A legtöbb AI videó ugyanazok miatt bukik el. A téma klip közben torzul. A kamera olyasmit csinál, amit senki nem kért. A termék színe a második és a negyedik másodperc között megváltozik. A kimenet technikailag „egy videó”, gyakorlatilag használhatatlan.
Több tízezer valós AI videós prompt átnézése után — azoké, amelyekből tényleg publikált klipek születtek, és azoké, amelyeket szemétre dobtak — kirajzolódik a minta. A jó promtok nem hosszabbak vagy költőibbek. Inkább strukturáltabbak. Megmondják a modellnek, mi változik, hogyan viselkedik a kamera, mit kell fixen tartani, és mit nem fogadnak el semmiképp.
Ez a gyakorlati kísérője az adatjelentésünknek arról, mit árul el 40 000 AI videós prompt arról, mit készítenek az emberek. Az a poszt azt fedi le, mit generálnak az alkotók. Ez pedig azt, hogyan írják meg jól. Öt minta, mindegyikhez egy gyenge és egy erős verzióval, plusz miért számít a különbség.
Legfontosabb tanulságok
- Kezdd alannyal + cselekvéssel + egy egyértelmű időbeli változással — a statikus leírások statikus, élettelen klipeket adnak.
- Irányítsd a kamerát, mintha operatőrnek adnál instrukciót: plán, objektív/optikai érzet és egy tudatos mozgás.
- Rögzítsd a folytonossági tokeneket (arc, termék, szín, logó), hogy a teljes klipen át megmaradjanak, ne csússzanak el.
- Igazítsd a beállítást és a tempót a platformhoz és a hosszhoz még generálás előtt, ne utólag.
- Szűkíts negatívokkal és tiszta output specifikációval, hogy a modell azt is tudja, mit kerülni kell, nem csak mit próbáljon meg.
1. minta: Kezdd alannyal, cselekvéssel és időbeli változással
A videó mozgás. A legnagyobb különbség a „élő” felvételt adó promtok és a fényképre rákúszó lassú zoomot eredményező promtok között az, hogy leírsz-e valami történő dolgot.
A gyenge promtok egy jelenetet írnak le. Az erősek egy változó jelenetet.
Gyenge: Egy kávéscsésze faasztalon egy kávézóban.
Erős: Egy gőzölgő kávéscsésze egy fa kávézóasztalon; a gőz felfelé kunkorodik és balra sodródik, miközben a reggeli fény lassan felerősödik a felületen 5 másodperc alatt.
A gyenge verzió állóképet ad a modellnek, és rákényszeríti, hogy mozgást találjon ki — többnyire egy lusta ráközelítést vagy valami véletlen reszketést. Az erős verzió megnevezi a témát (kávéscsésze), az akciót (a gőz kunkorodik és sodródik), és az időbeli változást (fény erősödik a klip során). Így a modellnek van kezdő és végállapota, amelyek között interpolálhat — pontosan erre épül egy videómodell.
A javítás mechanikus. Minden promptnál kérdezd meg: mi az az egy dolog, ami a klip végére más, mint az elején? Ha nem tudsz válaszolni, mozgó képeslapot kapsz. Süsd bele a változást a mondatba. Még egy kicsi is — fejfordítás, ajtónyitás, besodródó köd — feladatot ad a modellnek az idővonalon.
2. minta: Irányítsd a kamerát, mint egy operatőr
Ha nem specifikálod a kamerát, a modell választ helyetted — és rosszul választ, egy generikus dolly-inre vagy sodródó kézire áll, ami ordítja, hogy „AI”. A legjobb promtok a kamerát tudatos kreatív döntésként kezelik, nem utógondolatként.
Három dolog kell: plán (totál, félközel, közel), objektív/optikai érzet (35 mm, nagylátó, kis mélységélesség), és egyetlen mozgás (lassú ráúszás, körbejárás, statikus állvány). Egy mozgás. Nem három.
Gyenge: Egy autó végigmegy egy tengerparti úton, filmszerű.
Erős: Széles, kísérő tracking felvétel egy veterán kabrióról tengerparti országúton, 35 mm-es objektívvel és kis mélységélességgel; a kamera az autóval azonos tempóban halad mellette, aranyóra.
A „filmszerű” kívánság, nem instrukció. Az erős verzió megmondja a képkivágást (széles tracking), az optikai karaktert (35 mm, kis mélységélesség), és egyetlen koherens mozgást (párhuzamos követés azonos tempóval). Ez a koherencia hat profinak. Az egymásnak ellentmondó kamerautasítások — „körözés, zoom és svenk egyszerre” — ott verik szét a modelleket, és jön az a billegő, instabil hatás.
Ha új vagy a kameragondolkodásban, a hogyan írj AI videós promptot útmutatónk lebontja a szókincset. Rövidítés: képzeld el, hogy egy kamerásnak adsz egysoros instrukciót, aki pontosan azt fogja csinálni és semmi mást. Légy ilyen konkrét.
3. minta: Rögzítsd a folytonossági tokeneket
Ez az a minta, ami elválasztja a hobbistát a használható felvételeket gyártóktól. Az AI videómodellek driftelnek. Néhány másodperc alatt egy arc észrevétlenül mássá renderelődik, egy piros logó narancsba csúszik, egy terméken megjelenik egy gomb, ami nem is volt. A folytonossági tokenek azok a rövid, megkülönböztető kifejezések, amelyekkel ezeket az elemeket leszögezed.
A folytonossági token egy rövid, jellegzetes leírás, amit elkötelezetten, betű szerint újra és újra használsz — a szereplő személyazonosságára, a termékre, a színpalettára és bármilyen brandingre.
Gyenge: Egy nő piros dzsekiben sétál a városban, aztán közelebbről látjuk.
Erős: Egy nő vállig érő, göndör fekete hajjal és élénk karmazsinvörös bőrkabátban sétál egy neonfényes városban; ugyanaz a karmazsin kabát és ugyanaz a frizura a teljes klipen át következetesen megtartva.
A „nő piros dzsekiben” felhívás a modellnek, hogy újraalkossa. A „vállig érő göndör fekete haj és élénk karmazsinvörös bőrkabát”, megismételve és kifejezetten következetesnek jelölve, horgonyt ad. Ha egy projekthez több klipet generálsz, másold át ezeket a tokeneket minden promptba — soha ne fogalmazd át. Az átfogalmazás az, amitől a harmadik snitt szereplője már nem úgy néz ki, mint az elsőben.
Márkás munkáknál ez nem alku tárgya. Rögzítsd a pontos, hex-ekvivalens színnevet, a logó helyét, és a termék meghatározó jellegét minden egyes promptban. Ha a platform támogat képreferenciát vagy text-to-video indító képkockával, használd — de támaszd meg rögzített szöveges tokenekkel, mert a leírás az, ami az identitást a mozgáson KERESZTÜL viszi tovább, nem csak az első kockába.
4. minta: Igazítsd a beállítást a platformhoz és a hosszhoz
Ami kiváló egy 12 másodperces YouTube herohoz, rossz egy 4 másodperces TikTok hookhoz — és nem csak a képarány miatt. A legjobb promtok visszafelé vannak tervezve onnan, ahol a videó élni fog.
Három döntés születik meg, mielőtt egy szót is leírnál: képarány (9:16 függőleges feedekhez, 16:9 YouTube-hoz és landing oldalakhoz), hossz (és ezáltal mennyi történhet valójában), és tempó (egy nyugodt ütem rövid loophoz, tiszta ív hosszabb kliphez).
Gyenge: Egy energikus montázs egy fitnesztermékről sok gyors vágással és szöveggel, közösségi médiára.
Erős: 9:16 függőleges, egyetlen folytonos 5 másodperces snitt: egy futó befűzi élénk narancssárga cipőfűzőit, majd balra kifut a képből sprintbe váltva; gyors tempó, ütős, TikTok hooknak tervezve, az akció az első 2 másodpercben érkezik.
„Sok gyors vágást” kérni egy rövid generáláson belül egyenlő a káosszal — a legtöbb modell egy folytonos snittet ad generálásonként, így a kérés a szerszámmal megy szembe. Az erős verzió tiszteli a formátumot: álló, egy snitt, az akció az első két másodpercre időzítve, ahol a platform megköveteli. Sokszor jobb eredményt kapsz, ha több tiszta, egysnittes klipet generálsz erre a specifikációra, és összevágod őket, mintha egy promptba próbálnál vágást zsúfolni.
A hossz azt is meghatározza, mennyi változást kérhetsz. Négy másodpercben egy tiszta akció landol. Tizenkettőben kis ívet is felhúzhatsz. Háromfelvonásos sztorit kérni négy másodpercben csak összemos mindent.
5. minta: Szűkíts negatívokkal és tiszta output specifikációval
Az utolsó minta az, amit alig használ valaki — épp ezért ad előnyt. Megmondani a modellnek, mit NEM akarsz, sokszor erősebb, mint még több „mit akarsz”-at rápakolni. Ezt párosítsd egy explicit output speckel, és nem hagyod a kevésbé látványos döntéseket a véletlenre.
Két lépés: negatívok (azok az artifaktok és klisék, amiket kizársz — torz kezek, betűsaláta, extra végtagok, villódzás, a nem kért lassú ráközelítés) és egy output spec (képsebesség-érzet, világítás, hangulat, képarány, a végén tisztán kimondva).
Gyenge: Egy séf tányérra tálal egy éttermi konyhában.
Erős: Egy séf precízen tálal egy meleg hangulatú éttermi konyhában; félközeli, lágy főfény balról, nyugodt, kimért tempó, 16:9. Kerülendő: torz kezek, extra ujjak, lebegő evőeszközök, képernyőn megjelenő szöveg, gyors kameramozgás.
A negatív lista valós munkát végez. A kezeknél buknak le legkönnyebben a videómodellek, így a „torz kezek, extra ujjak” kimondása oda fókuszáltatja az erőforrást. A „képernyőn megjelenő szöveg kerülése” kiöli a modellek által kedvelt betűhaluzást. És az output speckel zárni — plán, fény iránya, tempó, képarány — azt jelenti, nem bízol a modellre szándékod kitalálását; kimondtad.
Tartsd a negatív listát feszesen és relevánsan. Tíz generikus negatív felhígítja a jelet. Három-négy, ami erre a promptodra célzottan lő, élesíti. Különböző modelleknek más a gyenge pontjuk, érdemes tudni, melyiket használod — az AI modellek erősségtérképe megmutatja, hol melyik brillírozik és hol törik meg.
Hogyan rakd össze mind az ötöt egy prompttá
Ezek a minták nem étlap — a legjobb promtok mind az ötöt rétegezik. Így állnak természetes sorrendbe:
- Alany + cselekvés + változás („egy séf tálal; gőz emelkedik, miközben felteszi a végső díszítést”)
- Kamera („félközeli, 50 mm, lassú ráúszás”)
- Folytonossági tokenek („ugyanaz a séf fehér, dupla soros szakácskabátban végig”)
- Platform + hossz specifikáció („16:9, 8 másodperc, nyugodt tempó”)
- Negatívok + output („meleg főfény balról. Kerülendő: torz kezek, képernyőszöveg”)
Fentről lefelé ez egy koherens, végrehajtható utasítás. Minden tagmondat egy olyan kérdésre felel, amit különben a modell maga válaszolna meg — és a „maga” az, ahonnan a rossz AI videó jön.
Nem kell minden alkalommal üres lapról indulnod. Egy másolható prompt sablonkönyvtár kész vázakat ad a gyakori beállításokra; csak behelyettesíted a témád és a tokenjeid, és máris mind az öt mintát futtatod gondolkodás nélkül.
Következő lépésed
Válassz ki egy promptot, ami csalódást keltő klipet adott. Futtasd végig az öt mintán: Nevez időbeli változást? Irányít egy tiszta kameramozgást? Rögzítetted és ismétled a folytonossági tokeneket? Valós platformra és hosszra van speckelve? Megmondja a modellnek, mit kerülni kell?
Javítsd meg a két leggyengébb választ, és generálj újra. Ez az egy szerkesztési kör többnyire a különbség a törölt és a publikált klip között.
Ha kész vagy munkába állítani a mintákat, nyisd meg az appban a text-to-video funkciót, és írd meg az első promptot a strukturált módon — alany, kamera, tokenek, spec, negatívok. Ha pedig az adatok is érdekelnek arról, mi működik nagyban, olvasd el a társelemzést: mit árul el 40 000 AI videós prompt. A mesterség és a bizonyíték együtt szünteti meg a találgatást, és tesz rendezővé.