Benutzerhandbuch
PixVerse V6 Max Text-zu-Video-Prompt-Rezept: kopierbare Prompts und echte Ergebnisse
Ein praktisches Prompt-Handbuch für Entwickler: Shot-Struktur, Kamerabewegungsformulierungen, Rhythmus, Umgang mit Dauer und Seitenverhältnissen sowie negative Prompts
Auf dieser Seite
Warum Prompt-Rezepte besser sind als Einmal-Prompts
Jeder Entwickler, der schon viele Clips generiert hat, kennt dieses Muster: Man schreibt einen langen, ausgefeilten Prompt, bekommt ein ordentliches Ergebnis und versucht dann fein nachzujustieren – doch die Ausgabe driftet in eine Richtung, die man nicht beabsichtigt hatte. Die nächste Iteration verliert die Beleuchtung, die einem gefiel. Beim übernächsten Mal hat sich die Kamerabewegung verändert. Nach zwanzig Generierungen ist man sich nicht mehr sicher, welche Formulierung welches Ergebnis erzeugt hat.
Prompt-Rezepte lösen dieses Problem, indem sie den Prompt als strukturiertes Artefakt statt als einen Satz behandeln. Statt freier Prosa schreibt man in fester Reihenfolge aus benannten Modulen: Subjekt, Aktion, Umgebung, Kamera, Beleuchtung, Stil. Das bringt drei konkrete Vorteile:
- Diffbar. Wenn jeder Prompt derselben Modulreihenfolge folgt, ist eine Änderung an einem Modul eine sichtbare, überprüfbare Änderung. Man kann Prompts in die Versionsverwaltung aufnehmen und die Laufergebnisse wie Code vergleichen.
- Wiederverwendbar. Ein gutes Kamera-Modul oder Beleuchtungs-Modul lässt sich durch Dutzende von Szenen wiederverwenden. Man baut eine kleine Clip-Bibliothek auf und setzt Prompts daraus zusammen.
- Reproduzierbare Absicht. Vage Adjektive wie „kinoreif“ oder „episch“ bedeuten bei verschiedenen Läufen Unterschiedliches. Strukturierte, konkrete Formulierungen legen mehr Absicht fest, sodass die Varianz vom Modell statt vom eigenen Prompt kommt.
Bei Video ist das noch wichtiger als bei statischen Bildern, weil Clips Bewegung über die Zeit enthalten. Eine schwammige Formulierung kann das Gefühl eines ganzen Shots verändern – „langsames Push-in“ wird zu „schneller Zoom“ und plötzlich ist es ein völlig anderer Schnitt. Rezepte halten diese Variablen explizit.
Der Rest dieses Leitfadens baut die Struktur Modul für Modul auf und liefert dann vollständige, kopierbare Rezepte, die man laufen lassen, an echten Ergebnissen prüfen und anpassen kann. Behandle jedes Rezept als Ausgangsbasis, nicht als endgültige Antwort: Das Ziel ist ein wiederholbarer Zyklus, nicht der ein perfekter erster Prompt.
Anatomie eines kopierbaren Video-Prompts
Zuverlässige Text-zu-Video-Prompts funktionieren am besten, wenn die Informationen in vorhersehbarer Reihenfolge erscheinen. Wenn das Subjekt vor der Kamera etabliert wird und die Kamera vor dem Stil, interpretiert das Modell die Szene konsistenter. Nimm diese Reihenfolge aus sechs Modulen als Standard:
1. Subjekt
Wer oder was auf dem Bildschirm ist, konkret beschrieben. Bevorzuge physische Details gegenüber abstrakten Etiketten: „eine Frau in einem anthrazitfarbenen Wollmantel“ schlägt „eine modische Frau“. Ist das Subjekt ein Objekt, nanne Material und Maßstab – „ein Wasserkocher aus gebürstetem Stahl, etwa 20 cm hoch“.
2. Aktion
Was das Subjekt tut, in der Gegenwart, mit klarem Anfangs- und Endzustand. „Geht von links ins Bild hinein zur Bildmitte und hält an“ gibt dem Modell eine Bahn. „Geht gerade“ gibt fast nichts her.
3. Umgebung
Der Ort, an dem die Aktion stattfindet: Lage, Vordergrund- und Hintergrundelemente, Wetter, Tageszeit. Dieses Modul verankert Tiefenhinweise, die dem Modell wiederum helfen zu entscheiden, wie sich Vordergrund und Hintergrund relativ zueinander bewegen sollen.
4. Kamera
Bildgröße plus Bewegung. „Halbnahaufnahme, feste Stativkamera“ oder „Totale, langsames Push-in“. Setze die Kameravorgabe in einen eigenen Satz, damit sie nicht von der Aktionsbeschreibung aufgesogen wird.
5. Beleuchtung
Richtung, Beschaffenheit und Farbtemperatur. „Tiefes nachmittägliches Sonnenlicht, warme Glanzlichter, weiche Schatten“ ist konkret genug, um reproduzierbar zu sein. Vermeide es, drei Beleuchtungsmetaphern in einer Phrase zu stapeln.
6. Stil
Die visuelle Tonalität: realistische Fotografie, Dokumentarfilm, Animation, Produktvideo-Anmutung. Setze den Stil ans Ende, damit er die gesamte Szene tonal festlegt, statt die vorherigen Module zu überschreiben.
Module zusammensetzen
Verbinde die Module der Reihe nach, jeweils ein bis zwei Sätze. Die ausgefüllte Vorlage sieht so aus:
Subjekt: eine Keramiktasse auf einem Holztisch, Dampf steigt auf
Aktion: der Dampf kräuselt sich nach oben und löst sich langsam auf
Umgebung: eine ruhige Morgenküche, ein Fenster im Hintergrund unscharf
Kamera: Nahaufnahme, feste Kamera, geringe Schärfentiefe
Beleuchtung: weiches Fensterlicht von links, neutraler Weißabgleich
Stil: saubere Produktfotografie, realistisch
Man kann die Version mit Etiketten direkt einfügen oder in derselben Reihenfolge zu Prosa zusammenfassen. Beides funktioniert; die Form mit Etiketten lässt sich bei der Iteration leichter diffen.
Kamerabewegungs- und Timing-Formulierungen, die wirklich funktionieren
Kamerasprache ist der offensichtlichste Fehlerpunkt vager Prompts. „Dynamische Kamera“ ist keine Kamera, sondern ein Wunsch. Das Modell reagiert deutlich konsistenter auf etabliertes Bewegungswort mit Geschwindigkeitszusatz.
Bewegungsvokabular
- Push-in / Pull-out – die Kamera nähert sich dem Subjekt physisch oder entfernt sich. Dient dem Aufbau oder Lösen von Nähe.
- Schwenk nach links / rechts – Drehung um einen festen Punkt. Dient dem Enthüllen der Umgebung.
- Tilt nach oben / unten – vertikale Drehung. Dient dem Enthüllen von Höhe oder Maßstab.
- Orbit – die Kamera kreist um das Subjekt. Gib Richtung und Winkel an, z. B. „langsamer Uhrzeigersinn-Orbit, etwa 45 Grad“.
- Tracking – die Kamera folgt einem sich bewegenden Subjekt. Gib an, ob sie führt, hinterherfährt oder seitlich mitläuft.
- Zoom – Änderung der Brennweite ohne physische Bewegung. Unterscheide im Wortlaut Zoom und Push-in; beides in einer Phrase zu mischen erzeugt Unschärfe.
Geschwindigkeits- und Rhythmuswörter
Hänge an jede Kameravorgabe nur einen Rhythmus-Zusatz an: langsam, stetig, sanft, flott oder schnell. Vermeide gestapelte Adverbien – „sehr langsames, gleichmäßiges, schrittweises Push-in“ sagt dasselbe auf drei Arten und flacht die Bewegung oft ab.
Rhythmus gilt auch für das Subjekt. Phrasen wie „im Verlauf des Shots“, „in der ersten Hälfte“ oder „bis zum letzten Frame“ geben dem Modell ein Zeitgefühl innerhalb des Clips. Vergleiche diese beiden Aktionen:
Schwach: Diese Person dreht sich um
Besser: Diese Person dreht sich langsam vom Fenster
zur Kamera und beendet die Drehung vor
dem Ende des Clips
Die zweite Version sagt dem Modell, wo die Bewegung beginnt und wo sie am Clip-Ende sein soll. Das ist der größte Hebel, damit kurze Clips absichtlich statt abgeschnitten wirken.
Gemischte Kamerabewegungen
Eine Hauptkamerabewegung pro Shot ist der sichere Standard. Braucht man zwei, lass eine deutlich dominieren: „Hauptbewegung langsames Push-in mit leichtem Schwenk nach rechts.“ Zwei gleichgewichtete Kamerabewegungen wirken in der Regel wie Kamerawackeln.
Rezepte: kopierbare Shot-Struktur-Prompts
Jedes der folgenden Rezepte folgt der Reihenfolge aus sechs Modulen. Füge es unverändert ein und prüfe dann die genannten Signale gegen den erzeugten Clip.
Rezept 1 – statische Produktnahaufnahme
Subjekt: mattschwarzes Ladecase für kabellose Ohrhörer auf einer Steinoberfläche
Aktion: mit dem Wechsel des Lichts wandert ein weicher Reflex über den Deckel
Umgebung: minimalistisches Studio-Setup, nahtloser grauer Hintergrund
Kamera: Nahaufnahme, feste Stativkamera, geringe Schärfentiefe
Beleuchtung: große Softbox oben links, weicher Abfall
Stil: sauberes kommerzielles Produktvideo, realistisch
Beobachte: Bleibt das Case das einzige klare Subjekt, und wandert der Reflex gleichmäßig statt zu flackern?
Rezept 2 – langsames Push-in als Enthüllung
Subjekt: eine Person in einer Kapuzenjacke am Rand eines Daches
Aktion: die Person bleibt still, der Jackenstoff bewegt sich leicht im Wind
Umgebung: Skyline der Stadt in der Dämmerung, in der Ferne gehen Fenster an
Kamera: Totale, langsames Push-in auf die Person
Beleuchtung: kaltes blaues Umgebungslicht, warme Glanzlichter von der Stadt darunter
Stil: filmischer Realismus, entsättigte Farbkorrektur
Beobachte: Wirkt das Push-in als physische Bewegung statt als Zoom, und passt die Parallaxe der Skyline zur Vordergrundbewegung?
Rezept 3 – Orbit um das Subjekt
Subjekt: ein Vintage-Motorrad auf einem Kiesweg
Aktion: keine, das Motorrad steht still
Umgebung: offenes Land, niedrige Hügel in der Ferne
Kamera: Halbtotale, langsamer Uhrzeigersinn-Orbit um das Motorrad, etwa 45 Grad
Beleuchtung: Sonnenlicht zur goldenen Stunde, lange Schatten am Boden
Stil: Dokumentarfotografie, natürliche Farben
Beobachte: Bleibt die Geometrie des Motorrads während des Orbits konsistent? Beim Orbit zeigen sich Verzerrungen von Objekten zuerst.
Rezept 4 – Tracking mit einer gehenden Person
Subjekt: eine Person in einem hellen Regenmantel führt einen Hund an der Leine aus
Aktion: beide gehen in gleichmäßigem Schritt von rechts ins Bild zur Bildmitte
Umgebung: nasser städtischer Gehweg, parkende Fahrräder, reflektierender Boden
Kamera: Halbtotale Tracking, seitlich mit dem Subjekt mitlaufend
Beleuchtung: bewölktes Tageslicht, weich und gleichmäßig
Stil: dokumentarische Straßenfotografie, leichte Filmkörnung
Beobachte: Hält die Kamera mit dem Subjekt mit, und bleibt die Hundeleine über die Frames hinweg verbunden?
Rezept 5 – Reaktionsshot im Handkamera-Stil
Subjekt: eine Frau in einem anthrazitfarbenen Wollmantel, Nahaufnahme des Gesichts
Aktion: sie blickt aus dem Bild, dann richtet sie den Blick zurück auf die Kamera
Umgebung: belebte Bahnhofshalle, Personen dahinter unscharf
Kamera: Nahaufnahme, leichtes Handkamera-Wackeln
Beleuchtung: warmes Deckenlicht, weiche Schatten unter den Brauen
Stil: narratives Filmgefühl, geringe Schärfentiefe
Beobachte: das Timing des Blicks. Wenn die Drehung vor dem Clip-Ende abgeschlossen ist, hat die Rhythmusformulierung gewirkt.
Nimm diese als Ausgangspunkt und ändere beim nächsten Lauf nur ein Modul.
Umgang mit Dauer und Seitenverhältnis im Prompt
Dauer und Seitenverhältnis sind Rahmenbedingungen, keine Stilwahl, und das Modell geht am besten damit um, wenn sie ausdrücklich neben der Szene genannt werden statt in der Prosa vergraben zu sein.
Dauer angeben
Füge einen kurzen Nebensatz hinzu, der die Länge des Clips benennt und an den Bewegungsrhythmus anknüpft:
… die Bewegung ist in einem kurzen Clip von wenigen Sekunden abgeschlossen.
Oder direkter: Nenne das Ziel und lass das Rhythmus-Modul den Rest erledigen:
Dauer: kurzer Clip, etwa 4 Sekunden.
Trenne den Dauer-Nebensatz von der Aktionsbeschreibung. Das Modell sollte ihn als Rahmenbedingung für den gesamten Shot lesen, nicht als Teil der Subjektbewegung.
Seitenverhältnis angeben
Nenne die Bildausrichtung ausdrücklich, und verwende bei Mehrdeutigkeit klare Sprache statt Verhältniszahlen:
Format: Hochformat 9:16, für Mobilgeräte.
Format: Querformat 16:9, Breitwand.
Braucht das Rezept eine Hochformat-Komposition, sag es auch im Kamera-Modul – „Hochformat-Komposition, Subjekt zentriert“ –, weil Komposition und Bildausschnitt zusammenhängende Entscheidungen sind. Ein Hochformat-Clip mit horizontalem Tracking braucht eine andere Subjektposition.
Gegen echte Ergebnisse prüfen
Der Prompt beeinflusst das Ergebnis, garantiert es aber nicht. Prüfe nach jedem Lauf drei Dinge:
- Entspricht die zurückgegebene Dauer der Anfrage? Erwartet deine Pipeline eine bestimmte Cliplänge, prüfe die tatsächliche Dauer des zurückgegebenen Assets, statt anzunehmen, der Prompt habe sie durchgesetzt.
- Passt der Bildausschnitt? Überprüfe die zurückgegebene Frame-Größe, besonders wenn du zwischen Quer- und Hochformat-Rezepten wechselst.
- Passt der Rhythmus zu dieser Länge? Eine Bewegung, die in vier Sekunden abgeschlossen ist, wirkt in einem längeren Clip gehetzt und in einem kürzeren abgeschnitten. Passe die Rhythmusformulierung an, nicht nur den Dauer-Nebensatz.
Protokolliere Dauer- und Format-Anfragen zusammen mit den zurückgegebenen Werten, damit Abweichungen beim Vergleich von Läufen sichtbar werden.
Negative Prompts und Artefaktbereinigung
Negative Prompts sind am nützlichsten, wenn sie kurz und konkret sind. Ein Haufen generischer Qualitätswörter – „niedrige Qualität, niedrige Auflösung, hässlich, verzerrt“ – wirkt oft kontraproduktiv: Er verwässert das Signal und kann das Modell von völlig akzeptablen Ergebnissen wegdrücken.
Eine praktische Startliste
Beschränke die Liste auf Artefakte, die du tatsächlich beobachtet hast:
Negativ: Texteinblendungen, Wasserzeichen, Logos, zusätzliche Finger,
doppelte Gliedmaßen, verzerrte Gesichter, Lichtflackern,
plötzliches Kamerawackeln, Sprünge im Schnitt
Diese Liste deckt die häufigsten Fehler bei generierten Videos ab: unerwünschter Text, Anatomiefehler an Händen und Gesichtern, zeitliche Instabilität. Ergänze nur, wenn du ein konkretes Problem siehst.
Negativwörter pro Rezept abstimmen
Negativwörter sollten eher auf das Rezept beschränkt als global sein:
- Produktaufnahmen: ergänze
springende Reflexe, schwebende Objekte, unpassende Schatten. - Orbit-Aufnahmen: ergänze
geometrische Verzerrung, Objektverformung während der Drehung. - Tracking-Aufnahmen: ergänze
abreißende Leine, rutschende Füße, unpassende Hintergrundgeschwindigkeit. - Reaktionsaufnahmen: ergänze
unnatürliche Augenbewegung, erstarrter Gesichtsausdruck.
Was man weglassen sollte
Vermeide gestapelte generische Qualitätsadjektive. Erzeugt ein Lauf ein unscharfes Bild, besteht die Lösung meist darin, im positiven Prompt ein schärferes Beleuchtungs- oder Stil-Modul zu ergänzen, nicht ein weiteres Negativwort. Negativwörter entfernen bestimmten unerwünschten Inhalt; sie erhöhen nicht die Qualität. Behandle sie als aufräumenden Schritt und überprüfe die Liste jedes Mal neu, wenn sich das bekämpfte Artefakt ändert.
Auf Basis echter Ergebnisse iterieren, ohne Generierungen zu verschwenden
Generierungen am schnellsten aufzubrauchen geht so: drei Dinge gleichzeitig ändern und dann raten, was gewirkt hat. Behandle die Prompt-Iteration als kontrolliertes Experiment.
Der Ein-Variablen-Zyklus
- Wähle ein Basisrezept. Speichere es unverändert, inklusive der Etiketten der Module.
- Ändere nur ein Modul. Fühlt sich die Kamerabewegung falsch an, bearbeite nur das Kamera-Modul. Subjekt, Aktion, Umgebung, Beleuchtung, Stil und Negativwörter bleiben unangetastet.
- Generiere neu und vergleiche nebeneinander. Sieh dir beide Clips gleichzeitig an und achte auf das geänderte Modul.
- Behalten oder zurückrollen. Hilft die Änderung, übernimm sie als Basis. Wenn nicht, mach sie rückgängig und probiere im selben Modul eine andere Formulierung.
- Differenz protokollieren. Notiere Basis-ID, geändertes Modul, neue Formulierung und ein Fazit in einer Zeile.
Was man vergleicht
Vergleiche Clips anhand beobachtbarer Eigenschaften statt nach Gefühl: Passt die Bewegungsrichtung? Liegt die Dauer dort, wo sie angefordert wurde? Bleibt der Bildausschnitt erhalten? Hat sich die Artefaktliste verändert? Schreibe die Antworten für jeden Lauf auf – nach einem Dutzend Clips ist das Gedächtnis unzuverlässig.
Wann man ein Rezept aufgibt
Wenn zwei oder drei Ein-Variablen-Versuche am selben Modul das Ergebnis nicht verändern, ist das Problem wahrscheinlich strukturell. Vielleicht kollidiert die Kamerabewegung mit der Subjektaktion, oder die Szene ist für die Bildgröße zu überladen. Dann ändere die Shot-Struktur – tausche das Kamera-Modul oder vereinfache die Umgebung –, statt weiter an Adjektiven zu feilen.
Wiederverwendung über Projekte hinweg
Sobald ein Rezept stabil ist, kopiere es mit den Fazit-Notizen in die Prompt-Bibliothek. Mit der Zeit sammelst du erprobte Module für bestimmte Shot-Typen, und neue Szenen starten von getesteten Grundlagen statt bei null. Das ist der Vorteil der Rezeptmethode: Iterationen summieren sich, statt sich zurückzusetzen.
In die eigene Pipeline einbinden
Die Rezepte in diesem Leitfaden sind darauf ausgelegt, den Übergang von manueller Bedienung zu programmatischem Aufruf zu überstehen. Ein paar praktische Gewohnheiten erleichtern das.
Speichere Prompts als strukturierte Daten. Speichere jedes Rezept als Datensatz mit Feldern für Subjekt, Aktion, Umgebung, Kamera, Beleuchtung, Stil, Negativwörter, Dauer und Format. Setze den endgültigen Prompt-String beim Aufruf zusammen, damit du den exakten Text protokollieren kannst, der jede Ausgabe erzeugt hat.
Modelle fixieren. Verwende in der Konfiguration einen einzigen Modellbezeichner und protokolliere ihn bei jeder Generierung. Das Text-zu-Video-Modell PixVerse V6 Max ist auf seiner Modellseite dokumentiert, einschließlich der Anfrageparameter – dort beginnt man beim Aufbau eines Clients.
Die Antwort prüfen, nicht nur die Anfrage. Prüfe nach jedem Aufruf die zurückgegebene Dauer und den Bildausschnitt gegen die Anforderungen des Rezepts und speichere die Messwerte zusammen mit dem Prompt-Protokoll. Abweichungen sind ein frühes Signal, dass ein Rezept überarbeitet werden muss.
Rezepte versionieren. Behandle die Prompt-Bibliothek wie Code: Committe Änderungen zusammen mit einer Beschreibung, welches Modul geändert wurde und warum. Wenn ein Rezept nach einem Modell-Update keine guten Ergebnisse mehr liefert, kannst du genau nachvollziehen, was sich verändert hat.
Ein minimaler Aufrufablauf: Rezept laden → Prompt zusammensetzen → Text-zu-Video-Anfrage senden → Prompt und Antwort-Metadaten speichern → Ausgabe gegen die Rezept-Rahmenbedingungen vergleichen. Bau diesen Zyklus einmal, und jedes neue Rezept lässt sich daran anschließen.
Die oben genannten Rezepte sind Ausgangsbasis, keine Garantie – der eigentliche Wert liegt im disziplinierten Iterationszyklus darum herum.
Ähnliche Artikel
Alle Artikel ansehen →-
Benutzerhandbuch
Leitfaden für den Einstieg in gpt-6.2-sol: Grenzen der Fähigkeiten, API-Anbindung und Hinweise zur Token-Abrechnung
Entscheidungshilfen und praktische Hinweise zur Anbindung für Engineering-Teams
-
Benutzerhandbuch
gpt-6.2-astra Einstiegsleitfaden: Grenzen der Textmodell-Fähigkeiten, Integrationspunkte und Kostenkontrolle
-
Benutzerhandbuch
Tripo H3.1 Einstiegsleitfaden: Drei Eingabewege, Parameter und Preiswahl
Praktische Entscheidungsfindung und Kostenkontrolle bei der 3D-Generierungsintegration für Entwickler