Podcast-Moderator-Prompts: ein Moderator, ein Studio, jede Folge

Zwei Dinge fixieren: den Moderator und das Studio selbst. In RefVid ist der Moderator ein gespeicherter Charakter, und ein Studiofoto aus der Hauptkameraperspektive wird als Szenenfoto hochgeladen. So bleiben Set, Mikrofon und Hintergrund über alle Folgen gleich. Ohne das wechseln Regale, Farben und Lampe bei jedem Clip.

Einstellung wie im Podcast: sitzend, Brust aufwärts, ein Rundfunkmikrofon am Galgenarm vor dem Moderator, leicht außermittig. Die Kamera als "weit" oder "nah" benennen und diese beiden Einstellungen für die ganze Reihe beibehalten.

Jeder gesprochene Satz sollte kurz sein, etwa 15 bis 20 Wörter für einen 8-Sekunden-Clip. Lange Monologe können diese Modelle noch nicht; die ganze Folge echt aufnehmen und KI-Clips nur für Intros, Promos und Schnitte nutzen.

Die Prompts unten nennen Länge, Seitenverhältnis und Ton in Klammern; diese Werte im Studio einstellen, nicht im Prompt-Text. Bei einem Moderator steht im Prompt "der Moderator", und RefVid hängt den gespeicherten Charakter an. Bei zwei Moderatoren werden sie namentlich genannt: Ava und Jun sind Beispielnamen, also hier die eigenen gespeicherten Namen eintragen.

Prompt (8 s, 16:9, Ton an): Der Moderator sitzt im Studio am Tisch, ein Rundfunkmikrofon am Galgenarm vor ihm. Er schaut in die Kamera und sagt: "Willkommen zurück. Heute reden wir darüber, warum kleine Teams schneller liefern." Nahaufnahme, Brust aufwärts, statische Kamera. Warmes Hauptlicht von links, weiches blaues Gegenlicht an der Wand.

Warum es funktioniert: eine feste Nahaufnahme und ein Satz unter 20 Wörtern halten den Vortrag ruhig. Den gleichen Prompt jede Woche wiederverwenden und nur den Satz ändern.

Prompt (6 s, 16:9): Weite Aufnahme des Studios, Ava und Jun sitzen sich an einem runden Tisch gegenüber, jeder mit Mikrofon. Sie drehen sich zueinander und lachen im selben Moment, dann schauen sie zur Kamera. Statische Kamera, warme praktische Lampen, Akustikpaneele im Hintergrund.

Warum es funktioniert: ein gemeinsames Lachen ist ein natürlicher Einstieg ganz ohne Dialog, zu dem man etwas passend machen müsste. Jeden Moderator als eigenen Charakter speichern und beide namentlich nennen, damit sich die Gesichter nicht vermischen.

Prompt (6 s, 16:9, Ton an): Die Moderatorin beugt sich zum Mikrofon, stützt die Ellbogen auf den Tisch und sagt leise: "Dieser nächste Teil hat mich überrascht." Nahaufnahme, langsame Annäherung, warmes gedämpftes Licht, Hintergrund dunkel und weich.

Warum es funktioniert: das Vorbeugen und die Annäherung bauen Spannung für einen Teaser auf. Als Cold Open vor dem Titelthema einsetzen.

Prompt (5 s, 9:16): Nahaufnahme der Moderatorin, die auf etwas außerhalb des Bildes reagiert: Augenbrauen gehen hoch, sie schüttelt langsam den Kopf und lächelt. Mikrofon unten im Bild sichtbar, weiches Hauptlicht, Studio unscharf.

Warum es funktioniert: Reaktionsaufnahmen gehören zu den meistgeteilten Podcast-Momenten und brauchen keine Worte. Eine davon mit einem echten Audioclip im Schnittprogramm kombinieren.

Prompt (8 s, 9:16, Ton an): Nahaufnahme des Moderators, der beim Sprechen Punkte an den Fingern abzählt: "Eins, schreib es auf. Zwei, zeig es jemandem. Drei, veröffentliche es." Statische Kamera, warmes Licht, Studiolampe im Hintergrund weich unscharf.

Warum es funktioniert: eine kurze Liste mit Gesten hält die Aufmerksamkeit auch ohne Ton. Die Fingerzählung auf drei begrenzen; mehr Finger führen oft zu zusätzlichen Fingern.

Prompt (4 s, 16:9): Nahaufnahme der Hände des Moderators, die an einem kleinen Mischpult die Regler hochziehen, Aussteuerungsanzeigen leuchten grün. Geringe Schärfentiefe, warmes Lampenlicht.

Warum es funktioniert: Schnitte decken Bearbeitungen in der echten Aufnahme ab. Die Hände einfach halten und auf dem Pult keine lesbaren Beschriftungen zulassen.

Prompt (6 s, 16:9): Langsame Kamerafahrt durch das leere Studio vor der Aufnahme: zwei Stühle, zwei Mikrofone an Galgenarmen, eine Lampe geht an. In den letzten Sekunden kommt der Moderator herein und setzt sich. Abend, warm und ruhig.

Warum es funktioniert: ein leerer Set-Anfang eignet sich als Intro. In RefVid startet jedes Video von einem gespeicherten Motiv, deshalb ist ein später Auftritt des Moderators verlässlicher, als einen leeren Raum zu verlangen.

In RefVid den Ton einschalten, dann erzeugt das Modell Kling 3.0 Omni Stimme und Raumklang zusammen mit dem Bild. Ein Satz in Anführungszeichen wird wortgetreu gesprochen; Englisch und Chinesisch klingen am besten. Jede Version prüfen, ob der Mund zum Satz passt; wenn nicht, den Satz kürzen statt die Szene umzuschreiben.

Clips laufen 3 bis 15 Sekunden, und ein Clip kann bis zu 3 Einstellungen enthalten, deren Länge gleichmäßig aufgeteilt wird. Ein 9-Sekunden-Clip könnte so aussehen: Einstellung 1, eine Totale von Ava und Jun; Einstellung 2, eine Nahaufnahme von Ava beim Sprechen; Einstellung 3, Juns Reaktion.

Bei anderen Modellen gelten andere Längen: Laut Googles Veo-Dokumentation erzeugt Veo 3.1 Stand Oktober 2026 Clips von 4, 6 oder 8 Sekunden, bei Referenzbildern 8 Sekunden.

Jedes Video des Moderators wird auf seiner Seite im RefVid-Studio aufgelistet, sodass sich eine ganze Staffel an Intros leicht auf Abweichungen vergleichen lässt.