Gemini Omni 1.2 Flash Prompts: 7 Regeln und 9 Vorlagen

👁 112 Aufrufe

Gemini Omni 1.2 Flash verarbeitet Prompts flexibel und verlangt auf den ersten Blick keine starre Syntax. Nach 24 Testclips am Veröffentlichungstag zeigt sich jedoch deutlich, dass bestimmte Formulierungen entscheidend sind: eine gezielte Anweisung gegen unerwünschte Schnitte, wörtliche Dialoge in Anführungszeichen und eine präzise abgestimmte Cliplänge. Im Folgenden finden Sie Kernregeln aus der Google-Dokumentation, praktische Beobachtungen sowie neun funktionierende Prompt-Vorlagen zum Übernehmen.

Sieben Regeln, die zuverlässig funktionieren

1. Eine durchgehende Einstellung einfordern. Google weist ausdrücklich darauf hin, dass das Modell eigenständig Schnitte einfügen kann. Der Zusatz „eine durchgehende Kameraeinstellung ohne Schnitte“ (im Englischen „a single continuous shot“) verhindert diesen Automatismus am verlässlichsten. Ohne diesen Zusatz wechselte das Modell bei einer Szene mit drei Personen per Umschnitt zur sprechenden Person; mit dem Zusatz gelang eine saubere, nahtlose Kamerafahrt um die Figuren herum.
2. Kamerabewegungen wie für Regie oder Kamera beschreiben. Wo startet die Kamera, woran führt der Weg vorbei, wo stoppt sie? Die Anweisung „eine FPV-Drohne sinkt zwischen Wohnblöcken ab, fliegt knapp über einen Teppichklopfer und durch eine Tür“ erzeugte 15 Sekunden lang einen stimmigen Flug.
3. Dialoge in Anführungszeichen mit Sprecher und Sprache versehen. Definieren Sie die Figur und die Zielsprache explizit: „Der erste Mann mit Schiebermütze sagt auf Polnisch vorwurfsvoll: …“. Ohne Sprachangabe fällt das Modell häufig ins Englische zurück.
4. Laufzeit an die Textmenge anpassen. Rechnen Sie mit rund zwei Sekunden pro kurzem Satz. Bei einer Gesamtdauer von 6 Sekunden passten zwei Redebeiträge nicht hinein, woraufhin das Modell mitten im Satz abbrach.
5. Ausschlüsse direkt im Fließtext formulieren. Gemini Omni bietet kein separates Feld für Negative Prompts. Negative Vorgaben gehören direkt in den Text: „ohne Untertitel und Schilder“, „No dialogue“, „ohne zusätzliche Soundeffekte“. Dies greift meistens, wenn auch nicht ausnahmslos: Rückennummern auf Trikots erschienen im Test trotz gegenteiliger Anweisung.
6. Zeitliche Abläufe strukturieren. Google empfiehlt Formulierungen wie „nach 3 Sekunden…“ oder Zeitmarken wie [0-5s]. Das zahlt sich besonders bei Clips von 10 bis 15 Sekunden aus, in denen mehrere Aktionen hintereinander ablaufen.
7. Audiospuren detailliert vorgeben. Musik entsteht nicht immer von selbst. Konkrete Angaben wie „leise akustische Gitarrenmusik“, „druckvoller Hip-Hop-Beat“ oder „Zischen auf dem Grill“ lieferten im Test präzise Ergebnisse.

Was Sie vermeiden sollten

• Kinder im Bildausschnitt. Ein Prompt mit fußballspielenden Kindern wurde durch Sicherheitsfilter abgelehnt. Nach dem Tausch gegen Senioren wurde die Szene problemlos generiert.
• Fernsehstudios mit Moderation. Hier folgten zwei Ablehnungen hintereinander ohne Detailbegründung. Eine Lehrerin vor einer Schultafel wurde hingegen akzeptiert.
• Reale Marken und Logos. Tester von Segmind stießen hier regelmäßig auf Copyright-Filter. Erwähnungen von Supermärkten im gesprochenen Dialog wurden durchgewunken, sichtbare Firmenschilder wurden jedoch nicht angefordert.
• Veraltete Format-Tags. Die Dokumentation rät von Markern wie <FIRST_FRAME> ab. Die Funktion eines Referenzbildes beschreibt man stattdessen im normalen Satzbau: „dieselbe Szene und dieselben Personen wie auf dem Bild“.

Neun Prompt-Vorlagen zum Kopieren

Jede dieser Vorlagen erzeugte in den API-Tests vom 5. November 2026 einen sauberen Clip in 720p. Die empfohlene Dauer steht jeweils in Klammern. Hinweis: Die Dialoge und Szenen wurden im Originaltest auf Polnisch formuliert und ausgewertet; die folgenden Vorlagen sind ins Deutsche übersetzte Versionen dieser Testprompts.

1. FPV-Flug in einer einzigen Einstellung (15 s)

Eine durchgehende FPV-Drohneneinstellung, ohne Schnitte: Start hoch über einer polnischen Plattenbausiedlung im Sonnenuntergang, die Drohne taucht zwischen den Blöcken ab, fliegt tief über einen Teppichklopfer und eine Bank mit zwei Rentnern, fliegt durch eine offene Tür in eine Milchbar, gleitet über die Theke mit Piroggen und stoppt bei einem älteren Herrn, der Suppe isst und zur Kamera aufblickt. Natürliche Umgebungsgeräusche: Wind, Siedlungstrubel, Klappern von Tellern. Keine Texte, keine Schilder.

2. Kameraumrundung einer Figur (6 s)

Die Kamera vollführt eine flüssige, vollständige 360-Grad-Drehung um eine ältere Frau, die an einem Marktstand auf dem Krakauer Kleparz-Markt an einem Oktobervormittag Äpfel verkauft. Die Dame lächelt und richtet ihr Kopftuch. Gleichbleibender Abstand zur Figur, keine Schnitte. Marktgemurmel im Hintergrund. Ohne Einblendungen oder Texte.

3. Dialog zwischen zwei Personen (8 s, bei 6 s abgeschnitten)

Zwei Nachbarn um die fünfzig in einem Kleingarten am Grill. Der erste mit Schiebermütze sagt auf Polnisch vorwurfsvoll: "Ich habe dir doch gesagt, dass die Wurst von Biedronka sein soll, nicht von Lidl!". Der zweite mit Brille antwortet ruhig auf Polnisch: "Du isst das jetzt und meckerst nicht rum.". Deutliche Lippenbewegungen, natürliche Stimmen, Zischen des Grills.

4. Drei Personen am Esstisch (10 s)

Heiligabend in einer polnischen Wohnung, gedeckter Tisch mit Roter-Bete-Suppe und Teigtaschen, Weihnachtsbaum im Hintergrund. Drei Personen unterhalten sich auf Polnisch, jede mit einer individuellen Stimme. Die Großmutter: "Wer hat die letzte Teigtasche gegessen?". Der Enkel, ein Teenager, mit vollem Mund: "Ich nicht, ich schwöre!". Die Mutter lacht: "Du hast noch Teig am Kinn.". Deutliche Lippenbewegungen bei allen Personen, die Kamera schwenkt jeweils auf die sprechende Person.

5. Einzelperson direkt zur Kamera (8 s)

Geschichtslehrerin, etwa 40 Jahre alt, mit Pullover und Brille, steht an der Schultafel in einem Klassenzimmer ohne sichtbare Schüler. Sie schaut direkt in die Kamera und sagt deutlich auf Polnisch: "Tannenberg, das Jahr vierzehnhundertzehn. Schreibt euch das auf, am Freitag schreiben wir einen Test." Exakte Lippenbewegungen, natürliche Betonung, eine durchgehende Einstellung mit leichter Kamerafahrt nach vorn.

6. Produktaufnahme (8 s)

Produktwerbung: Ein Glas eingelegte Gurken mit Dill und Knoblauch auf einem Holztisch in einer rustikalen Küche, morgendliches Sonnenlicht fällt durchs Fenster. Die Kamera umkreist das Glas langsam, die Hand einer Großmutter dreht den Deckel auf, Dampf und Salzwassertropfen in Zeitlupe, eine Gurke wird mit einer Gabel herausgehoben. Warme Farbtöne, geringe Schärfentiefe, sanfte Akustikmusik im Hintergrund. Ohne Etiketten und Schriftzüge.

7. Anime-Ästhetik (8 s)

Anime im Stil klassischer Zeichentrick-Kinofilme: Eine nächtliche Straßenbahn fährt im Regen durch Warschau. Drinnen sitzt eine Oberschülerin mit Kopfhörern und blickt durch die beschlagene Scheibe auf die Lichter der Stadt, Reflexionen von Neonreklamen ohne lesbare Schrift auf nassem Asphalt. Die Kamera fährt sanft von außerhalb der Bahn durch die Scheibe nach innen. Leises Regenplätschern und das Rattern der Schienen.

8. Vertikales Video (8 s, 9:16)

Vertikales Videoformat: Eine junge Tänzerin in weiter Hose und Hoodie tanzt Hip-Hop auf dem Dach eines Wohnblocks im Sonnenuntergang über der Stadt. Eine Handkamera umkreist sie dynamisch, Wind weht durch ihre Haare, am Ende stoppt sie und blickt direkt ins Objektiv. Kräftiger Hip-Hop-Beat, keinerlei Texteinblendungen.

9. Sportszene (6 s, mit Einschränkung)

Volleyballspiel in einer Sporthalle, die Nationalmannschaft in rot-weißen Trikots ohne Nummern und Sponsorenlogos. Ein Spieler springt zum Schmetterball hoch, wuchtiger Angriff, der Ball prallt am gegnerischen Block ab und landet auf dem Spielfeld, das Publikum jubelt lautstark auf. Dynamische Kameraführung von der Seitenlinie, sattes Schlaggeräusch und Jubel von den Rängen.

Der Spielablauf wurde visuell schlüssig umgesetzt, den Ausschluss „ohne Nummern“ ignorierte das Modell im Test allerdings.

Einstellungen für den Einstieg

• Entwurf: 360p, 5 bis 8 Sekunden Laufzeit, fixer Seed. Das hält die API-Kosten bei ersten Tests minimal.
• Fertige Fassung: 720p genügt für die meisten Veröffentlichungen im Web vollkommen.
• 1080p und 4K basieren auf Upscaling. Wer lediglich die Auflösungseinstellung bei Drittanbietern oder API-Adaptern ändert, rendert oft einen komplett neuen Clip statt den bestehenden hochzuskalieren. Wählen Sie daher zuerst den passenden Render und skalieren Sie diesen anschließend separat.

Einen Überblick über die Tarifstruktur finden Sie im Artikel darüber, was Gemini Omni 1.2 kostet. Die Auswertung der Testclips lesen Sie in meinem Praxistest von 24 Clips und alle weiteren Grundlagen im Hub zu Gemini Omni Flash.

// weiterlesenKling AI Prompts: 9 Vorlagen und Ergebnisse aus PraxistestsAnleitungenGemini Omni 1.2 vs 1.1: Gleiche Prompts im VergleichBenchmarksGemini Omni 1.2 Flash: Preise pro Sekunde und AuflösungenBenchmarks

Kinetyra