kling-3-prompting

概述

Kling 3.0 是一个统一的多模态视频模型。它理解的是电影式调度，而不是关键词列表。像导演一样编写提示词——描述观众随着时间推移看到、听到和感受到的内容。

**核心转变：**描述 → 调度。思考“导演一个场景”，而不是“描述一张图像”。

交互式构建器工作流

调用时，使用 AskUserQuestion 引导用户完成以下步骤：

digraph builder {
  "1. Generation mode?" [shape=diamond];
  "Text-to-Video" [shape=box];
  "Image-to-Video" [shape=box];
  "Multi-Shot Sequence" [shape=box];
  "Keyframe Transition" [shape=box];
  "2. Gather scene details" [shape=box];
  "3. Assemble prompt" [shape=box];
  "4. Present & refine" [shape=box];

  "1. Generation mode?" -> "Text-to-Video";
  "1. Generation mode?" -> "Image-to-Video";
  "1. Generation mode?" -> "Multi-Shot Sequence";
  "1. Generation mode?" -> "Keyframe Transition";
  "Text-to-Video" -> "2. Gather scene details";
  "Image-to-Video" -> "2. Gather scene details";
  "Multi-Shot Sequence" -> "2. Gather scene details";
  "Keyframe Transition" -> "2. Gather scene details";
  "2. Gather scene details" -> "3. Assemble prompt";
  "3. Assemble prompt" -> "4. Present & refine";
}

步骤 1：确定生成模式

询问用户选择哪种模式：

• 文本生成视频 — 从头开始编写提示词
• 图像生成视频 — 为参考图像添加动画
• 多镜头序列 — 2-6 个镜头的分镜故事（最长 15s）
• 关键帧过渡 — 起始帧 → 结束帧，并插入过渡动作

步骤 2：收集场景细节

询问每个要素（根据模式调整问题）：

要素	问题	重要性
主体	焦点是谁/什么？外观有哪些具体细节？	尽早定义显著特征，有助于保持一致性
动作	发生什么？描述时间线（首先 → 然后 → 最后）	Kling 3.0 擅长呈现 15s 时间跨度内的连续动作
环境	在哪里？描述具体一些（不要只说“一条街”，而要说“东京一条狭窄的小巷，蒸汽从排水口冒出”）	让场景具备真实的空间感
镜头	景别和运动方式？（参见下方的镜头参考）	电影语言能带来好得多的效果
光线	有哪些光源？请具体说明	“闪烁的霓虹灯”胜过“戏剧性光线”
氛围/情绪	你希望观众有何感受？	影响色彩调校、节奏和音乐
音频	对白？环境音？音乐？	Kling 3.0 可生成原生音频并实现口型同步
时长	多长？（3-15s）	时长越长，越要描述随时间推进的变化
宽高比	16:9 / 9:16 / 1:1 / 21:9？	16:9 适合电影感，9:16 适合社交媒体，21:9 为超宽画幅

**图像生成视频：**重点描述场景如何从图像中演变——包括动作、镜头运动和环境变化。模型会保留源图像中的主体身份和布局。

**关键帧：**询问起始帧和结束帧的描述。两帧的色彩、风格和光线应保持一致。提示词应简洁，因为 Kling 很擅长推断动作。

**多镜头：**分别定义每个镜头，包括各自的取景、主体、动作和时长。明确标注镜头。

步骤 3：组装提示词

使用主公式：

[Scene/Environment] + [Subject & Appearance] + [Action Timeline] + [Camera Movement] + [Audio & Atmosphere] + [Technical Specs]

写作规则：

• 使用电影式运动动词：推进镜头、甩镜、急速变焦、移焦、跟踪镜头——不要使用“移动”或“前往”
• 明确指出真实光源：霓虹招牌、烛光、黄金时刻、LED 灯板——不要使用“戏剧性光线”
• 加入纹理细节，增强可信度：颗粒、镜头光斑、冷凝水、织物光泽、烟雾、汗水
• 描述时间推进：开头 → 中间 → 结尾
• 每个镜头控制在 1-3 个内容丰富的句子（具体性胜于长度）
• 对白应使用角色标签，指定声音的语气/情绪，并使用过渡词（“立即”“停顿”）

步骤 4：展示并完善

展示组装好的提示词。询问用户是否想要：

• 调整任何要素
• 添加负面提示词
• 生成不同版本（不同时长、不同镜头、不同氛围）

快速参考

摄影机运动

运动	效果	示例短语
推轨推进	营造亲密感／紧张感	"缓慢推轨推进，朝向她的脸"
推轨变焦	眩晕感／戏剧性揭示	"推轨变焦，营造令人眩晕的纵深变化"
跟拍镜头	从侧面跟随主体	"镜头在她行走时从侧面跟拍"
急摇镜头	增添动感／制造惊喜	"急摇镜头，揭示那扇门"
急速变焦	营造震撼感／强调重点	"突然急速变焦，对准物体"
移焦	转移注意力	"焦点从前景中的手移到背景中的人物"
手持／肩扛摄影机	营造粗粝／纪录片质感	"手持肩扛摄影机，带有轻微晃动"
固定三脚架	构图严谨／观察式	"锁定固定三脚架，广角镜头"
FPV 无人机	高能量沉浸感	"动感 FPV 无人机镜头，穿过走廊追逐"
低角度跟拍	营造英雄气概／压迫感	"低角度跟拍镜头，主体高耸于画面中"
向左／向右横移	横向揭示	"镜头向右横移，展现城市景观"
向上／向下摇摄	纵向揭示	"从靴子缓慢向上摇摄至脸部"

镜头与胶片

短语	效果
"使用 35mm 胶片拍摄"	温暖的颗粒感、自然的纹理
"微距 85mm 镜头"	紧凑细节、浅景深
"广角斯坦尼康"	流畅、沉浸、富有空间感
"手持摄像机"	粗粝的 VHS 质感、怀旧感
"变形镜头炫光"	电影感的水平光带

灯光

使用具体光源，而不是形容词：

• "黄金时刻的阳光穿过布满灰尘的仓库窗户"
• "闪烁的霓虹灯将洋红色／青色光线投射在湿漉漉的人行道上"
• "一只裸露的灯泡摇晃着，投下移动的阴影"
• "冷蓝色 LED 面板的光线反射在玻璃表面"
• "烛光让肤色显得温暖，远处则沉入深邃阴影"

色彩与调色

• "低饱和度青绿色调，压暗黑位"
• "琥珀色夜店频闪灯穿透烟雾"
• "冷蓝色薄雾弥漫整个走廊"
• "洋红色霓虹灯映在潮湿的沥青路面上"
• "高光过曝，白色区域一片惨白"

多角色对话

规则	应该	不应该
为角色命名	[Character A: Silver-haired CEO]	[Man] says...
与动作关联	Agent 用力拍桌。 [Agent, angrily]: "Where is it?"	只有对话，没有视觉动作
指定语气	[CEO, deep authoritative gravelly voice]	泛泛地写「says」
控制时机	"Immediately," "Pause," "After a beat"	对话接连出现，没有过渡

多镜头结构

Shot 1 (0-5s): [Wide establishing shot description]
Shot 2 (5-10s): [Medium/close-up with action progression]
Shot 3 (10-15s): [Resolution/reaction with camera payoff]

Atmosphere: [Overall mood, color grade]
Audio: [Sound design, music, dialogue]

为每个镜头添加标签。指定时长。描述每个镜头的构图＋主体＋运动。

起始帧与结束帧提示

• 帧的色彩搭配、风格和灯光应保持一致
• 起始帧与结束帧完全相同＝无缝循环
• 提示词不宜过多——Kling 能很好地推断帧间运动
• 简单的摄影机指令：放大／缩小、向左／向右摇摄、向上／向下摇摄
• 动态转场用 5s，复杂变形用 10s
• 起始帧的宽高比决定整个片段的宽高比

负面提示词

用于避免常见的 AI 默认生成效果：

smiling, laughing, cartoonish, bright saturated colors, low resolution,
morphing, blurry text, disfigured hands, extra fingers, static pose,
frozen expression, stock photo aesthetic

根据场景自定义——移除与创作意图冲突的项目。

弱 → 强

元素	弱	强
摄影机	"摄影机跟着一个人"	"手持肩扛摄影机在主体身后缓缓移动，带有轻微晃动"
主体	"一个女人在走路"	"穿红裙的女人，鞋跟敲击着潮湿的鹅卵石路面"
环境	"在一座城市里"	"东京狭窄的小巷，蒸汽从格栅中冒出，自动售货机发出亮光"
灯光	"戏剧性的灯光"	"闪烁的霓虹灯将洋红色／青色光线投射在湿漉漉的人行道上"
纹理	"看起来很真实"	"雨珠凝结在皮夹克上，玻璃上有冷凝水，可见呼出的白气"
动作	"她走开了"	"她缓缓转身，头发在光线下闪耀，随后消失在拐角处"

常见错误

错误	修正方法
用关键词列表代替场景调度	像指导镜头拍摄一样编写：主体 + 动作 + 摄像机 + 环境
动作描述模糊（“移动”“前往”）	使用电影化动词：推轨、跟拍、甩镜、急速变焦
光线描述笼统（“戏剧性”）	指明光源：霓虹灯、烛光、黄金时刻、LED 面板
提示词过长	每个镜头使用 1-3 句内容丰富的描述；具体性胜过长度
缺少时间推进	描述镜头的开始 → 中间 → 结束
关键帧不匹配	让起始帧和结束帧的色彩、光线与风格保持一致
对白未标注说话者	为每位说话者标注姓名、语气和情绪
把多个镜头塞进一个段落	分开描述每个镜头，并标注时长