Veo 3.1 ist eines der am besten steuerbaren KI-Videomodelle, die es derzeit gibt — und trotzdem prompten es die meisten wie eine Suchmaschine: ein paar Keywords, ein vager Vibe, dann Enttäuschung, wenn der Clip generisch zurückkommt. Das Modell belohnt einen anderen Ansatz: Beschreibe deinen Shot so, wie ein Regisseur eine Kamerafrau brieft, und Veo 3.1 liefert meist etwas, das nah an dem ist, was du dir vorgestellt hast.
Dieser Guide ist die praktische Version dieser Idee: die Prompt-Struktur, die bei Veo 3.1 konsistent funktioniert, Kamera-, Licht- und Audio-Anweisungen, Negativ-Prompts, Seeds, First-Frame- und Last-Frame-Referenzbilder — plus Troubleshooting für die Fehler, die jeder trifft: morphende Motive, ignorierte Anweisungen und schlechte Lippensynchronität. Jede Technik kannst du auf unserem Veo 3.1-Generator testen, der mit Credits pro Generierung läuft, mit kostenlosen Credits für neue Nutzer.
Wie Veo 3.1 einen Prompt liest
Veo 3.1 parst deinen Prompt nicht als Checkliste. Es baut eine kohärente Szene aus der gesamten Beschreibung, und Widersprüche werden stillschweigend aufgelöst — meist nicht zu deinen Gunsten. Zwei praktische Konsequenzen folgen daraus.
Stelle das Wichtigste nach vorn. Veo 3.1 gewichtet den Anfang eines Prompts stärker — setze also Motiv und Kernaktion an den Anfang und hebe stilistische Garnitur fürs Ende auf.
Eine Szene, ein Prompt. Ein einzelner Clip läuft 4, 6 oder 8 Sekunden. Drei Story-Beats in acht Sekunden zu quetschen, produziert gehetzte, matschige Bewegung — schreibe einen klaren Beat pro Generierung und verkette die Clips dann im Editor.
Die sechsteilige Prompt-Struktur
Die zuverlässigste Veo 3.1-Prompt-Formel hat sechs Komponenten, ungefähr in dieser Reihenfolge:
- Motiv — wer oder was im Zentrum des Shots steht, mit 2–3 konkreten visuellen Details („eine Frau in ihren 60ern mit silbernem Haar und rotem Wollmantel").
- Aktion — eine klare Sache, die das Motiv tut („gießt langsam Kaffee in eine angeschlagene Keramiktasse").
- Setting — wo und wann („in einem düsteren Diner im Morgengrauen, Regen zieht Streifen über das Fenster hinter ihr").
- Kamera — Einstellungsgröße und Bewegung („Medium Close-up, langsamer Dolly-in").
- Licht und Stil — Stimmung, Farbe, Filmgrammatik („warmes Tungsten-Führungslicht, kühles blaues Fensterlicht, geringe Schärfentiefe, gedreht auf 35mm-Film").
- Audio — was wir hören („leiser Regen, das Klirren von Keramik, das tiefe Brummen eines Kühlschranks; keine Musik").
Wenn eine Veo 3.1-Generierung schiefgeht, fehlt fast immer eines dieser sechs Teile.
Das filmische Vokabular, das Veo 3.1 versteht
Veo 3.1 reagiert stark auf echte Filmsprache. Vage Wörter wie „cinematic" oder „episch" bewirken wenig; spezifische Terminologie bewirkt viel.
| Prompt-Element | Was es steuert | Formulierungen, die gut funktionieren |
|---|---|---|
| Einstellungsgröße | Framing und Nähe | Extreme Wide Shot, Medium Shot, Close-up, Extreme Close-up |
| Kamerabewegung | Bewegung des Frames | langsamer Dolly-in, Handheld-Tracking-Shot, aufsteigender Kran-Shot, statischer Locked-off-Shot, Orbit um das Motiv |
| Objektiv und Tiefe | Optischer Charakter | geringe Schärfentiefe, 85mm-Porträtobjektiv, 24mm-Weitwinkel, anamorpher Lens Flare |
| Licht | Stimmung und Realismus | Golden-Hour-Gegenlicht, weiches bedecktes Licht, hartes Ein-Quellen-Führungslicht, Neon-Practicals, volumetrisches Licht durch Nebel |
| Stil | Gesamter Look | gedreht auf 35mm-Film, Dokumentarstil, 70er-Jahre-Filmkorn, cleaner Commercial-Look, düsterer Film noir |
| Audio | Sounddesign | Straßenlärm im Hintergrund, Schritte auf Kies, gedämpfte Menge, Dialog des Charakters in Anführungszeichen, keine Musik |
Kamerabewegung: Wähle eine und bleib dabei
Der häufigste Veo 3.1-Fehler ist das Stapeln von Kamerabewegungen — „ein Drohnen-Shot, der hineinfährt, dann nach links schwenkt und mit dem Kran hochzieht". Wähle eine Bewegung pro Clip; wenn du zwei brauchst, sind das zwei Clips. Und unterschätze statische Shots nicht: Ein Locked-off-Frame mit starker Motivbewegung sieht oft teurer aus als eine wackelnde virtuelle Kamera, und Veo 3.1 rendert ihn mit weniger Artefakten.
Audio-Anweisungen sind Teil des Prompts
Veo 3.1 generiert natives Audio und nimmt Audio-Regie wörtlich — wenn du den Sound nicht erwähnst, bekommst du eine generische Vermutung. Drei Gewohnheiten helfen:
- Benenne die Ambient-Grundlage: „entfernter Verkehr und Wind" oder „ruhiger Raumton" verankert die Szene.
- Setze Dialog in Anführungszeichen und ordne ihn zu: Der Mann sagt: „Wir hätten vor einer Stunde losfahren sollen." Sätze unter zehn Wörtern synchronisieren weit besser als Reden.
- Sag explizit „keine Musik", wenn du den Clip selbst vertonen willst; sonst legt Veo 3.1 oft einen eigenen Soundtrack darunter, der sich schwer sauber entfernen lässt.
Negativ-Prompts, Seeds und Referenzbilder in Veo 3.1
Jenseits des Text-Prompts gibt dir Veo 3.1 drei Kontrollhebel, die Gelegenheitsnutzer von Leuten trennen, die echte Arbeit ausliefern.
Negativ-Prompts: Sag, was du nicht willst
Ein Negativ-Prompt listet zu unterdrückende Elemente: Text-Overlays, Wasserzeichen, zusätzliche Personen, cartoonhaftes Rendering, Kamerawackeln. Formuliere sie als schlichte Substantive und Adjektive, nicht als Sätze — „unscharf, niedrige Auflösung, Untertitel, verzerrte Hände" schlägt „bitte mach es nicht unscharf". Und denk daran: Negativ-Prompts räumen wiederkehrende Artefakte auf; einen vagen Haupt-Prompt können sie nicht reparieren.
Seeds: Reproduzierbarkeit und kontrollierte Variation
Auf veo4.dev akzeptiert Veo 3.1 einen optionalen Seed-Wert. Gleicher Prompt plus gleicher Seed produziert sehr ähnlichen Output; änderst du nur den Seed, bekommst du einen frischen Take auf dieselben Anweisungen. Der professionelle Workflow: Iteriere am Wortlaut mit fixiertem Seed, damit du erkennst, ob jede Änderung den Unterschied verursacht hat — und variiere den Seed am Ende, um Takes zu generieren und den besten zu wählen.
First-Frame- und Last-Frame-Referenzbilder
Veo 3.1 unterstützt Image-to-Video mit sowohl einem First-Frame- als auch einem Last-Frame-Referenzbild — das stärkste Konsistenz-Tool, das das Modell hat:
- Nur First Frame: Der Clip startet exakt auf deinem Bild und animiert vorwärts. Ideal, um einen Charakter, ein Produkt oder ein Brand-Asset über eine Clip-Serie konsistent zu halten.
- First plus Last Frame: Veo 3.1 interpoliert einen Bewegungspfad zwischen den beiden Bildern — so bekommst du gezielte Übergänge, etwa eine geschlossene Tür im ersten Frame und eine offene im letzten.
Wenn du Referenzbilder nutzt, kürze den Text-Prompt. Das Bild trägt bereits Motiv, Setting und Stil; dein Text sollte hauptsächlich Bewegung und Audio beschreiben. Der komplette Workflow steht in unserem Image-to-Video-Guide.
Seitenverhältnis und Dauer: Entscheide, bevor du promptest
Veo 3.1 gibt auf unserer Plattform 16:9 oder 9:16 aus, in 720p oder 1080p, in Clips von 4, 6 oder 8 Sekunden — und diese Entscheidungen verändern, wie du den Prompt schreiben solltest.
16:9 (Landscape) passt zu Establishing Shots, Dialogszenen und horizontaler Kamerabewegung. 9:16 (vertikal) ist die richtige Wahl für Shorts, Reels und TikTok — aber komponiere dafür: einzelne Motive, zentriertes Framing und vertikale Bewegung, keine weiten Panoramen, die in einen Handybildschirm gequetscht werden.
Bei der Dauer gilt: Kürzer ist meist schärfer. Ein 4-Sekunden-Clip von Veo 3.1 hält Detail und Kohärenz besser als ein 8-Sekunden-Clip, und er kostet weniger Credits. Reserviere 8 Sekunden für Shots, die die Zeit wirklich brauchen — ein langsames Reveal, eine ganze Dialogzeile, eine komplette Kamerabewegung. Aktuelle Credit-Preise stehen auf unserer Preisseite.
Fünf komplette Veo 3.1-Beispiel-Prompts
Jedes Beispiel ist ein vollständiger Prompt, den du einfügen und anpassen kannst. Achte darauf, wie sie der sechsteiligen Struktur folgen.
1. Dialog-Close-up (16:9, 8s)
Close-up eines Fischers in seinen 50ern mit grauem Bart und orangefarbener Regenjacke, der im Morgengrauen auf einem nassen Steg steht. Er blickt an der Kamera vorbei und sagt: „Der Sturm kommt schneller, als sie gesagt haben." Statischer Locked-off-Shot, geringe Schärfentiefe. Kaltes, blaues, bedecktes Licht, Nebel im Hintergrund. Audio: sanfte Hafenwellen, Möwen in der Ferne, seine Stimme klar und nah. Keine Musik.
2. Produkt-Hero-Shot (16:9, 4s)
Ein mattschwarzes Wireless-Earbud-Case rotiert langsam auf einer weißen Marmorfläche. Der Deckel öffnet sich sanft und gibt den Blick auf die Earbuds frei. Studio-Setting, nahtloser hellgrauer Hintergrund. Langsamer Orbit um das Produkt, 85mm-Objektiv, knackige Schärfe. Weiches, diffuses Führungslicht mit dezentem Kantenlicht. Audio: leises mechanisches Klicken beim Öffnen des Deckels, schwaches Ambient-Summen. Keine Musik, kein Text, keine Logos.
3. Vertikaler Social-Clip (9:16, 6s)
Eine junge Frau mit dunklen Locken in einem gelben Regenmantel springt nachts auf einem regennassen Großstadt-Gehweg über eine Pfütze und lacht. Handheld-Tracking-Shot, der sie von der Seite begleitet. Neonschilder spiegeln sich im nassen Asphalt, geringe Schärfentiefe. Lebendiges, gesättigtes Color Grading. Audio: Regen auf Asphalt, platschende Schritte, entfernter Verkehr, ihr kurzes Lachen.
4. First-Frame-Image-to-Video (mit einem Referenzfoto deines Produkts oder Charakters)
Die Figur aus dem Referenzbild dreht den Kopf zum Fenster und lächelt leicht, während Sonnenlicht über ihr Gesicht wandert. Statisches Medium Close-up, keine Kamerabewegung. Warmes Nachmittagslicht, das sich allmählich verschiebt. Audio: ruhiger Raumton, Vogelgezwitscher vor dem Fenster. Keine Musik, kein Dialog.
5. First-plus-Last-Frame-Übergang
Sanfter Übergang vom geschlossenen Notizbuch im ersten Frame zum offenen Notizbuch im letzten Frame. Eine Hand kommt von rechts ins Bild und öffnet den Einband in einer weichen Bewegung. Statischer Top-down-Shot auf einem Holzschreibtisch, weiches Fensterlicht von links. Audio: Papierrascheln, leises Aufsetzen des Einbands. Keine Musik.
Für eine tiefere Bibliothek getesteter Prompts siehe unsere Sammlung der besten Prompts und den umfassenderen Veo-Prompt-Guide.
Troubleshooting häufiger Veo 3.1-Fehler
Auch gute Prompts scheitern manchmal. So behebst du die häufigen Fehler.
Morphende und verzerrte Motive
Wenn Gesichter schmelzen oder Objekte mitten im Clip die Form wechseln, sind die üblichen Ursachen zu viel gleichzeitige Bewegung, zu viele Motive oder ein zu langer Clip. Reduziere auf ein Motiv und eine Aktion, kürze auf 4 Sekunden, verlangsame die Kamera und ergänze „verzerrt, morphend, deformierte Anatomie, zusätzliche Gliedmaßen" im Negativ-Prompt. Wenn ein Charakter immer wieder driftet, verankert ein First-Frame-Referenzbild die Identität weit besser als Text.
Ignorierte Anweisungen
Wenn Veo 3.1 ein Detail konsequent überspringt, ist es meist am Ende eines langen Prompts vergraben oder anderswo widersprochen. Zieh das ignorierte Element nach vorn, streiche konkurrierende Adjektive und prüfe auf Konflikte — „Nacht", aber auch „helle, sonnendurchflutete Farben". Dann führe den Prompt mit demselben Seed erneut aus, um zu bestätigen, dass die Änderung wirklich geholfen hat.
Schlechter Dialog und Lippensynchronität
Lippensynchronität verschlechtert sich bei langen Sätzen, mehreren Sprechern und abgewandten Gesichtern. Halte Dialog unter zehn Wörtern, einen Sprecher pro Clip, das Gesicht zur Kamera in einem Medium Shot oder näher, und setze die exakte Zeile in Anführungszeichen. Wenn die Synchronität trotzdem scheitert, generiere die Performance stumm und nimm die Stimme separat auf.
Flacher, generischer Output
Wenn Clips okay, aber langweilig aussehen, ersetze Kategoriewörter durch konkrete Details: nicht „ein Auto auf einer Straße", sondern „ein staubiger 80er-Jahre-Kombi auf einem rissigen Wüsten-Highway". Spezifität ist das günstigste Qualitäts-Upgrade, das Veo 3.1 zu bieten hat.
FAQ
Was macht einen guten Veo 3.1 Prompt aus?
Ein guter Veo 3.1 Prompt liest sich wie eine Shot-Beschreibung: Motiv mit konkreten Details, eine klare Aktion, Setting, eine einzelne Kamerabewegung, Licht und Stil sowie explizite Audio-Regie. Stelle Motiv und Aktion nach vorn und bleib bei einer Szene pro Clip.
Unterstützt Veo 3.1 Negativ-Prompts?
Ja. Nutze das Negativ-Prompt-Feld für wiederkehrende Artefakte — Text-Overlays, Wasserzeichen, Unschärfe, verzerrte Hände, unerwünschte Musik. Schreib sie als kommagetrennte Substantive und Adjektive und halte die Liste kurz und gezielt.
Wie funktionieren Seeds in Veo 3.1?
Ein Seed macht die Generierung reproduzierbar: Derselbe Prompt mit demselben Seed liefert sehr ähnliche Ergebnisse. Fixiere den Seed, während du am Wortlaut feilst, um die Wirkung jeder Änderung zu isolieren — und variiere ihn am Ende, um alternative Takes zu produzieren.
Wofür sind First-Frame- und Last-Frame-Bilder da?
Ein First-Frame-Bild startet den Clip exakt auf deinem Referenzbild und hält Charaktere und Produkte über eine Serie konsistent. Ein zusätzliches Last-Frame-Bild lässt Veo 3.1 einen Übergang zwischen den beiden Zuständen animieren — ideal für Reveals und kontrollierte Szenenwechsel.
Warum morpht oder verzerrt sich mein Veo 3.1-Video?
Morphing kommt meist von überladenen Prompts: mehrere Motive, gestapelte Kamerabewegungen oder eine 8-Sekunden-Dauer, wo 4 gereicht hätten. Vereinfache auf ein Motiv und eine Aktion, kürze den Clip und ergänze anatomiebezogene Begriffe im Negativ-Prompt.
Ist Veo 3.1 kostenlos testbar?
Neue Nutzer auf veo4.dev bekommen kostenlose Credits, und die Generierung wird pro Clip abgerechnet statt über ein Abo. Längere und höher aufgelöste Clips kosten mehr Credits — Details unter Preise. Google bietet Veo auch über eigene Produkte an; unsere Plattform ist eine unabhängige Multi-Modell-Alternative.
Das Fazit
Veo 3.1 ist kein Spielautomat — es ist ein Kamera-Department, das exakt tut, was du ihm sagst, und nur das. Die Creator, die konsistent filmische Ergebnisse bekommen, arbeiten alle gleich: sechsteilige Prompts in echter Filmsprache, eine Szene pro Clip, Audio explizit dirigiert, Seeds während der Iteration fixiert und Referenzbilder überall dort, wo Konsistenz zählt. Übernimm diesen Workflow, und deine Trefferquote wandelt sich von gelegentlichem Glück zu etwas, um das du einen Content-Kalender planen kannst. Die Struktur ist außerdem übertragbar — derselbe Ansatz verbessert die Ergebnisse auf Sora 2, Kling und jedem anderen Modell unserer Plattform.