Drei Bilder, drei Rollen.
Startpunkt im All, Zielort am Boden, visueller Stil: Flows „Ingredients to Video"-Modus verschmilzt bis zu drei Referenzbilder zu einer durchgehenden Reise, nicht zu drei Einzelclips.
Ein Erdglobus-Screenshot, eine Stadion-Nahansicht und ein KI-Stilbild, und Google Flow verschmilzt alle drei zu einem einzigen, ununterbrochenen Flug vom Weltall bis auf den Rasen.
Vier Bausteine, die aus zwei Kartenscreenshots und einem Stilbild einen durchgehenden One-Take-Flug machen.
Startpunkt im All, Zielort am Boden, visueller Stil: Flows „Ingredients to Video"-Modus verschmilzt bis zu drei Referenzbilder zu einer durchgehenden Reise, nicht zu drei Einzelclips.
Der komplette Weg von der Erdkugel im All bis in den Innenraum des Stadions entsteht als EIN durchgehender Take, ohne Szenenwechsel, ohne Compositing.
Veo 3.1 generiert den Ton nativ mit: Stille im All, Wind beim Sinkflug, Stadt-Ambience, Stadion-Jubel, synchron zur Bildbewegung, ohne separates Sounddesign.
Stadt und Stadion sind erkennbar echt: Lage, Form, Umgebung. Details wie Fassaden, Zuschauer und Spielzüge sind KI-generiert: genug für einen glaubwürdigen Reveal, nicht für eine Vermessung.
Jedes Bild bekommt eine feste Rolle.
Flow interpretiert jedes der drei Ingredients funktional (Startort, Zielort, Stil), nicht pixelgenau. Der Prompt muss explizit sagen, welches Bild wofür steht, sonst mischt das Modell die Rollen.
Regieanweisungen, keine Stimmung.
„Continuous single take", „no cuts", „no time skips" im Prompt sind harte Regieanweisungen, keine Stimmungsbeschreibung, ohne sie neigt das Modell zu Schnitten zwischen den Ingredient-Szenen.
Länge und Audio hängen vom Modell ab.
Nur Veo 3.1 Fast und Gemini Omni Flash liefern 10-Sekunden-Clips; die Standard-/Quality-Variante deckelt bei 8s. Für die volle Space-to-Stadium-Reise in einem Take muss die Modellwahl bewusst getroffen werden.
Audio entsteht aus der Beschreibung.
Die vier Audio-Phasen im Prompt (Stille, Wind, Stadt, Stadion) sind Text, das Modell leitet daraus Klanglandschaft und Timing ab, synchron zur visuellen Handlung, ohne separate Tonspur.
01 · Agentur-Inhaber
Eine Marketing-Agentur kündigt eine neue Konferenz-Location an: Space-Zoom auf die Stadt, dann Reveal des Veranstaltungsorts, als Teaser-Reel für Social Media, ohne Kamerateam vor Ort.
02 · Solo-Makler:in
Der Zoom von „irgendwo auf der Welt" direkt auf das zu verkaufende Objekt funktioniert als emotionaler Opener für ein Instagram-Reel oder YouTube-Shorts-Exposé, Aufmerksamkeit in den ersten Sekunden, bevor Grundriss/Preis folgen.
03 · Content-Creator
Städte- oder Regionsmarketing nutzt den Effekt, um eine Sehenswürdigkeit, ein Hotel oder ein Festivalgelände zu bewerben, der Space-Zoom liefert einen wiedererkennbaren, hochwertig wirkenden Opener ohne Drohnenflug-Genehmigung.
04 · Sportverein
Ein Verein erzeugt einen Hype-Clip vor dem Heimspiel: Zoom aus dem All direkt ins volle Stadion, Einsatz für Social Media, LED-Wand im Stadion oder Sponsoren-Präsentation.
Tills Original-Prompt für den kompletten Space-to-Ground-One-Take, kopieren und [CITY]/[COUNTRY]/[LANDMARK] durch deinen eigenen Ort ersetzen.
Create a continuous cinematic single-take video in 9:16 vertical format, with absolutely no cuts, no jumps, no scene transitions, and no time skips. The entire shot must feel like one uninterrupted realistic drone journey. Begin in outer space with a view of the Earth as a full globe suspended in deep space, similar to Google Earth. The camera starts far away and rapidly flies toward the planet in a smooth, realistic, physically believable motion. The destination is [LANDMARK], [CITY], [COUNTRY]. The movement should feel immersive and seamless, as if the viewer is being pulled from space directly toward the location. As the camera approaches Earth, it locks onto the region and zooms smoothly toward [CITY]. The descent continues through the upper atmosphere with intense cinematic motion blur, subtle light streaks, and a strong sensation of speed. The camera passes naturally through layers of clouds and reveals the city of [CITY] below, with realistic geography, waterways or streets, urban structure, and lighting. The camera keeps descending in one continuous move, transitioning naturally from a steep vertical drop into a controlled drone-like flight path over the city. The motion should feel like an expertly piloted FPV drone: fast, smooth, dynamic, but always grounded in reality. The route leads directly toward [LANDMARK], which becomes clearly recognizable from above, matching its real-world shape and surroundings. The camera flies closer toward [LANDMARK] and continues seamlessly into the location. [DESCRIBE WHAT IS HAPPENING AT THE DESTINATION, e.g. a live event, a crowd, an activity, or a calm establishing scene, replace this line with your own scene description]. Once at the destination, the drone performs one smooth circular orbit around the location, flying around it in a clean and cinematic motion, capturing it from multiple angles while remaining part of the same uninterrupted shot. The drone movement should include subtle banking and natural aerial maneuvering, but remain elegant and realistic. The final result must feel like a breathtaking, realistic journey from the globe in space all the way into [LANDMARK], all in one single continuous shot. Style: ultra-realistic, cinematic realism, photographic quality, depth of field, atmospheric haze, natural lighting, detailed city textures, realistic architecture, high-end drone cinematography. Audio: begin with near-silence in space, then transition into rushing atmospheric wind during descent, subtle city ambience over [CITY], and finally [DESCRIBE DESTINATION SOUND, e.g. crowd cheering, calm ambient sound, event atmosphere], a natural soundscape matching the final scene.
Startbild besorgen
In Google Earth (Web oder App) auf den Zielort zoomen, dann herauszoomen bis zur vollen Erdkugel im All, roten Pin auf dem Zielort setzen, Screenshot speichern.
Zielbild besorgen
In Google Earth zur 3D-Schrägansicht (Tilt/45°-Ansicht) des exakten Zielorts wechseln (z. B. Stadion, Gebäude, Platz) und einen zweiten Screenshot aus der Luftperspektive speichern.
Stil-Referenzbild erzeugen
Mit ChatGPT (oder einem anderen Bildmodell) ein fotorealistisches 9:16-Bild generieren lassen: Blick aus dem Orbit auf eine nächtliche Stadt mit Erdkrümmung und Sternenhimmel, dient als Look-Referenz für den Space-Übergang.
In Flow hochladen
In Google Flow „Ingredients to Video" wählen, alle drei Bilder in die drei Ingredient-Slots hochladen, Seitenverhältnis auf 9:16 stellen, Modell Veo 3.1 Fast oder Gemini Omni Flash wählen (für 10 Sekunden + Audio).
Prompt einfügen & generieren
Den One-Take-Prompt (oben, mit eigenem [CITY]/[LANDMARK]) einfügen, Dauer auf 10s stellen, Generierung starten, Ergebnis nach ca. 1–2 Minuten prüfen, bei Bedarf Prompt-Details nachschärfen und neu generieren.
Drei Bilder, ein Prompt, zehn Sekunden, probier den Earth-Zoom-Workflow für deinen eigenen Ort aus.