Seedance-2.5-Guide

Prompt

Fotorealistischer Naturdokumentations-Stil mit cineastischer, lebensnaher Beleuchtung. Im Morgennebel des frühen Tages tanzt in einem weiten Schilfflächen-Feuchtgebiet (Szenenreferenz Bild 1) ein eleganter Rotkronenkranich (Aussehen nach Bild 2) mit ausgebreiteten Flügeln — schneeweißes Gefieder, leuchtend roter Scheitel, hochgewachsene, schlanke Gestalt. Der Schauplatz ist ein herbstliches Flachwasser-Feuchtgebiet mit glitzerndem Wasser, umgeben von goldenem Schilf, Wasserlinsen und Wasserpflanzen, mit Morgennebel in der Ferne und der aufgehenden Sonne, weich verschwommen im Hintergrund. Halbtotale aus leichter Untersicht mit subtilem Handkamera-Gefühl, weitgehend fixiert, der Kranich bleibt jederzeit im Zentrum. 0–3 s: Der Kranich steht reglos im flachen Wasser und breitet langsam seine breiten schwarz-weißen Schwingen aus; die Bewegung ist sanft, der Luftstrom seiner Flügelschläge kräuselt die Wasseroberfläche. Eine Morgenbrise weht; das Sonnenlicht fällt schräg vom Horizont ein und durchbricht den Nebel im Tyndall-Effekt. 3–8 s: Der Kranich hüpft leicht über das Wasser, seine Füße streifen abwechselnd die Oberfläche und schleudern glitzernde Gischt hoch. Sein langer Hals biegt sich nach hinten, der Schnabel zeigt zum Himmel; dann landet er sanft, legt die Flügel an, lässt den Blick anmutig schweifen und stößt einen klaren, hellen Ruf aus. Die niedrig geführte Kamera folgt den Sprüngen des Kranichs sanft auf und ab, mit natürlicher Tiefenschärfe und weich verschwommenem Schilf im Vordergrund. Nur natürliche Umgebungsgeräusche: fließendes Wasser, kraftvolle Flügelschläge und der Ruf des Kranichs — ruhig, luftig und wunderschön.

Benötigt 2 Referenzbilder (Szene + Subjekt); eröffne mit einem Satz, der den Ton vorgibt, gliedere die Handlung in der Mitte entlang einer Zeitleiste und schließe mit der globalen Stimmung ab — die Vier-Schichten-Struktur ist auf einen Blick erkennbar.

Prompt

Eine 22-jährige ostasiatische Frau mit einem sanften, klassischen Gesicht wie fürs Kino. Kühl getönte, helle Haut mit feiner, geschmeidiger Textur — bewahre die echten feinen Poren und die Hauttextur. Schlanke, pfirsichblütenförmige Augen (die Ränder leicht feucht), eine weich entspannte Braue, eine kleine, gerade Nase, volle Lippen mit einem zarten, kaum sichtbaren Lächeln und eine sanft gezeichnete Kinnlinie. Ihr Blick ist tief liebevoll und voller Gefühl, ein Quellteich aus Frühlingswasser in ihren Augen — zärtlich, konzentriert, getragen von tiefer Zuneigung und einer Spur Wehmut. Rabenschwarzes Haar ist zu einem mühelosen, eleganten, tiefen klassischen Dutt gewunden, gehalten von einer einzigen schlichten Jade-Haarnadel; ein paar feine Strähnen fallen locker über ihre Wangen und bewegen sich in der Brise. Sie trägt eine minimalistische, schlicht-weiße Robe mit Wickelkragen aus weich schimmernder, dezenter Seide, der Kragen leicht geöffnet. Ihre Statur ist schlank, ihre Schultern schmal; sie strahlt eine sanfte, sehnsuchtsvolle, klassisch romantische Aura aus. Großaufnahme, die Augen blicken direkt in die Linse, weiches natürliches Licht, geringe Tiefenschärfe.

Funktioniert als reines Text-zu-Video; derselbe Schreibstil gilt auch für animierte Figuren — tausche die Formulierungen zur „fotorealen Haut“ einfach gegen den Ziel-Art-Stil aus.

Prompt

29-Sekunden-One-Take (eine Frau in historischer Kleidung verabschiedet sich am Fluss) [Globale Szenenvorgaben] Basisumgebung: ein Flussufer im Morgengrauen, ein verschwommenes kleines Boot im Hintergrund — eine einsame Abschiedsszene. Die Stimmung ist still und zurückhaltend. Visueller Stil: cineastisch, geringe Tiefenschärfe (sauberer, verschwommener Hintergrund), weiches natürliches Licht. Kameraarbeit: Halte durchgehend eine enge Nahaufnahme auf die Frau, als wäre es die subjektive Perspektive des Mannes, der ihr gegenübersteht. Ein subtiles, atmendes Handkamera-Gefühl, keine schnellen Schnitte. Charakterdesign: eine 22-jährige ostasiatische Frau mit einem sanften, klassischen Gesicht wie fürs Kino. Kühl getönte, helle Haut mit feiner, geschmeidiger Textur — bewahre die echten feinen Poren und die Hauttextur. Schlanke, pfirsichblütenförmige Augen (die Ränder leicht feucht), eine kleine, gerade Nase, volle Lippen mit einem zarten, kaum sichtbaren Lächeln. Ihr Blick ist tief liebevoll und voller Gefühl, ein Quellteich aus Frühlingswasser in ihren Augen. Rabenschwarzes Haar, zu einem tiefen klassischen Dutt gewunden, gehalten von einer einzigen schlichten Jade-Haarnadel. Sie trägt eine minimalistische, schlicht-weiße Robe mit Wickelkragen aus weicher, schimmernder Seide. Eine schlanke Gestalt, die eine sanfte, klassisch romantische Aura ausstrahlt. Schauspielerischer Kern: zurückhaltend und feinnervig. Konzentriere dich auf den wechselnden Blick, das Heben und Senken ihres Atems, das leichte Zittern ihrer Lippen, das Spannen und Lösen ihrer Braue, das Schlucken in ihrer Kehle und das natürliche Gleiten der Tränen. Verbote: kein übertriebenes Schluchzen, keine schnellen Schnitte, keine großen Körperbewegungen, keine zusätzlichen Dialoge oder Hintergrundmusik — und die Tränen dürfen nicht zu früh fallen. [Emotions- und Aktions-Storyboard (aufbauend über 0–29 Sekunden)] Stufe 1, 0–3 s [Bedrängnis]: Sie blickt direkt in die Linse, noch keine Tränen in den Augen, die Braue leicht gerunzelt, die Lippen öffnen sich, während sie leise murmelt: „Musst du wirklich gehen?“ Subtext: Sie lässt keinen Frust raus — sie wartet darauf, dass er eine Antwort ausspricht, die sie längst geahnt hat. Stufe 2, 3–10 s [Resignation]: Ihr Blick driftet langsam weg in den leeren Raum neben ihr, die Lider senken sich, ihre Mundwinkel ziehen sich zu einem kurzen, bitteren Lächeln, das sofort verfällt; ihre Nasenflügel spannen sich leicht, sie holt den kleinsten zurückhaltenden Atemzug, ihre Brust hebt sich einmal. Subtext: Mit dieser Bewegung zwingt sie den Schmerz und die Bitterkeit wieder hinunter. Stufe 3, 11–17 s [Erinnern]: Die Kamera fährt leicht heran. Sie wendet die Augen zurück und mustert langsam, vorsichtig sein Gesicht. Ihre Augenränder sind rot, doch die Tränen werden mit aller Kraft zurückgehalten — kein Tropfen fällt. In der Mitte eine 0,5 Sekunden lange, totenstille Pause: Ihre Lippen regen sich einmal und pressen sich zusammen, ihr Kinn spannt sich, ihre Kehle bewegt sich kaum sichtbar. Subtext: Dieser Blick ist kein Abschied — sie graviert sein Gesicht ein letztes Mal ins Gedächtnis, fürs Leben. Stufe 4, 18–23 s [Klagen]: Sie senkt den Blick, und ohne Vorwarnung fällt eine einzelne Träne direkt auf ihren Kragen. Sie wischt sie nicht weg; als sie wieder aufblickt, ist das Flehen in ihrem Blick zu tiefer Trauer geworden. Die gerunzelte Braue beginnt sich zu lösen, und sie schüttelt — kaum merklich — einmal den Kopf. Subtext: Die sich lösende Braue signalisiert innere Befreiung; das winzige Kopfschütteln ist ein letztes, hilfloses Aufbäumen gegen das Schicksal. Stufe 5, 24–29 s [Loslassen]: Die Kamera fährt auf eine extreme Großaufnahme. Sie zwingt ein sanftes Lächeln auf ihr Gesicht (ohne jede Selbstironie), und genau in dem Moment, in dem es ihre Mundwinkel erreicht, gleitet eine zweite Träne aus ihrem Augenwinkel an der Nase vorbei und bleibt an ihrer Lippe stehen. Mit fast unhörbarer Stimme, die sie mühsam ruhig hält, sagt sie: „Geh.“ Das Lächeln bleibt auf ihrem Gesicht erstarrt, während die Tränen weiter herunterlaufen, ihr Blick lässt ihn nie los. Die Kamera ruht schließlich auf ihrem Gesicht — lächelnd unter Tränen, in den Augen nichts als Trauer.

Globale Vorgaben plus Storyboard mit Zeitstempeln sind das Standardgerüst eines 30-Sekunden-Long-Takes; Zeitverbote wie „die Tränen dürfen nicht zu früh fallen“ sind genau die Präzision, die nur 2.5 halten kann.

Prompt

[Globale Vorgaben] Basisumgebung und Textur: ein offenes Straßenwirtshaus tief in einem stillen Bambuswald bei Nacht. Strebe 2D-Animationskunst auf höchstem Niveau an — das Treiben fallender Bambusblätter und die Wellen im Wein müssen realer Physik folgen, mit der schwebenden Anmut, die nur chinesischem Wuxia eigen ist. Visueller Stil: hochwertiger Donghua-Look in historischem Gewand (cel-shaded 3D mit realistischem Rendering), Kanten in Tuschemalerei. Hochkontrastreiches Ineinander von kaltem und warmem Licht (ödes blau-weißes Mondlicht gegen das warmgelbe Kerzenfeuer auf dem Tisch des Wirtshauses). Kameraarbeit: messerscharfer Montageschnitt und mehrere Arten physikalisch nahtloser Übergänge, mit extremem Kontrast zwischen Stillstand und Bewegung. Charakterdesign: ein 22-jähriger Schwertkämpfer mit dem markanten, skulpturalen Gesicht der Donghua-Helden. Schwertförmige Brauen und sternenhelle Augen, ein hoher Pferdeschwanz, lose Strähnen über der Stirn. Er trägt ein weißes Kampfgewand mit Wickelkragen und schwarzen Besätzen; ein Langschwert in schwarzer Scheide ruht auf dem Tisch. Schauspielerischer Kern: die tödliche Geschwindigkeit eines erstklassigen Wuxia-„Treffers auf Anhieb“, die gelassene Souveränität des Schwertkämpfers und die poetische Leere östlicher Ästhetik. Verbote: kein glitschiger 3D-Look (strikt den reinen cel-shaded Donghua-Stil beibehalten). Keine schlampige Kampfchoreografie, kein Clipping und keine verformten Gliedmaßen. Keine Untertitel und keine zusätzlichen Dialoge. Der Tusche-Effekt darf erst nach der 25-Sekunden-Marke erscheinen, mit dem „Klick“ der Scheide — niemals früher. [Storyboard mit Zeitstempeln (mit expliziten Schnitten und Übergängen)] 00:00–00:04 Einstellung 1 [Ein stilles Glas in der Nacht] (Match-Cut-Morphing): Die Kamera hält eine statische Untersicht auf den Nachthimmel, ein riesiger, heller Vollmond exakt im Zentrum. Der Mond verblasst allmählich und verwandelt sich in eine runde Weinschale — identisch in Form und Größe (Draufsicht auf den Tisch) — die langsam dort auftaucht, wo der Mond war, und ihn vollständig ersetzt; Mondlicht sprenkelt die Weinoberfläche mit feinen Wellen. Der Übergang muss nahtlos sein. Die Kamera fährt dann langsam aus der Draufsicht zurück und nach unten auf Augenhöhe: Der Schwertkämpfer sitzt am Tisch des Wirtshauses und hebt langsam die Schale. 00:05–00:10 Einstellung 2 [Verborgene Mordabsicht] (Dolly-in-Übergang in die Großaufnahme): Die Bewegung des Schwertkämpfers stockt; sein Blick wird schlagartig messerscharf. Die Kamera rast mit extremer Geschwindigkeit vor, vergrößert sein Auge, bis die Pupille den Bildschirm füllt — und das Bild entfaltet sich nahtlos im Inneren der Pupille: Hoch über dem Bambuswald stürzt ein schwarz gekleideter Attentäter, eine kurze Klinge im umgekehrten Griff, wie ein Habicht vom Himmel, direkt auf die Linse zu. 00:11–00:18 Einstellung 3 [Klingen kreuzen sich] (Action-Whip-Pan-Übergang): Die Kamera ruckt zurück zur Ganzkörpereinstellung des Schwertkämpfers, der aus seinem Sitz hochschnellt und das Schwert zieht. Die Kamera folgt seinem Schwertarm in einem heftigen Schwung nach Bild rechts (Whip Pan) und verschmiert den ganzen Bildschirm zu horizontaler Bewegungsunschärfe. In der Unschärfe springt die Szene in die Luft und friert ein: Das Langschwert des Schwertkämpfers und die kurze Klinge des Attentäters prallen hart aufeinander und brechen am Treffpunkt in riesige orangefarbene Funken und eine ringförmige Druckwelle aus. 00:19–00:24 Einstellung 4 [Ein Schlag trifft] (Verdeckungswipe): Die beiden passieren einander in der Luft. Die Druckwelle des Schlagabtauschs wirbelt einen Sturm aus Bambusblättern auf; ein riesiges smaragdgrünes Blatt streicht seitlich über die Linse, bedeckt sie vollständig und lässt das Bild schwarz werden. Als das Blatt weiterzieht, ist das Bild längst in eine bodennahe Einstellung auf Augenhöhe geschnitten: Der Attentäter fällt schlaff im Hintergrund zu Boden, während der Schwertkämpfer, mit dem Rücken zur Kamera im Vordergrund, sein Langschwert langsam in die Scheide gleiten lässt. 00:25–00:30 Einstellung 5 [Der Nachhall] (Tuschemalerei-Übergang): Mit dem „Klick“, mit dem das Schwert in der Scheide einrastet, lösen sich der gesamte Bambuswald und der gefallene Attentäter plötzlich auf wie ein Tropfen dicker Tinte, der ins Wasser fällt, und breiten sich als schwarz-weiße Tuschemalerei aus — und das Bild friert endgültig in der Tuschelandschaft ein.

Jeder Abschnitt benennt einen Übergang und beschreibt exakt, wie er ausgeführt wird; negative Zeitbedingungen wie „niemals früher“ verhindern, dass der Effekt zu früh loslegt.

Prompt

Eine ausgelassene kurze Performance in einer Stadtstraße im Retro-Cartoon-Animationsstil (Szenenreferenz Bild 5). Aussehen, Outfits und Gesichtszüge der vier jungen Tänzer folgen jeweils Bild 1, Bild 2, Bild 3 und Bild 4; die vier tanzen synchron auf der Retro-Fußgängerzone, ihre Körperbewegungen dicht und fließend, der Abstand zwischen ihnen fest. Der Kalt-Warm-Kontrast des Straßenneons bleibt durchgehend einheitlich; fixierte Frontalkamera mit einer langsamen seitlichen Fahrt. Jedes Kostümdetail, jede Gesichtsform und jede Körperform bleibt durchgehend hochkonsistent mit den Referenzbildern — kein Face-Swapping, kein Tauschen von Moves, jede Identität bleibt erhalten, die Bewegung flüssig, ohne Clipping oder Verzerrung, im Retro-Cartoon-Animationslook.

Benötigt 5 Referenzbilder (4 Figuren + 1 Szene); die offizielle Empfehlung sind 1–8 Subjektbilder für beste Ergebnisse — darüber sinkt die Stabilität und du musst neu würfeln.

Prompt

Auf einem regennassen, von Neonlicht durchzuckten Dach bei Nacht lehnt sich der Privatdetektiv aus Bild 1 an das Geländer und hebt langsam den Kopf zur Kamera, während der Regen von seinem Trenchcoat tropft. Mit der Stimme aus Audio 1 sagt er leise: „Ich habe dich gefunden.“ Behalte die tiefe, spannungsgeladene Intonation, den Atemrhythmus und die raue Textur von Audio 1 bei; die Lippenbewegungen bleiben strikt mit der Aussprache synchron. Das einzige Umgebungsgeräusch sind Regen und ferner Verkehr — keine Hintergrundmusik, keine Untertitel.

Benötigt 1 Charakter-Referenzbild + 1 Referenzaudio; „behalte Intonation und Atemrhythmus von Audio 1“ ist die Schlüsselformulierung für hochpräzises Klonen.

Prompt

Greife die niedlichen animierten Gesichtsausdrücke, das Auftreten, die Bewegungen und das kreative Muster des Shiba Inu aus Video 1 auf, um ein kurzes Video vom schwarzen Shiba Inu aus Bild 1 zu erstellen, und fange den verspielten, lebhaften Zustand des Hundes im Referenzvideo präzise ein. Der Schauplatz ist ein helles Wohnzimmer mit weichem, natürlichem Licht, die Kamera folgt den Bewegungen des Hundes sanft. Behalte die Fellfarbe und die körperlichen Merkmale des schwarzen Shiba aus Bild 1 unverändert bei; die Stimmung ist warm und wohltuend.

Benötigt 1 Referenzvideo + 1 Subjektbild; „fange den … Zustand/das Auftreten präzise ein“ löst die Übertragung auf kreativer Ebene weit besser aus als „mache dieselben Bewegungen“.

Prompt

Bild 1 ist ein vollständiges Film-Storyboard mit 9 aufeinanderfolgenden Einstellungen; jedes Panel steht für eine vollständige Einstellung, zusammen ergeben sie eine vollständige, warme, wohltuende filmische Erzählung. Die Frau mittleren Alters folgt Bild 2: eine Frau zwischen 40 und 50, im CG-Stil eines 3D-Animationsfilms, helle Haut, kurze, dunkelbraune Locken, große Augen, ein sanftes, freundliches Gesicht, immer mit einem natürlichen Lächeln. Sie trägt eine hellgelbe Strickjacke über einem weißen Oberteil und einen blauen knöchellangen Rock — der Look einer Hausfrau und Mutter; ihr Aussehen, ihre Garderobe und ihre Proportionen bleiben durchgehend konsistent. Das Kätzchen folgt Bild 3: ein rundes, chibi-artiges orange-weiß getigertes Kätzchen im CG-Stil eines 3D-Animationsfilms, große Augen, eine rosa Nase, flauschig weiches Fell. Es trägt eine gelbe Strickmütze und trägt einen grünen Stoffbeutel mit Zugband — süß und liebenswert; Fell, Outfit und Proportionen bleiben durchgehend konsistent. Einstellung 1 (0–3 s): Abend in einem städtischen Wohnviertel; eine Halbtotale aus Untersicht fährt langsam heran, während das streunende Kätzchen auf einen Mülleimer am Straßenrand springt, den Deckel mit den Vorderpfoten aufklappt und den Kopf hineinsteckt, um nach Futter zu suchen. Warmes Abendlicht auf der Straße; die Stimmung ist ein wenig einsam, aber echt. Einstellung 2 (3–5 s): Eine Nahaufnahme fährt leicht in den Mülleimer hinein; das Kätzchen hält sich mit beiden Pfoten am Rand fest und wühlt im Inneren, die Ohren zucken, die Augen konzentriert — Hunger und Hilflosigkeit im Mittelpunkt. Einstellung 3 (5–9 s): Eine fixierte Halbtotale am Hauseingang; die Frau steht mit Futter in der Hand in der Tür und entdeckt das Kätzchen. Das Kätzchen blickt zu ihr zurück, wachsam, aber ohne zu fliehen — ihr erster Blickkontakt. Einstellung 4 (9–12 s): Eine Halbtotale im Ganzkörperformat; das Kätzchen steht im offenen Hof und nähert sich langsam der Tür, Hoffnung in den Augen. Einstellung 5 (12–16 s): Die Kamera sinkt auf die Augenhöhe der Katze; die Frau hockt sich hin und stellt den Futternapf sanft vor das Kätzchen, das sofort den Kopf senkt, um zu fressen, der Schwanz wiegt leicht, während die Frau lächelnd zusieht — das Bild voller Wärme. Einstellung 6 (16–20 s): Eine Halbtotale mit Kamerafahrt; die Frau geht langsam mit einem Gemüsekorb aus dem Hof, das Kätzchen folgt leise neben ihr, immer einen halben Schritt hinter ihr. Einstellung 7 (20–23 s): An der Innentür öffnet die Frau langsam die Tür; warmgelbes Licht strömt heraus und bildet einen Kalt-Warm-Kontrast zum Abend draußen. Einstellung 8 (23–26 s): Eine Halbtotale von hinten und zur Seite; die Frau dreht sich um, lächelt und winkt sanft und lädt das Kätzchen nach Hause ein. Das Kätzchen steht an der Schwelle und blickt zu ihr auf, die Ohren gespitzt, der Schwanz wedelnd, zögert, bevor es die Einladung allmählich annimmt. Einstellung 9 (26–30 s): Die Kamera fährt langsam zurück; die Frau wartet geduldig an der Tür, während das Kätzchen endlich vortritt und ihr hineinfolgt; das warmgelbe Licht zieht beide Silhouetten in die Länge, während sich die Tür langsam schließt — das Bild ruht auf dem warmen, stillen Hof. Verwende den CG-Stil eines Pixar-Animationsfilms, PBR-Physikmaterialien, hochwertige globale Beleuchtung, weiches volumetrisches Licht, cineastische Tiefenschärfe. Kamerabewegung natürlich und ruhig, das Verhalten der Tiere lebensnah, und Kontinuität von Zeit, Raum, Charakterpositionen und Beleuchtung zwischen den Einstellungen. Kein Face-Swapping, keine Verzerrung oder Proportionsfehler bei den Figuren; keine zusätzlichen, nicht dazugehörigen Personen, Tiere oder Requisiten.

Benötigt 3 Referenzbilder (Storyboard + Frau + Kätzchen); die Zeitstempel pro Einstellung bilden die Storyboard-Panels eins zu eins ab — für maximale Treue.

Prompt

Der Gesamtstil ist ein echter Werbespot: cineastische Fotografie, warmgelbe Beleuchtung, Tokio-bei-Nacht-Atmosphäre, natürliche und flüssige visuelle Sprache. Einstellung 1 (0–3 s): Die Kamera fährt langsam von einer Tokioter Straße bei Nacht (Straßenszene nach Bild 1) auf den Eingang einer Ramen-Bar (Schaufensterfront nach Bild 2) zu. Ladenschild, Laternen, Öffnungszeiten-Tafel und Speisekarte sind alle in natürlichem, korrektem Japanisch — nirgends Chinesisch, Englisch oder korrupter Text. Einstellung 2 (3–7 s): Die Kamera bewegt sich hinein, wo der Angestellte (Aussehen nach Bild 3) in der offenen Küche steht, in die Kamera lächelt und auf natürlichem, fließendem Japanisch sagt: „Hallo, möchten Sie eine Schüssel unseres hausgemachten Tonkotsu-Ramen?“ Seine Mundformen bleiben strikt mit der japanischen Aussprache synchron, die Stimme natürlich, mit den Merkmalen eines echten japanischen männlichen Sprechers. Im Hintergrund bleiben die echten Umgebungsgeräusche von kochenden Nudeln, Dampf und klapperndem Geschirr. Einstellung 3 (7–11 s): Schnitt auf eine Nahaufnahme des Ramen (nach Bild 4), Dampf steigt ununterbrochen auf, der Chashu schaukelt leicht, das Öl auf der Brühe fließt natürlich. Ein Marken-Einblendetext erscheint auf dem Bildschirm, alles in natürlichem, korrektem Japanisch: „Reichhaltiger Geschmack, eine Schüssel Glück“, in einer Schriftart, die dem Design japanischer Werbespots treu bleibt. Einstellung 4 (11–15 s): Der Kunde (Aussehen nach Bild 5) sitzt am Tisch, probiert den Ramen, bricht in ein zufriedenes Lächeln aus und sagt natürlich in die Kamera: „Es ist wirklich köstlich — ich komme auf jeden Fall wieder!“ Die Stimme behält die natürliche japanische Aussprache mit präziser Lippensynchronisation. Das Markenlogo (nach Bild 6) und ein japanischer Slogan erscheinen: „Eine Schüssel, nach der ich mich jeden Tag sehne.“ Alle Beschilderungen, Speisekarten, Poster und Logos bleiben in einheitlichem Japanisch — keine andere Sprache wird eingemischt; jede Dialogzeile im Video ist auf Japanisch, und es dürfen weder chinesische Untertitel noch eine chinesische Synchronisation generiert werden. Die Identitäten der Figuren bleiben konsistent — der Angestellte und der Kunde tauschen niemals Gesichter oder Outfits.

Benötigt 6 Referenzbilder (Straße / Schaufensterfront / Angestellter / Ramen / Kunde / Logo); die Beschränkung „alles in der Zielsprache, keine eingemischten Texte“ muss hart formuliert werden.

Prompt

Ein vertikales 9:16-E-Commerce-Video zur Outfit-Präsentation vor einem reinweißen, minimalistischen, nahtlosen Studiohintergrund (Layout nach Bild 1), die feste geteilte Anordnung bleibt durchgehend: Auf der linken Bildseite sind drei rechteckige Module mit dünnen schwarzen abgerundeten Rahmen vertikal gestapelt, jedes mit einer schwarzen Serifenziffer oben (1, 2, 3); jedes Modul enthält eine Flat-Lay-Ansicht des jeweiligen Outfit-Teils mit einem kleinen „1x“-Label darunter. Auf der rechten Seite steht ein junges weibliches Model in Ganzkörperansicht und präsentiert das Outfit echt — Ganzkörperaufnahme auf Augenhöhe, fixierte Kamera, weiche, gleichmäßige Studiobeleuchtung, keine harten Schatten, Stofftexturen gestochen scharf und fein. Das Model hält eine natürliche, elegante Haltung mit ein paar langsamen Bewegungen — eine Hand hebt sich, um die Kleidung zu richten, ein Haltungswechsel — der Gesamtstil klar und hochwertig. Absolut keine Texteinblendungen, Slogans, Wasserzeichen, Logos oder zusätzliche Anmerkungen zu irgendeinem Zeitpunkt; keine Hintergrundmusik, kein Voiceover, keine Umgebungsgeräusche — ein vollständig stilles, rein visuelles Bild; die Kamera bleibt fixiert, ohne Zoom, Schwenk oder Neigung, und die Layoutstruktur bleibt durchgehend unverändert.

Benötigt 1 Layout-Referenzbild, und der Audio-Schalter ist bei der Generierung bereits für dich ausgeschaltet; das Trio „keine Untertitel + keine Hintergrundmusik + still“ wird auf 2.5 endlich zuverlässig ausgeführt.

Prompt

Entferne die gesamte Hintergrundmusik aus Video 1 und behalte nur die Stimmen der sprechenden Personen und die Umgebungsgeräusche. Die Stimmen müssen ihren ursprünglichen Klangcharakter, Tonfall, Atem und Detailreichtum behalten; Bild, Personen, Untertitel, Bildqualität, Farbkorrektur und Komposition bleiben vollständig unverändert — verändere keinerlei visuelle Inhalte.

Benötigt 1 Referenzvideo mit Stimmen; das ist der Standard-Trick für Fan-Edits, das Bereinigen von Interviews und das Austauschen mehrsprachiger Synchronisationen.

Prompt

Entferne die Frau links und den Mann rechts aus Video 1 und behalte nur die Frau in der Mitte, ihre Bewegungen unverändert. Fülle die entfernten Bereiche natürlich auf, passend zu Licht und Perspektive des Originalmaterials, ohne Geisterbilder oder unscharfe Stellen; alle übrigen Bildteile, die Komposition und die Kamerabewegung bleiben exakt gleich.

Benötigt 1 Ausgangsvideo; benenne nach Position, wer bleibt und wer geht, und ergänze eine Zeile zum sauberen Auffüllen — das ist das Erfolgsrezept für unsichtbares Entfernen.

Prompt

Entferne den grünen englischen Titeltext in Video 1 vollständig und ändere die blaue Sportkleidung der Person, die Rückendehnungen macht, in rote Sportkleidung — ändere ausschließlich die Farbe der Kleidung. Entferne außerdem die überzähligen Fitness-Requisiten im Hintergrund vollständig: die blaue Kettlebell rechts und das blaue Balance-Pad links. Die Person selbst, ihre Haut, Kopf, Hände und Füße, die Körperhaltung, die Übungsbewegungen, die Yogamatte, der Teppich, die Wand und der Kameraausschnitt bleiben unverändert. Nach dem Entfernen von Text und Requisiten müssen die verdeckten Bereiche natürlich aufgefüllt werden — keine Textgeister, keine unscharfen Stellen, keine Requisitenreste. Die rote Sportkleidung muss stabil bleiben, während die Person sich abrollt, ein Bein hebt und sich dehnt, und dabei die ursprünglichen Falten und die Stofftextur der Kleidung behalten.

Benötigt 1 Ausgangsvideo; mehrere Bearbeitungsziele passen in einen Prompt, aber jedes Ziel braucht sein eigenes klares „ändere in was“.

Prompt

Referenziere die Kamerabewegung und die physikalischen Lichtwechsel von Video 1 und ersetze das White Model im Video präzise durch die Elfenkönigin aus Bild 1. Ihr Aussehen folgt strikt dem Bild: langes silberweißes Haar, eine prächtige weiß-goldene bestickte Robe und ein Zauberstab mit leuchtendem Kristall an der Spitze — die Figur bleibt konsistent, kein Clipping, keine Gesichtsveränderung. Der Schauplatz ist ein großer Elfensaal, die Szene aus Video 1 bleibt erhalten. Die Kamerapositionen entsprechen dem Originalvideo, und die Elfenkönigin hebt ihren Zauberstab anmutig entsprechend den Bewegungen des Modells im Referenzvideo. Während sie sich bewegt, wehen ihr silberweißes Haar und der weite Rock ihrer weißen Robe natürlich in den Luftströmungen, seidig und mit echtem Faltenwurf. Mit der Bewegung verwandeln sich die Lichteffekte aus dem Referenzvideo in eine heilige Lichtsäule, die vom Boden aufsteigt und mit dem gleißenden goldenen Leuchten des Stabs in ihrer Hand korrespondiert. Das fertige Video verlangt filmische CG-Fotorealqualität, heiliges, episches Licht, ein hochauflösendes Bild, fein detaillierte Haut, klare Metalltexturen am Kostüm, reiche Details und flüssige, natürliche Bewegung.

Benötigt 1 White-Model-Video + 1 Charakter-Referenzbild; „ersetze das White Model präzise durch die Figur aus Bild N“ ist die Kernformulierung des White-Model-Renderings.

Prompt

Verwandle den gesamten weißen Hintergrund des Videos in einen reinen Greenscreen-Hintergrund. Die Bewegungen der Person, die Vordergrundelemente und die Bildkomposition bleiben unverändert; die Kanten der Person sind sauber ohne weiße Restsäume, und die Haardetails bleiben intakt. Entferne den Ton und lasse das Video stumm.

Benötigt 1 Ausgangsvideo; der Audio-Schalter wird bei der Generierung bereits für dich ausgeschaltet. Sobald du die Greenscreen-Plate hast, tauschst du den Hintergrund in jeder Schnittsoftware.

Prompt

Verbinde Video 1 und Video 2 nahtlos, ohne eines von beiden zu verändern. Der Karpfen im letzten Frame von Video 1 beginnt, schnell nach vorn zu schwimmen, springt dann rasch aus dem Wasser in die Luft, wo ein schweres, uraltes Steintor erscheint; der Karpfen überquert das Tor hinein in Wolken und Nebel, verwandelt sich schließlich in einen Drachen, und die Einstellung schließt an Video 2 an.

Benötigt 2 Videos (Anfangs- und Schlussclip); die Zeile „ohne die Ausgangsvideos zu verändern“ ist Pflicht, und die Übergangsbeschreibung deckt nur das fehlende Mittelstück ab.