Dieser Guide gibt dir eine einfache Struktur, das Vokabular, auf das das Modell reagiert, und Beispiele zum Kopieren für gängige Formate. Jedes Beispiel ist dafür gedacht, in das Regie-Feld des Studios eingefügt und an dein Foto angepasst zu werden.
So baust du einen OmniHuman 2 Prompt auf
Denk in drei Bausteinen: Performance, Geste und Kamera. Performance ist die Grundstimmung („warm and confident“ – warm und selbstbewusst, „playful“ – verspielt, „serious newsreader“ – seriöser Nachrichtensprecher). Geste sind ein oder zwei konkrete Aktionen („counts on fingers“ – zählt an den Fingern ab, „points at the viewer“ – zeigt auf den Zuschauer, „holds the jar up to the lens“ – hält das Glas vor die Linse). Kamera ist eine einzige Bewegung oder Einstellung („static medium shot“ – statische Halbnahe, „slow push-in“ – langsame Ranfahrt, „gentle orbit to the left“ – sanfte Kreisfahrt nach links).
Bleib unter etwa 40 Wörtern. Lange Prompts mit vielen konkurrierenden Aktionen führen oft zu unruhiger, unnatürlicher Bewegung; besser zweimal mit zwei fokussierten Prompts rendern als einmal mit einem überladenen.
Kameraanweisungen
Nutze eine Bewegung pro Clip. Diese Formulierungen sind klar und werden zuverlässig verstanden:
- „static medium shot“ (statische Halbnahe) – ruhig, im Moderatorenstil; ideal für lange Erklärvideos.
- „slow push-in“ (langsame Ranfahrt) – steigert die Intensität; perfekt für Ad-Hooks und emotionale Sätze.
- „gentle orbit around the subject“ (sanfte Kreisfahrt um die Person) – wertet Songs produktionstechnisch auf.
- „handheld feel, slight sway“ (Handkamera-Look, leichtes Schwanken) – lässt UGC-Clips wie mit dem Smartphone gedreht wirken.
- „wide shot, then slow zoom on the speaker“ (Totale, dann langsamer Zoom auf die sprechende Person) – nützlich in Gruppenszenen.
Gesten und Körpersprache
Nenne die Geste und, wenn es wichtig ist, wann sie passiert: „raises an eyebrow at the question“ (hebt bei der Frage eine Augenbraue), „opens both hands on ‘everyone’“ (öffnet bei „alle“ beide Hände), „nods while listening“ (nickt beim Zuhören). Produktaufnahmen funktionieren am besten, wenn das Produkt schon auf dem Foto ist; der Prompt kann die Person dann bitten, es hochzuheben, zu kippen oder darauf zu zeigen.
Beschreib bei Gesang Atmung und Bewegung statt Mundformen – „closes eyes on long notes, sways with the beat, hand on chest in the chorus“ (schließt die Augen bei langen Tönen, wiegt sich im Takt, Hand auf der Brust im Refrain) – und lass das Audio die Lippen steuern.
Prompt-Beispiele nach Format
Die Beispiele stehen auf Englisch, weil Deutsch nicht zu den unterstützten Prompt-Sprachen gehört. Passe die Details an dein eigenes Foto und Audio an.
- 1UGC-Hook für Hautpflegeexcited, talks fast, holds the bottle close to the camera on the first line, handheld feel
- 2Ankündigung durch den Gründercalm and confident, open hand gestures, static medium shot, small smile at the end
- 3Balladeeyes closed on long notes, gentle sway, slow orbit, soft emotional expression
- 4Podcast mit zwei Hostsleft host speaks, right host nods and reacts, static wide shot, relaxed conversation
- 5Unterrichtsstundeteacher tone, counts points on fingers, glances down as if at notes, static shot
- 6Begrüßung durch ein Maskottchencheerful, waves at the start, bounces slightly, slow push-in
Sprachen und Fehlerbehebung
Regieanweisungen kannst du auf Englisch, Chinesisch, Japanisch, Koreanisch, Spanisch (Mexiko) oder Indonesisch schreiben. Das gesprochene Audio kann in jeder Sprache sein – die Lippensynchronisation folgt dem Klang, nicht dem Prompt.
Wirkt die Bewegung übertrieben, streich Adjektive wie „very“ und „dramatic“. Scheint gar nichts zu passieren, prüfe, ob die Geste im Bildausschnitt überhaupt möglich ist: Hände können nicht gestikulieren, wenn das Foto ein enger Gesichtsausschnitt ist.
Typische Fehler beim Prompten
Der häufigste Fehler ist, das Skript statt der Performance zu beschreiben. „she explains our new pricing“ (sie erklärt unsere neuen Preise) bringt nichts, weil das Audio die Worte bereits transportiert; „leans forward and taps the table on each price“ (lehnt sich vor und tippt bei jedem Preis auf den Tisch) gibt dem Modell etwas zu tun.
Der zweite ist Widersprüchlichkeit: im selben Clip eine statische Einstellung und eine Kreisfahrt verlangen oder einen ruhigen Vortrag und energisches Springen. Wenn Anweisungen gegeneinander arbeiten, wird die Bewegung matschig. Leg dich pro Rendering auf eine Stimmung und ein Kameraverhalten fest.
- Vermeide emotionale Extreme, wenn das Audio nicht dazu passt – ein geflüsterter Satz mit „shouting angrily“ (schreit wütend) wirkt kaputt.
- Verlange nicht, dass Objekte erscheinen, die nicht auf dem Foto sind; füge sie lieber ins Bild ein.
- Lass technischen Filmjargon weg, den das Modell nicht kennen muss, etwa bestimmte Objektivmarken.
Iterieren, ohne Credits zu verschwenden
Leg zuerst Foto und Audio fest und variiere zwischen Testrenderings nur den Prompt. Rendere einen fünfsekündigen Ausschnitt des wichtigsten Satzes mit zwei oder drei Prompt-Varianten nebeneinander – bei 50 Credits pro Stück kostet dieser Vergleich weniger als ein langes Rendering, das danebengeht.
Sobald ein Prompt funktioniert, speichere ihn im Projekt als wiederverwendbares „Regie-Preset“ für diesen Moderator. Serien wirken einheitlicher, wenn jede Folge mit demselben Regietext beginnt.
FAQ
Ist ein Prompt Pflicht?
Nein. Ohne Prompt wählt OmniHuman 2 natürliche Bewegungen passend zum Audio. Ein Prompt hilft, wenn du bestimmte Gesten oder Kameraarbeit willst.
Wie lang sollte mein Prompt sein?
Ein oder zwei Sätze, unter etwa 40 Wörtern. Fokussierte Prompts ergeben sauberere Bewegungen.
Kann der Prompt ändern, was die Person sagt?
Nein. Sprache und Lippenbewegung kommen aus dem Audio; der Prompt steuert Performance und Kamera.
Kann ich mehrere Personen inszenieren?
Ja. Beschreib jede Person anhand ihrer Position, zum Beispiel „left person speaks, right person reacts“ (Person links spricht, Person rechts reagiert).
Welche Prompt-Sprachen funktionieren?
Englisch, Chinesisch, Japanisch, Koreanisch, Spanisch (Mexiko) und Indonesisch werden als unterstützt aufgeführt.
Warum erscheint meine Geste nicht?
Meist verdeckt der Bildausschnitt die Hände, oder der Prompt verlangt zu viele Aktionen. Nutze ein Foto mit weiterem Ausschnitt und weniger Anweisungen.