Gemini Omni Flash auf PixVerse: Schritt-für-Schritt-Prompt-Workflow

Gemini Omni Flash ist eines der verfügbaren Videomodelle auf PixVerse, und etwas Planung vor der Generierung macht einen deutlichen Unterschied im Ergebnis. Dieses Tutorial führt durch einen wiederholbaren Workflow: Eingabetyp wählen, Dauer und Seitenverhältnis festlegen, einen strukturierten Prompt aufbauen und das Ergebnis wie ein Produktions-Asset prüfen statt es dem Zufall zu überlassen.

Sie können denselben Workflow für Text-zu-Video, Bild-zu-Video oder die Generierung mit mehreren Referenzbildern anwenden und das Ergebnis anschließend mit anderen Modellen im PixVerse-Arbeitsbereich vergleichen, darunter PixVerse V6 und PixVerse C1, bevor Sie entscheiden, welchen Clip Sie verwenden.

Bevor Sie beginnen: Was dieser Workflow abdeckt

Die aktuelle Gemini-Omni-Flash-Integration auf PixVerse ist ein Generierungs-Workflow, nicht die vollständige konversationelle Bearbeitungsoberfläche, die Google für seine API dokumentiert. Diese Grenzen im Voraus zu kennen, verhindert, dass Sie eine Einstellungsliste planen, die das Modell auf PixVerse noch nicht liefern kann.

Funktion	Heute auf PixVerse verfügbar	Planungshinweis
Text-zu-Video	Ja	Gut geeignet für Originalkonzepte und schnelle kreative Tests.
Bild-zu-Video	Ja	Gut geeignet, um ein Standbild (Produkt, Poster, Skizze) in Bewegung zu bringen.
Referenzbild-zu-Video	Ja, bis zu 5 Bilder	Referenzieren Sie jedes als `@image1` bis `@image5` im Prompt.
Clip-Länge	3-10 Sekunden	Wählen Sie die kürzeste Länge, die die Idee noch klar vermittelt.
Ausgabe	720p, 16:9 oder 9:16	Passen Sie das Seitenverhältnis vor der Generierung an den Zielkanal an.
Audio	Prompt-gesteuert, synchronisiert	Sie steuern Atmosphäre, Effekte oder Stille über den Text-Prompt.
Bearbeitung in natürlicher Sprache, Erweiterung, Übergänge, Video-/Sprachreferenz	Auf PixVerse noch nicht verfügbar	Nutzen Sie ein anderes PixVerse-Modell, wenn diese Steuerungen Priorität haben.

Schritt 1: Gemini Omni Flash als Modell auswählen

Öffnen Sie im PixVerse-Generierungsbildschirm den Modellauswähler und wählen Sie Gemini Omni Flash, sofern es in Ihrem Tarif verfügbar ist. Da PixVerse mehrere Modelle nebeneinander anbietet, können Sie dasselbe Briefing zunächst mit Gemini Omni Flash und anschließend mit einem anderen Modell ausführen, um zu sehen, welches Ihrer konkreten Einstellung am besten entspricht.

Falls Gemini Omni Flash noch nicht erscheint, prüfen Sie Ihre Kontostufe und den Rollout-Hinweis in der App — Verfügbarkeit und Credit-Kosten können sich ändern, daher sollten Sie den Modellauswähler in der App als aktuellste Quelle betrachten, nicht diesen Leitfaden.

Schritt 2: Ausgangspunkt festlegen

Ihre Prompt-Strategie hängt vollständig davon ab, mit welchem Material Sie starten:

Text-zu-Video — am besten, wenn kein vorhandenes Asset als Grundlage dient: neue Konzepte, Social-Clips, schnelle Werbeentwürfe, erklärende Visuals.
Bild-zu-Video — am besten, wenn Sie bereits ein Standbild haben, das die Szene verankern soll: ein Produktfoto, Keyvisual, Poster oder Verpackung.
Referenzbild-zu-Video — am besten, wenn mehrere Bilder das Ergebnis gemeinsam steuern sollen. Laden Sie bis zu fünf JPEG-/PNG-Dateien hoch und benennen Sie sie einzeln im Prompt (@image1, @image2 usw.) — geben Sie genau an, was jedes Bild steuert: Motiv, Farbpalette, Beleuchtung, Pose.

Schritt 3: Dauer und Seitenverhältnis zuerst festlegen

Legen Sie dies fest, bevor Sie den Prompt schreiben, da es bestimmt, wie viel Erzählung der Text tragen muss.

Dauer: 5-6 Sekunden reichen für einen einzelnen Produktmoment; 8-10 Sekunden bieten Raum für Anfang, Mitte und Ende (Charaktervorstellungen, Erklärungen).
Seitenverhältnis: 9:16 für TikTok, Reels und Shorts; 16:9 für YouTube, Landingpages und Präsentationen. Generieren Sie jedes Seitenverhältnis als eigenen Auftrag, statt einen Master-Clip für mehrere Formate zurechtzuschneiden.

Schritt 4: Den Prompt wie ein Mini-Produktionsbriefing aufbauen

Ein Prompt, der nur eine Stimmung beschreibt (“mach es hochwertig wirken”), gibt dem Modell deutlich weniger Anhaltspunkte als einer, der die Szene konkret festlegt. Arbeiten Sie diese Bausteine der Reihe nach durch:

Motiv — die Person, das Produkt oder Objekt, das das Bild verankert.
Aktion — was sich im Verlauf des Clips physisch verändert.
Kamera — Nahaufnahme, Weitwinkel, Push-in, Umlaufbahn, Handkamera, Vogelperspektive, feste Einstellung.
Licht und Stimmung — Tageslicht, Neon, weiches Studiolicht, dramatisch, verspielt.
Umgebung — Ort, Requisiten, Wetter, Materialien, Textur.
Audio — Atmosphäre, Effekte, musikalische Stimmung oder ausdrücklich “kein Dialog”.
Timing — was in welchen Sekunden passiert, für alles über 6-7 Sekunden.
Einschränkungen — was zu vermeiden ist: Logos, zusätzlicher Text, Szenenschnitte, Ähnlichkeit mit Prominenten.

Eine einfache Vorlage zum Ausfüllen:

Erstelle ein Video mit [Dauer] im Format [Seitenverhältnis]. Das Motiv ist [konkretes Motiv]. Die Aktion ist [konkrete Bewegung]. Die Kamera [Bewegung und Bildausschnitt]. Die Umgebung ist [Ort, Licht, Materialien, Requisiten]. Audio: [Atmosphäre, Effekte, musikalische Stimmung oder Stille]. Einschränkungen: [was zu erhalten ist, was zu vermeiden ist].

Fordern Sie eine einzelne durchgehende Einstellung, wenn nötig, ausdrücklich an

Ohne Vorgabe kann Gemini Omni Flash innerhalb eines Clips zwischen mehreren Mini-Einstellungen schneiden. Fügen Sie bei Produktaufnahmen, Modebewegungen oder überall, wo ein Schnitt die Kontinuität stören würde, direkt im Prompt “single continuous shot” (eine durchgehende Einstellung), “no scene cuts” (keine Szenenschnitte) oder “one unbroken take” (eine ununterbrochene Aufnahme) hinzu.

Audio-Vorgaben immer direkt im Prompt formulieren

Da Audio synchron mit dem Video generiert wird, sollten Sie es nicht dem Zufall überlassen. Beschreiben Sie die gewünschte Atmosphäre oder Effekte (leises Klicken, Raumton, Publikumsenergie) und schreiben Sie “no dialogue” (kein Dialog), falls der Clip wortlos bleiben soll. Vermeiden Sie es, einen bestimmten Song, Künstler oder eine bekannte Stimme anzufordern — beschreiben Sie stattdessen die gewünschte Stimmung.

Zeitcodes für Clips mit mehreren Momenten hinzufügen

Bei 8-10-Sekunden-Clips mit mehreren Erzählmomenten helfen zeitcodierte Anweisungen, das Modell nahe an Ihrer Struktur zu halten:

[0-2s] Produkt auf dem Tisch etablieren. [2-5s] Kamera fährt heran, während Licht die Oberfläche trifft. [5-8s] Das Produkt dreht sich leicht und kommt in einem sauberen Schlussbild zur Ruhe.

Beschränken Sie sich auf zwei bis drei Momente — zu viel in ein 10-Sekunden-Fenster zu packen, verwässert tendenziell die wichtigste Aktion.

Angeben, was jedes Referenzbild steuert

Wenn Sie mehr als ein Referenzbild verwenden, ist Mehrdeutigkeit der größte Feind. Legen Sie die Rolle jedes Bildes genau fest:

Verwende @image1 als exakte Produktreferenz — erhalte Flaschenform, Verschlussfarbe und Etikettenposition. Verwende @image2 nur als Referenz für Licht und Hintergrundstimmung. Übernimm keine Logos oder Personen aus @image2.

Schritt 5: Generieren und dann wie ein Produzent, nicht wie ein Fan prüfen

Sobald der Clip fertig gerendert ist, bewerten Sie ihn danach, welche Aufgabe er erfüllen muss, nicht nur nach dem ersten Eindruck. Prüfen Sie:

Blieb das Motiv/Produkt über den gesamten Clip visuell konsistent?
Ist Text im Bild, falls vorhanden, lesbar oder verzerrt?
Passt das Audio tatsächlich zur Bewegung im Bild?
Ist das Schlussbild als Thumbnail oder Schnittpunkt nutzbar?

Für kommerzielle Nutzung prüfen Sie zusätzlich rechtliche Aspekte — vermeiden Sie alles, was sich auf die Ähnlichkeit einer realen Person, ein Markenlogo oder einen erkennbaren Song oder eine erkennbare Stimme stützt. Für einen tieferen Blick darauf, wie Gemini Omni Flash mit Sicherheit und Wasserzeichen umgeht, siehe unseren Gemini-Omni-Flash-Überblick.

Fünf Prompt-Rezepte zum Einstieg

Verwenden Sie diese als Ausgangsvorlagen und ersetzen Sie dann Ihr eigenes Produkt, Motiv und Ihre Einschränkungen.

Rezept 1: Produktfoto zu vertikaler Anzeige

Einstellungen: 9:16, 6-8 Sekunden, Bild-zu-Video oder ein Produkt-Referenzbild.

Erstelle ein 8-sekündiges 9:16-Produktvideo mit @image1 als exakter Produktreferenz. Erhalte Produktform, Verschluss, Farbe, Etikettenposition und Silhouette. Das Produkt steht bei Sonnenaufgang auf einer nassen dunklen Steinfläche. [0-2s] Makro-Nahaufnahme von Wassertropfen auf der Oberfläche. [2-5s] Die Kamera zieht sich langsam zurück, während warmes Licht die Kanten erfasst. [5-8s] Das Produkt dreht sich leicht und kommt zentriert zur Ruhe. Audio: sanfte Wassertropfen, dezenter Raumton, kein Dialog. Einschränkungen: keine zusätzlichen Logos, kein zusätzlicher Text, keine Szenenschnitte.

Rezept 2: Lehrreiche Erklärung

Einstellungen: 16:9 oder 9:16, 8-10 Sekunden, Text-zu-Video.

Erstelle eine 10-sekündige 16:9-Erklärung, wie ein Solarpanel Sonnenlicht in Strom umwandelt, im Papierbastel-Stil auf einer dunklen Tischplatte. [0-3s] Eine Papiersonne sendet Strahlen zu einem blauen Panel. [3-6s] Leuchtende Punkte wandern entlang einer gezeichneten Schaltung. [6-10s] Ein kleines Papierhaus leuchtet sanft auf. Kamera: feste Vogelperspektive mit kleinen Stop-Motion-Bewegungen. Text: nur “sunlight”, “panel”, “electricity”, exakt geschrieben. Audio: sanfte Papierbewegung, ein kleines Glockenspiel, kein Voiceover. Einschränkungen: keine zusätzlichen Wörter, keine menschlichen Hände, keine Logos.

Rezept 3: Charaktervorstellung aus Referenzen

Einstellungen: 16:9, 8-10 Sekunden, bis zu drei Referenzbilder.

Erstelle eine 9-sekündige 16:9-Vorstellung einer Originalfigur. Verwende @image1 als Identitätsreferenz — erhalte Gesichtsform, Frisur, Jackenfarbe und Silhouette. Verwende @image2 nur für Licht und Stadthintergrund-Stimmung. Die Figur steht bei Dämmerung auf einem Dach, dreht sich zur Kamera und hebt ein kleines leuchtendes Gerät. Kamera: langsamer Push-in in Halbtotale, eine durchgehende Einstellung. Licht: blauer Abendhimmel, warmes Streiflicht. Audio: entfernte Stadtatmosphäre, ein sanftes elektronisches Summen. Einschränkungen: nur Originalfigur, keine Franchise-Bezüge, keine Logos, kein Dialog.

Rezept 4: App-Hero-Loop

Einstellungen: 16:9, 6-8 Sekunden, Text-zu-Video.

Erstelle einen 7-sekündigen 16:9-Hero-Loop für eine KI-Planungs-App. Eine durchscheinende schwebende Zeitleiste hängt über einem aufgeräumten Schreibtisch, mit abstrakten Karten und Linien, die sich zu einem ruhigen Wochenplan ordnen. Kamera: langsame Seitwärtsfahrt von links nach rechts, geringe Schärfentiefe, eine durchgehende Einstellung. Licht: natürliches Morgenlicht, weiche Schatten, Akzente in Petrol und warmem Gelb. Audio: dezente Interface-Klicks, sanfter Ambient-Ton. Text: kein lesbarer App-Name oder Aufgabentext. Das Schlussbild sollte dem Anfangsbild entsprechen, damit der Clip sauber in einer Schleife läuft.

Rezept 5: Fashion-Lookbook-Bewegung

Einstellungen: 9:16, 8-10 Sekunden, Referenzbild-zu-Video.

Erstelle einen 10-sekündigen 9:16-Fashion-Lookbook-Clip. Verwende @image1 als Outfit-Referenz — erhalte Mantellänge, Stoffstruktur, Farbpalette und Schuhstil. Verwende @image2 nur für die Studiobeleuchtung. Ein fiktives Model geht durch ein Betonstudio, hält inne, dreht eine Schulter zur Kamera, während sich der Mantel natürlich mit dem Schritt bewegt. Kamera: vertikaler Ganzkörper-Bildausschnitt, sanfte Kamerafahrt, keine Szenenschnitte. Licht: großer Softbox-Aufsatz von links. Audio: ruhige Studioatmosphäre, sanfte Schritte, kein Dialog. Einschränkungen: fiktives Model, keine Prominenten-Ähnlichkeit, keine Markenlogos.

Häufig gestellte Fragen

Muss ich unbedingt Gemini Omni Flash verwenden, oder kann ich ein anderes PixVerse-Modell nutzen?

Gemini Omni Flash ist eine von mehreren Optionen auf PixVerse. Es eignet sich hervorragend für prompt-gesteuerte Szenen mit synchronisiertem Audio und Kontrolle über mehrere Referenzbilder; andere PixVerse-Modelle können für Erweiterung, Übergänge oder längere Bearbeitungen besser geeignet sein, bis diese Funktionen auch bei Gemini Omni Flash verfügbar sind.

Wie viele Referenzbilder kann ich hochladen?

Bis zu fünf JPEG- oder PNG-Bilder pro Generierung, einzeln im Prompt referenziert als @image1 bis @image5.

Welche Auflösung und Länge sollte ich erwarten?

Die aktuelle PixVerse-Integration liefert 720p-Video mit 3 bis 10 Sekunden Länge im Format 16:9 oder 9:16.

Kann ich exakten Text im Bild erhalten?

Halten Sie den Bildschirmtext im Prompt kurz und explizit (exakte Wörter, in Anführungszeichen) und planen Sie Zeit für eine genaue Prüfung ein — präzise Typografie bleibt ein Bereich, in dem die Ergebnisse variieren können.

Werden Videoerweiterung oder -übergänge bereits unterstützt?

Noch nicht im aktuellen Gemini-Omni-Flash-Workflow auf PixVerse. Nutzen Sie ein anderes PixVerse-Modell, wenn Erweiterung, Übergang oder Video-/Sprachreferenz Priorität haben.