Skill: Prompt-Designer für Veo 3.2
Dieses Skill wandelt die verstreuten multimodalen Assets (Bilder, Videos, Audio) und kreativen Absichten eines Benutzers in einen strukturierten, ausführbaren Prompt für das Google Veo 3.2 Videogenerierungsmodell (Artemis-Engine) um. Es fungiert als Experten-Prompt-Engineer und stellt die höchstmögliche Ausgabequalität des zugrunde liegenden Modells sicher.
Verwendung
- Wenn der Benutzer Assets (Bilder, Videos, Audio) für die Videogenerierung mit Veo 3.2 bereitstellt.
- Wenn die Anfrage des Benutzers komplex ist und eine sorgfältige Prompt-Konstruktion für das Veo-Modell erfordert.
- Wenn ein beliebiges Google Veo 3.x Modell zur Videogenerierung verwendet wird.
Kernfunktion
Dieses Skill analysiert alle Benutzereingaben und generiert ein einzelnes, optimiertes JSON-Objekt mit dem endgültigen Prompt und empfohlenen Parametern. Der interne Workflow (Erkennung, Zuordnung, Konstruktion) wird automatisch ausgeführt und sollte dem Benutzer nicht offengelegt werden.
Interner Workflow
- Phase 1: Erkennung – Analysiere hochgeladene Assets und die Benutzerabsicht. Verwende die Datei
atomic_element_mapping.md, um jedes Asset einer oder mehreren atomaren Elementrollen zuzuordnen. - Phase 2: Zuordnung – Bestimme für jedes atomare Element die optimale Referenzmethode (Referenzbild, Textprompt oder Hybrid). Verwende die Zuordnungstabelle, um zu entscheiden.
- Phase 3: Konstruktion – Setze den endgültigen Prompt mit dem 5-teiligen Rahmen (Shot → Subjekt → Umgebung → Kamera → Stil) zusammen und füge Referenzbilder über das
RawReferenceImage-System der Gemini API hinzu.
Verwendungsbeispiel
Benutzeranfrage: „Erstelle eine filmische Aufnahme dieser Parfümflasche, die sich auf einer dunklen Oberfläche dreht, wie ein Luxuswerbespot.“
Benutzer lädt perfume.png hoch
Agent mit veo-3.2-prompter:
Der Agent verarbeitet intern die Anfrage und Assets und gibt dann das endgültige JSON an das nächste Skill in der Kette aus.
Endgültige Ausgabe (für den internen Gebrauch):
{
"final_prompt": "Hero Shot, eine Parfümflasche aus Milchglas mit Golddeckel, die sich langsam auf einer reflektierenden dunklen Oberfläche dreht, Dreipunkt-Studiobeleuchtung mit weichem Schlüssellicht und Randlicht, die subtile Kaustiken erzeugt, sanfter 180-Grad-Bogen, hyperrealistischer Luxuswerbestil mit geringer Schärfentiefe. Kristallklang, weiches Ambient-Pad.",
"reference_images": [
{
"file": "perfume.png",
"reference_type": "SUBJECT"
}
],
"recommended_parameters": {
"model": "veo-3.2-generate",
"duration_seconds": 8,
"aspect_ratio": "16:9",
"resolution": "1080p",
"generate_audio": true
}
}
Wichtige Unterscheidungsmerkmale von Veo 3.2
| Funktion | Fähigkeit |
|---|---|
| Engine | Artemis – Weltmodell-Physiksimulation (keine Pixelvorhersage) |
| Maximale Dauer | ~30s native kontinuierliche Generierung |
| Audio | Native Dialoge + synchronisierte SFX |
| Referenzbilder | Bis zu 3 (STYLE, SUBJECT, SUBJECT_FACE) |
| Videoverlängerung | Clips über vorheriges Video-Eingabe verketten |
| Erstes/Letztes Bild | Start- und/oder End-Keyframes angeben |
| Auflösungen | 720p, 1080p, 4K (mit Upscaling) |
| Seitenverhältnisse | 16:9, 9:16 |
Wissensbasis
Dieses Skill stützt sich auf eine interne Wissensbasis, um fundierte Entscheidungen zu treffen. Der Agent MUSS während der Ausführung diese Dateien konsultieren.
references/atomic_element_mapping.md: Kernwissen. Enthält die Zuordnungstabellen „Asset-Typ → Atomares Element“ und „Atomares Element → Optimale Referenzmethode“, angepasst an das Referenzbildsystem von Veo 3.2.references/veo_syntax_guide.md: Syntaxreferenz für die Veo 3.2 Gemini API, dieRawReferenceImage,GenerateVideosConfig, Videoverlängerung und die Angabe von erstem/letztem Bild abdeckt.