Butterfly

Zeitcodierter Makro-Video-Prompt für das kinoreife Schlüpfen eines Schmetterlings aus der Chrysalis.

Der Prompt

[00:00 - 00:03]
Macro 100mm detail of a green chrysalis hanging from a twig, Golden Hour Cinematic lighting, the cocoon vibrates and rapidly turns translucent revealing folded orange and black wing patterns inside, Hyper-Realistic 8K, microscopic organic textures, static observational long take. --ar 9:16

[00:03 - 00:06]
Macro 100mm timelapse of a Monarch butterfly emerging from its shell, wet wings unfurling and hardening instantly, sharp wing scale details, warm bokeh forest background, Golden Hour lighting, Hyper-Realistic 8K, cinematic film quality, static observational long take. --ar 9:16

So nutzt du es

Den Prompt-Text kopieren (Button oben) und als System-Prompt bzw. erste Nachricht in ChatGPT, Claude oder einem lokalen Modell einfügen. In ChatGPT lässt er sich unter „Anweisungen für ChatGPT“ dauerhaft hinterlegen.

Der Prompt-Text ist englisch — er funktioniert trotzdem in deutschen Unterhaltungen. Für deutsche Antworten einfach am Ende ergänzen: „Antworte auf Deutsch.“

Im Detail

Ein zweiteiliger, zeitcodierter Makro-Videoprompt (00:00–00:03, 00:03–00:06), der das Schlüpfen eines Monarchfalters aus der Chrysalis in kinoreifer Qualität beschreibt: 100mm-Makro, Golden-Hour-Licht, 8K, statische Beobachterkamera, Hochformat 9:16. Der Wert liegt weniger im Motiv als in der Struktur: präzise Kamera- und Lichtangaben pro Sequenz sorgen für visuelle Kontinuität zwischen den Shots. Geeignet für alle, die kurze, vertikale Naturclips für Reels oder Shorts erzeugen wollen. Wichtig: Das Ergebnis hängt stark davon ab, ob das genutzte Videomodell zeitcodierte Mehrsegment-Prompts und organische Mikrotexturen überhaupt sauber umsetzt.

Praxis-Tipp

Nutzen Sie die zwei Zeitfenster als Vorlage für eigene Zwei-Schritt-Sequenzen und halten Sie Kameraabstand sowie Lichtstimmung zwischen den Segmenten bewusst konsistent.

Lizenz & Quelle

• Lizenz: CC0-1.0 (Public Domain)
• Quelle: awesome-chatgpt-prompts (GitHub)

Lade …