain" |
| Dokumentarisch | "handheld camera", "natural light", "documentary style" |
| Horror | "desaturated colors", "heavy grain", "low angle", "flickering light" |
| Science-Fiction | "neon-lit", "holographic display", "cool blue light" |
| Werbespot | "TV commercial style", "clean studio lighting" |
| Animation | "hand-drawn anime style", "cel-shaded", "vibrant colors" |
Bei Licht und Farbe nennst du Richtung und Tageszeit: „dramatic side lighting“ (dramatisches Seitenlicht), „backlit silhouette“ (Silhouette im Gegenlicht), „golden hour“, „blue hour“, „overcast diffused light“ (weiches Licht bei bedecktem Himmel), „warm golden tones“, „cyan-magenta grade“.
Beschreibe, was du willst, statt aufzuzählen, was du nicht willst. „A clean, unlabeled glass bottle on a plain black surface“ (eine saubere, unbeschriftete Glasflasche auf schlichtem schwarzem Untergrund) bringt dich weiter als eine Liste von Dingen, die vermieden werden sollen.
Mit Bildern starten
Bild zu Video
Wenn du ein Foto hochlädst, wird es zum ersten Bild. Der Prompt muss dann nicht mehr beschreiben, wie das Motiv aussieht; nutze ihn stattdessen für Bewegung, Kamera und Ton. Zum Beispiel: „She turns toward the window and smiles, slow dolly in, soft room tone and a distant car passing.“ (Sie dreht sich zum Fenster und lächelt, langsame Ranfahrt, leiser Raumklang und ein vorbeifahrendes Auto in der Ferne.)
Start- und Endbild
Füge ein Endbild hinzu, und Veo 3.1 baut die Bewegung zwischen den beiden Bildern. Nutze das, wenn eine Einstellung auf einer bekannten Komposition enden muss: eine Enthüllung, ein Produkt, das sich zur Kamera dreht, eine Verwandlung. Konzentriere den Prompt darauf, wie die Veränderung passiert („the paper ball unfolds and folds itself into a paper airplane“ – die Papierkugel entfaltet sich und faltet sich zu einem Papierflugzeug), denn beide Endpunkte stehen bereits fest.
Referenzbilder (Veo 3.1 Fast)
Referenzbilder sind etwas anderes als ein erstes Bild: Sie zeigen dem Modell, wie eine Person, eine Figur oder ein Produkt aussieht, und das Modell setzt sie in eine neue Szene. Auf Veo Video kannst du mit Veo 3.1 Fast bis zu drei davon hinzufügen. Der Prompt beschreibt dann Szene und Handlung; die Bilder tragen die Identität.
10 Veo 3.1-Prompts zum Einfügen und Anpassen
Jeder Prompt ist für einen 8-Sekunden-Clip geschrieben. Das vorgeschlagene Seitenverhältnis ist ein Ausgangspunkt; alle funktionieren sowohl in 16:9 als auch in 9:16.
1. Produktenthüllung (16:9)
Eine Smartwatch auf einem Felsen an der Klippenkante; die Kamera zieht in einer Drohnenbewegung zurück und gibt ein Alpental bei Sonnenaufgang frei.
Close shot of a sleek black smartwatch resting on a rugged rock at a mountain cliff edge. The camera pulls back and rises in one smooth drone move, revealing a vast alpine valley at sunrise. Wind rushes softly, a low cinematic swell. Product commercial style, crisp natural light.
2. Rednerin auf der Bühne (16:9)
Eine Rednerin am Pult einer Konferenzhalle, statische Kamera, ein gesprochener Satz.
Medium shot of a confident speaker at a podium in a modern conference hall, static camera. She gestures naturally and says, "The future of AI is not replacement. It is collaboration." Soft stage lighting, light audience murmur, polished corporate look.
3. Naturdokumentation (16:9)
Eine Kamerafahrt folgt einem einsamen Wolf durch frischen Schnee im Kiefernwald bei Dämmerung.
Wide tracking shot following a lone wolf trotting through fresh snow in a dense pine forest at dusk. Snow crunches under its paws, wind whispers through the trees. Documentary style, natural light, 35mm film grain.
4. Horror-Flur (9:16)
Ein leerer Krankenhausflur mit flackerndem Neonlicht, eine Gestalt kommt langsam auf die Kamera zu.
Low-angle wide shot down a long, empty hospital hallway with flickering fluorescent lights. A lone figure at the far end walks slowly toward the camera, footsteps echoing. A light buzzes and cuts out. Desaturated colors, heavy grain.
5. Küstenfahrt aus der Ich-Perspektive (9:16)
Blick aus dem Motorradhelm in eine Kurve über Klippen und glitzerndem Meer zur goldenen Stunde.
POV shot from a motorcycle helmet on a winding coastal road, leaning into a curve with cliffs and a sparkling ocean below. Engine roar, wind rushing past. Golden hour light with sun flares, high-energy action sports style.
6. Köchin bei der Arbeit (16:9)
Hände ordnen Kräuter auf Marmor, dann neigt sich die Kamera hoch zum konzentrierten Gesicht der Köchin.
Close-up of a chef's hands arranging fresh herbs on a marble counter, then the camera tilts up to her focused face. Knife taps, a pan sizzling in the background. Soft overhead window light, warm lifestyle look.
7. Modelauftritt (9:16)
Ein Model im fließenden Seidenkleid geht durch eine leere weiße Galerie, die Kamera fährt langsam heran.
Slow dolly in on a model walking through an empty white art gallery in a flowing silk dress; each step sends ripples through the fabric. Heels click on polished concrete, quiet gallery echo. Soft diffused light, high-fashion editorial style.
8. Stiller, emotionaler Moment (16:9)
Ein älterer Mann füttert auf einer Parkbank unter Herbstbäumen Tauben und blickt lächelnd auf.
Medium shot of an elderly man on a park bench feeding pigeons in warm afternoon light under autumn trees. He pauses, looks up and smiles as leaves drift past. Pigeons coo, leaves rustle, distant children's laughter. Nostalgic tone, shallow depth of field.
9. Science-Fiction-Oberfläche (16:9)
Hände bedienen ein transparentes Hologramm-Display mit einem leuchtenden 3D-Datenglobus.
Close-up of hands swiping and pinching a transparent holographic display, rotating a glowing 3D globe of data. Blue-white light from the interface illuminates the face behind it. Soft electronic chimes with each gesture. Clean, futuristic look.
10. Luxusprodukt (9:16)
Ein Parfümflakon dreht sich unter einem einzelnen Spotlight auf schwarzer, spiegelnder Fläche.
Extreme close-up of a luxury perfume bottle on a reflective black surface under a single dramatic spotlight. The bottle slowly rotates, catching golden highlights on its facets. A soft, resonant chime. Premium commercial style.
Ein Workflow vom Entwurf zum fertigen Clip
- Fang kurz an. Schreib Einstellung, Motiv und Handlung in ein oder zwei Sätzen und führe sie auf Veo 3.1 Lite in 720p aus. Das ist der günstigste Weg zu prüfen, ob das Modell die Idee verstanden hat.
- Ergänze Kamera und Look. Sobald die Handlung stimmt, füge eine Kamerabewegung, das Licht und den Stil hinzu.
- Ergänze den Ton. Schreib den Dialog in Anführungszeichen und nenne Effekte und Atmosphäre.
- Rendere den gelungenen Take. Wenn der Prompt funktioniert, führe ihn in 1080p oder 4K aus, auf Lite oder für den detailreichsten Take auf der vollen Stufe Veo 3.1. Jeder Durchlauf ist ein neuer Take – rechne also mit einem Ergebnis, das deinem Entwurf sehr nahekommt, nicht mit einem identischen Clip.
Tipps unterwegs:
- Ändere zwischen zwei Durchläufen immer nur eine Sache (die Kamera oder das Licht, nicht beides), damit du siehst, was den Unterschied gemacht hat.
- Führe einen funktionierenden Prompt mehrmals aus; jede Generierung ist ein anderer Take, und meist ist einer besser als die übrigen.
- Schreib Prompts auf Englisch, um die vorhersehbarsten Ergebnisse zu erhalten.
- Für Sequenzen über 8 Sekunden schreibst du jede Einstellung als eigenen Prompt und verwendest dabei dieselben Begriffe für Figur, Farbpalette und Stil.
Häufige Fehler
| Fehler | Was passiert | Lösung |
|---|---|---|
| Mehrere Kamerabewegungen in einem Prompt | Widersprüchliche Anweisungen in einem kurzen Clip | Ein Bildausschnitt, eine Bewegung |
| Eine ganze Szene in einem Clip | Gehetzte oder ausgelassene Handlungen | Bei einem Moment oder zwei, drei kurzen Momenten bleiben |
| Langer Dialog | Sätze werden abgeschnitten oder gehetzt | Ein oder zwei kurze Sätze |
| Vages Motiv | Zufällige Details werden ergänzt | Alter, Kleidung, wichtige Merkmale nennen |
| Keine Tonanweisung | Eine generische Tonspur | Effekte und Atmosphäre nennen; Dialog in Anführungszeichen |
| Unterschiedliche Stilbegriffe bei zusammengehörigen Clips | Clips, die sich nicht zusammenschneiden lassen | Dieselbe Farbpalette und dieselben Stilbegriffe wiederverwenden |
| Echte Personen des öffentlichen Lebens oder Fotos von Kindern | Die Anfrage wird blockiert | Fiktive Figuren und Erwachsene verwenden |
Wird eine Generierung von Googles Sicherheitsfiltern blockiert, gehen die Credits zurück auf dein Guthaben.
Probier es aus
Neue Konten auf Veo Video erhalten 30 kostenlose Credits – genug für einen 8-Sekunden-Clip mit Veo 3.1 Lite in 720p. Such dir einen der Prompts oben aus, passe ihn an dein Motiv an und sieh dir an, wie das Modell ihn liest.
Mehr zum Modell selbst liest du in Veo 3 vs. Veo 3.1: was sich geändert hat.