Benutzerhandbuch
wan2.6-flash Image-to-Video-Prompt-Rezepte: direkt kopierbare, wirksame Prompts
Beschreibung des ersten Frames, Kamera- und Tempoformulierungen, native Audio-Hinweise, Abwägung im schnellen 1080P-Modus und eine Liste negativer Prompts
Auf dieser Seite
Warum Image-to-Video-Prompts Rezepte brauchen und keine Prosa
Die meisten Menschen schreiben ihren ersten Image-to-Video-Prompt als einen Absatz – eine dichte Beschreibung alles Sichtbaren und all dessen, was sie sich wünschen. Bei Text-to-Video-Modellen ist das sinnvoll, weil das Modell nichts anderes hat, woran es sich halten kann. Bei Image-to-Video wirkt es jedoch kontraproduktiv.
Das Eingabebild legt die Komposition bereits fest: wo das Motiv steht, wie das Licht aussieht, welche Objekte im Hintergrund sind, die Farbpalette, die Objektiveigenschaften. Wenn du all das in Prosa erneut beschreibst, gibst du den größten Teil deines Prompt-Budgets für Dinge aus, die das Modell bereits sieht, und lässt sehr wenig Raum für das, was es nicht sieht: wie sich das Motiv bewegt, wie sich die Kamera über die Zeit verhält, ob sich dieser Moment schnell oder langsam anfühlen soll und wie die Szene klingen soll.
Betrachte das Standbild als Ausgangszustand und den Prompt als eine Reihe von Anweisungen, die darübergelegt werden. Jede Anweisung beantwortet eine andere Frage:
- Was muss unverändert bleiben?
- Was bewegt sich, und in welche Richtung?
- Wie bewegt sich die Kamera relativ zum Motiv?
- Was ist das Tempo des gesamten Videos?
- Was hören wir?
- Was darf auf keinen Fall erscheinen?
Diese sechs Fragen entsprechen auf natürliche Weise wenigen Prompt-Slots. Ein Rezept legt lediglich eine feste Reihenfolge fest, in der diese Slots ausgefüllt werden, sodass jeder von dir erzeugte Shot auf dieselbe Weise beschrieben wird. Genau diese Konsistenz macht Ausgaben vergleichbar – und der Vergleich ist der Schlüssel dazu, Prompts zu verbessern statt zu raten.
Ein Prosatext lässt das Modell alles mit gleichem Gewicht vermischen. Ein Rezept erlaubt es dir, auf einen bestimmten Slot zu zeigen, eine Zeile zu ändern und zu wissen, was den Unterschied bewirkt hat. Der Rest dieses Leitfadens besteht aus direkt kopierbaren Rezepten für diese Slots sowie aus den praktischen Kompromissen, die dir im schnellen 1080P-Modus begegnen.

Das Prompt-Gerüst mit fünf Slots
Jedes Rezept in diesem Artikel füllt dasselbe Gerüst aus. Schreibe immer in dieser Reihenfolge:
[1] FIRST FRAME: Was im Bild ist und was unverändert bleiben muss
[2] CAMERA: eine Bewegung, eine Richtung, eine Geschwindigkeit
[3] PACING: das Tempo und wie sich die Bewegung über das gesamte Video entwickelt
[4] AUDIO: Umgebungsgeräusch + etwaige Ereignisgeräusche, an den visuellen Takt gebunden
[5] CONSTRAINTS: eine kurze Liste dessen, was unterdrückt werden soll
Warum die Reihenfolge wichtig ist
Der Anker des ersten Frames kommt an erster Stelle, weil die frühesten Entscheidungen des Modells die Identität und das Layout betreffen. Die Kamera kommt an zweiter Stelle, weil sie in den meisten Shots die größte einzelne Bewegungsquelle ist – wenn die Kamerabewegung falsch ist, kann nichts anderes das Video retten. Das Tempo kommt an dritter Stelle, damit die Tempoanweisung die gerade beschriebene Bewegung formen kann, statt gegen sie zu arbeiten. Audio kommt an vierter Stelle, weil es dem bereits definierten visuellen Takt folgen sollte. Die Constraints stehen am Ende als knapper Abschluss.
Ein vollständig ausgefülltes Beispiel
FIRST FRAME: Gesicht und Jacke des Mannes sowie die Reflexionen auf der nassen Straße unverändert beibehalten.
CAMERA: langsames Hineinfahren, direkt auf das Motiv zu, ohne Rotation.
PACING: gleichmäßig, ruhig; die Bewegung ist am Ende des Videos abgeschlossen.
AUDIO: leises Regenambiente; leichte, kontinuierliche Schritte.
CONSTRAINTS: kein Flackern, keine Gesichtsverzerrung, kein Kamerazittern.
Halte das Gerüst kurz
Jeder Slot sollte aus ein bis drei kurzen Sätzen bestehen. Wenn ein Slot diese Länge überschreitet, sind die zusätzlichen Wörter fast immer ästhetische Adjektive, die die Bewegung nicht lenken können. Streiche sie und verschiebe das, was wirklich zählt, als negativen Punkt in den Constraints-Slot.
Zwei Regeln zum Ausfüllen des Gerüsts
- Nur eine Kamerabewegung pro Shot. Zwei Bewegungen in einem Video sind die häufigste Ursache für zittrige, schwer erkennbare Bewegungen.
- Verwende konkrete Verben statt Adjektive. „Eine Flagge hebt sich und kräuselt sich“ ist besser als „eine dramatische, filmische Atmosphäre“.
Das Gerüst bleibt gleich, ob du nun ein Porträt, ein Produktstandbild oder eine Landschaft animierst. Nur der Inhalt der einzelnen Slots ändert sich – und genau das decken die folgenden Rezepte ab.

Beschreibe den ersten Frame, damit die Bewegung einen Anker hat
Der Slot für den ersten Frame ist keine Bildbeschreibung. Seine Aufgabe ist es, dem Modell zu sagen, welche Pixel tragend sind, damit das Modell sie nicht neu erfindet.
Benenne Anker, statt die Szene zu beschreiben
Beschreibe nicht das ganze Bild, sondern liste die Elemente auf, die über das gesamte Video hinweg erhalten bleiben müssen:
FIRST FRAME: Gesicht und Frisur der Frau, ihr grauer Mantel, der
Fensterrahmen hinter ihr und die warme Tischlampe auf der linken Bildseite beibehalten.
Du sagst dem Modell nicht, was dieses Bild ist. Du sagst ihm, welche Teile identitätsprägend sind: Gesicht, Kleidung, Logo, Text, markante Requisiten und die Richtung des Hauptlichts.
Trenne Fixiertes von Bewegtem
Der nützlichste Satz in diesem Slot ist der, der die Welt in zwei Hälften teilt:
FIRST FRAME: Die Produktflasche und die Tischplatte bleiben fixiert; nur der Hintergrundvorhang
und das Licht auf der Flaschenoberfläche verändern sich.
Dieses eine Muster unterdrückt den Großteil unerwünschter globaler Bewegung, weil das Modell nun weiß, wo Bewegung stattfinden darf.
Verankere die Ausgangshaltung
Bei Menschen und Tieren beschreibe die Haltung im ersten Frame, damit die Bewegung einen Ausgangspunkt hat:
FIRST FRAME: Das Motiv sitzt, die Hände auf dem Tisch, der Kopf leicht
nach links gedreht; diese Ausgangshaltung zu Beginn des Videos beibehalten.
Verankere das Licht
Die Lichtrichtung ist das, was am ehesten abdriftet. Ein kurzer Satz stabilisiert sie:
FIRST FRAME: Das Hauptlicht bleibt von rechts oben, die Schatten unverändert.
Was du weglassen solltest
- Wiederhole nicht Farbgebung, Filmstil oder Objektivdetails, die das Bild bereits zeigt.
- Beschreibe keine Objekte, die nicht im Bild sind und die du nicht erscheinen lassen willst.
- Beschreibe das Aussehen des Motivs nicht mit blumigen Worten erneut; eine kurze Ankerliste ist wirkungsvoller als eine ganze Beschreibung.
Betrachte den Slot für den ersten Frame als Zaun. Alles, was du darin nennst, ist geschützt; alles andere darf sich frei bewegen – und wie es sich bewegt, bestimmst du im nächsten Slot.

Kamera- und Tempoformulierungen, die die Kamera wirklich bewegen
Die Kameraformulierung verändert diesen Ausschnitt stärker als jeder andere Slot, und vage Stiladjektive richten hier den größten Schaden an. „Filmische Kameraführung“ sagt dem Modell nichts. „Langsames Hineinfahren, ohne Rotation“ sagt ihm alles.
Verwende ein kleines Vokabular für Kamerabewegungen
Halte eine kurze, konkrete Liste bereit und wähle pro Shot nur einen Eintrag daraus:
- push in (Hineinfahren) – die Kamera bewegt sich auf das Motiv zu
- pull out (Herausfahren) – die Kamera entfernt sich vom Motiv
- pan left / pan right (nach links schwenken / nach rechts schwenken) – horizontale Drehung am Ort
- tilt up / tilt down (nach oben neigen / nach unten neigen) – vertikale Drehung am Ort
- track left / track right (nach links mitfahren / nach rechts mitfahren) – seitliche Bewegung entlang des Motivs
- orbit (umkreisen) – Kreisen um das Motiv
- static (statisch) – überhaupt keine Kamerabewegung; Bewegung kommt nur aus der Szene selbst
Füge immer eine Geschwindigkeit hinzu: slow, steady oder fast. Und füge immer den Gegensatz hinzu, der dir wichtig ist: „no rotation“, „no handheld shake“, „no zoom“.
CAMERA: langsames Hineinfahren, frontal, ohne Rotation, ohne Zittern.
Eine Kamerabewegung kombiniert mit einer Motivaktion
Saubere Shots haben meist genau eine Kameraabsicht und eine Handlung innerhalb der Szene:
CAMERA: langsames Mitfahren nach rechts, wobei das Motiv in der Bildmitte bleibt.
PACING: Das Motiv dreht den Kopf und folgt der Kamera während des gesamten Clips,
und erreicht im letzten Drittel die endgültige Haltung.
Schreibe das Tempo als Zeitlinie, nicht als Adverb
„Langsam“ ist schwach, weil es keinen Bezugspunkt hat. Verankere die Bewegung an der Dauer des Clips:
- „Die Bewegung beginnt zu Beginn des Clips und ist am Ende abgeschlossen“
- „Halte die erste Haltung im Eröffnungstakt und bewege dich erst dann“
- „Die Aktion ist im letzten Drittel abgeschlossen“
Diese Formulierung verhindert, dass das Modell die Bewegung in der ersten Sekunde überstürzt und dann einfriert – ein sehr häufiger Fehler bei kurzen Clips.
Tempo-Rezepte für jede Absicht
# Ruhiger Produkt-Shot
PACING: sehr langsam, kontinuierlich, ohne Beschleunigung.
# Enthüllung
PACING: erst halten, dann eine gleichmäßige Bewegung, die gegen Ende abgeschlossen ist.
# Action-Takt
PACING: sofortige Bewegung ab dem ersten Frame, gleichmäßige Geschwindigkeit, ohne Pause.
Was du vermeiden solltest
- Zwei Kamerabewegungen in einem Video.
- Geschichtete Adjektive („ein epischer, mitreißender, dramatischer Shot“) ohne Richtung oder Geschwindigkeit.
- Das Tempo nur als Stimmung beschreiben („angespannt“), ohne zeitlichen Bezug.
Wenn du unsicher bist, wähle die einfachere Bewegung. Ein statischer Shot mit einer klaren Motivaktion ist praktischer als ein ehrgeiziger Multi-Motion-Shot, der zittrig wird.
Native Audio-Hinweise in den Prompt aufnehmen
Wenn das Modell natives Audio unterstützt, ist der Audio-Slot keine Dekoration – er ist eine zweite Zeitlinie, die mit dem bereits geschriebenen visuellen Takt übereinstimmen sollte.
Trenne Umgebungsgeräusche von Ereignisgeräuschen
Jede Audiobeschreibung hat zwei Ebenen:
AUDIO:
Umgebungsgeräusch: anhaltender Regen auf dem Straßenbelag, fernes Verkehrsrauschen
Ereignisgeräusch: leichte Schritte, beginnend mit dem ersten Schritt des Motivs,
bis zum Ende des Clips anhaltend
Das Umgebungsgeräusch ist kontinuierlich; das Ereignisgeräusch ist zeitlich festgelegt. Wenn du sie getrennt schreibst, vermeidest du es, einen zeitlich festgelegten Hinweis in einer Masse von Atmosphäre zu vergraben.
Binde den Ton an den visuellen Takt
Verweise auf den Tempo-Slot, damit Audio und Bewegung dieselbe Uhr verwenden:
PACING: Das Motiv hebt die Tasse in der ersten Hälfte des Clips an.
AUDIO: gedämpftes Café-Gemurmel; ein leises Keramikklirren in der zweiten Hälfte,
als der Tassenboden auf der Untertasse aufsetzt.
Bei kurzen Clips reichen ein oder zwei zeitlich festgelegte Ereignisse. Mehr machen das Audio geschäftig und schwer zuverlässig zu beschreiben.
Halte das Vokabular physisch
Beschreibe Geräusche wie Objekte: Quelle, Material, Entfernung.
- Gut: „trockene Schritte auf Kies, nah an der Kamera“
- Schwach: „dramatisches Sounddesign“
- Gut: „tiefes Windgeräusch, sehr weit weg, keine Stimmen“
- Schwach: „filmische Atmosphäre“
Was nicht in den Audio-Slot gehört
- Dialoge und Liedtexte. Sprache ist ein eigenes und schwierigeres Problem; Dialogzeilen im Audio-Slot zu beschreiben ist unzuverlässig. Wenn du einen stummen Shot brauchst, sage es ausdrücklich: „Nur Umgebungsgeräusche, keine Stimmen.“
- Musikgenre-Labels ohne Verhaltensbeschreibung. „Lo-fi-Beats“ ist weniger nützlich als „gleichmäßiger niederfrequenter Puls, ohne Stimmen“.
- Geräusche ohne sichtbare Quelle. Wenn du ein Geräusch verlangst, dessen Ursache nicht im Bild und nicht in der Handlung liegt, hat das Modell keine Grundlage, um zu entscheiden, wann es platziert wird.
Ein sicherer Standardwert
Wenn der Shot keine Audio-Details braucht, ist eine Zeile Umgebungsgeräusch besser als nichts:
AUDIO: Nur leises Raumambiente, keine Stimmen, keine Musik.
Diese Zeile verhindert zufällige Sprach- oder Musikeinspielungen und hält den Clip nutzbar, während du zunächst die visuellen Slots iterierst.
Schneller 1080P-Modus: Wann sich der Kompromiss lohnt
Der schnelle 1080P-Modus existiert, damit du schnell iterieren kannst. Betrachte ihn als Regler pro Shot, nicht als projektweite Einstellung.
Der Kompromiss in einfachen Worten
Eine höhere Ausgangsauflösung liefert sauberere Details, stabilere feine Texturen und eine bessere Erhaltung kleiner Merkmale – entfernte Gesichter, Text, dünne Strukturen. Ein schnellerer Modus tauscht einen Teil der Detailtreue und Stabilität gegen kürzere Bearbeitungszeiten. Die richtige Wahl hängt davon ab, wofür der Shot in diesem Moment gedacht ist.
Verwende den schnellen Modus, wenn
- du noch nach Optionen suchst. Komposition, Kamerabewegung und Tempoentscheidungen sind auch dann erkennbar, wenn feine Details nicht klar sind. Führe alle deine Prompt-Iterationen hier durch.
- das Motiv groß und einfach ist. Nahaufnahmen von Porträts oder Produkte vor einfarbigem Hintergrund haben kaum feine Details zu verlieren.
- der Shot nur ein Platzhalter ist. Schnittzeiten, Storyboard-Animatics und Schnitttests brauchen keine finale Detailtreue.
- du viele Varianten brauchst. Wenn du zehn Kandidatenbewegungen vergleichst, ist Geschwindigkeit wichtiger als Feinschliff.
Investiere mehr, wenn
- feine Texturen den Shot tragen. Stofftexturen, Haarsträhnen, Vegetation, Wasserspritzer und dichte Hintergründe sind die Bereiche, in denen sich Unterschiede in der Detailtreue zuerst zeigen.
- Text oder Logos sichtbar sind. Kleine Schrift verschlechtert sich schnell.
- der Clip das Endprodukt ist. Alles, was für ein Publikum veröffentlicht wird, verdient eine Verarbeitung mit höherer Detailtreue.
- du den Prompt bereits festgelegt hast. Sobald das Rezept stabil ist, führe den Gewinner-Prompt mit höheren Einstellungen erneut aus, statt alles noch einmal laufen zu lassen.
Ein praktischer Workflow
- Schreibe das Rezept mit fünf Slots.
- Iteriere im schnellen Modus, bis Kamera, Tempo und Audio korrekt sind.
- Ändere jeweils nur eine Variable.
- Führe das festgelegte Rezept mit Einstellungen für höhere Detailtreue erneut aus, um die endgültige Version zu erhalten.
Die entscheidende Disziplin besteht darin, diese beiden Dinge nicht zu vermischen. Feile nicht an der Detailtreue, solange die Kamerabewegung noch falsch ist, und wiederhole die Komposition nicht immer wieder mit teuren Einstellungen.
Du kannst diese Rezepte direkt auf der Modellseite von wan2.6-flash Image-to-Video ausprobieren und die aktuellen Details zu den Modi im dortigen Preisbereich einsehen, denn Abrechnung und Verfügbarkeit der Modi liegen in der Preisübersicht der Website selbst und nicht in festen Zahlen in diesem Leitfaden.
Negative Liste
Negative Prompts sind günstige Versicherung, aber eine lange Liste negativer Wörter wird zu Rauschen. Halte eine kurze Standardliste bereit und ergänze nur die Fehler, die du tatsächlich gesehen hast.
Die Standardliste
Jedes Rezept beginnt mit diesem Abschluss:
CONSTRAINTS: kein Flackern, keine Verzerrung von Gesicht und Händen, keine Verzerrung
gerader Kanten, keine unerwünschte Kameradrift, keine Text- oder Wasserzeichenartefakte.
Dies deckt die häufigsten Fehler ab:
- Flackern – Helligkeit oder Textur pulsieren von Frame zu Frame.
- Verzerrung – Gesichter, Hände und kleine Objekte verschmelzen oder lösen sich auf.
- Kantenverzerrung – gerade Linien (Türrahmen, Tischkanten, Produktkonturen) verbiegen sich.
- Kameradrift – die Kamera bewegt sich langsam, obwohl du Stillstand verlangt hast.
- Textartefakte – sauberer Text im Quellbild wird zu Kauderwelsch.
Füge negative Wörter nach Belegen hinzu
Schreibe nicht vorsorglich zwanzig negative Wörter. Wenn ein Lauf auf eine bestimmte Weise fehlschlägt, füge nur eine Zeile hinzu, die ihn beschreibt:
CONSTRAINTS: kein Flackern, keine Verzerrung, keine unerwünschte Kameradrift,
keine zusätzlichen Personen, die ins Bild treten.
Die letzte Zeile wurde hinzugefügt, weil der vorherige Lauf einen Passanten eingeführt hat. Notiere den Grund in deinen Notizen – nicht im Prompt –, damit der Prompt sauber bleibt.
Formuliere Erwünschtes positiv
Negative Wörter unterdrücken nur, sie erschaffen nichts. „Den Hintergrund nicht unscharf machen“ erzeugt keinen scharfen Hintergrund. Wenn du willst, dass etwas erscheint, sage es mit einer positiven Anweisung im Slot für den ersten Frame oder im Kamera-Slot, und überlasse den Constraints-Slot der Unterdrückung dessen, was nicht erscheinen soll.
Höchstens fünf Einträge pro realer Fehlerkategorie
Wenn deine Constraint-Zeile anfängt, wie ein rechtlicher Haftungsausschluss zu klingen, teile das Problem auf: Behebe Kameradrift im Kamera-Slot mit „keine Rotation, kein Zittern“ und halte den Constraint-Abschluss kurz. Ein Prompt, der größtenteils aus Verboten besteht, lässt kaum Budget für die Kameraführungsanweisungen übrig, die den Clip wirklich tragen.
Iteriere Rezepte, ohne die Orientierung zu verlieren
Die Rezepte in diesem Leitfaden sind Ausgangspunkte, keine fertigen Prompts. Der Workflow, der sie zu etwas Zuverlässigem macht, ist langweilig, aber wirksam: Ändere pro Lauf nur eine Variable und notiere, was passiert ist.
Ändere jeweils nur einen Slot
Wenn der Clip nicht stimmt, schreibe nicht impulsiv den ganzen Prompt neu. Wähle den Slot aus, der am wahrscheinlichsten verantwortlich ist, und ändere nur diesen:
- Bewegungsrichtung falsch → Kamera-Slot.
- Bewegung zu schnell oder zu früh beendet → Tempo-Slot.
- Identität des Motivs driftet → Anker des ersten Frames.
- Zufällige Geräusche oder Stimmen → Audio-Slot.
- Wiederkehrende Artefakte → Constraint-Abschluss.
Nur eine Änderung pro Lauf bedeutet, dass es nur eine zuordenbare Differenz gibt. Wenn du alles auf einmal neu schreibst, lernst du nichts, selbst wenn der nächste Clip besser ist.
Führe ein Laufprotokoll
Ein kurzes, tabellenloses Protokoll pro Shot reicht:
shot: product_hero_01
recipe: v3
change: camera „langsames Hineinfahren“ -> „static, keine Bewegung“
result: saubere Bewegung; die Motivaktion ist jetzt klar erkennbar
next: zum Vergleich „sehr langsames Hineinfahren“ ausprobieren
Drei Felder – was geändert wurde, was passiert ist, was als Nächstes kommt – reichen aus, damit ein Prompt im Team reproduzierbar ist. Wenn jemand fragt, warum ein Shot so aussieht, gibt das Protokoll die Antwort.
Friere das Gewinner-Rezept ein
Wenn sich ein Rezept stabilisiert hat, höre auf, es zu bearbeiten. Kopiere es mit einem kurzen Namen und dem Laufprotokoll in eine gemeinsame Bibliothek. Neue Shots sollten mit dem nächstgelegenen eingefrorenen Rezept beginnen, nicht mit einem leeren Prompt. So werden Prompts zu Assets statt zu einer Sammlung von Einweg-Strings.
Wisse, wann du aufhören musst
Die Erträge der Iteration nehmen ab. Wenn drei aufeinanderfolgende Änderungen einzelner Variablen keine sinnvolle Verbesserung bringen, liegt das Problem meist am Eingabebild und nicht am Prompt – ein erster Frame mit unklarer Haltung oder überfülltem Hintergrund wird dir immer wieder im Weg stehen. Tausche das Standbild aus und führe das festgelegte Rezept erneut aus.
Der Zyklus ist einfach: ausführen, vergleichen, eine Sache ändern, notieren. Wenn du das konsequent machst, wird das Rezept mit jedem abgeschlossenen Shot schneller nutzbar. Wenn du einen Ausgangspunkt suchst, beginne auf der Modellseite von wan2.6-flash Image-to-Video und fülle die fünf Slots mit dem obigen Gerüst aus.
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