Kling-4.0-Prompt-Anleitung

Diese Anleitung behandelt, was sich mit 4.0 ändert. Die Grundlagen gelten weiter wie in der Kling-3.0-Prompt-Anleitung; zum Modell selbst siehe die Seite zu Kling 4.0.

Kling 4.0 verdoppelt die Länge einer Generierung und entscheidet selbst über seine Schnitte, also wird ein Prompt zur Zeitleiste. Die Zahlen stammen aus Klings Benutzerhandbüchern zu Kling 4.0 und Kling 3.0.

Klings Leitfaden gibt eine Struktur vor: die Rolle jedes hochgeladenen Bildes, die übergreifenden Vorgaben, die Abfolge der Ereignisse mit Zeiten, dann den Ton. Seine Regel lautet, zu beschreiben, was sich sehen lässt, und abstrakte Wörter zu streichen: Aus „Premium-Look“ wird seitliches Gegenlicht, das die Kanten nachzeichnet, und feines mattes Korn.

1. 1Beginne mit Format und Länge: „Hochformat 9:16, eine 15-Sekunden-Einstellung.“
2. 2Schreib die übergreifenden Vorgaben als Dinge, die man sieht: der Ort, das Licht, ein Look, die Kamera.
3. 3Liste die Ereignisse der Reihe nach auf, jedes mit seinen Sekunden: „0–5 s: … 5–15 s: …“, eine Handlung pro Block.
4. 4Ende mit dem Ton: jeder Satz in Anführungszeichen hinter der sprechenden Person, dann Atmosphäre und Effekte.
5. 5Schließ mit „Keine Untertitel, keine Hintergrundmusik“, es sei denn, du willst eins von beidem.

Ein kurzer Prompt funktioniert auch: Laut Kling erweitert 4.0 eine einfache Idee und setzt eine klare so um, wie sie geschrieben ist.

Die Länge steht fest, bevor Kling den Prompt liest, also gib jedem Handlungsschritt seine Sekunden. Blöcke, die direkt aneinander anschließen, „0–8 s“, „8–20 s“, „20–30 s“, halten die Reihenfolge klar.

Rechne für einen gesprochenen Satz mit etwa 2 Wörtern pro Sekunde und einer Pause zwischen den Sprechenden. DreamBench nimmt 2.500 Zeichen an, also verwende sie für die Zeitleiste, nicht für Adjektive.

Kling 4.0 teilt einen Clip von selbst in Einstellungen auf: Sein Smart Storyboard ist standardmäßig an, ohne Schalter. Das passt zu einer Geschichte; bei einer Produktdrehung kann es zu früh schneiden.

• Eine Einstellung: Schreib „eine durchgehende Einstellung, keine Schnitte, Abblenden oder Überblendungen“, wie es Klings eigenes Beispiel tut, und bleib bei einer Kamerabewegung.
• Mehrere Einstellungen: Nummeriere sie mit Zeiten und sag, wie sie verbunden sind: „Einstellung 2 (8–15 s), harter Schnitt, Nahaufnahme …“.
• Ändere bei jedem Schnitt den Bildausschnitt; behalte Licht und Kleidung bei.

Laut Kling beherrscht 4.0 Kamerafahrten, Kreisfahrten, Ranfahrten und Rückfahrten, die schneller Action folgen. Benenne die Bewegung in einfachen Worten, mit Tempo, innerhalb ihres getimten Blocks.

Gib in einer langen Einstellung jedem Block eine Bewegung: Kamerafahrt für den Lauf, Kreisfahrt für den Halt. Für Sätze und Etiketten halte still oder fahr langsam heran.

Kling 4.0 erzeugt zu jedem Clip Stereoton: Sprache, Atmosphäre, Effekte und, wenn du es nicht ausschließt, Musik. Laut Kling soll jeder Satz in seiner eigenen Sprache in Anführungszeichen stehen. Siehe Natives Audio.

• Nenne die sprechende Person und wie sie klingt, dann den Satz: Der Fischer (rau, auf Portugiesisch): „Hoje o mar está calmo.“
• Bitte um einen Dialekt oder Akzent aus Klings Liste: Kantonesisch, Sichuanisch, Pekinger oder taiwanisches Mandarin; amerikanisches, britisches oder indisches Englisch.
• Eine sprechende Person nach der anderen, wie es Klings eigenes Beispiel verlangt: Die anderen hören schweigend zu.
• Indonesisch gehört nicht zu den 9 Sprachen, also kommt ein Satz auf Indonesisch womöglich nicht so heraus, wie er geschrieben ist.
• Kling rendert Text im Bild in denselben Sprachen und brennt Untertitel ein, wenn du ihre Größe und Position beschreibst.

Für Filmmusik beschreib sie im Ton-Block: „eine langsame Cellolinie unter dem Dialog“. Klings App nimmt ein Stimmprofil als Audio an, nicht Musik. Siehe Lip Sync.

In Klings App legt der Eintrag „Keyframes“ Bilder an Punkten der Zeitleiste fest: ein erstes Bild, ein letztes Bild, beide oder Zwischenbilder, bis zu 10. Der Prompt beschreibt dann, was dazwischen passiert. Siehe Start- und Endbild.

1. 1Sag, welches Bild welches ist: „Verwende @Image1 als erstes Bild und @Image2 als letztes Bild.“
2. 2Gib bei Zwischenbildern jedem einen Zeitblock: „4–8 s | Keyframe 2: Sie erreicht die Tür.“
3. 3Beschreib nur, was sich bewegt und wie die Kamera von einem Bild zum nächsten kommt; die Bilder zeigen Motiv und Ort bereits.

Der Eintrag „Keyframes“ nimmt keine weiteren Referenzen an und lässt sich nicht mit Omni Reference kombinieren. Siehe Bild-zu-Video.

Klings Omni Reference nimmt bis zu 15 Referenzen an, nummeriert nach Upload-Reihenfolge: @Image1, @Image2, @Video1. Gib jeder eine Rolle, sonst rät das Modell.

• @Image1 legt die Küche fest; behalte ihre Aufteilung und ihr Licht bei. @Image2 ist die Köchin; behalte ihr Gesicht, ihre Haare und ihre Schürze bei.
• Beschreibe ohne Referenzen jede Figur bei jedem Auftritt mit denselben Worten.

Auf DreamBench wird jede Figur, jeder Ort und jede Requisite, die du hinzufügst, einmal als Blatt gezeichnet, und das Startbild jeder Szene entsteht aus den Blättern, die sie braucht. Siehe Figurenkonsistenz.

Eine Generierung mit Kling 4.0 kann eine 30-Sekunden-Szene fassen, wobei Kling die Schnitte wählt. Ein Film kann auch aus mehreren Generierungen bestehen, verbunden durch harte Schnitte, jede für sich geplant und neu gemacht.

In Film Studio plant DreamBench die Szenen, zeichnet die Besetzung und lässt Kling 4.0 jede einzelne animieren, in Clips von 3 bis 12 Sekunden. Für eine lange Einstellung nutze die Seite „Video“. Siehe Multi-Shot-Video.

Jedes folgt Klings Reihenfolge und passt in 2.500 Zeichen. Ändere das Motiv; behalte die Form.

Eine 30-Sekunden-Verfolgungsjagd in einer Einstellung

Breitbild 16:9, eine durchgehende 30-Sekunden-Einstellung, keine Schnitte. Ein Nachtmarkt in Bangkok, Dampf und Neon, nasser Asphalt, Handkamera im Lauftempo. 0–10 s: Ein Junge in blauem Schulhemd schnappt sich eine Mango und rennt los. 10–20 s: Die Standbesitzerin, eine Frau mit Strohhut, jagt ihm an Essensständen vorbei nach; die Kamera fährt neben ihr mit. 20–30 s: Sie erwischt ihn am Kragen, er hält ihr Münzen hin, und sie lacht. Brutzelnde Woks, Flipflops auf nassem Boden, Stimmengewirr. Keine Untertitel, keine Hintergrundmusik.

Parkour auf den Dächern

Kinoformat 21:9, eine 15-Sekunden-Einstellung. Betondächer zur goldenen Stunde, lange Schatten, ein realistischer Sport-Look; die Kamera fährt tief neben dem Läufer mit. 0–5 s: Ein Traceur in grauem Hoodie sprintet los und springt über einen Lüftungsschacht. 5–10 s: Er springt über eine Lücke und landet in einer Rolle. 10–15 s: Er steht schwer atmend an der Kante, während die Kamera ihn einmal umkreist. Sneaker klatschen auf Beton, Wind, entfernter Verkehr. Keine Untertitel, keine Hintergrundmusik.

Zwei Sprachen an einem Bahnhof (Deutsch und Englisch)

Breitbild 16:9, eine 15-Sekunden-Einstellung. Ein Bahnsteig in München am Morgen, ein roter Regionalzug, weiches, bedecktes Licht; statische Zweiereinstellung. 0–6 s: Ein Schaffner mit grauem Schnurrbart prüft eine Fahrkarte und sagt (knapp, auf Deutsch): „Der Zug nach Salzburg fährt von Gleis drei.“ 6–11 s: Der junge Rucksackreisende runzelt die Stirn und fragt (auf Englisch, mit indischem Akzent): „Platform three?“ 11–15 s: Der Schaffner zeigt lächelnd hin. Bahnhofsdurchsagen, rollende Koffer. Keine Untertitel, keine Hintergrundmusik.

Ein Satz auf Hindi: der Teestand

Hochformat 9:16, eine 10-Sekunden-Einstellung. Ein Teestand am Straßenrand in Delhi im Morgengrauen, ein Messingkessel auf einer Gasflamme, warmes Licht von einer einzelnen Glühbirne; langsame Ranfahrt. 0–5 s: Der Teeverkäufer gießt Chai aus der Höhe in ein kleines Glas, ein langer bernsteinfarbener Strahl. 5–10 s: Er reicht es einem Taxifahrer und sagt (herzlich, auf Hindi): „पहली चाय, मेरी तरफ़ से।“ Eingießender Tee, das Zischen der Flamme, Hupen in der Ferne. Keine Untertitel, keine Hintergrundmusik.

Produkt mit zweisprachigem Etikett

Quadratisch 1:1, eine durchgehende 10-Sekunden-Einstellung, keine Schnitte. Eine Flasche Yuzu-Limonade auf einer Steintheke, auf ihrem Etikett steht „柚子ソーダ“ über „YUZU SODA“ in weißen Großbuchstaben; seitliches Gegenlicht, Kondenstropfen. 0–5 s: Eine Hand dreht den Deckel ab, und Kohlensäure perlt auf. 5–10 s: Die Flasche dreht sich langsam, das Etikett durchgehend scharf. Das Zischen des Deckels, Bläschen, ein Glas wird abgestellt. Keine Untertitel, keine Hintergrundmusik.

Pixel-Art-Animation

Breitbild 16:9, eine 12-Sekunden-Einstellung. 16-Bit-Pixel-Art-Animation, nicht fotorealistisch: ein seitlich scrollender Wald aus klobigen Pixelbäumen, ein violetter Abendhimmel. 0–6 s: Ein kleiner Pixelfuchs mit rotem Schal rennt nach rechts, hüpft über zwei Baumstümpfe und schnappt sich eine leuchtende Eichel. 6–12 s: Die Eichel zerplatzt in ein Funkeln aus vier Frames, und der Fuchs dreht sich vor Freude im Kreis. Sprünge im Chiptune-Stil und ein Münz-Klingeln als Effekte. Keine Untertitel, keine Hintergrundmusik.

Drei Einstellungen mit harten Schnitten

Breitbild 16:9, 15 Sekunden, drei Einstellungen, verbunden durch harte Schnitte. Ein Boxstudio bei Nacht, eine einzelne hängende Glühbirne, ein rauer Look. Einstellung 1 (0–5 s): Nahaufnahme, eine Boxerin in schwarzen Handschuhen bandagiert ihre Hände, mit zusammengebissenen Zähnen. Einstellung 2 (5–10 s), harter Schnitt: halbnahe Einstellung, sie schlägt schnelle Kombinationen auf den schweren Sandsack. Einstellung 3 (10–15 s), harter Schnitt: Totale, ihr Trainer im grauen Trainingsanzug sagt (leise, auf Englisch, mit britischem Akzent): „Again.“ Dumpfe Handschuhschläge, knarrende Ketten. Keine Untertitel, keine Hintergrundmusik.

Erstes und letztes Bild (Klings Eintrag „Keyframes“)

Verwende @Image1 als erstes Bild (ein Tonklumpen auf einer Töpferscheibe) und @Image2 als letztes Bild (eine fertige blaue Vase). 15 Sekunden, realistischer Dokumentar-Look, eine durchgehende Seitenansicht, keine Schnitte. 0–7 s: Nasse Hände zentrieren den Ton und ziehen ihn zu einem hohen Zylinder hoch. 7–15 s: Die Töpferin formt den Hals, und der Ton wird zur glasierten Vase von @Image2. Die Scheibe summt, nasser Ton. Keine Untertitel, keine Hintergrundmusik.

Omni Reference mit zwei Bildern

@Image1 legt das Café fest; behalte seine Aufteilung, die Pflanzen und das Fensterlicht bei. @Image2 ist die Barista; behalte ihr Gesicht, ihre kurzen schwarzen Haare und ihre grüne Schürze bei. Hochformat 9:16, eine 10-Sekunden-Einstellung, Handkamera. 0–5 s: Sie gießt ein Blattmuster in einen Flat White. 5–10 s: Sie schiebt ihn über die Theke und sagt (fröhlich, auf Englisch): „Your usual.“ Dampfende Milch, klirrende Tassen. Keine Untertitel, keine Hintergrundmusik.

Ein Clip mit Filmmusik

Kinoformat 21:9, eine durchgehende 20-Sekunden-Einstellung, keine Schnitte. Ein einsames Segelboot auf grauer Nordseedünung, tiefe Wolken, kaltes Licht; Drohnenaufnahme, die langsam kreist und dann aufsteigt. 0–10 s: Ein Segler in gelber Jacke holt das Segel ein, während Gischt über den Bug bricht. 10–20 s: Die Wolken reißen auf, und Sonne fällt aufs Wasser. Wind, Takelage, Wellen; langsame Streichermusik, die mit der Sonne anschwillt. Keine Untertitel.

Der letzte Prompt verlangt Musik, deshalb fehlt dort „keine Hintergrundmusik“; die anderen behalten beide Ausschlüsse.

Den meisten schwachen Prompts fehlen Zeiten, oder sie nutzen Wörter, die eine Kamera nicht filmen kann.

• Ein Prompt, zweimal ausgeführt, ergibt zwei Clips.
• Eine Generierung endet nach 30 Sekunden; die Verlängerung auf 2 Minuten führt Kling als „demnächst“.
• Eine echte Person oder ein echtes Produkt lässt sich nicht aus Worten erkennen; dafür braucht es ein Bild, das du verwenden darfst.
• Auf DreamBench erzeugt Kling 4.0 immer Ton, und ein Prompt über 2.500 Zeichen wird auf der Seite „Video“ abgelehnt.

• Ein Clip: Füge deinen Prompt auf der Seite „Video“ ein und wähle Kling 4.0, 4 bis 30 Sekunden, 16:9, 9:16, 1:1 oder 21:9, 720p oder 1080p. Er geht so an Kling, wie er geschrieben ist.
• Ein Film: Beschreib ihn, füge bis zu 8 Referenzbilder hinzu und wähle Kling 4.0. DreamBench schreibt den Prompt jeder Szene, erstellt ihr Startbild und fügt die Clips zusammen; dreh jede Szene mit einer Notiz neu.
• Mit Kling 4.0 nicht angeboten: Keyframes, Omni Reference, Stimmprofile, Videobearbeitung oder -verlängerung. Kling 4.0 Flash wird als „Bald“ angezeigt.

Der Kling-Prompt-Generator schreibt Prompts für Kling 3.0; seine Reihenfolge gilt auch für 4.0, ergänze also die Zeiten. Der KI-Video-Prompt-Generator schreibt für jedes Modell. Der Preis in Credits wird angezeigt, bevor du generierst; beim ersten Mal erstellst du ein kostenloses Konto und wählst einen Tarif. Siehe auch Text-zu-Video.