Benutzerhandbuch
Wan 2.7 Text-zu-Video-Prompt-Rezepte für Entwickler
Direkt kopierbare Prompt-Strukturen mit Shot-Segmentierung, Kamerabewegung, Tempo und negativen Prompts
Auf dieser Seite
Warum die Struktur eines Prompts wichtiger ist als seine Länge
Die meisten enttäuschenden Text-zu-Video-Renderings entstehen nicht, weil der Prompt zu kurz ist, sondern weil ihm die Struktur fehlt. Wenn du Subjekt, Aktion, Kamera, Licht und Tempo alle in einen einzigen fließenden Text packst, kann das Modell nur raten, welcher Satz die Hauptanweisung ist und welcher nur schmückendes Beiwerk. Das Ergebnis ist ein Clip, der plausibel aussieht, aber unvorhersehbar ist: Für eine Demo reicht das, für die Serienproduktion ist es unbrauchbar.
Strukturierte Prompts funktionieren ganz anders. Sie zerlegen den Clip in explizite, mit Labels versehene Aufmerksamkeitsbereiche, sodass jeder Teil unabhängig interpretiert werden kann. Das hat für Entwickler drei praktische Vorteile:
- Vorhersehbarkeit. Wenn die Kamerananweisung eine eigene Zeile hat, ändert eine Änderung daran nur die Kamera – nicht die Kleidung des Subjekts, das Licht oder das Tempo.
- Vergleichbarkeit. Zwei strukturierte Prompts lassen sich Zeile für Zeile vergleichen; zwei dichte Absätze gelingt das meist nicht.
- Wiederverwendbarkeit. Ein Skelett mit benannten Slots lässt sich programmatisch befüllen; ein einmal geschriebener Absatz lässt sich nur kopieren und einfügen.
Länge ist nicht das Ziel. Ein gut strukturierter Prompt ist oft kürzer als der Absatz, den er ersetzt, weil jeder Satz seinen Zweck erfüllt. Betrachte ihn weniger als Prosa denn als kleine Konfigurationsdatei: ein paar Felder, jedes mit einer klaren Konvention.
Eine praktische Faustregel
Wenn du auf eine Zeile zeigst und nicht sagen kannst, was sie steuert, lösche sie oder verschiebe sie in einen Slot. Adjektive, die sich keinem Slot zuordnen lassen („atemberaubend“, „beeindruckend“, „Meisterwerk“), erzeugen meist nur Rauschen statt Richtung. Was zählt, sind konkrete Nomen und Verben im richtigen Slot. Der Rest dieses Leitfadens dreht sich um dieses Prinzip.

Das Prompt-Skelett mit fünf Slots
Jeder Clip beginnt mit demselben Skelett. Fünf Slots decken die überwiegende Mehrheit der kontrollierbaren Variationen ab; die Reihenfolge ist weniger wichtig als die Konsistenz.
SUBJECT: <wer oder was, ein Satz, konkrete Nomen>
ACTION: <was im Clip passiert, im Präsens>
CAMERA: <Einstellungsgröße + Bewegung + Bildkomposition des Subjekts>
LIGHTING: <Tageszeit, Lichtquelle, Kontrast, Farbtemperatur>
PACING: <Zeitgefühl, Bewegungsgeschwindigkeit, Veränderung bis zum Ende>
Was in jeden Slot gehört
SUBJECT (Subjekt) verankert die Identität. Nur das Wesentliche: Entitätstyp, auffällige Merkmale, Kleidung oder Material. Erzähle hier keine Geschichte – das ist Aufgabe von ACTION.
ACTION (Aktion) beschreibt einen zusammenhängenden Handlungsschritt. „Sie dreht sich vom Fenster weg und hebt die Tasse“ ist ein Schritt. „Sie dreht sich um, hebt die Tasse, geht zur Tür und verlässt den Raum“ sind vier Schritte, die um einen kurzen Clip konkurrieren.
CAMERA (Kamera) fasst Einstellungsgröße und Bewegung zusammen, weil das Modell sie als eine Entscheidung liest. „Mittlere Einstellung, langsames Heranfahren“ ist in sich stimmig. „Nahaufnahme“ und „Weitwinkel-Etablierungsshuss“ im selben Prompt sind es nicht.
LIGHTING (Licht) gibt dem Rendering einen physikalischen Ankerpunkt: Fensterlicht, bedeckter Himmel, hartes Mittagssonnenlicht, warme praktische Leuchten. Es steuert die Stimmung im Hintergrund, sollte aber als Tatsache und nicht als Emotion formuliert werden.
PACING (Tempo) sagt dem Modell, wie der Clip am Ende im Vergleich zum Anfang aussehen soll. „Langsam, kontinuierlich, am Ende zur Ruhe kommend“ ist eine Tempo-Anweisung. Ein bloßes „dynamisch“ ist keine.
Ein ausgefülltes Beispiel
Das ausgefüllte Skelett sieht so aus:
SUBJECT: a ceramic mug on a wooden desk, steam rising
ACTION: steam curls upward and thins out
CAMERA: close-up, locked-off, slightly low angle
LIGHTING: soft morning window light from the left, cool shadows
PACING: slow and continuous, nearly still by the final second
Halte jeden Slot auf ein bis zwei Zeilen. Wenn ein Slot einen ganzen Absatz braucht, versucht der Clip wahrscheinlich zu viel und sollte in zwei Clips aufgeteilt werden.

Kamerabewegungs- und Tempo-Hinweise formulieren
Die Bildsprache ist der Bereich, in dem sich die Prompt-Qualität am schnellsten auseinanderentwickelt. Vage Bewegungsverben erzeugen vage Bewegung. Begriffe aus der echten Kameraführung lassen sich zuverlässiger übertragen, weil sie konkrete geometrische Veränderungen beschreiben.
Bewährte Bewegungsvokabeln
- Pan (Schwenk) – Die Kamera dreht sich horizontal von einem festen Standpunkt aus. Mit Richtung verwenden: „langsamer Schwenk nach links“.
- Tilt (Neigen) – Von einem festen Standpunkt aus nach oben oder unten drehen.
- Dolly / push in / pull out (Dolly / Heranfahren / Wegfahren) – Die Kamera nähert sich dem Subjekt physisch oder entfernt sich von ihm.
- Tracking (Mitführen) – Die Kamera bewegt sich zusammen mit einem sich bewegenden Subjekt.
- Zoom (Zoomen) – Brennweitenänderung bei unveränderter Kameraposition. Anders als Dolly; wähle eines, nicht beides.
- Orbit / arc (Orbit / Bogen) – Die Kamera kreist um das Subjekt.
- Locked-off (Feste Kamera) – Völlig unbewegt. Unterschätzt, aber äußerst zuverlässig.
Kombiniere stets Achse mit Geschwindigkeit und Subjektbezug: „langsames Heranfahren, Subjekt zentriert“ statt nur „dramatische Kamerafahrt“. Eine Bewegung pro Clip ist ein sicherer Standard. Zwei Bewegungen können funktionieren, wenn sie dieselbe Achse teilen (langsames Heranfahren bei leichtem Neigen nach oben); Bewegungen in entgegengesetzte Richtungen kollidieren meist.
Tempo-Hinweise
Tempo betrifft die Form des Clips über die Zeit, nicht seine wörtliche Länge. Nützliche Formulierungen:
- „langsame, kontinuierliche Bewegung“
- „Bewegung kommt am Ende zur Ruhe“
- „gleichmäßig, ohne Beschleunigung“
- „nur subtiles Driften“
Vermeide die Häufung von Intensitätswörtern. „Schnell, dynamisch, energiegeladen, filmisch“ gibt dem Modell keine Form, an der es sich orientieren kann. „Geht gleichmäßig hinein und bleibt in der Bildmitte stehen“ gibt eine Form vor.
Kamera und Tempo aufeinander abstimmen
Kamera und Tempo sollten zueinander passen. Eine Nahaufnahme mit fester Kamera und „schnelle Bewegung im Bild“ sind widersprüchlich. Langsames Heranfahren mit „Subjekt nahezu unbewegt, leichte Atembewegung“ ist stimmig. Im Zweifel: Bewegungsamplitude verringern, Konkretheit erhöhen – eine präzise beschriebene statische Einstellung schlägt eine vage beschriebene dynamische.

Listen negativer Prompts aufbauen
Negative Prompts sind eine kleine, stabile Liste von Dingen, die du in deiner Serienproduktion nie sehen willst. Betrachte sie als gemeinsame Infrastruktur, nicht als etwas, das du für jeden Prompt ad hoc improvisierst.
Die kurze Kernliste
Halte die Kernliste kompakt und auf Fehler fokussiert:
blurry, low resolution, jpeg artifacts, watermark, text overlay,
distorted hands, extra fingers, warped faces, duplicate limbs,
flickering, frame tearing, abrupt cuts, oversaturated, blown highlights
Etwa ein Dutzend Einträge decken die meisten Fehlschläge beim ersten Versuch ab. Füge nicht bei jedem schlechten Rendering impulsiv etwas hinzu – eine überlange Negativliste unterdrückt legitime Details zusammen mit den Fehlern.
Projektbezogen schichtweise erweitern
Erweiterungen sollten optional und projektbezogen sein, nicht Teil der Kernliste:
core_negatives + ["logo visible", "brand colors"] # product shots
core_negatives + ["crowd", "background people"] # isolated subjects
core_negatives + ["rain", "wet surfaces"] # interior scenes
So bleibt die gemeinsame Basis stabil, während jedes Projekt seine eigenen Einschränkungen verschärfen kann. Zwei Regeln halten die Liste gesund: Füge ein Wort erst hinzu, nachdem derselbe Fehler zweimal aufgetreten ist; entferne es, wenn du das Problem, das es ursprünglich behoben hat, nicht mehr reproduzieren kannst.
Was nicht hineingehört
Verneine keine Stilwörter, die du eigentlich willst („nicht filmisch“, während du einen filmischen Shot anstrebst), und verneine keine Bewegung in einem Clip, der Bewegung braucht. Negative Prompts dienen dazu, Fehler zu vermeiden; sie eignen sich schlecht dazu, einen bestimmten Look anzusteuern. Letzteres erreicht man über positive Slots.
Ein Rezept in ein API-Anfragemuster umwandeln
Sobald ein Rezept funktioniert, füge es nicht mehr manuell ein. Speichere es als Template mit benannten Slots und befülle diese aus Parametern. Das Template wird zur Einheit, die du iterierst, prüfst und wiederverwendest.
Das Template-Objekt
{
"template_id": "desk-product-closeup",
"version": "3",
"slots": {
"subject": "a ceramic mug on a wooden desk, steam rising",
"action": "{{action}}",
"camera": "close-up, locked-off, slightly low angle",
"lighting": "{{lighting}}",
"pacing": "slow and continuous, nearly still by the final second"
},
"negative": "core_negatives"
}
Dein Code zur Anfrageerstellung rendert anschließend die Slots in den endgültigen Prompt-String und sendet ihn über den Text-zu-Video-Endpunkt auf HiAPI.ai. Modellname und Endpunkt sind an einer Stelle fest verankert; nur die Slot-Werte ändern sich.
Die Zusammenstellung des gerenderten Prompts
PROMPT = """SUBJECT: {subject}
ACTION: {action}
CAMERA: {camera}
LIGHTING: {lighting}
PACING: {pacing}"""
def build_prompt(slots: dict) -> str:
return PROMPT.format(**slots).strip()
Zwei praktische Konventionen zahlen sich sofort aus. Erstens: Halte Slot-Werte kurz – ein Slot, der länger als zwei Zeilen ist, ist meist eigentlich zwei Slots. Zweitens: Friere den Skelett-String ein und ändere nur die Werte; wenn du das Skelett zwischen Läufen änderst, kannst du Ergebnisse nicht mehr vergleichen. Wenn ein Slot eine strukturelle Änderung braucht, ist das eine neue Template-Version und keine Bearbeitung an Ort und Stelle.
Versionierung von Prompts und Vergleich von Ausgaben
Änderungen an Prompts sind billig, blinde Änderungen teuer. Verwalte sie wie Code: Protokolliere bei jedem Rendering, welcher Prompt es erzeugt hat, und jede Prompt-Änderung hat einen einsehbaren Vorher-Nachher-Vergleich.
Was bei jedem Rendering protokolliert werden sollte
- Template-ID und Version
- der exakte gerenderte Prompt-String, nicht nur die Slot-Werte
- Version der Negativliste
- Ausgabedatei oder Task-ID
- eine Zeile, die beschreibt, was du eigentlich ändern wolltest
Mit diesen Aufzeichnungen kannst du nach einem schlechten Serienergebnis die wirklich wichtige Frage beantworten: Hat diese Änderung die Regression verursacht, oder war das Problem schon vorher da?
Rendering-Ergebnisse vergleichen
Prüfe paarweise, nicht isoliert. Wähle eine kleine, feste Gruppe repräsentativer Slot-Werte als Smoke-Set – eine statische Einstellung, eine Bewegungsaufnahme, eine Nahaufnahme, eine Weitwinkelaufnahme – und rendere sie bei jedem Template-Versionssprung neu. Vergleiche alte und neue Ergebnisse mit identischen Eingaben nebeneinander. Wenn sich im Smoke-Set nichts geändert hat, ist die Änderung wahrscheinlich sicher. Wenn sie einen Fall verbessert und einen anderen verschlechtert, hast du eine Grenze gefunden und kannst bewusst entscheiden.
Disziplin beim Zurückrollen
Lösche nie alte Template-Versionen. Markiere sie als abgelöst und halte sie adressierbar. Wenn zwei Wochen später bei einem anderen Szenentyp eine Regression auftritt, ist die frühere Version dein schnellster Referenzpunkt. Dasselbe gilt für die Negativliste: Versioniere sie zusammen mit dem Template, denn Änderungen an negativen Einträgen können die Ausgabe genauso stark beeinflussen wie positive.
Iterieren, ohne funktionierende Prompts zu zerstören
Das Schwierigste an der Prompt-Arbeit ist nicht, ein gutes Rezept zu finden – sondern es zu verbessern, ohne bereits Erreichtes zu verlieren. Das typische Fehlermuster: fünf Dinge auf einmal ändern, das Ergebnis mögen und überhaupt nicht wissen, welche Änderung gewirkt hat.
Ändere jeweils nur eine Variable
Wähle einen Slot oder ein negatives Wort. Halte alles andere fest, einschließlich Slot-Werte, Template-String und Versions-Eingaben. Rendere das Smoke-Set. Triff eine Entscheidung. Dann kommt die nächste Änderung.
Wenn ein Clip nahe dran, aber noch nicht ideal ist, bewährt sich diese Reihenfolge:
- Zuerst das Tempo anpassen. Sanftere oder langsamere Bewegung behebt mehr Wahrnehmungsprobleme als jede andere Einzeländerung und stört selten andere Teile des Renderings.
- Dann die Kamera anpassen. Ändere pro Schritt nur eine Eigenschaft, entweder Einstellungsgröße oder Bewegungsgeschwindigkeit.
- Drittens das Licht anpassen. Feile an Richtung und Kontrast.
- Zuletzt Subjekt und Aktion anpassen. Sie greifen am stärksten ein und können das bisherige Tuning am ehesten zunichtemachen.
Wissen, wann man aufhört
Nicht jeder Defekt ist ein Prompt-Defekt. Wenn drei gezielte Änderungen an Tempo und Kamera das Ergebnis nicht verändert haben, braucht das Rezept vielleicht einen neuen Takt – teile den Clip auf, statt weiter zu tunen. Ebenso: Wenn ein Rendering bis auf einen hartnäckigen Defekt gut ist, füge genau ein negatives Wort hinzu, anstatt den Prompt umzubauen.
Halte den Zyklus kurz: eine Änderung, ein Smoke-Set-Rendering, eine Entscheidung. Nach einigen Runden liefert diese Disziplin eine Prompt-Bibliothek, der du wirklich vertraust – und Templates, die auch nächsten Monat noch dieselben Ergebnisse rendern.
Bereit, diese Rezepte auszuführen? Das Text-zu-Video-Modell Wan 2.7 auf HiAPI.ai bietet einen einheitlichen Endpunkt, an den deine Templates und Versions-Tags direkt an deine bestehende Pipeline angebunden werden können.
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