Kling 4.0 提示词指南

本指南介绍 4.0 带来的变化。基础内容沿用Kling 3.0 提示词指南；关于模型本身，请参阅 Kling 4.0 页面。

Kling 4.0 把单次生成的时长翻倍，并自行决定剪切，所以提示词变成了一条时间线。这些数字来自 Kling 的 Kling 4.0 和 Kling 3.0 使用指南。

Kling 的指南给出了一种结构：你上传的每张图片的作用、整体设定、带时间的事件顺序，然后是音频。它的原则是描述看得见的东西，去掉抽象的词：“高级感”变成勾勒出轮廓边缘的侧逆光和细腻的哑光颗粒。

1. 1开头写画幅和时长：“竖屏 9:16，一个 15 秒的镜头。”
2. 2把整体设定写成看得见的东西：地点、光线、一种画面风格、运镜。
3. 3按顺序列出事件，每个都标明秒数：“0–5 秒：…… 5–15 秒：……”，每个段落一个动作。
4. 4最后写声音：每句台词放在引号里，跟在说话人后面，然后是环境声和音效。
5. 5结尾写上“无字幕，无背景音乐”，除非你需要其中之一。

短提示词也可以：Kling 表示，4.0 会扩展简单的想法，而对清晰的想法则按原样执行。

时长在 Kling 读取提示词之前就已固定，所以要给每个节拍分配秒数。首尾相接的段落，如“0–8 秒”“8–20 秒”“20–30 秒”，能让顺序清晰明了。

台词按每秒约 2 个词估算，说话人之间留出停顿。DreamBench 最多接受 2,500 个字符，所以把字数花在时间线上，而不是形容词上。

Kling 4.0 会自行把片段拆分成多个镜头：它的 Smart Storyboard（智能分镜）默认开启，没有开关。这适合讲故事；但产品旋转展示可能会过早剪切。

• 一个镜头：像 Kling 自己的示例那样，写“一个连续镜头，没有剪切、淡入淡出或叠化”，并只用一种运镜。
• 多个镜头：给它们编号并标明时间，再写明如何衔接：“镜头 2（8–15 秒），硬切，特写……”。
• 每次剪切都换景别；保持光线和服装不变。

Kling 表示，4.0 能处理跟随快速动作的跟拍、环绕、推镜和拉镜。在对应的分时段落里，用平实的文字写出运镜和速度。

在长镜头中，每个段落只用一种运镜：奔跑时跟拍，停下时环绕。拍台词和标签时，保持不动或缓慢推镜。

Kling 4.0 的每个片段都会生成立体声：语音、环境声、音效，以及音乐（除非你写明不要）。Kling 建议每句台词用其原本的语言写在引号里。参见原生音频。

• 写出说话人及其声音特点，再写台词：渔夫（粗声粗气地，用葡萄牙语）：“Hoje o mar está calmo.”
• 可以要求 Kling 列出的方言或口音：粤语、四川话、北京或台湾口音的普通话；美式、英式或印度英语。
• 一次只让一个人说话，正如 Kling 自己的示例所要求的：其他人静静地听。
• 印尼语不在这 9 种语言之列，所以印尼语台词可能无法按原样说出来。
• Kling 能用同样的这些语言渲染画面文字；如果你描述字幕的大小和位置，它还会烧录字幕。

如果需要配乐，就在声音段落里描述它：“对白下方有一段缓慢的大提琴旋律”。Kling 的应用接受以音频形式提供的音色档案，但不接受音乐。参见口型同步。

在 Kling 的应用中，Keyframes（关键帧）入口可以把图片固定在时间线的某些位置上：首帧、尾帧、两者兼有，或中间帧，最多 10 张。然后由提示词描述它们之间发生了什么。参见首尾帧。

1. 1写明哪张图片是哪个：“使用 @Image1 作为首帧，@Image2 作为尾帧。”
2. 2对于中间帧，给每一张一个时间段：“4–8 秒 | 关键帧 2：她走到门口。”
3. 3只描述什么在动，以及镜头如何从一张图片过渡到下一张；图片已经展示了主体和地点。

Keyframes 入口不接受其他参考素材，也不能与 Omni Reference 一起使用。参见图生视频。

Kling 的 Omni Reference 最多接受 15 个参考素材，按上传顺序编号：@Image1、@Image2、@Video1。给每个素材指定一个作用，否则模型只能去猜。

• @Image1 定义厨房；保持其布局和光线。@Image2 是厨师；保持她的面孔、发型和围裙。
• 没有参考素材时，角色每次出现都用同样的文字描述。

在 DreamBench 上，你添加的每个角色、地点和道具都只绘制一次设定图，每个场景的首帧都依据它所需的设定图制作。参见角色一致性。

一次 Kling 4.0 生成可以容纳一个 30 秒的场景，由 Kling 选择剪切点。影片也可以由多次生成通过硬切连接而成，每次生成都单独规划、单独重做。

在 Film Studio 中，DreamBench 规划场景、绘制角色，并让 Kling 4.0 把每个场景做成动画，每个片段 3 到 12 秒。如果要一个长镜头，请使用“视频”页面。参见多镜头视频。

每条都遵循 Kling 的顺序，且不超过 2,500 个字符。换掉主体，保留结构。

30 秒一镜到底的追逐

横屏 16:9，一个 30 秒的连续镜头，没有剪切。曼谷的夜市，蒸汽和霓虹，湿漉漉的柏油路，以跑步速度手持拍摄。0–10 秒：一个穿蓝色校服衬衫的男孩抢了一个芒果就跑。10–20 秒：摊主，一位戴草帽的女人，追着他跑过一辆辆小吃车；镜头在她身侧跟拍。20–30 秒：她揪住他的衣领，他递上硬币，她笑了起来。炒锅滋滋作响，人字拖踩在湿地上，人群嘈杂。无字幕，无背景音乐。

屋顶跑酷

电影感 21:9，一个 15 秒的镜头。黄金时刻的水泥屋顶，长长的影子，写实的运动画面风格；镜头在跑者身侧低机位跟拍。0–5 秒：一个穿灰色连帽衫的跑酷者冲刺，翻越一个通风口。5–10 秒：他跃过一道缝隙，翻滚落地。10–15 秒：他站在边缘大口喘气，镜头环绕他一圈。运动鞋拍打水泥地，风声，远处的车流声。无字幕，无背景音乐。

车站里的两种语言（德语和英语）

横屏 16:9，一个 15 秒的镜头。早晨的慕尼黑火车站站台，一列红色区域列车，柔和的阴天光线；固定机位双人镜头。0–6 秒：一位留着灰色小胡子的列车员查看车票，（干脆利落地，用德语）说：“Der Zug nach Salzburg fährt von Gleis drei.” 6–11 秒：年轻的背包客皱起眉头，（用英语，带印度口音）问：“Platform three?” 11–15 秒：列车员微笑着指了指。车站广播，滚动的行李箱。无字幕，无背景音乐。

一句印地语台词：茶摊

竖屏 9:16，一个 10 秒的镜头。黎明时分德里的路边茶摊，煤气灶上架着一把黄铜水壶，一只灯泡发出温暖的光；缓慢推镜。0–5 秒：卖茶人从高处把奶茶倒进一只小玻璃杯，拉出一道长长的琥珀色茶柱。5–10 秒：他把茶递给一位出租车司机，（温和地，用印地语）说：“पहली चाय, मेरी तरफ़ से।” 倒茶声，火焰的嘶嘶声，远处的喇叭声。无字幕，无背景音乐。

带双语标签的产品

方形 1:1，一个 10 秒的连续镜头，没有剪切。石台面上放着一瓶柚子苏打水，标签上写着“柚子ソーダ”，下方是白色大写字母的“YUZU SODA”；侧逆光，凝结的水珠。0–5 秒：一只手拧开瓶盖，气泡涌起。5–10 秒：瓶子缓缓转动，标签始终清晰。瓶盖的嘶嘶声，气泡声，一只玻璃杯放下的声音。无字幕，无背景音乐。

像素风动画

横屏 16:9，一个 12 秒的镜头。16 位像素风动画，非写实：横向卷轴的森林，满是方块状的像素树，紫色的黄昏天空。0–6 秒：一只围着红围巾的小像素狐狸向右跑，跳过两个树桩，抓住一颗发光的橡果。6–12 秒：橡果炸开成四帧的闪光，狐狸开心地转了一圈。芯片音乐风格的跳跃音效和金币叮当声。无字幕，无背景音乐。

三个硬切镜头

横屏 16:9，15 秒，三个镜头以硬切连接。夜晚的拳击馆，一只吊着的灯泡，粗粝的画面风格。镜头 1（0–5 秒）：特写，一位戴黑色拳套的女拳手缠着手，咬紧牙关。镜头 2（5–10 秒），硬切：中景，她以快速组合拳击打沉重的沙袋。镜头 3（10–15 秒），硬切：远景，她穿灰色运动服的教练（轻声地，用英语，带英式口音）说：“Again.” 拳套的闷响，铁链吱嘎作响。无字幕，无背景音乐。

首帧和尾帧（Kling 的 Keyframes 入口）

使用 @Image1 作为首帧（转盘上的一块陶泥），@Image2 作为尾帧（一只做好的蓝色花瓶）。15 秒，写实的纪录片风格，一个连续的侧面镜头，没有剪切。0–7 秒：湿润的双手把陶泥定好中心，再向上拉成一个高高的圆柱。7–15 秒：陶艺师塑出瓶颈，陶泥变成 @Image2 中上了釉的花瓶。转盘嗡嗡作响，湿陶泥的声音。无字幕，无背景音乐。

用两张图片的 Omni Reference

@Image1 定义咖啡馆；保持其布局、绿植和窗光。@Image2 是咖啡师；保持她的面孔、黑色短发和绿色围裙。竖屏 9:16，一个 10 秒的镜头，手持拍摄。0–5 秒：她在一杯馥芮白上拉出叶子图案。5–10 秒：她把杯子滑过柜台，（愉快地，用英语）说：“Your usual.” 蒸汽打奶声，杯子碰撞声。无字幕，无背景音乐。

带配乐的片段

电影感 21:9，一个 20 秒的连续镜头，没有剪切。灰色的北海涌浪上，一艘孤零零的帆船，低垂的云层，清冷的光线；无人机镜头缓缓环绕，然后升起。0–10 秒：一位穿黄色夹克的水手收帆，浪花在船头碎开。10–20 秒：云层散开，阳光洒在水面上。风声、索具声、浪声；一段缓慢的弦乐随阳光渐强。无字幕。

最后一条提示词需要音乐，所以去掉了“无背景音乐”；其他提示词都保留了两条排除项。

大多数不好的提示词都缺少时间，或者用了镜头拍不出来的词。

• 同一条提示词运行两次，会得到两个不同的片段。
• 单次生成最长 30 秒；Kling 把延长到 2 分钟的功能列为即将推出。
• 真实的人或产品无法仅凭文字被认出来，需要一张你有权使用的图片。
• 在 DreamBench 上，Kling 4.0 始终生成声音，“视频”页面上超过 2,500 个字符的提示词会被拒绝。

• 单个片段：把提示词粘贴到“视频”页面并选择 Kling 4.0，4 到 30 秒，16:9、9:16、1:1 或 21:9，720p 或 1080p。提示词会原样发送给 Kling。
• 一部影片：描述它，最多添加 8 张参考图，然后选择 Kling 4.0。DreamBench 会写出每个场景的提示词、制作首帧并拼接片段；任何场景都可以附备注重拍。
• Kling 4.0 不提供的功能：关键帧、Omni Reference、音色档案、视频编辑或延长。Kling 4.0 Flash 显示为“即将推出”。

Kling 提示词生成器写的是 Kling 3.0 提示词；它的顺序同样适用于 4.0，只需加上时间。AI 视频提示词生成器可以为任何模型写提示词。生成前会以积分显示价格；首次使用时，请创建免费账号并选择套餐。另请参阅文生视频。