Reise-Vlog-Prompts für eine Figur, die überall gleich aussieht

Leg das Reisoutfit einmal fest und nimm es in die Referenzen auf: eine Jacke, eine Tasche, einen Hut, falls die Figur einen trägt. Zuschauer erkennen eine Vloggerin oder einen Vlogger ebenso an der Silhouette wie am Gesicht.

Im echten Leben darf man sich von Clip zu Clip umziehen, in der KI-Videoproduktion verdoppelt das aber das Risiko des Abdriftens. Wenn ein neues Outfit sein muss, speichere für diesen Reiseabschnitt eine neue Version der Figur.

Verwende die Bildsprache von Vlogs: Selfie-Stick auf Armlänge, Gehen auf die Linse zu, Blicke über die Schulter auf eine Straße, eine Weitwinkelaufnahme mit der klein wirkenden Person im Bild. Solche Einstellungen vermitteln dem Modell das Genre, ohne lange Beschreibungen.

Beschreibe Orte über das, was man sieht, nicht nur über den Namen. "Eine enge Kopfsteinpflastergasse mit Wäscheleinen und blauen Fensterläden" gibt dir mehr Kontrolle als ein Stadtname und macht dich unabhängig davon, wie gut das Modell ein bestimmtes Wahrzeichen kennt.

Länge, Format und Ton stehen in Klammern vor jedem Prompt; sie sind Einstellungen, kein Prompt-Text. Die Prompts sagen "the traveler", und RefVid hängt die gespeicherte Figur an.

Prompt (7 s, 16:9): Die Reisende steigt aus einem Zug auf einen belebten Bahnsteig, den Rucksack über einer Schulter, und blickt zur Abfahrtstafel hoch. Die Kamera folgt von hinten und schwenkt dann auf ihr Gesicht, während sie lächelt. Morgenlicht durch ein Glasdach, Menschen bewegen sich weich fokussiert im Hintergrund.

Warum es funktioniert: Ankünfte eignen sich natürlich als Einstieg, und der Schwenk endet auf einer Frontansicht, die die Referenzen abdecken. Ändert sich der Rucksack, lege ein separates Foto davon bei.

Prompt (6 s, 9:16): Selfie-Stick-Einstellung, die die Reisende langsam durch eine enge Kopfsteinpflastergasse mit Wäscheleinen und blauen Fensterläden geht. Sie blickt kurz zu den Häusern hoch und dann zurück zur Linse. Leichtes Wackeln der Handkamera, warmes Spätnachmittagslicht, das von hellen Wänden reflektiert wird.

Warum es funktioniert: Die Selfie-Einstellung hält das Gesicht groß und stabil. Halte das Gehtempo langsam, schnelles Gehen erzeugt ein Wippen, das die Gesichtszüge verwischt.

Prompt (8 s, 16:9): Weitwinkelaufnahme der Reisenden, die barfuß am Rand eines ruhigen Strands im Sonnenaufgang entlanggeht, die Schuhe in einer Hand. Klein im Bild, Wellen umspülen ihre Füße. Die Kamera steht fest im Sand. Blassrosa Himmel, sanfter Wind.

Warum es funktioniert: Weitwinkelaufnahmen verzeihen viel, weil das Gesicht klein ist. Nutze sie, um das Tempo zwischen den Nahaufnahmen im Gespräch zu variieren.

Prompt (8 s, 9:16, mit Ton): Die Reisende steht an der Reling einer kleinen Fähre, der Wind bewegt ihr Haar, und sie hält die Kamera auf Armlänge. Sie sagt: "Zwei Stunden von der Stadt entfernt, und das Wasser ist schon so klar." Dann richtet sie die Kamera kurz auf die Insel vor ihnen. Helle Mittagssonne, Gischt. Ton: Motorbrummen, Wind.

Warum es funktioniert: Eine einzelne Zeile mit einer Geste zur Aussicht ist der Kern des Vlog-Moments. Wind im Haar sorgt für Bewegung, ohne das Gesicht zu verschieben. In RefVid wird der Text in Anführungszeichen wortgetreu gesprochen; Englisch und Chinesisch klingen dabei am besten.

Prompt (7 s, 9:16): Die Reisende sitzt an einem winzigen Caféhaustisch auf dem Gehweg, ein kleiner Kaffee vor sich, und spricht leise zu einem Handy, das an der Zuckerdose lehnt. Sie lacht, schaut die Straße hinunter und dann zurück zur Linse. Weicher Schatten einer Markise, Straßengeräusche im Hintergrund.

Warum es funktioniert: Eine statische, abgestützte Kamera hält die Identität stabil. Ohne geschriebene Zeile funktioniert der Clip als Zwischenschnitt unter einem Kommentar, den du selbst aufnimmst.

Prompt (8 s, 16:9): Luftaufnahmenartiger Blick, der langsam hinter der Reisenden aufsteigt, die an einem Bergaussichtspunkt steht, die Arme auf einem Holzgeländer verschränkt, darunter ein Tal mit Terrassenfeldern. Goldene Stunde, lange Schatten, leichter Dunst in der Ferne.

Warum es funktioniert: Eine Rückansicht mit enthüllter Landschaft braucht nur, dass Outfit und Haar passen. Nimm ein Rückansichtsfoto in die Referenzen auf.

Prompt (6 s, 16:9): Die Reisende schaut sich an einem Nachtmarktstand um, nimmt eine Papiertüte mit gerösteten Nüssen und lächelt dem Verkäufer zu. Kamera über die Schulter, bunte hängende Laternen, Dampf von den Nachbarständen.

Warum es funktioniert: Marktszenen sind voll, daher hält die Schulteraufnahme die Aufmerksamkeit auf der Figur. Wenn das Gesicht des Verkäufers den Fokus zieht, halte ihn teilweise außerhalb des Bildes.

In RefVid kann ein Clip bis zu 3 Einstellungen enthalten, deren Länge sich gleichmäßig auf die Einstellungen verteilt: Ein 9-Sekunden-Clip könnte Einstellung 1 zeigen, eine Totale der Reisenden auf dem Bahnsteig; Einstellung 2, eine Selfie-Nahaufnahme beim Verlassen des Bahnhofs; Einstellung 3, die Straße vor dem Bahnhof. "Nächste Einstellung" startet einen neuen Clip ab dem letzten Bild des vorherigen, sodass sich ein Gehen über mehrere Clips fortsetzen lässt.

Bei Veo 3.1 sind Clips mit Referenzbildern laut Googles Veo-Dokumentation (Stand Oktober 2026) 8 Sekunden lang, plane daher pro Clip einen Handlungsmoment. In jedem Fall schneidest du die Clips in deinem Editor zusammen und hältst das Referenzset für jeden Clip der Reise identisch.

Jedes Video einer Figur wird auf ihrer Seite im RefVid-Studio aufgelistet, sodass eine Reise durch zehn Städte an einem Ort bleibt und Abweichungen zwischen den Städten leicht auffallen. Prompts lassen sich in jeder Sprache schreiben; RefVid übersetzt sie für das Modell.