Veo 3.1 Prompts: 21 Vorlagen für Unternehmen
Kurz gesagt
Veo 3.1 ist Googles Videomodell für Clips von 4, 6 oder 8 Sekunden mit eigenem Ton, nutzbar in Gemini, Flow und über Vertex AI. Ein guter Veo-Prompt nennt Kamera, Motiv, Handlung, Umgebung und Stil und beschreibt Dialog, Geräusche und Atmo getrennt. Unsere 21 Vorlagen folgen diesem Aufbau, legen zusätzlich wie ein Kameramann Objektiv, Blende, Lichtsetup, Komposition und Kamerafahrt fest und sind auf Englisch geschrieben, weil Google nur Englisch vollständig unterstützt.
So promptest du Google Veo 3.1 6 Grundregeln
- Das Gerüst eines guten Prompts Googles Guide nennt als Kern Kamera + Motiv + Handlung + Umgebung + Stil und Stimmung. Unsere Vorlagen schreiben das aus wie ein Drehplan, immer in dieser Reihenfolge: Motiv und Handlung, Einstellungsgröße, Kamerawinkel, Objektiv mit Blende, Licht (Setup, Richtung, Farbtemperatur, Kontrast), Komposition, Kamerabewegung mit Richtung und Tempo, Farblook und Bildrate, Stimmung, Dauer und Format, zuletzt Dialog, SFX und Atmo. Was fehlt, entscheidet Veo selbst, meistens beim Licht oder bei der Kamerafahrt.
- Länge, Auflösung, Format Veo 3.1 erzeugt Clips mit 4, 6 oder 8 Sekunden in 16:9 oder 9:16. Standard ist 720p, für 1080p und 4K muss der Clip 8 Sekunden lang sein. Verlängerungen gehen in 720p und fügen pro Schritt 7 Sekunden an (nicht in der Lite-Variante).
- Ton gehört in den Prompt Gesprochenes steht in Anführungszeichen hinter der Person, die spricht. Geräusche leitest du mit „SFX:“ ein, die Hintergrundkulisse mit „Ambient noise:“. Ohne Tonangaben erfindet Veo selbst eine Geräuschkulisse.
- Kamerasprache wie am Set Veo versteht Begriffe wie dolly shot, tracking shot, crane shot, aerial view, slow pan und POV shot, dazu Einstellungsgrößen wie wide shot oder extreme close-up und Optik wie shallow depth of field oder macro lens.
- Mehrere Einstellungen per Zeitmarke Mit Zeitmarken wie „[00:00-00:02]“ verteilst du Handlungen auf Abschnitte eines Clips. So entsteht in 8 Sekunden eine kleine Schnittfolge mit festem Timing.
- Referenzbilder und Start-End-Bild Bis zu 3 Referenzbilder halten Produkt, Figur oder Look über mehrere Clips gleich. Mit „First and last frame“ gibst du Start- und Endbild vor, und Veo erzeugt den Übergang samt Ton.
Quellen: cloud.google.com, ai.google.dev, docs.cloud.google.com, docs.cloud.google.com
Spickzettel: Kamera, Licht und Komposition
Alle Google Veo 3.1-Prompts
21 Prompts
Rundumansicht für Produktseite, Marktplatz oder Messe-Screen.
[PRODUKT] stands on a matte black turntable in a dark studio and slowly rotates a full 360 degrees. Medium close-up at product height, slightly below eye level. 85mm lens at f/4, shallow depth of field, the product sharp, the background a soft charcoal blur. Lighting: one large softbox as key from above left and a thin strip light behind as rim to outline the silhouette as it turns, deep shadows, high-contrast low-key setup, neutral 5600K. Composition: product centered with even space on both sides. Camera: locked-off on a tripod, only the turntable moves, smooth and steady. Rich blacks, clean commercial grade, 24fps cinematic look. Premium, calm mood. 8 seconds, 16:9. SFX: a faint mechanical hum of the turntable. Ambient noise: quiet studio room tone.
Platzhalter ausfüllen 1
Das Rim Light von hinten trennt das Produkt vom dunklen Hintergrund, ohne es versinkt die Silhouette. Gib ein Foto des echten Produkts als Referenzbild mit, damit Form und Etikett über die ganze Drehung stimmen.
Kurzer Clip für Shop, Newsletter oder Social Ads.
Two hands slowly open a [VERPACKUNG] on a wooden table, lift out [PRODUKT] and turn it once toward the camera to show the front. POV close-up from a high angle looking down, as if through the viewer's own eyes. 35mm lens at f/2.8, shallow depth of field locked on the product. Lighting: soft daylight from a nearby window on the left as key, around 5000K, a warm bounce from the tabletop, soft shadows and gentle contrast. Composition: the box centered at first, then the product rises into the upper third as it is lifted toward the lens. Camera: handheld with a subtle natural sway, tilting up slightly to follow the product. Warm, natural grade, 24fps. Curious, satisfying mood. 8 seconds, 9:16. SFX: crisp cardboard sliding, tissue paper rustling, a soft tap as the product is set down. Ambient noise: a calm, quiet room.
Platzhalter ausfüllen 2
Die Ich-Perspektive (POV) mit leichtem Handkamera-Wackeln macht den Clip nahbar, ein Stativ würde ihn sofort steril wirken lassen. Beschreib deine echte Verpackung möglichst genau, sonst zeigt das Video eine generische Box.
Hochwertiger Detailclip, der Material und Verarbeitung zeigt.
A slow camera move across the [MATERIAL] surface of [PRODUKT], revealing seams, textures and fine details. Extreme close-up from a low raking angle just above the surface. 100mm macro lens at f/2.8, very shallow depth of field, the focus plane rolling smoothly over the details. Lighting: low-key, a single narrow hard light sweeps slowly across the surface as a moving highlight while everything else falls into deep shadow, high contrast, neutral color temperature. Composition: the seam or edge as a diagonal leading line through the frame. Camera: slow lateral dolly from left to right on a slider, perfectly smooth. Deep blacks, subtly desaturated luxury grade, 24fps. Elegant, controlled mood. 8 seconds, 16:9, 4K. Ambient noise: a soft, deep atmospheric tone. SFX: a gentle airy whoosh as the highlight passes.
Platzhalter ausfüllen 2
Das wandernde Licht trägt den Clip, beschreib seine Richtung so genau wie die Kamerafahrt. Für 4K stellst du die Länge auf 8 Sekunden, kürzere Clips gibt es nur in niedrigerer Auflösung.
Anwendungsclip, der zeigt, wofür das Produkt da ist.
A fictional [ANWENDER] uses [PRODUKT] in a realistic [UMGEBUNG], fully focused on the task. The clip starts as a medium shot and ends as a close-up of the product in action, camera at hip height from a side three-quarter angle. 35mm lens at f/2.8, focus shifting from the person to the product during the move. Lighting: natural daylight as key from a window or open sky, the location's own practical lights as fill, around 5600K, soft natural contrast. Composition: the person on the left third, working toward open space on the right. Camera: lateral tracking shot alongside the person, then a slow push in on the product, handheld but stabilized. Natural documentary grade with light grain, 24fps. Authentic, capable mood. 8 seconds, 16:9. SFX: the realistic sounds of the product being used. Ambient noise: the typical background sounds of the location.
Platzhalter ausfüllen 3
Der Wechsel von Halbtotale auf Nahaufnahme lenkt den Blick vom Menschen zum Produkt, das ist der Kern des Clips. Zeig nur Funktionen, die dein Produkt wirklich hat, das Video wirkt sonst wie ein falsches Leistungsversprechen.
Die ersten Sekunden einer Reels- oder TikTok-Anzeige.
A fast-paced vertical commercial for [PRODUKT], bright and punchy. [00:00-00:02] Extreme close-up of [PROBLEM_DETAIL] from a high angle with a 100mm macro look, hard top light and high contrast, a quick snap zoom in. [00:02-00:05] Whip pan into a medium shot of the product on a clean surface at eye level, 50mm lens at f/4, a softbox key from the left and a rim light in [MARKENFARBE] from behind, the product centered. [00:05-00:08] Slow push in on the product from a slight low angle as a bright highlight slides across it, the background falling off into soft bokeh. Saturated, high-contrast commercial grade, 24fps with crisp motion. Energetic, confident mood. 8 seconds, 9:16. SFX: a quick whoosh on the whip pan, a satisfying click at the end. Ambient noise: an upbeat, rhythmic background pulse.
Platzhalter ausfüllen 6
Gib jedem Zeitabschnitt eine eigene Einstellungsgröße und einen eigenen Winkel, dann wirken die Schnitte geplant. Text und Logo setzt du im Editor, Schrift im Video wird dort sauberer.
Bewegter Hintergrund für Stories mit Text-Overlay.
[MOTIV] with subtle, continuous motion, such as drifting light, gently moving leaves or slow steam. Medium shot from a slightly high angle, the subject in the lower half of the frame. 50mm lens at f/2.8, soft background. Lighting: a large diffused key from above, very soft shadows, low contrast, clean daylight around 5500K. Composition: subject anchored at the bottom, the upper half stays calm and simple as negative space for a text overlay. Camera: locked-off on a tripod with no camera movement, only the motion within the scene. Color palette built around [MARKENFARBE], light matte grade, 24fps. Calm, modern mood. 8 seconds, 9:16. Ambient noise: a soft, calm atmosphere matching the scene.
Platzhalter ausfüllen 2
„locked-off“ ist hier der wichtigste Begriff, jede Kamerabewegung macht das Text-Overlay unruhig. Exportier ohne Ton, wenn die Story ohnehin mit Musik aus der App läuft.
Nahbarer Clip für LinkedIn oder Instagram, ohne echte Personen zu zeigen.
A fictional [BERUF] starts the workday: hands open a laptop on a tidy desk, steam rises from a coffee mug, then the view lifts toward a window with morning light over [ORTSTYP]. POV shot from the person's eyes, starting as a close-up looking down at the desk and ending as a wide view out of the window. 24mm lens at f/4, mostly deep focus. Lighting: soft morning sun through the window at around 4000K as the only key, warm and low in contrast, with the laptop screen adding a cool glow on the hands. Composition: desk items along the lower third, the window centered at the end. Camera: handheld with a slight natural sway, a slow tilt up and pan right toward the window. Natural, slightly warm grade, 24fps. Quiet, optimistic mood. 8 seconds, 9:16. SFX: the laptop lid clicking open, keyboard taps, a mug set on the desk. Ambient noise: quiet office murmur in the distance.
Platzhalter ausfüllen 2
Das Weitwinkel von 24mm bringt Schreibtisch und Fenster in eine Einstellung. Tausch Schreibtisch und Gegenstände gegen das, was in deinem Beruf typisch ist, dann erkennt sich die Zielgruppe wieder.
Verwandlung von Vorher zu Nachher oder von Skizze zu Produkt.
Using the provided first frame and last frame, create a smooth, continuous transformation from [STARTZUSTAND] to [ENDZUSTAND]. Keep the shot size, camera angle and lens perspective of the first frame throughout, so only the subject changes. The light keeps its direction and shifts gradually toward the color temperature of the last frame. Composition: the subject stays centered. Camera: one slow, steady push in from start to end, no cuts. The change unfolds with natural physical motion, 24fps. Fascinating, satisfying mood. 8 seconds. SFX: a soft shimmer that builds toward the end. Ambient noise: a calm, airy tone.
Platzhalter ausfüllen 2
Start- und Endbild brauchen gleiches Format, ähnlichen Winkel und dieselbe Lichtrichtung, sonst wirkt der Übergang verzerrt.
Stimmungsclip für Karriereseite oder Stellenanzeige.
Fictional colleagues arrive in a bright, modern [RAUMTYP] of a [BRANCHE] company in the morning, greet each other briefly and settle at their desks; nobody looks into the camera. The clip starts as a wide shot and ends as a medium shot, camera at chest height. 24mm lens at f/4, deep focus with the people in the middle ground sharp. Lighting: warm low morning sun through large windows from the right at around 4000K, desk lamps as practical accents, soft shadows and medium contrast. Composition: a central aisle as leading line, plants and natural materials framing the foreground. Camera: slow, smooth dolly in forward through the room on a gimbal. Warm, natural grade with soft highlights, 24fps. Realistic, inviting mood. 8 seconds, 16:9. Ambient noise: soft chatter, distant keyboard typing, a coffee machine. SFX: footsteps on a wooden floor.
Platzhalter ausfüllen 2
Die langsame Fahrt nach vorn (slow dolly in) zieht Zuschauer in den Raum, mehr Tempo wirkt schnell wie Werbung. Kennzeichne das Video als Symbolbild und dreh echte Szenen nach, sobald dein Team einverstanden ist.
Recruiting-Clip für Fachkräfte in Werkstatt oder Fertigung.
Skilled hands of a fictional [BERUF] in proper safety gear work on [WERKSTUECK] in a clean, well-lit [WERKSTATTTYP]. Close-up at workbench height, slightly over the shoulder. 85mm lens at f/2, shallow depth of field with a rack focus from the tools in the foreground to the finished part. Lighting: warm practical work lamps as key from above, cooler daylight from a high window as fill, around 3800K overall, visible texture and moderate contrast. Composition: the edge of the bench as a horizontal leading line, the hands on the right third. Camera: slow lateral tracking from left to right along the bench, then holding still for the focus pull. Documentary realism with light film grain and a warm grade, 24fps. Focused, proud mood. 8 seconds, 16:9. SFX: authentic tool sounds, precise and rhythmic. Ambient noise: quiet workshop hum.
Platzhalter ausfüllen 3
Die Schärfeverlagerung (rack focus) erzählt die Geschichte vom Werkzeug zum Ergebnis. Achte auf Schutzausrüstung im Bild, Fachkräfte merken sofort, wenn Sicherheitsregeln fehlen.
Onboarding- oder Recruiting-Clip mit einem gesprochenen Satz.
In a bright reception area of a [BRANCHE] company, a fictional team lead in their forties walks up to a fictional new employee holding a welcome bag and shakes hands warmly. The team lead says, "[BEGRUESSUNG]" The new employee smiles and nods. Medium two-shot at eye level, both in three-quarter profile. 50mm lens at f/2.8, both faces sharp, the reception softly out of focus. Lighting: soft natural light from a large glass front as key, warm ceiling lights as fill, around 4500K, gentle contrast that flatters skin. Composition: the two people on the left and right thirds, the handshake in the center. Camera: slow push in from the two-shot to a medium close-up during the line. Warm, natural grade, 24fps. Friendly, authentic mood. 8 seconds, 16:9. Ambient noise: light office background sounds.
Platzhalter ausfüllen 2
Beide Personen auf den Drittellinien und der Handschlag in der Mitte geben der Szene Halt. Schreib den Satz am besten auf Englisch, Deutsch ist laut Google nicht geprüft und klingt manchmal ungewohnt betont.
Szene für Karriereseite, die Zusammenarbeit zeigt.
Four fictional colleagues gather around a whiteboard covered in sticky notes in a meeting room of a [BRANCHE] company. One person adds a note while the others discuss and laugh. The clip starts as a wide shot and ends as a medium shot, camera at seated eye level. 35mm lens at f/2.8, the person at the board in focus. Lighting: natural daylight from side windows as key at around 5600K, soft fill bouncing off white walls, low-to-medium contrast. Composition: the whiteboard fills the right two thirds, a blurred shoulder in the foreground frames the group. Camera: slow arc of about 45 degrees around the group from left to right on a gimbal. Natural documentary grade, 24fps. Relaxed, focused energy. 8 seconds, 16:9. Ambient noise: overlapping indistinct conversation. SFX: a marker squeaking on the board.
Platzhalter ausfüllen 1
Der Bogen um die Gruppe (arc) zeigt mehrere Gesichter in einer Einstellung, ohne zu schneiden. Beschreib eine Situation, die es bei euch wirklich gibt, etwa Sprint-Planung oder Schichtübergabe.
Kurze Animation, die ein Problem und die Lösung zeigt.
A 2D flat vector animation in a clean corporate explainer style. A simple character sits at a desk, surrounded by floating icons representing [PROBLEM]. The icons swirl, then snap into an orderly row as a glowing [LOESUNG] icon appears in the center. Medium shot, straight-on front view, flat 2D without perspective. No photographic lighting, flat colors with soft long shadows under the icons. Composition: character centered, icons circling around it, the final row on the horizontal center line. Camera: locked-off, all motion comes from the animation, with smooth, bouncy easing at 24fps. White background, palette of [MARKENFARBE] and soft grays. Light, optimistic mood. 8 seconds, 16:9. SFX: playful pops as icons appear, a satisfying chime when they align. Ambient noise: none, clean studio silence.
Platzhalter ausfüllen 3
Bei Animationen wirkt das Timing am stärksten, „bouncy easing“ macht den Unterschied zu starrer Bewegung. Halte Problem und Lösung je bei einem Symbol, mehr Ideen passen nicht sinnvoll in 8 Sekunden.
Intro für Schulungsvideo oder Lernmodul mit fiktiver Person.
A fictional trainer in a modern training room looks directly into the camera with a friendly, confident expression and says, "[SATZ]" Subtle hand gestures emphasize the key word. Medium close-up at eye level, straight on. 85mm lens at f/2.8, the face sharp, a screen showing [THEMA] in soft focus behind. Lighting: soft key from the front left at 45 degrees, a white fill on the right, a subtle rim light from behind for separation, around 5000K, gentle contrast with natural skin tones. Composition: eyes on the upper third, trainer slightly left of center, the screen on the right. Camera: locked-off on a tripod. Clean, natural grade, 24fps. Approachable, competent mood. 8 seconds, 16:9. Ambient noise: quiet room tone.
Platzhalter ausfüllen 2
85mm auf Augenhöhe mit Licht von vorne links ist das klassische Interview-Setup und wirkt sofort professionell. Ein Satz mit höchstens 15 Wörtern passt in 8 Sekunden, für längere Texte sind Avatar-Tools wie Synthesia besser geeignet.
Prozess in Logistik, Produktion oder IT anschaulich zeigen.
Small stylized boxes and figures move step by step along a glowing path through [ANZAHL] stations of a miniature [ABLAUF] on a floating platform, from left to right. Isometric 3D animation, wide shot of the whole platform from a high angle of about 30 degrees, everything in deep focus. Lighting: soft global illumination with a key from the top left, gentle ambient occlusion shadows, low contrast. Composition: platform centered, the path as a diagonal leading line from bottom left to top right. Camera: slow crane up, rising gently over the scene with smooth easing. Soft pastel palette with [MARKENFARBE] accents, clean light background, 24fps. Friendly tech-explainer mood. 8 seconds, 16:9. SFX: soft clicks at each station. Ambient noise: a light, airy electronic hum.
Platzhalter ausfüllen 3
Der langsame Kran nach oben (crane up) gibt am Ende den Überblick über alle Stationen. Drei bis vier Stationen sind lesbar, bei mehr Schritten teilst du den Ablauf auf mehrere Clips auf.
Anleitung im Kurzformat, etwa für Kundensupport oder FAQ-Seite.
A clean tutorial video on a light wooden desk. [00:00-00:03] Top-down wide shot, 35mm lens at f/8: hands place [GEGENSTAND] in the center and point at [SCHRITT_1]. [00:03-00:06] Cut to a close-up from a 45 degree high angle, 85mm lens at f/4, as the hands perform [SCHRITT_2]. [00:06-00:08] Cut back to the top-down wide shot of the finished result as the hands lift away. Lighting throughout: bright, even overhead light from a large softbox, 5600K, soft shadows, low contrast. Composition: the object always centered with clear space around it. Camera: locked-off in every shot. Clean, neutral grade, 24fps. Simple, calm mood. 8 seconds, 16:9. SFX: soft realistic handling sounds. Ambient noise: quiet room.
Platzhalter ausfüllen 6
Der Wechsel zwischen Draufsicht und Nahaufnahme macht jeden Schritt eindeutig. Beschreib jeden Schritt als sichtbare Handbewegung, abstrakte Anweisungen kann das Modell nicht zeigen.
Einstieg für Imagefilm oder Karriereseite, wenn noch kein Drohnendreh da ist.
A [GEBAEUDETYP] surrounded by [LANDSCHAFT] at golden hour. Aerial establishing shot that starts high and wide and ends as a wide shot of the main entrance, looking down at about 30 degrees and flattening out as the camera descends. 24mm lens at f/5.6, deep focus. Lighting: low golden hour sun from the side at around 3200K, long warm shadows, soft atmospheric haze, backlit trees with a glowing rim, medium contrast. Composition: the building on the right third, a road or path leading the eye to the entrance. Camera: slow forward drone flight with a gentle descent, smooth and stabilized. Cinematic warm grade with soft teal shadows, 24fps. Calm, grounded mood. 8 seconds, 16:9. Ambient noise: gentle wind and distant birds.
Platzhalter ausfüllen 2
Die Tageszeit ist der stärkste Regler: „golden hour“ mit seitlichem Licht gibt dem Gebäude Tiefe. Das Gebäude im Video ist erfunden, für den echten Standort brauchst du eigene Aufnahmen oder ein Referenzbild.
Übergang oder Hintergrund für Präsentationen und Imagefilme.
A [STADTTYP] skyline as day turns into night: clouds stream quickly across the sky, office windows light up one by one, traffic turns into streaks of light. Time-lapse establishing wide shot from a high rooftop, slightly high angle onto the city. 35mm lens at f/8, deep focus across the skyline. Lighting: shifts from soft late daylight to cool blue hour, then to warm tungsten windows and sodium street lights, with contrast rising as night falls. Composition: horizon on the upper third, a main road as leading line from the bottom corner into the city. Camera: locked-off on a tripod, no movement. Cinematic grade moving from cool blue to warm amber, 24fps time-lapse. Expansive, energetic mood. 8 seconds, 16:9. Ambient noise: a muffled city hum that grows denser at night.
Platzhalter ausfüllen 1
Beim Zeitraffer muss die Kamera stillstehen, die Bewegung kommt von Licht und Wolken. Nenn eine typische Architektur (Backstein-Altstadt, Glasfassaden), echte Städte und Wahrzeichen nachzubauen ist riskant.
Neutrales Füllmaterial für Software- und Beratungsvideos.
Hands type on a laptop keyboard next to a notebook with handwritten sketches about [THEMA], one hand briefly reaching for a pen. Close-up at desk height from a slight side angle. 50mm lens at f/1.8, very shallow depth of field, the fingers sharp, screen and background in soft bokeh. Lighting: the cool screen glow as key on the fingers, a warm desk lamp in the background as practical at around 3000K, low-key with medium contrast. Composition: the keyboard edge as a diagonal leading line, the notebook soft in the foreground on the left. Camera: slow lateral move from the notebook to the keyboard on a slider. Warm and cool split grade with light grain, 24fps. Calm, focused evening mood. 8 seconds, 16:9. SFX: soft keyboard typing, a pen tapping once on paper. Ambient noise: a quiet evening office.
Platzhalter ausfüllen 1
Offene Blende (f/1.8) hält den Bildschirm unscharf, lesbare Software-Oberflächen erfindet das Modell oft fehlerhaft. Das Spiel aus kühlem Bildschirm- und warmem Lampenlicht gibt dem Füllmaterial Tiefe.
Szene für Vertriebs- oder Imagevideo mit fiktiven Personen.
A fictional advisor in a [KLEIDUNG] sits across from a fictional client in a bright meeting room and slides a tablet across the table. The client asks, "[FRAGE_KUNDE]" The advisor smiles and answers, "[ANTWORT_BERATER]" Shot one: over-the-shoulder medium shot from behind the client onto the advisor at eye level, 50mm lens at f/2.8, the client's shoulder blurred in the foreground. Shot two: cut to a medium two-shot from the side as both nod, 35mm lens at f/4. Lighting: soft daylight from a large side window as key at around 5000K, white walls as fill, gentle contrast that flatters skin. Composition: the advisor on the right third in shot one, the table as a horizontal line connecting both in shot two. Camera: locked-off in both shots. Natural, warm professional grade, 24fps. Trustworthy mood. 8 seconds, 16:9. Ambient noise: quiet office background.
Platzhalter ausfüllen 3
Die Über-Schulter-Einstellung (over-the-shoulder) macht aus zwei Personen ein echtes Gespräch. Zwei kurze Sätze pro Clip sind das Maximum, sonst wird es in 8 Sekunden hektisch.
Clip für Service-Seite, Hotline-Werbung oder interne Schulung.
A fictional customer service agent wearing a headset sits at a tidy desk in a modern [SERVICEUMGEBUNG], listens, nods, then says in a calm and friendly voice, "[SERVICESATZ]" Medium close-up at eye level from a slight three-quarter angle. 85mm lens at f/2, colleagues blurred in the background. Lighting: soft window light as key from the left at around 5000K, the monitor adding a faint cool fill, a subtle rim from the overhead lights, gentle contrast. Composition: the agent on the left third, looking into open space on the right. Camera: slow push in from medium close-up to close-up during the sentence. Natural, clean grade, 24fps. Calm, attentive mood. 8 seconds, 16:9. Ambient noise: soft murmur of other agents on calls, light keyboard typing.
Platzhalter ausfüllen 2
Der langsame Push-in während des Satzes lenkt die Aufmerksamkeit auf die Stimme. Lass im Sprechersatz Firmennamen weg, Eigennamen spricht das Modell nicht immer sauber aus.
Kein Prompt passt zu deiner Suche.
Google Veo: Preise, Datenschutz und Alternativen
Weitere Video-Prompts
Häufige Fragen zu Google Veo 3.1-Prompts
Welche Version ist die aktuelle von Google Veo?
Stand Oktober 2026 ist Veo 3.1 die aktuelle Veo-Version, in den Varianten Veo 3.1, Veo 3.1 Fast und Veo 3.1 Lite. Ein offizielles Veo 4 hat Google nicht angekündigt. In der Gemini API empfiehlt Google für neue Projekte inzwischen zusätzlich das Modell Gemini Omni Flash.
Kann ich Veo Prompts auf Deutsch schreiben?
Veo nimmt deutsche Prompts an, laut Google ist aber nur Englisch vollständig unterstützt, andere Sprachen wurden nicht bewertet. Deshalb schreiben wir die Szenenbeschreibung auf Englisch. Gesprochene Sätze auf Deutsch kannst du testen, die Aussprache solltest du dann genau prüfen.
Wie lang dürfen Videos mit Veo 3.1 sein?
Ein Clip ist 4, 6 oder 8 Sekunden lang. Über die Verlängerung hängst du jeweils 7 Sekunden in 720p an. Längere Filme setzt du aus mehreren Clips im Schnitt zusammen.
Wie schreibe ich Dialog und Ton in einen Veo-Prompt?
Gesprochenes setzt du in Anführungszeichen hinter die Person, etwa: The manager says, "Welcome to the team." Geräusche leitest du mit „SFX:“ ein, die Hintergrundkulisse mit „Ambient noise:“. So trennt Veo Sprache, Effekte und Atmo sauber.
Welche Kamerabegriffe versteht Veo?
Googles Guide nennt unter anderem dolly shot, tracking shot, crane shot, aerial view, slow pan und POV shot. Für den Bildausschnitt helfen wide shot, close-up oder low angle, für die Optik shallow depth of field oder macro lens.
Kann Veo 3.1 in 4K und im Hochformat erzeugen?
Ja, Veo 3.1 liefert 16:9 und 9:16. 1080p und 4K gibt es nur für 8 Sekunden lange Clips, Standard ist 720p. Die Lite-Variante bleibt bei 720p.
Wo kann ich Veo 3.1 nutzen?
Veo steckt in der Gemini-App, in Googles Filmtool Flow, in Google AI Studio und über Vertex AI. Für Unternehmen mit Datenschutzanforderungen ist Vertex AI der übliche Weg.
Sind Veo-Videos gekennzeichnet?
Ja, jedes Video trägt ein unsichtbares SynthID-Wasserzeichen. Ob du zusätzlich sichtbar kennzeichnen musst, hängt vom Einsatz ab, etwa in Werbung oder bei realistisch wirkenden Personen. Das ist keine Rechtsberatung.