Licht-Prompts für Gemini Omni 1.1 Flash: Benennen Sie die Quelle, nicht den Zahlenwert

Wir haben eine einzige Lichtanweisung in einen Gemini-Omni-1.1-Flash-Prompt geschrieben und dann gemessen, was zurückkam, statt darauf zu schielen. Die Hälfte der Anweisung kam unversehrt an. Die andere Hälfte — die, die die meisten für den einfachen Teil halten — nicht.

Der Prompt benannte ein nach Westen gerichtetes Fenster als Führungslicht, eine Tungsten-Tischlampe als wärmere zweite Quelle eine Blende darunter, Staub, der sich im Strahl dreht, und ein Filmmaterial, dessen Lichter weich ausrollen. Acht Sekunden in 720p, $0.72, 270 Sekunden Rendering.

Beide Leuchten kamen an. Die Lampe liest sich in jedem Frame, in dem beide sichtbar sind, wärmer als das Tageslicht — ein Rot-zu-Blau-Verhältnis von 3.02 gegen 1.49 nach zweieinhalb Sekunden — und der Staub dreht sich in allen vier abgetasteten Frames im Strahl. Nicht angekommen ist die Menge, die daran hing. Wir baten um die Lampe eine Blende unter dem Fenster; der Abstand, den wir messen, schwankt im Lauf des Clips von 1.47 Blenden darunter bis zu einer halben Blende darüber. Das ist die These dieses Beitrags — Omni nimmt Lichtquellen an, auf die man zeigen kann, und lässt die Zahlen, die daran hängen, still fallen.

Googles Dokumentation widerspricht sich selbst, und zwar nützlich

Die Veo-Prompt-Referenz, die das Vokabular trägt, das Omni teilt, definiert Ambiance als „How the color and light contribute to the scene, such as blue tones, night, or warm tones.“ Läse man nur diese Elementtabelle, käme man zu dem Schluss, „warm tones“ sei, wie eine Lichtanweisung aussieht.

Nun lesen Sie die Beispiel-Prompts. Das Beispiel für eine einzelne Szene auf der Omni-Seite endet mit „Sunbeams illuminate dust motes in the air.“ — eine Quelle, eine Richtung und ein sichtbares Medium in acht Wörtern. Googles Prompting-Guide zu Veo 3.1 geht weiter: Eine Büroszene ist „lit by the harsh fluorescent overhead lights and the green glow of the monochrome monitor“ mit einer „Retro aesthetic, shot as if on 1980s color film, slightly grainy.“

Zwei Leuchten mit angegebener Farbe und Qualität, plus eine Epoche. Kein Key, kein Fill, kein Verhältnis, kein Kelvin — es beschreibt einen Raum, den man betreten könnte. Diese Lücke zwischen Tabellen und Beispielen ist das Umsetzbarste in der Doku: Schreiben Sie wie die Beispiele.

Physische Quellen schlagen Lichtjargon

Der Instinkt jedes Menschen mit Set-Erfahrung sind Abteilungsbegriffe — Key von Kamera links, Fill zwei Blenden darunter, Rim von hinten. Hier ist dieser Instinkt ausgeschrieben, daneben die Neufassung, die wir tatsächlich gerendert haben. Nur die zweite wurde erzeugt; die erste zeigt die Form, kein gemessenes Ergebnis.

Cinematic shot of a wooden chair in an empty apartment. Beautiful dramatic
lighting with a strong key light from camera left and soft fill from the
right, plus a rim light separating the subject from the background. Moody
atmosphere, golden hour vibes, professional color grading, high dynamic
range, rich shadows, warm cinematic tones, film look, shot on a cinema
camera, high contrast, 8k, masterpiece quality. Beautiful and atmospheric
throughout.

Nichts darin sagt dem Modell, wo etwas ist. Es simuliert keine Leuchten — es sagt vorher, wie ein so beschriebener Frame aussieht, und „key, fill, rim“ passt auf fast jeden je professionell gedrehten Frame, sagt also nichts über diesen aus.

Die Fassung, die wir laufen ließen, acht Sekunden in 720p:

Late golden hour inside a nearly empty apartment. 35mm lens at f/2.8,
camera on a slow arcing dolly drifting left around a wooden chair. Low sun
through a west-facing window throws a long parallelogram of warm orange
light across a bare floor, dust suspended and turning through the beam. A
practical table lamp with a tungsten bulb glows in the shadowed half of the
room, a full stop under the window and noticeably warmer. As the camera
arcs, the window light rakes across the chair's back and the cool shadow
side of the room enters frame, so warm and cool sit inside the same shot.
Kodak Vision3 250D character: soft highlight roll-off, gentle halation
around the window. Ambient: distant traffic, no music.

Jeder Lichtsatz darin benennt etwas im Raum: ein Fenster mit Himmelsrichtung, die Form, die sein Licht auf dem Boden macht, Partikel im Strahl, eine Lampe mit Leuchtmitteltyp. Das Modell hat Millionen Frames tiefstehender Sonne durch ein Fenster gesehen und sehr wenige mit der Bildunterschrift „rim light at 45 degrees“.

Was die Messungen zeigten

Wir haben vier Frames gezogen — 0.5, 2.5, 5.0 und 7.5 Sekunden, bei 24 fps also die Frames 12, 60, 120 und 180 — und in jedem ein Rechteck pro Fläche abgetastet. Wärme ist das Rot-zu-Blau-Verhältnis der mittleren Farbe einer Region, auf den 8-Bit-Werten wie ausgeliefert. Blendendifferenzen sind der Zweierlogarithmus des Rec.709-Luminanzverhältnisses, berechnet auf linearisiertem sRGB, die Übertragungsfunktion zuvor herausgerechnet. Sättigung ist der Anteil der Pixel einer Region, die am oberen Ende eines Kanals anliegen.

Weil die Kamera einen Bogen fährt, muss eine Region eine benannte Fläche verfolgen statt einer festen Bildposition; die Rechtecke sind also der Veröffentlichung wert — als (x0, y0)–(x1, y1) im Frame von 1280 mal 720 lauten sie:

Die Frames entstehen mit ffmpeg -i golden-hour-interior.mp4 -vf "select=eq(n\,12)" -vsync 0 -frames:v 1 frame.png. Jede Zahl weiter unten gibt ein einziges Skript aus, das gegen dieselbe oben verlinkte Datei läuft.

Die Wärme-Reihenfolge hielt. Wo beide im Bild sind, liest sich die Tungsten-Lampe wärmer als das Tageslicht — 3.02 gegen 1.49, dann 2.55 gegen 1.72, dann 2.30 gegen 1.94. Wir baten um „noticeably warmer“ und bekamen es jedes Mal. Der Abstand wird im Lauf des Clips kleiner, aber er schließt sich nie.

Warm und kalt landeten tatsächlich in einem Frame — der Sinn der Anweisung. Bei 7.5 Sekunden trägt ein einzelner Frame drei Trennungen: ferne Wand 1.52, sonnenbeschienener Boden 1.94, Lampe 2.30. Zwei benannte Leuchten erzeugten die Spanne von allein.

Die Inszenierung können wir allerdings nicht gutschreiben. Der Prompt bat darum, dass die kalte Seite mit der Kamerafahrt ins Bild kommt, und die Wand endet tatsächlich kälter, als sie begann — 2.15 nach zweieinhalb Sekunden gegen 1.52 nach siebeneinhalb. Sauber kommt sie aber nicht dorthin, dazwischen liest sie 1.96, und es sind nicht dieselben Wände: Der Bogen bewegt den Ausschnitt, frühe Proben liegen also im Wurf der Lampe und späte außerhalb. Der Abstand zu einer warmen Leuchte erklärt das Schwanken genauso gut wie Gehorsam, und vier Frames können das nicht trennen.

Die Größenordnung scheiterte und driftete. Wir baten um die Lampe „a full stop under the window“. Misst man den tageslichtbeschienenen Boden gegen den Schattenbereich der Lampe, läuft der Abstand über 1.47 Blenden nach zweieinhalb Sekunden, 0.64 nach fünf und −0.47 nach siebeneinhalb — am Ende liest sich die Lampe heller als das Sonnenlicht, unter dem sie sitzen sollte. Nie die eine Blende, um die wir baten, und nicht einmal eine stabile falsche Antwort.

Das Fenster, so erwarteten wir, würde ausbrennen. Es tut es nicht. Im ersten Frame wirkt die Scheibe beschnitten und ist es nicht: Rot erreicht 255 auf 0.81 Prozent ihrer Pixel, Grün auf 0.03, und Blau kommt dort nie an — über den ganzen Frame liegt der Spitzenwert von Blau bei 249. Die Werte drängen sich stattdessen in den obersten Codes, das Rot der Scheibe liegt im Median bei 249 und im 99. Perzentil bei 254, und das Glas behält einen leichten warmen Stich bei einem Rot-zu-Blau-Verhältnis von 1.11, statt weiß zu werden. So sieht eine weiche Schulter aus. Was wir nicht sagen können, ist, dass wir sie verursacht haben: Eine Szene, die die Decke nie erreicht, sieht von außen genauso aus, und wir haben keine ohne die Filmmaterial-Klausel gerenderte Fassung dieser Einstellung, gegen die wir vergleichen könnten.

Sortiert man das nach der Art der jeweiligen Anweisung, ist das Muster schwer zu übersehen: Die physischen, benennbaren Dinge kamen an, die numerische Größenordnung nicht, und die Sprache der Farbkorrektur können wir ohne einen Kontroll-Render in keine Richtung bewerten.

Praktische Leuchten halten eine bewegte Einstellung zusammen

Der nützlichste Kniff, den wir fanden, ist, eine sichtbare Leuchte ins Bild zu stellen. Ein Practical — Lampe, Monitor, Kerze, Leuchtreklame — gibt dem Modell etwas Festes, worin es konsistent sein kann, und Konsistenz baut zuerst ab. Die Kamera fährt wie angewiesen nach links; die Lampe ist bei einer halben Sekunde außerhalb des Bildes, bei zweieinhalb am rechten Rand und in der hinteren Hälfte vollständig sichtbar. In beiden Frames, in denen sie frei vom Rand steht, hält sie ihre Ecke, ihren Platz an der Sockelleiste und den Lichtfleck, den sie an die Wand wirft. Im Bild zu sein hält sie stabil.

Licht, das nur als Qualität beschrieben ist — „moody“, „dramatic“, „low-key“ —, gibt dem Modell nichts, woran es festhalten kann, also driftet es, am schnellsten, wenn sich die Kamera bewegt. Hat Ihre Einstellung irgendeine Bewegung, stellen Sie ein Licht hinein.

Tageszeit schlägt jedes Adjektiv

„Golden hour“ leistet mehr als „cinematic“, „moody“ und „dramatic“ zusammen, weil es drei Variablen auf einmal festlegt: Sonnenstand, Farbe und Länge sowie Weichheit jedes Schattens. Niemand sagt dem Modell, dass die Schatten lang sind — sie folgen. Der Rest des Tages verdient dieselbe Sorgfalt bei der Wahl:

• Blaue Stunde — keine harten Schatten, ein kühler Stich, und Practicals dominieren, weil sie den Himmel überstrahlen. Der billigste Weg, Innenraumleuchten wichtig zu machen.
• Mittag von oben — kurze harte Schatten senkrecht nach unten, hoher Kontrast, unvorteilhaft und genau deshalb nützlich.
• Nacht — kein Key, außer Sie liefern einen. Benennen Sie Leuchten, denn „night“ allein lässt das Modell eine Mondlichtquelle erfinden, die es nicht beibehält.

Geben Sie auch die Richtung physisch an: „backlit by a streetlamp behind her“ gibt eine Kante und einen langen Schatten zur Kamera hin, während „backlight“ allein gibt, wonach dem Modell gerade ist.

Filmmaterial- und LUT-Sprache: ein Teil davon trägt

Die ehrliche Antwort ist hier: teilweise. Sprache über Epochen und Filmmaterial ist dokumentierte Praxis, keine Folklore — Google schreibt „shot as if on 1980s color film, slightly grainy“ in sein eigenes Beispiel und führt Filmstil-Stichwörter wie film noir als Stilelement, wie unser früherer Prompting-Guide behandelt.

Was unser Clip stützt, ist enger. Wir baten um „Kodak Vision3 250D character: soft highlight roll-off, gentle halation around the window.“ Etwas Bloom-artiges erschien — ein Leuchten um das Fenster, ein Flare-Artefakt tief im ersten Frame —, auch wenn es Halation zu nennen unsere Lesart ist und keine Messung. Das im selben Atemzug erbetene Ausrollen steht in den Zahlen: Die Lichter verdichten sich zur Decke hin, ohne durch sie hindurchzuschneiden. Aber ein einzelner Render kann uns nicht sagen, ob der Name des Materials, die schlichte Beschreibung oder keines von beidem die Arbeit geleistet hat — ein nicht beschnittenes Fenster ist auch einfach das, wonach diese Szene aussieht. Die kontrollierte Version dieses Tests haben wir nicht gefahren.

Unsere praktische Faustregel:

• Sichtbare Eigenschaften tragen. Korn, Halation, Bloom, abgesoffene oder angehobene Schwarzwerte, niedriger und hoher Kontrast, Monochrom, starke Vignette — jedes benennt etwas, auf das man in einem Standbild zeigen könnte.
• Farbbeziehungen tragen meistens. „Teal shadows and orange skin“ beschreibt zwei messbare Dinge; „teal and orange“ allein ist eine Grading-Mode und wird als eine behandelt.
• Looks, die benannt, aber nicht beschrieben werden, sind unzuverlässig. „Cinematic“, „film look“ und „professional color grading“ grenzen nichts ein. „Bleach bypass“ liegt dazwischen: Es benennt ein reales Verfahren, und der sicherere Prompt ist, was es tut — sehr hoher Kontrast, entsättigte Farbe, Silber in den Schwarzwerten erhalten.
• „Low contrast log“ würden wir vermeiden. Log ist eine Aufnahmekurve, die anschließend gegradet werden soll, und im Modell gibt es keinen Post-Schritt. Sie bekommen ein flaches, milchiges Bild und keinen Weg zurück.

Atmosphäre ist Gratisdetail, bis sie zu Rauschen wird

Schwebende Partikel sind der billigste Realismus im Lichtvokabular, weil sie das Licht selbst sichtbar machen. Wir baten um „dust suspended and turning through the beam“, und die Staubteilchen sind in allen vier abgetasteten Frames da — derselbe Effekt, nach dem Google mit „Sunbeams illuminate dust motes in the air.“ greift. Dunst, Nebel, Rauch und Dampf wirken genauso und machen aus einer Quelle ein Volumen mit Form und Abfall.

Der Fehlermodus ist das Stapeln. Nebel plus Gottesstrahlen plus Lens Flare plus Bokeh plus Staub ergibt einen Frame, in dem die Atmosphäre das Motiv gefressen hat, ohne dass das Modell wissen könnte, welches der fünf wichtig war. Ein atmosphärisches Element pro Einstellung, im Dienst der Quelle, die Sie benannt haben. Fordern Sie Lens Flare nur, wenn das Publikum die Kamera bemerken soll — es kommt ohnehin ungefragt, sobald ein Objektiv auf tiefe Sonne zeigt, wie bei uns.

Die ehrliche Grenze: Sie können nichts zurückdrehen

Die Sprache des Prompts ist fast der einzige Hebel, und Googles Omni-Referenz ist ausdrücklich: „System instructions, temperature, top_p, stop sequences, and negative prompts are not supported.“ Keine Guidance Scale, kein Stärkewert an einem Stil. Kommt eine Farbkorrektur zehn Prozent zu warm zurück, gibt es keine zehn Prozent zum Abziehen — Sie schreiben den Satz neu, und der Rest des Frames ändert sich mit.

Das Zweite ist Wiederholbarkeit. Derselbe Licht-Prompt liefert nicht zweimal dasselbe Licht; Determinismus kommt nur vom Seed. Notieren Sie ihn zu jedem Look, den Sie behalten wollen, und rechnen Sie damit, dass ein geändertes Wort Sie zurück in unbekanntes Gebiet setzt.

Das Dritte ist die Post. Prompts zum Bearbeiten gibt es — Google bietet „Change the lighting to be more dramatic“ —, aber das erzeugt die Einstellung neu, statt sie farblich zu korrigieren, und Googles Modellkarte warnt, dass „Maintaining complete consistency throughout edits“ weiterhin eine Herausforderung sei. Graden Sie die gelieferte Datei in Ihrem Schnittprogramm. Jeder Frame trägt außerdem ein SynthID-Wasserzeichen, das niemand abschalten kann.

Was es kostet, an Licht zu iterieren

Licht ist der Teil eines Prompts, den Sie am häufigsten neu schreiben, weil es nichts zum Nachjustieren gibt. Was zählt, sind also die Kosten des Danebenliegens, und Anbieter gehen bei 4K am weitesten auseinander, wo Gemini Omni 1.1 Flash $0.18 pro Sekunde auf E2X kostet gegen $0.3041 beim direkten Aufruf von Google — rund einundvierzig Prozent weniger, unser größter Abstand auf allen Stufen. Darüber liegen WaveSpeed mit $0.39 pro Sekunde, Runware mit $0.32 und fal mit $0.30. Replicate bleibt aus dem Vergleich — sein Eintrag nennt keinen Sekundenwert für das Modell. Eine Auslieferung von acht Sekunden in 4K kostet hier $1.44 und $2.43 bei Google; zehn Sekunden $1.80 gegen $3.04.

Der Abstand ist in Wahrheit ein Unterschied der Multiplikatoren gegenüber der jeweils eigenen 720p-Rate. Beide starten ein Drittel darunter und beide legen bei 1080p die Hälfte drauf; die Trennung kommt auf der obersten Sprosse, wo Googles Multiplikator drei ist und unserer zwei. Der vollständige Anbietervergleich steht gesondert.

Der Workflow folgt daraus. Erkunden Sie in 360p, wo ein Vier-Sekunden-Take zwölf Cent kostet und Sie Quellenposition, Schattenrichtung, Warm-Kalt-Trennung und die Frage, ob das Practical an seinem Platz blieb, weiterhin beurteilen können. Dann legen Sie sich einmal fest: Zehn 360p-Durchgänge plus ein Acht-Sekunden-Master in 4K sind $2.63, gegen $8.64 für dieselben elf Aufträge in 4K. Was 360p nicht zeigen kann, ist feine Textur — Korn, Bloom, Roll-off —, testen Sie die Filmmaterial-Hälfte eines Prompts also in 720p, wie wir es getan haben.

Preise geprüft am 29. August 2026 und Änderungen vorbehalten; prüfen Sie die aktuellen Preise jedes Anbieters, bevor Sie eine Kaufentscheidung treffen. Ein abgegrenzter Vergleich, kein Anspruch, in jeder Konfiguration der günstigste zu sein.

Häufige Fragen

Wie beschreibt man Licht in einem Gemini-Omni-1.1-Flash-Prompt?

Benennen Sie physische Quellen statt Lichtrollen. „Low sun through a west-facing window“ schlägt „key light from camera left with soft fill“. Googles eigene Beispiele machen dasselbe — eine Szene ist beleuchtet von „harsh fluorescent overhead lights and the green glow of the monochrome monitor“: zwei Leuchten mit Farbe und Qualität, keine Abteilungsbegriffe.

Verändert die Nennung eines Filmmaterials wie Kodak Portra die Ausgabe?

Teilweise, und wir können nicht sagen, wie viel davon vom Namen selbst kommt. Wir kombinierten „Kodak Vision3 250D character“ mit ausdrücklichen Beschreibungen von Halation und Highlight-Roll-off; etwas Bloom-artiges erschien, und die Lichter hielten sich tatsächlich unter der Decke, statt zu beschneiden. Keines der beiden Ergebnisse lässt sich dem Namen des Materials gutschreiben, solange kein Render vorliegt, der ihn weglässt — und den haben wir nicht gemacht. Sprache über Material und Epoche ist dokumentierte Praxis — Googles Veo-3.1-Guide schreibt „shot as if on 1980s color film, slightly grainy“ in ein Beispiel —, aber nennen Sie das Material und die Eigenschaften, die Sie wollen.

Kann man für Gemini Omni die Farbtemperatur in Kelvin setzen?

Nicht als Parameter, und Kelvin-Zahlen im Prompt-Text sind unzuverlässig. Das Leuchtmittel oder die Tageslichtsituation zu benennen funktioniert: Tungsten, Natriumdampf, Leuchtstoff, Kerzenlicht, tiefe Sonne. In unseren Messungen las sich eine Tungsten-Lampe in jedem Frame mit beiden wärmer als Sonnenlicht durch ein Fenster, relative Farbe zwischen benannten Leuchten ist also eine echte Steuerung, auch wenn der absolute Wert es nicht ist.

Warum kommt die Schattenseite meiner Einstellung warm heraus, obwohl ich kalt wollte?

Meist, weil tatsächlich etwas Warmes darauf fällt. In unserem Clip liefen die Wandwerte von Rot zu Blau 2.15 hinunter auf 1.52, aber die Kamera fuhr im Bogen, es sind also verschiedene Flächen statt einer abkühlenden Wand — und die warmen gehörten zu einer Wand im Wurf einer Tungsten-Lampe. Die Lehre gilt so oder so: Eine Fläche liest sich als das, was sie erreicht. Geben Sie der kalten Hälfte eine eigene Quelle, etwa ein Fenster zu einem blauen Abendhimmel oder einen Monitor, statt sie als Abwesenheit von Wärme zu beschreiben.

Bleiben Practicals konsistent, wenn sich die Kamera bewegt?

In unserem Clip ja. Eine Tischlampe kam während einer Bogenfahrt teilweise ins Bild und hielt in beiden Frames, in denen sie frei vom Rand stand, ihre Ecke, ihren Platz an der Sockelleiste und den Lichtfleck, den sie auf die Wand warf. Eine sichtbare Leuchte gibt dem Modell etwas Konkretes, das es konstant halten kann; eine Stimmung hat keinen Anker und driftet am schnellsten, wenn sich die Kamera bewegt.

Gibt derselbe Licht-Prompt mir zweimal dasselbe Licht?

Nein. Wiederholbarkeit kommt nur vom Seed, da Sampling-Parameter nicht offengelegt sind. Notieren Sie den Seed zu jedem Prompt, der einen behaltenswerten Look erzeugt hat, und rechnen Sie damit, dass ein geändertes Wort das Ergebnis auch bei festgehaltenem Seed verschiebt.

Was kostet es, in 4K an Licht zu iterieren?

Ein Acht-Sekunden-Clip in 4K kostet $1.44 auf E2X gegen $2.43 direkt bei Google, und zehn Sekunden $1.80 gegen $3.04, Stand 29. August 2026. Erkunden Sie in 360p — zwölf Cent pro Vier-Sekunden-Take — und legen Sie sich dann einmal oben fest: Zehn 360p-Durchgänge plus ein 4K-Master sind $2.63, gegen $8.64 für dieselben elf Aufträge in 4K.

Wo Sie das ausprobieren können

Der Clip oben lief über text-to-video zu $0.09 pro Sekunde in 720p, und image-to-video sowie start-end-frame-to-video kosten dasselbe, falls Sie dem Modell lieber ein ausgeleuchtetes Standbild geben. Neu dabei? Beginnen Sie mit der Tag-Syntax und dem Verhalten zur Zahl der Einstellungen — ein Licht-Prompt ist verschwendet an einen Clip, den das Modell still in drei Einstellungen zerschnitten hat. Und wenn Ihr Licht über zehn Sekunden hinaus halten muss, sind Erweiterungen ihr eigenes Problem.