Guia de prompts do Kling 4.0

Este guia cobre o que muda no 4.0. O básico vem do guia de prompts do Kling 3.0; para o modelo em si, veja a página do Kling 4.0.

O Kling 4.0 dobra a duração de uma geração e decide os próprios cortes, então um prompt vira uma linha do tempo. Os números vêm dos guias do usuário do Kling 4.0 e do Kling 3.0, da Kling.

O guia da Kling dá uma estrutura: o papel de cada imagem que você envia, as configurações gerais, a sequência de acontecimentos com tempos e depois o áudio. A regra dele é descrever o que pode ser visto e abandonar palavras abstratas: “visual premium” vira contraluz lateral contornando as bordas e uma granulação fina e fosca.

1. 1Abra com o formato e a duração: “Vertical 9:16, uma tomada de 15 segundos.”
2. 2Escreva as configurações gerais como coisas a ver: o lugar, a luz, um visual, a câmera.
3. 3Liste os acontecimentos em ordem, cada um com os seus segundos: “0–5 s: … 5–15 s: …”, uma ação por bloco.
4. 4Termine com o som: cada fala entre aspas depois de quem a diz, depois o som ambiente e os efeitos.
5. 5Feche com “Sem legendas, sem música de fundo”, a não ser que você queira um dos dois.

Um prompt curto também funciona: a Kling diz que o 4.0 expande uma ideia simples e segue uma ideia clara como foi escrita.

A duração é definida antes de o Kling ler o prompt, então dê a cada momento os seus segundos. Blocos que se encostam um no outro, “0–8 s”, “8–20 s”, “20–30 s”, deixam a ordem clara.

Conte com cerca de 2 palavras por segundo numa fala, com uma pausa entre quem fala. O DreamBench aceita 2.500 caracteres, então gaste-os na linha do tempo, não em adjetivos.

O Kling 4.0 divide um clipe em planos sozinho: o Smart Storyboard dele vem ligado por padrão, sem opção para desligar. Isso combina com uma história; já o giro de um produto pode cortar cedo demais.

• Um plano: escreva “uma tomada contínua, sem cortes, fades nem fusões”, como faz o próprio exemplo da Kling, e mantenha um só movimento de câmera.
• Vários planos: numere-os com os tempos e diga como se juntam: “Plano 2 (8–15 s), corte seco, close …”.
• A cada corte, mude o enquadramento; mantenha a luz e as roupas.

A Kling diz que o 4.0 lida com travellings, órbitas, aproximações e afastamentos que acompanham ação rápida. Nomeie o movimento em palavras simples, com uma velocidade, dentro do bloco cronometrado dele.

Numa tomada longa, dê a cada bloco um movimento: travelling para a corrida, órbita para a parada. Para falas e rótulos, mantenha a câmera parada ou aproxime devagar.

O Kling 4.0 faz som estéreo em todo clipe: fala, som ambiente, efeitos e, a não ser que você peça o contrário, música. A Kling diz para escrever cada fala no próprio idioma, entre aspas. Veja áudio nativo.

• Nomeie quem fala e como soa, depois a fala: O pescador (rouco, em português): “Hoje o mar está calmo.”
• Peça um dialeto ou um sotaque da lista da Kling: cantonês, sichuanês, mandarim de Pequim ou de Taiwan; inglês americano, britânico ou indiano.
• Uma pessoa fala de cada vez, como pede o próprio exemplo da Kling: as outras ouvem em silêncio.
• O indonésio não está entre os 9 idiomas, então uma fala em indonésio pode não sair como foi escrita.
• O Kling renderiza texto na tela nos mesmos idiomas e embute legendas se você descrever o tamanho e a posição delas.

Para uma trilha, descreva-a no bloco de som: “uma linha lenta de violoncelo por baixo do diálogo”. O app da Kling aceita um perfil de voz como áudio, não música. Veja lip sync.

No app da Kling, a entrada Keyframes fixa imagens em pontos da linha do tempo: um primeiro quadro, um último quadro, os dois, ou quadros intermediários, até 10. O prompt então descreve o que acontece entre eles. Veja primeiro e último quadro.

1. 1Diga qual imagem é qual: “Use @Image1 como primeiro quadro e @Image2 como último quadro.”
2. 2Para quadros intermediários, dê a cada um um bloco de tempo: “4–8 s | Keyframe 2: ela chega à porta.”
3. 3Descreva só o que se move e como a câmera vai de uma imagem para a outra; as imagens já mostram o elemento principal e o lugar.

A entrada Keyframes não aceita outras referências e não pode ser combinada com o Omni Reference. Veja imagem para vídeo.

O Omni Reference da Kling aceita até 15 referências, numeradas pela ordem de envio: @Image1, @Image2, @Video1. Dê um papel a cada uma, senão o modelo adivinha.

• @Image1 define a cozinha; mantenha a disposição e a luz dela. @Image2 é a chef; mantenha o rosto, o cabelo e o avental dela.
• Sem referências, descreva cada personagem com as mesmas palavras toda vez que ele aparecer.

No DreamBench, cada personagem, lugar e objeto que você adiciona é desenhado uma vez como ficha, e o quadro inicial de cada cena é feito a partir das fichas de que ela precisa. Veja consistência de personagem.

Uma geração do Kling 4.0 comporta uma cena de 30 segundos, com o Kling escolhendo os cortes. Um filme também pode ser várias gerações unidas com cortes secos, cada uma planejada, e refeita, por conta própria.

No Film Studio, o DreamBench planeja as cenas, desenha o elenco e faz o Kling 4.0 animar cada uma, em clipes de 3 a 12 segundos. Para uma tomada longa, use a página Vídeo. Veja vídeo multi-shot.

Cada um segue a ordem da Kling e cabe em 2.500 caracteres. Mude o elemento principal; mantenha a forma.

Uma perseguição de 30 segundos em uma tomada

Widescreen 16:9, uma tomada contínua de 30 segundos, sem cortes. Um mercado noturno em Bangkok, vapor e neon, asfalto molhado, câmera na mão no ritmo da corrida. 0–10 s: um menino de camisa escolar azul pega uma manga e sai correndo. 10–20 s: a dona da barraca, uma mulher de chapéu de palha, corre atrás dele passando por carrinhos de comida; a câmera acompanha em travelling ao lado dela. 20–30 s: ela o pega pela gola, ele estende umas moedas e ela ri. Woks chiando, chinelos no chão molhado, barulho da multidão. Sem legendas, sem música de fundo.

Parkour nos telhados

Cinematográfico 21:9, uma tomada de 15 segundos. Telhados de concreto na hora dourada, sombras longas, visual realista de esporte; a câmera acompanha baixo, em travelling ao lado do corredor. 0–5 s: um traceur de moletom cinza dispara e salta sobre uma saída de ventilação. 5–10 s: ele pula um vão e aterrissa rolando. 10–15 s: ele para na beirada, ofegante, enquanto a câmera faz uma órbita completa ao redor dele. Tênis batendo no concreto, vento, trânsito ao longe. Sem legendas, sem música de fundo.

Dois idiomas numa estação (alemão e inglês)

Widescreen 16:9, uma tomada de 15 segundos. Uma plataforma de estação em Munique de manhã, um trem regional vermelho, luz nublada suave; plano a dois com câmera fixa. 0–6 s: um condutor de bigode grisalho confere uma passagem e diz (com pressa, em alemão): “Der Zug nach Salzburg fährt von Gleis drei.” 6–11 s: o jovem mochileiro franze a testa e pergunta (em inglês, com sotaque indiano): “Platform three?” 11–15 s: o condutor aponta, sorrindo. Anúncios da estação, malas de rodinhas. Sem legendas, sem música de fundo.

Uma fala em híndi: a barraca de chá

Vertical 9:16, uma tomada de 10 segundos. Uma barraca de chá à beira da estrada em Délhi ao amanhecer, uma chaleira de latão numa chama de gás, luz quente de uma única lâmpada; aproximação lenta. 0–5 s: o vendedor de chá serve chai do alto num copinho, um longo fio cor de âmbar. 5–10 s: ele o entrega a um taxista e diz (com carinho, em híndi): “पहली चाय, मेरी तरफ़ से।” Chá sendo servido, o chiado da chama, buzinas ao longe. Sem legendas, sem música de fundo.

Produto com rótulo bilíngue

Quadrado 1:1, uma tomada contínua de 10 segundos, sem cortes. Uma garrafa de refrigerante de yuzu num balcão de pedra, com o rótulo dizendo “柚子ソーダ” acima de “YUZU SODA” em maiúsculas brancas; contraluz lateral, gotas de condensação. 0–5 s: uma mão gira a tampa e o gás sobe. 5–10 s: a garrafa gira devagar, com o rótulo nítido o tempo todo. O chiado da tampa, bolhas, um copo pousado. Sem legendas, sem música de fundo.

Animação em pixel art

Widescreen 16:9, uma tomada de 12 segundos. Animação em pixel art de 16 bits, não fotorrealista: uma floresta com rolagem lateral, de árvores de pixels grandes, um céu roxo de crepúsculo. 0–6 s: uma raposinha de pixels com cachecol vermelho corre para a direita, pula dois tocos e pega uma bolota brilhante. 6–12 s: a bolota explode num brilho de quatro quadros e a raposa dá um giro feliz. Pulos em estilo chiptune e o som de uma moeda como efeitos. Sem legendas, sem música de fundo.

Três planos com cortes secos

Widescreen 16:9, 15 segundos, três planos unidos por cortes secos. Uma academia de boxe à noite, uma lâmpada pendurada, um visual cru. Plano 1 (0–5 s): close, uma lutadora de luvas pretas enfaixa as mãos, de mandíbula cerrada. Plano 2 (5–10 s), corte seco: plano médio, ela acerta o saco de pancadas com combinações rápidas. Plano 3 (10–15 s), corte seco: plano aberto, o treinador dela, de agasalho cinza, diz (baixinho, em inglês, com sotaque britânico): “Again.” Luvas batendo, correntes rangendo. Sem legendas, sem música de fundo.

Primeiro e último quadro (a entrada Keyframes da Kling)

Use @Image1 como primeiro quadro (um bloco de argila num torno) e @Image2 como último quadro (um vaso azul pronto). 15 segundos, visual realista de documentário, um plano lateral contínuo, sem cortes. 0–7 s: mãos molhadas centralizam a argila e a puxam para cima num cilindro alto. 7–15 s: o ceramista modela o gargalo, e a argila se transforma no vaso esmaltado de @Image2. O torno zumbindo, argila molhada. Sem legendas, sem música de fundo.

Omni Reference com duas imagens

@Image1 define o café; mantenha a disposição, as plantas e a luz da janela. @Image2 é a barista; mantenha o rosto, o cabelo preto curto e o avental verde dela. Vertical 9:16, uma tomada de 10 segundos, câmera na mão. 0–5 s: ela desenha uma folha com o leite num flat white. 5–10 s: ela desliza a xícara pelo balcão e diz (animada, em inglês): “Your usual.” Leite sendo vaporizado, xícaras tilintando. Sem legendas, sem música de fundo.

Um clipe com trilha sonora

Cinematográfico 21:9, uma tomada contínua de 20 segundos, sem cortes. Um veleiro solitário nas ondas cinzentas do Mar do Norte, nuvens baixas, luz fria; plano de drone circulando devagar, depois subindo. 0–10 s: um velejador de jaqueta amarela recolhe a vela enquanto os respingos quebram sobre a proa. 10–20 s: as nuvens se abrem e o sol cai sobre a água. Vento, cordame, ondas; uma trilha lenta de cordas que cresce com o sol. Sem legendas.

O último prompt pede música, então tira o “sem música de fundo”; os outros mantêm as duas exclusões.

A maioria dos prompts fracos não tem tempos, ou usa palavras que uma câmera não consegue filmar.

• Um mesmo prompt gerado duas vezes dá dois clipes.
• Uma geração para em 30 segundos; a Kling lista a extensão para 2 minutos como em breve.
• Uma pessoa ou um produto real não pode ser reconhecido só por palavras; é preciso uma imagem que você tenha o direito de usar.
• No DreamBench, o Kling 4.0 sempre faz som, e um prompt da página Vídeo com mais de 2.500 caracteres é recusado.

• Um clipe: cole o seu prompt na página Vídeo e escolha o Kling 4.0, de 4 a 30 segundos, 16:9, 9:16, 1:1 ou 21:9, 720p ou 1080p. Ele vai para o Kling como foi escrito.
• Um filme: descreva-o, adicione até 8 imagens de referência e escolha o Kling 4.0. O DreamBench escreve o prompt de cada cena, faz o quadro inicial dela e junta os clipes; refaça qualquer cena com uma observação.
• Não oferecido com o Kling 4.0: quadros-chave, Omni Reference, perfis de voz, edição ou extensão de vídeo. O Kling 4.0 Flash aparece como Em breve.

O gerador de prompt para Kling escreve prompts para o Kling 3.0; a ordem dele vale para o 4.0, então acrescente os tempos. O gerador de prompts de vídeo com IA escreve para qualquer modelo. O preço em créditos aparece antes de você gerar; na primeira vez, crie uma conta gratuita e escolha um plano. Veja também texto para vídeo.