Guia de prompts do Kling 3.0

O gerador de prompt para Kling 3.0 escreve um prompt nesta ordem; este guia explica cada parte. Para o modelo, veja a página do Kling 3.0.

O guia de texto para vídeo da Kling dá a fórmula como elemento principal, movimento e cena, depois câmera, iluminação e atmosfera. Para o 3.0, acrescente o formato e a tomada primeiro, porque eles decidem quanta ação cabe, e o som por último, porque o 3.0 o cria junto com a imagem.

1. 1Comece com o formato e a duração: “Widescreen 16:9, uma tomada contínua de 5 segundos, sem cortes.”
2. 2Nomeie o elemento principal com os detalhes que não podem mudar: roupas, cores, forma.
3. 3Escreva a ação no presente, de como o plano começa a como termina, em frases curtas e simples.
4. 4Acrescente um movimento de câmera, o cenário, a luz e a direção dela, e um visual.
5. 5Termine com o som, e qualquer fala entre aspas depois da pessoa que a diz.

A Kling projetou o 3.0 para manter personagens e objetos estáveis enquanto a câmera se move. Diga um movimento, com a velocidade, logo depois da ação que ele acompanha. O app da Kling também tem um controle de câmera com seis movimentos básicos; num prompt, as palavras fazem esse papel.

Um movimento por plano: um travelling que vira órbita borra. Para diálogo e produtos, uma câmera fixa ou uma aproximação lenta mantém rostos e letreiros nítidos.

Com o som ligado, o Kling 3.0 cria som ambiente, efeitos e fala junto com a imagem. O guia do usuário do Video 3.0 da Kling diz que dar a cada personagem as suas próprias falas permite associar cada fala a quem a diz, mesmo com três ou mais pessoas. Veja áudio nativo.

• Diga quem fala e depois a fala entre aspas: O dono diz, em inglês: “Last one today.”
• Coloque a ação de cada pessoa antes da fala dela, e diga quem escuta em silêncio.
• Fique nos cinco idiomas de diálogo da Kling e diga o idioma: diz em japonês, “どうぞ。” A Kling traduz para o inglês uma fala em qualquer outro idioma.
• Peça um sotaque ou dialeto na descrição: inglês com sotaque britânico ou indiano, ou cantonês.
• Acrescente um tom onde ele importa, e fique em duas ou três falas curtas em 10 segundos.

O recurso separado de Lip Sync da Kling sincroniza os lábios de uma pessoa num vídeo feito pelo Kling com uma voz enviada ou de Text to Speech. Uma fala num prompt do 3.0 não precisa de nenhum dos dois: ela é falada na mesma geração. Veja sincronização labial.

A duração do clipe é definida antes de o Kling ler o prompt, então escreva tanta ação quanto os segundos comportam: uma ação que precisa de mais tempo sai apressada ou para no meio do movimento.

No DreamBench, o Kling 3.0 renderiza 9:16 para Reels, TikTok e Shorts, 16:9 para YouTube, 1:1 para feeds, 4:3, e 21:9 para um visual de cinema. Em 9:16, enquadre um elemento principal grande.

Quando o Kling parte de uma imagem, a imagem já define o elemento principal, o lugar e qualquer texto; repeti-los desperdiça palavras. O guia de imagem para vídeo da Kling dá uma fórmula mais curta: elemento principal e movimento, depois fundo e movimento. Veja imagem para vídeo.

1. 1Nomeie o elemento principal como a imagem o mostra: a mulher de casaco vermelho.
2. 2Diga o que ele faz, com um verbo claro, e o que se move ao redor: ela se vira para a janela; o cabelo dela se ergue com a brisa.
3. 3Acrescente o movimento de câmera e o som, e mantenha o movimento plausível: a Kling avisa que uma descrição muito distante da imagem pode causar um corte.

O exemplo da Kling: “Mona Lisa coloca os óculos de sol com a mão” funciona onde “usar óculos de sol” não funciona. No DreamBench, todo clipe do Kling começa de um quadro inicial desenhado a partir das suas referências, então os prompts gastam as palavras com movimento, câmera e som.

A Kling lista Start & End Frames-to-Video para o 3.0: dê uma primeira e uma última imagem, e o prompt descreve a mudança entre elas. Mantenha as duas parecidas no elemento principal, na luz e no enquadramento, ou a mudança pode virar um corte. Veja primeiro e último quadro.

O painel de criação do DreamBench não tem espaço para quadro inicial ou final: você adiciona imagens de referência, o DreamBench desenha cada quadro inicial a partir delas, e o prompt decide como o clipe termina. O DreamBench dá ao Kling 3.0 um quadro final em um só lugar, a animação de logo: cinco segundos que terminam no seu logo.

Dois planos do Kling só concordam no que ambos receberam. No app da Kling, um elemento feito de 2 a 4 imagens guarda a aparência e a voz de um personagem. Num prompt:

• Descreva cada personagem com as mesmas palavras em todos os planos: “um velho faroleiro de barba branca e suéter de lã azul-marinho”.
• Mantenha as roupas, os objetos, a hora do dia e a direção da luz.
• Dê a todos os planos em que o personagem aparece as mesmas imagens de referência.

No DreamBench, cada personagem, lugar e objeto é desenhado uma vez como ficha, e o quadro inicial de cada plano, a partir das fichas de que ele precisa. Veja consistência de personagem.

O app da Kling tem uma opção Multi-Shot que planeja cortes dentro de uma geração de até 15 segundos. O DreamBench, em vez disso, planeja um filme como várias gerações do Kling, cada uma uma tomada contínua, para que ele possa passar de 15 segundos e qualquer plano possa ser refeito.

• Divida a ideia em momentos, uma ação em cada, com os segundos de que ela precisa; os planos de um filme do DreamBench duram de 3 a 12 segundos.
• Mude o enquadramento a cada corte, mantenha uma fala dentro de um só plano e mude de lugar só num corte.

Escreva cada plano com a fórmula e repita as descrições dos personagens, ou descreva o filme no DreamBench: ele escreve o prompt de cada plano, desenha o elenco, renderiza cada plano no Kling 3.0 e monta tudo. Veja vídeo multi-shot.

Cole estes prompts no app da Kling ou use um como briefing no DreamBench. Mude o elemento principal; mantenha a estrutura.

Esporte: um grind de skate

Widescreen 16:9, uma tomada contínua de 5 segundos, sem cortes. Um skatista de moletom verde vai em direção a um ressalto de concreto num estacionamento vazio, dá um ollie, faz um grind por toda a extensão e aterrissa limpo. Travelling baixo. Sol de fim de tarde por trás. Rodinhas roncando, o raspar do grind.

Dança: uma coreografia de popping

Vertical 9:16, uma tomada contínua de 10 segundos, sem cortes. Uma dançarina de camisa vermelha fica parada num estúdio vazio e depois começa uma coreografia de popping: braços travando, uma onda com o corpo, dois giros, uma pausa congelada na última batida. A câmera orbita ao redor dela devagar. Luz suave da janela. Tênis rangendo, uma batida abafada.

Produto com texto legível: um pote de mel

Quadrado 1:1, uma tomada contínua de 5 segundos, sem cortes. Um pote de mel com rótulo creme escrito “MEL SILVESTRE” em maiúsculas pretas em negrito está sobre uma mesa de carvalho. Uma mão levanta a tampa e um pegador de mel puxa uma fita dourada lenta. Aproximação lenta, com o rótulo nítido o tempo todo. Luz quente da manhã vindo da direita. O estalo da tampa, mel escorrendo.

Diálogo: duas pessoas numa livraria

Widescreen 16:9, uma tomada contínua de 10 segundos, sem cortes. Numa livraria na hora de fechar, um dono idoso de cardigã cinza olha para uma jovem que segura um livro de bolso e diz, com sotaque britânico: “That one’s been waiting for you.” Ela ri: “Then I’d better take it home.” Plano a dois com câmera fixa. Luz quente de abajur, chuva na janela.

Uma fala em chinês: a barraca de dumplings

Vertical 9:16, uma tomada contínua de 5 segundos, sem cortes. Numa barraca de feira noturna, uma avó de avental florido entrega uma bandeja de dumplings fumegantes a um menino e diz com delicadeza, em chinês: “小心烫，慢慢吃。” O menino acena com a cabeça. Plano médio com câmera fixa. Lâmpadas quentes, vapor no ar. Burburinho da feira, frigideiras chiando.

Veículo: uma moto numa estrada litorânea

Cinematográfico 21:9, uma tomada contínua de 10 segundos, sem cortes. Uma motocicleta prateada antiga, com o piloto de jaqueta de couro marrom, se inclina numa curva de uma estrada no alto de um penhasco e acelera em direção ao mar. Plano de drone por trás, subindo para revelar o litoral. Hora dourada, névoa do mar. O motor subindo de giro, vento.

Animal: uma raposa na neve

Widescreen 16:9, uma tomada contínua de 5 segundos, sem cortes. Uma raposa-vermelha trota por um campo nevado, para, inclina a cabeça, depois salta e mergulha de focinho no monte de neve. Câmera fixa baixa na neve, lente longa. Luz de inverno nublada. Vento, patas esmagando a neve, um baque abafado.

Comida: óleo de pimenta no macarrão

Vertical 9:16, uma tomada contínua de 5 segundos, sem cortes. Close numa frigideira de ferro fundido com macarrão grosso. Uma mão despeja óleo de pimenta e ele chia; hashis erguem um emaranhado em direção à câmera, com vapor subindo. Inclinação lenta para cima acompanhando os hashis. Luz dura da janela vindo da esquerda, fundo escuro. Um chiado alto, óleo estalando.

Moda: um casaco numa rua de paralelepípedos

Vertical 9:16, uma tomada contínua de 10 segundos, sem cortes. Uma modelo de casaco longo azul-cobalto caminha em direção à câmera por uma rua de paralelepípedos ao entardecer; ela para, olha para trás por cima do ombro, e a barra do casaco se assenta. A câmera recua no ritmo da caminhada e depois para. Luz quente de vitrines. Saltos nos paralelepípedos.

Clipe vertical para redes sociais: um gancho para a câmera

Vertical 9:16, uma tomada contínua de 5 segundos, sem cortes. Uma jovem de capa de chuva amarela se filma num cruzamento movimentado à noite e diz, em inglês: “Three things nobody tells you about this city.” Ela vira o celular para mostrar a multidão. Câmera de selfie na mão. Neon na rua molhada. Barulho da multidão.

Uma sequência de dois planos: o faroleiro

Plano 1. Widescreen 16:9, uma tomada contínua de 5 segundos, sem cortes. Um velho faroleiro de barba branca e suéter de lã azul-marinho sobe os últimos degraus de uma escada em caracol, com uma lanterna na mão. Plano aberto, com a grua subindo junto com ele. Luz fria e azul do amanhecer. Botas em degraus de ferro, vento.

Plano 2. Widescreen 16:9, uma tomada contínua de 5 segundos, sem cortes. O velho faroleiro de barba branca e suéter de lã azul-marinho risca um fósforo e acende a grande lâmpada; uma luz quente inunda o rosto dele. Close com câmera fixa. O amanhecer frio e azul ficando dourado. Um fósforo riscando, o chiado da lâmpada.

Os dois planos descrevem o faroleiro com as mesmas palavras e mantêm a luz; o enquadramento muda no corte.

A maioria dos prompts fracos é curta, não errada: cada lacuna é uma escolha que o modelo faz ao acaso.

• Um mesmo prompt gerado duas vezes dá dois clipes.
• Mãos, multidões e física rápida são onde os erros aparecem primeiro.
• Uma pessoa ou um produto real não pode ser reconhecido só por palavras; é preciso uma imagem que você tenha o direito de usar.
• Uma geração para em 15 segundos, e no DreamBench um prompt com mais de 2.500 caracteres é cortado.

• Um prompt: o gerador de prompt para Kling 3.0 o escreve na ordem deste guia, com uma fala em sincronização labial em um dos cinco idiomas da Kling. Ele escreve só o prompt.
• Um filme: descreva-o, adicione até 8 imagens de referência e escolha o Kling 3.0. O DreamBench escreve o prompt de cada plano, desenha os quadros iniciais e monta os planos; refaça qualquer plano com uma observação.
• Não oferecido: um prompt digitado enviado ao Kling do jeito que está. A página Vídeo do DreamBench roda modelos que partem só de texto; aqui, o Kling 3.0 parte de um quadro.

O painel de criação mostra o preço em créditos antes de você gerar; na primeira vez, crie uma conta gratuita e escolha um plano. Para planos numerados dentro de um clipe, veja o gerador de prompt para Seedance 2.5; para prompts só a partir de palavras, texto para vídeo.