Zum Inhalt springen

Prompt-Guide

So promptest du Grok Video

So schreibst du Prompts für Grok Video, das Grok Imagine von xAI, auf Mage und erstellst KI-Videos: Schnellstart, Vorlage zum Ausfüllen und Profi-Tipps für Kamera, Referenzen, Bearbeitungen und Sound.

Eine durchgehende Kamerafahrt
Erstellt mit Grok VideoEine durchgehende Kamerafahrt

Schnellstart

Dein erster guter Grok Video-Prompt

Alles, was Einsteiger in einer Minute brauchen: was du zuerst wissen solltest, die wichtigsten Regeln, eine Vorlage zum Ausfüllen und Prompts zum Kopieren.

Das solltest du zuerst wissen

Grok Video erzeugt eine durchgehende Einstellung mit Soundtrack, aus einem Prompt, aus Referenzbildern oder durch Bearbeiten eines kurzen Clips, den du hochlädst. Schreib die Einstellung so, wie eine Kamera sie sieht: der Winkel, was der Reihe nach passiert, der Ort, das Licht und was wir hören. Auf Mage gibt es keinen gesprochenen Dialog und keinen ersten Frame, beschreibe also Sound statt Sprache und behandle deine Bilder als Referenzen, nicht als Anfangsbild.

Die wichtigsten Regeln

  1. Beschreibe eine Einstellung, der Reihe nach

    Erst Einstellungsart und Winkel, dann die Handlung, verbunden mit "then", danach Ort, Licht, eine Stilzeile und der Sound. Ein kurzer Clip hat Platz für ein oder zwei Momente, nicht für eine ganze Geschichte.

  2. Schließ mit dem Sound ab

    Jeder Clip kommt mit einem Soundtrack. Nenne ihn zuletzt: Regen auf Asphalt, Stimmengemurmel einer Menge, ein langsamer Klaviertonton.

  3. Lass Dialog weg

    Grok Video synchronisiert auf Mage keine Lippen zu Sprache. Für eine Figur, die spricht, nimm Cherry 2 Pro oder Lemon.

  4. Gib jeder Referenz nur eine Aufgabe

    „Die Frau in @image1 geht den ganzen Pier entlang und trägt den Mantel aus @image2.“ Zwei oder drei Referenzen mit klaren Rollen sind besser als fünf, die sich überschneiden.

  5. Ändere immer nur eine Sache

    Lade den Clip hoch, nenne die eine Änderung und liste dann auf, was bleibt: „Lass alles andere genau wie im Original, einschließlich Gesicht, Händen, Pose und Hintergrund.“

Fülle diese Vorlage aus

Ersetze jeden Teil in eckigen Klammern durch deine eigene Idee und lass weg, was du nicht brauchst.

Vorlage
[Shot type and angle] of [subject] [doing what], then [what happens next]. [Where]. [Light]. [Style or mood]. [Sound].
Die ausgefüllte Vorlage
Low-angle wide shot of a skateboarder in a yellow hoodie rolling down an empty parking-garage ramp, then kicking the board up into his hand at the bottom. Concrete pillars, painted arrows, puddles at the foot of the ramp. Hard afternoon sun slicing through the open side, long shadows. Gritty skate-video look. Wheels roaring on concrete, the sharp clack of the board, a long echo.
  • [Shot type and angle] Wie die Kamera es sieht: eine Weitwinkelaufnahme aus der Froschperspektive, eine extreme Zeitlupen-Makroaufnahme, eine langsame Heranfahrt.
  • [subject] Um wen oder was es in der Einstellung geht, mit ein bis zwei sichtbaren Details: ein Skateboarder im gelben Hoodie.
  • [doing what] Die erste Handlung, mit einem Verb: rollt eine leere Rampe in einem Parkhaus hinunter.
  • [what happens next] Der zweite Moment, falls es einen gibt: kickt unten das Board hoch in seine Hand.
  • [Where] Der Ort in ein paar konkreten Details: Betonpfeiler, aufgemalte Pfeile, Pfützen am Fuß der Rampe.
  • [Light] Woher es kommt und was es bewirkt: hartes Nachmittagslicht, das durch die offene Seite schneidet, lange Schatten.
  • [Style or mood] Eine kurze Zeile: raue Skate-Video-Optik, gemütlicher handgemachter Stop-Motion-Look, filmisch.
  • [Sound] Was man hört: Rollen, die auf Beton dröhnen, das Klacken des Boards, ein langes Echo.

Prompts als Ausgangspunkt

  • Eine Establishing Shot

    Aerial wide shot of a small fishing harbor at dawn. A single red ferry pulls away from the pier, then turns slowly toward the open sea, leaving a long white wake across the still water. Stacked lobster traps, a row of pastel houses on the hill, gulls circling the masts. Soft pink light low on the horizon, mist over the water. Calm documentary feel. The ferry's diesel hum, gull cries, water lapping at the pilings.

    Warum das funktioniert: Blickwinkel, Handlung in Reihenfolge, Ort, Licht, Stimmung und Sound, genau in dieser Reihenfolge: eine klare Einstellung, bei der nichts offen bleibt.

  • Ein Produktmoment in Zeitlupe

    Extreme slow-motion macro shot: the cap flips off a cold green glass bottle of lemon soda, then a fine spray of droplets bursts into the air and a thin mist curls out of the neck. Condensation runs down the glass; ice glitters in a metal bucket behind it. Bright summer backlight, sharp highlights on every droplet. Fresh commercial look. A crisp pop, the fizz of bubbles, a short splash.

    Warum das funktioniert: Zeitlupe und ein Makroobjektiv geben einem kurzen Clip genug zu zeigen, und die Sound-Zeile benennt jede Aktion.

  • Eine Miniatur, die stillhält

    Stop-motion claymation, visible fingerprints in the clay, slightly choppy frame rate, a small tabletop set. A round clay hedgehog in a blue apron waters three potted sunflowers on a windowsill, then sets down the watering can and watches as the flowers slowly lift their heads toward the sun. A checkered curtain, a cracked teapot and a sleeping clay cat sit beside the pots. Continuity: every object stays exactly where it is for the whole clip; nothing appears, disappears, duplicates, or changes shape. Warm morning window light, cozy handmade look, a gentle ukulele melody and the trickle of water.

    Warum das funktioniert: Der Kontinuitätssatz verhindert, dass sich Requisiten vermehren oder herumwandern – der häufigste Fehler in einer vollen Szene.

  • Dein Character in einem gespeicherten Outfit

    Slow push-in on a rooftop garden at golden hour. Then @mara walks in from the left between the planters, wearing @linen-shirt with wide white trousers, stops at the railing and looks out over the city, then turns her head toward the camera with a small smile. Warm low sun behind her, the skyline soft and hazy. High-quality slow motion, highly detailed face. Wind in the leaves, distant traffic, a soft acoustic guitar.

    Warum das funktioniert: Die Kamerabewegung kommt zuerst, jedes Handle hat eine Rolle, und der Prompt beschreibt, was die beiden tun, und nicht, was die Bilder zeigen. Ersetze die Handles durch deinen eigenen Character und deine eigene Reference.

  • Eine Bearbeitung deines eigenen Clips

    Make the woman's raincoat bright yellow. Keep everything else exactly as in the original, including her face, hands, pose, the umbrella, and the background.

    Warum das funktioniert: Lade den Clip als Video hoch: Eine Änderung und eine Liste dessen, was bleibt, ist alles, was eine Bearbeitung braucht.

Fortgeschritten

Fortgeschrittenes Prompting mit Grok Video

Techniken für mehr Kontrolle, sobald die Grundlagen sitzen.

Text, Referenzen oder eine Bearbeitung

Was du anhängst, bestimmt, was Grok Video tut. Mit nur einem Prompt ist der Prompt die ganze Einstellung. Mit Bildern, gespeicherten Characters oder References liefern diese die Personen, Produkte, Kleidung oder Orte, und keines davon wird zum ersten Frame. Wenn du einen Clip als Video hochlädst, bearbeitet Grok Video diesen Clip.

Eine Bearbeitung behält Länge, Bildausschnitt und Auflösung des Quellclips bei. Deshalb gelten die Einstellungen für Dauer, Seitenverhältnis und Auflösung nicht, und Referenzen können nicht hinzugefügt werden. Kürze einen langen Clip vor dem Hochladen auf den Teil, den du brauchst.

  • Grok Video hat auf Mage keinen ersten oder letzten Frame. Wenn ein Clip mit einem genauen Standbild beginnen soll, nimm Lemon.
  • Mach Entwürfe in niedrigerer Auflösung und kurzer Länge, um die Bewegung zu finden, und rendere den besten dann in höherer Auflösung.
  • Clips mit Referenzbildern fallen kürzer aus als Clips nur aus Text; die Modellseite zeigt die Grenzen.

Aufbau: eine Einstellung, in dieser Reihenfolge

Schreibe eine Einstellung als Fließtext, in dieser Reihenfolge: Einstellungsart und Blickwinkel; das Motiv und seine Handlung in zeitlicher Abfolge, verbunden mit „dann“; der Ort; das Licht; eine kurze Stimmungs- oder Stilzeile; und der Sound. Die eigenen Beispiel-Prompts von Grok Imagine folgen demselben Aufbau.

Wenn Objekte stillhalten sollen, füge einen Kontinuitätssatz hinzu: „Kontinuität: Jedes Objekt bleibt den ganzen Clip über genau dort, wo es ist; nichts erscheint, verschwindet, verdoppelt sich oder ändert seine Form.“

  • Beschränke einen kurzen Clip auf ein oder zwei Momente. Ein Clip von wenigen Sekunden hat keinen Platz für eine Geschichte; ein längerer Clip hat Platz für einen weiteren Moment, nicht für fünf.
  • Beginne bei Referenzen mit der Kamerabewegung und bring dann jedes referenzierte Motiv mit seiner Rolle und seinem Platz in der Szene ein.
  • Es gibt keinen Negativ-Prompt. Sag in positiven Sätzen, was passieren und was bleiben soll.

Kamera und Bewegung

Nenne eine Kamerabewegung und gib ihr eine Richtung: „Die Kamera fährt von der sonnigen Tür zum Fenster.“ Grok Video versteht einfache Kamerasprache gut, und langsame, sanfte Bewegungen funktionieren besser als hektische.

Zeitwörter verändern den ganzen Look eines Clips: Ein Zeitraffer rafft Stunden, Zeitlupe dehnt eine Sekunde, und eine extreme Zeitlupen-Makroaufnahme macht aus einem Spritzer eine Skulptur.

SchreibeWas es bewirkt
slow zoom inDer Bildausschnitt verengt sich allmählich auf das Motiv.
slow smooth push-inDie Kamera gleitet nach vorn auf das Motiv zu.
the camera dollies from … to …Die Kamera folgt einem Weg, den du vorgibst.
The camera never moves.Eine feste Einstellung: Nur das Motiv bewegt sich.
Only the camera moves.Die Szene bleibt eingefroren, während sich die Kamera bewegt – gut für Produkte und Stillleben.
high-angle wide shotBlick von oben auf eine ganze Szene.
action POV with extreme camera motionEine Ich-Perspektive, die rast, ausweicht und wackelt.
slow time-lapse feelDie Zeit läuft schneller: Menschenmengen strömen, Wolken jagen, das Licht wandelt sich.
high-quality slow motionGedehnte Bewegung, jedes Detail sichtbar.
extreme slow-motion macro shotEin winziges Motiv ganz nah, fast in der Zeit eingefroren.

References und Characters

Lade Bilder hoch und nenne sie @image1, @image2; gespeicherte Characters und References erwähnst du mit ihrem @handle. Mage nummeriert sie der Reihe nach (deine Uploads, dann Characters, dann References) und schreibt jede Erwähnung passend um, sodass aus @mara „character from image 3“ wird und aus einem gespeicherten Outfit @linen-shirt „outfit from image 4“.

Gib jeder Referenz eine Rolle und einen festen Platz in der Szene: „das Model aus @image1 läuft auf die Kamera zu und trägt das Hemd aus @image2“. Beschreibe, was die Personen und Dinge in der Einstellung tun, nicht, was die Bilder zeigen.

  • Halte die Besetzung klein, höchstens zwei oder drei, und lass Requisiten stillhalten. Requisiten, die sich bewegen, von Hand zu Hand wandern oder sich vermehren, sind der Punkt, an dem Referenzen scheitern.
  • Nenne bei einem Produkt, was sich nicht ändern darf: „Flasche, Verschluss und Etikettentext bleiben unverändert, während sich nur die Kamera bewegt“.
  • Die Dokumentation von xAI kennzeichnet Referenzen als <IMAGE_0>, <IMAGE_1>. Verwende auf Mage stattdessen @image1 und @handles und mische beides nie in einem Prompt.
  • Ein @ gefolgt von einem Buchstaben wird immer als gespeichertes Handle gelesen. Eine E-Mail-Adresse oder ein nicht gespeichertes Handle stoppt die Generierung, bevor etwas abgebucht wird.

Ein Produkt, das sich nicht verändern darf

Slow smooth push-in on a white marble bathroom counter at sunrise. The perfume bottle from @image1 stands in the center beside a folded linen towel and a small sprig of eucalyptus, while warm light slowly drifts across the counter and catches the facets of the glass. The bottle, cap and label text stay unchanged while only the camera moves. Clean, premium commercial look. Soft room tone, a faint drip from the tap, a single low piano chord.

Warum das funktioniert: Das Produkt hat eine Rolle und einen Platz, die Szene um es herum hält still, und die Kontinuitätszeile schützt das Etikett.

Eine Geschichte in mehreren Einstellungen

Jede Generierung ist eine Einstellung. Schreibe für eine Sequenz einen Prompt pro Einstellung und verwende in jedem dieselben @handles oder dasselbe freigegebene Standbild, damit die Figur durchgängig erhalten bleibt.

Für die größte Übereinstimmung erstellst du zuerst die Keyframes: ein Bild der Figur, dann Bearbeitungen davon für jede neue Szene und jeden neuen Blickwinkel (zum Beispiel mit Grok Image oder Mango). Gib jeden Keyframe als Referenz für seine Einstellung mit oder animiere ihn mit einem Modell, das von einem ersten Frame ausgeht, etwa Lemon.

Einen Clip bearbeiten

Lade den Clip als Video hoch und schreibe eine Änderung, dann was bleibt: „Ändere die Farbe des Autos in mattes Schwarz. Lass alles andere genau wie im Original, einschließlich Fahrer, Straße und Kamerabewegung.“ Eine vollständige Beschreibung der Szene ist nicht nötig: Der Clip enthält sie bereits.

  • Um Optionen zu vergleichen, führe mehrere Einzeländerungen desselben Clips gleichzeitig aus (ein rotes Kleid, ein schwarzer Hut, eine andere Jacke), jeweils mit eigenem Behalten-Satz, und wähle die beste.
  • Eine Bearbeitung erzeugt neuen Ton. Um den Originalton des Clips zu behalten, legst du ihn in einem Editor wieder über das Ergebnis.

Sound und Musik

Jeder Grok Video-Clip kommt mit einem generierten Soundtrack, einen Schalter für einen stummen Clip gibt es nicht. Schreib den Sound ans Ende des Prompts: „sanfte Spieluhr-Melodie“, „Regen auf Asphalt, entfernter Verkehr, die Klingel einer vorbeifahrenden Straßenbahn“, „Stimmengemurmel und Schritte“.

Grok Video bietet auf Mage keine lippensynchrone Sprache, keine Stimmreferenzen und keine Character-Stimmen. Lass Zitate in Anführungszeichen weg; für eine sprechende Figur nimm Cherry 2 Pro oder Lemon. Für einen stummen Clip schaltest du ihn in einem Editor stumm.

Text im Bild

Generierter Text ist keine Stärke. Beschränke Text im Bild auf das, was schon existiert, etwa eine Beschriftung in einem Referenzbild, und schreib dazu, dass er unverändert bleibt. Titel und Untertitel fügst du danach in einem Editor hinzu.

Häufige Fehler

Das besser vermeiden, stattdessen so

  • Vermeiden: Eine Beschreibung dessen, was jedes Referenzbild zeigt.

    @image1 is a woman with long red hair in a green dress. @image2 is a beach at sunset.

    Besser: Was die referenzierten Personen und Dinge in der Einstellung tun.

    Slow push-in. The woman from @image1 walks barefoot along the beach from @image2 at sunset, then stops and lets the wind lift her hair. Waves wash in, gulls call.
  • Vermeiden: Fünf Referenzen mit sich überschneidenden Rollen.

    Besser: Zwei oder drei, jede mit einer Rolle.

  • Vermeiden: Requisiten, die sich bewegen, den Besitzer wechseln oder sich vermehren.

    Besser: Requisiten, die an ihrem Platz bleiben, plus der Kontinuitätssatz.

  • Vermeiden: Eine vollständige Szenenbeschreibung für eine Bearbeitung.

    Besser: Die eine Änderung, dann „Behalte alles andere genau wie im Original bei, einschließlich …“.

  • Vermeiden: Dialoge in Anführungszeichen.

    The barista smiles and says "Your usual?"

    Besser: Die Geräusche und die Musik der Szene.

    The barista smiles and slides a cup across the counter. Espresso machine hiss, cups clinking, low café chatter.
  • Vermeiden: <IMAGE_0>-Tags neben @-Erwähnungen.

    Besser: Nur @image1 und @handles.

  • Vermeiden: Eine ganze Geschichte in einem kurzen Clip.

    Besser: Ein oder zwei Beats pro Clip und ein Clip pro Einstellung.

FAQ

Fragen zum Prompten mit Grok Video

Wie lang sollte ein Grok Video-Prompt sein?
Drei bis sechs Sätze für eine Einstellung: der Blickwinkel, die Handlung in der richtigen Reihenfolge, der Ort, das Licht, eine Stilzeile und der Sound. Ein kurzer Clip fasst ein oder zwei Beats; mehr wird gehetzt oder übersprungen.
Ist Grok Video dasselbe wie Grok Imagine?
Ja. Grok Video ist das Grok Imagine-Videomodell von xAI, das von xAI betrieben und über Mage genutzt wird.
Kann Grok Video Figuren sprechen lassen?
Nicht auf Mage: Es erzeugt einen Soundtrack, aber keine lippensynchrone Sprache. Für eine sprechende Figur nimm Cherry 2 Pro oder Lemon.
Kann Grok Video mit meinem Bild starten?
Nein. Auf Mage dienen Bilder dort als Referenzen für Personen, Produkte, Kleidung oder Orte, nicht als erstes Bild. Um einen Clip mit einem exakten Standbild zu beginnen, nimm Lemon.
Wie halte ich eine Figur in Grok Video konsistent?
Speichere die Person als Character und erwähne in jeder Einstellung denselben @handle, mit einer Rolle und jeweils festem Platz. Für eine Sequenz erstellst du zuerst Keyframe-Bilder von ihr und nutzt jedes als Referenz für seine Einstellung.
Unterstützt Grok Video Negativ-Prompts?
Nein. Schreib stattdessen in positiven Sätzen, was erhalten bleiben soll, etwa den Kontinuitätssatz für eine Szene oder „Behalte alles andere genau wie im Original bei“ für eine Bearbeitung.
Kann ich mit Grok Video einen stummen Clip erstellen?
Jeder Clip kommt mit Ton. Schalte ihn in einem Editor stumm oder beschreibe im Prompt nur leise Raumstille.

Erstelle dein erstes Video mit Grok Imagine

Neue Konten erhalten 300 Gems gratis, genug, um Grok Video auszuprobieren. Keine Installation, keine Kreditkarte.

Grok Video testen