Doku / Video
Prompting, die Kurzfassung
Schreibe eigene oder stilisierte Charaktere, oder nutze deine Selbstdarstellung mit dokumentierter Einwilligung. Halte dich an die Richtlinie zur zulässigen Nutzung.
Kopiere diese ganze Seite in deinen eigenen Assistenten (ChatGPT, Claude, Codex) und lass ihn deine Beats schreiben. Der Storyboard-Planer befolgt diese Regeln schon von selbst; diese Seite ist für den Fall, dass du von Hand schreibst.
One Shot (ein Clip, der länger ist als ein Durchgang)
- One Shot hat einen eigenen Tab neben Video: die Einstellung, ein Startbild, wer darin vorkommt, Länge und Qualität, dann die Beats mit einer Zeitspalte, eine Kamerazeile und die Schalter für die Kontinuität. Ein Skript schickt dasselbe Dokument an
POST /oneshot(docs/API.md). - Du musst keine Beats schreiben. Lass das Feld leer, und der Prompt trägt die ganze Einstellung, aufrechterhalten für je fünf Sekunden. Schreibe Beats, wenn die Einstellung irgendwohin gehen soll: Jede Zeile führt ihre eigenen fünf Sekunden, eine leere Zeile hält den Moment davor.
- Ein Beat = fünf Sekunden = eine Sache, die passiert. Beginne mit der Bewegung: was das Motiv tut, was die Kamera tut, was ins Bild kommt.
- Ein Szenenwechsel bekommt einen eigenen Beat. Durch eine Tür gehen, in einen Raum, auf eine Brücke: Gib dem seine eigenen fünf Sekunden und setze die Annäherung in den Beat davor. Ein Szenenwechsel, der am Ende eines vollen Beats versteckt ist, wird vom Modell übersprungen.
- Eine Enthüllung bekommt einen eigenen Beat. „The camera comes round to his face“ funktioniert, wenn es der ganze Beat ist und nicht das Ende eines Beats, der auch noch den Tisch, die Frau und den Hut enthält.
- Beruhige dich vor der Wendung. Der Beat vor einem Szenenwechsel oder einer Enthüllung sollte langsamer werden; das Modell braucht einen Moment, um anzukommen, bevor es abbiegen kann.
- Wiederhole die Invarianten in jedem Beat. Das Aussehen des Motivs, die Kameraposition, die Farbpalette, den Sound. Die Engine erinnert sich nur an das letzte Bild; die Worte tragen den Rest. Phosphene stellt deinen Stilblock jedem Beat für dich voran.
- Jede Sekunde etwas Neues. Ein knappes Verfehlen, ein Gegenstand, der ins Bild kommt, ein Lichtwechsel. Ein Beat, der eine Stimmung beschreibt und kein Ereignis, wirkt wie ein Standbild.
- Eine kurze Zeile pro Beat, und schreibe die Stille auf. Sprache läuft mit etwa 2,5 Wörtern pro Sekunde, also fasst ein Beat von 5 Sekunden eine Zeile von höchstens sieben Wörtern, mit einem Atemzug davor und der Stille danach, ausgeschrieben („then he is silent, his mouth settles closed, and only the wind is heard“). Eine Zeile von 12 Wörtern läuft über den Beat und über die Teilgrenze hinaus und wird zu einer Stimme über einem geschlossenen Mund (gemessen am 2026-09-07). Eröffne die Aufnahme mit einem stummen Blick vor der ersten Zeile: Eine Zeile im ersten Bild gibt der Lippensynchronisation nichts, woran sie einrasten kann.
- Fixiere das Licht. Nenne Tageszeit und Wetter einmal im ersten Beat und deute später nie eine andere Stunde an („neon comes on“, „dawn breaks“). Phosphene hängt an jeden Beat einen Satz zur Kontinuität an und misst jeden Teil; ein Teil, dessen Licht driftet, wird einmal für sich neu aufgenommen.
- Eine Kamerabewegung für die ganze Einstellung, einmal geschrieben, in der Kamerazeile. Richtung und Tempo: „a slow, steady clockwise arc around the table at eye level, wide to close“. Die Engine trägt das Bild über die Naht zwischen Teilen, nie die Bewegung: Ein Teil, der aus einem Standbild startet, wählt seine eigene Bewegung, und die Naht zeigt sich als Kamera, die die Richtung wechselt oder anhält und neu losfährt. Phosphene setzt deine Kamerazeile in jedem Teil an den Anfang („the camera is already moving, …, and continues in the same direction at the same steady speed“). Halte die Kamerawörter der Beats im Einklang damit: kein „the camera settles“, „swings round“ oder „pulls back“ mittendrin, es sei denn, das IST die Bewegung für die ganze Einstellung. Eine langsame, gleichmäßige Bewegung wirkt wie eine Einstellung; drei Bewegungen wirken wie drei.
- Der Sound gehört zur Einstellung. Sag, was wir hören: Schritte, eine Band aus einer Tür, Regen auf einer Markise. Ohne Sound-Hinweise ist das Audio eine fast stille Atmosphäre.
Vom Standbild ausgehen
- Entwirf das erste Bild zuerst als Bild (Phosphene macht dir eins, oder bring dein eigenes mit). Komposition, Farbpalette und Charakter werden an einem Bild entschieden, das Sekunden braucht, nicht an einem Clip, der eine Stunde braucht.
- Passe das Seitenverhältnis des Standbilds an die Fläche der Einstellung an; das Panel wählt das nächste.
Was du nicht schreiben solltest
- Kein „fast forward“, „time-lapse“ oder „montage“ in einem One Shot: Das Modell schneidet.
- Keine zwei Motive auf einmal, außer eines davon ist der Punkt des Beats.
- Zwei sprechende Charaktere: Lies zuerst
docs/LTX_DIALOGUE.md. Die Antwort des Modells selbst ist eine Multi-Shot-Generierung (Schuss und Gegenschuss in EINEM Prompt, ein sprechendes Gesicht pro Einstellung, der Schnitt benannt, der Sound angegeben, die Charaktere mit denselben Worten neu benannt), kein One Shot, der aus Teilen zusammengenäht ist. - Die Inszenierung mit zwei Sprechern, die funktioniert (gerendert am 2026-09-07): ein langer Tisch mit einem Sprecher an jedem Ende und EINER langsamen seitlichen Fahrt entlang. Sprecher A allein im Bild für seine Zeilen (ein Beat, der nur A nennt), ein stummer Beat mit leerem Tisch, während A hinausgleitet (nennt niemanden), Sprecher B tritt allein am anderen Ende für seine Antwort ein (der erste Beat, der B nennt). Nie beide im Bild, während einer von ihnen spricht. Ein Profil-Zweier, ein Orbit oder „over B’s shoulder“ bringen alle zwei Münder ins Bild oder fügen einen Körper hinzu.
- Ein Beat nennt nur, wer im Bild sein soll. Wen der Text eines Beats nennt, der wird in das Bild dieses Beats komponiert: „only A is in the frame“ entfernt kein B, das derselbe Text beschreibt, und „over B’s shoulder, B’s back to the camera“ fügt einen dritten Körper hinzu, statt B umzudrehen (beides gemessen am 2026-09-07). Um ein Gesicht im Bild zu haben, schreibe einen Beat, der einen Charakter erwähnt und nichts über den anderen; führe den zweiten in dem Beat ein, in dem er auftritt.
- Zwei Sprecher müssen unmöglich zu verwechseln sein, und nur einer spricht pro Beat. Zwei optisch ähnliche Original-Charaktere (die beiden Außerirdischen der ersten Dinner-Aufnahme) bekommen ihre Zeilen vertauscht, antworten sich selbst oder sagen eine Zeile im Gleichklang: Nichts im Bild sagt der Engine, zu wessen Mund eine Zeile gehört. Gib jedem Sprecher im ersten Beat eine andere Statur, eine andere Farbe zum Tragen und ein Merkmal der Stimme („the tall one, deep and slow“; „the short one, thin and quick“), wiederhole das Paar in jedem Beat, schreibe EINE Zeile pro Beat und sage, dass der andere mit geschlossenem Mund zuhört.
- Nutze einen Original-Charakter pro Einstellung. Bei mehreren Charakteren im Bild kann ein aktives Charakter-LoRA ihnen ein ähnliches Aussehen geben. Inszeniere unterschiedliche Charaktere in getrennten Einstellungen, um diese Einschränkung zu umgehen.
- Kein Text im Bild; keine Schrift auf Schildern, außer du nimmst erfundene Wörter in Kauf.
Zeit und Qualität
- H3 nativ (1344×768) mit Turbo v4: etwa 31 Minuten pro 5 Sekunden auf einem M4 Max mit 64 GB. Eine Minute ist ein Abend.
- Ein Test von 5 Sekunden bei Hoch (1024×576) kostet 14 Minuten. Teste den ersten Beat, bevor du dir die Nacht festlegst.
Quelle: docs/PROMPTING.md im öffentlichen Repo. Für diese Website vor der Veröffentlichung geprüft. Aus dem englischen Original übersetzt. Änderung vorschlagen.