Kling 4 Prompt Guide: Referenzen, Keyframes, Audio und Bearbeitung

Kling 4 kann auf der Grundlage einer kurzen Idee oder eines produktionsähnlichen Briefings arbeiten. Die richtige Eingabeaufforderung hängt weniger von der Wortzahl als vielmehr von der Art der Kontrolle ab, die Sie benötigen: Erkunden Sie ein Konzept, bewahren Sie eine Figur, folgen Sie einer Referenzbewegung, legen Sie visuelle Meilensteine ​​fest, generieren Sie Dialoge oder bearbeiten Sie einen vorhandenen Clip?

In diesem Handbuch wird das vollständige Eingabeaufforderungssystem für die wichtigsten Arbeitsabläufe von Kling 4 erläutert. Spezifikationen und Startstatus finden Sie im Kling 4-Release-Leitfaden.

Beginnen Sie mit der Auswahl des richtigen Kling 4-Modus

Kling 4 bietet zwei primäre Einstiegspunkte. Sie lösen unterschiedliche Probleme und können nicht innerhalb einer Generierungsaufgabe kombiniert werden.

Wählen Sie „Omni-Referenz“. wenn Sie aus Text generieren, eine Figur oder ein Produkt beibehalten, Bewegung oder Kamerasprache ausleihen, mehrere Assets kombinieren oder ein hochgeladenes Video bearbeiten möchten.

Wählen Sie Keyframes Wenn Ihre nicht verhandelbare Anforderung die visuelle Platzierung in der richtigen Zeit ist: Beginnen Sie mit diesem Bild, gelangen Sie zu diesem Bild oder durchlaufen Sie mehrere genehmigte Bilder in einer definierten Reihenfolge.

Beginnen Sie mit einer Idee

Eine gute Kling 4-Eingabeaufforderung muss vom ersten Versuch an nicht lange auf sich warten lassen. Beginnen Sie mit dem Ereignis, das der Betrachter sehen soll, und fügen Sie dann Steuerelemente nur dort hinzu, wo das Modell weniger Freiheit benötigt.

Ein nützlicher Ausgangspunkt ist:

An exhausted astronaut finds a tiny green plant growing inside an abandoned lunar base.

Fügen Sie dann in drei Durchgängen Details hinzu:

1. Kernveranstaltung: Wer oder was ist vorhanden und was ändert sich?
2. Wichtige Entscheidungen: Welche Identitäts-, Kompositions-, Bewegungs- oder Beleuchtungsdetails können nicht driften?
3. Produktionskontrollen: Welche Referenzen, Zeitbereiche, Kamerabewegungen, Audioebenen oder Bearbeitungsgrenzen sind wichtig?

Dieser Fortschritt sorgt dafür, dass die Eingabeaufforderung lesbar bleibt und gleichzeitig die wichtigen Einschränkungen deutlich werden. Es erleichtert auch die Überarbeitung: Wenn das Ergebnis fehlschlägt, können Sie erkennen, ob das Problem von der Idee, den Asset-Rollen oder dem Zeitplan herrührt.

Verwenden Sie eine Eingabeaufforderungsstruktur mit vier Blöcken

Teilen Sie für eine kontrollierte Omni-Reference-Aufgabe die Eingabeaufforderung in vier Blöcke auf. Die Etiketten sind keine magischen Befehle. Sie sind eine Möglichkeit, zu verhindern, dass Identität, Aktion, Timing und Tonanweisungen im selben Absatz konkurrieren.

[Asset Roles]
@Image1 defines the character's face, hairstyle, and clothing. Preserve those details.
@Image2 defines the room layout and window light. Preserve the furniture and spatial arrangement.
@Video1 provides the walking rhythm only. Do not copy its people, location, objects, or audio.

[Overall Settings]
16:9, 10 seconds. Natural skin texture, soft afternoon window light, medium lens,
shallow depth of field, realistic motion, stable exposure.

[Sequence of Events]
0-3s: The character enters from the left and walks toward the window.
3-7s: The camera tracks backward at a steady distance as the character slows down.
7-10s: The character stops, turns toward the light, and holds the pose.
Keep the shot continuous and preserve the room layout throughout.

[Audio]
Quiet room tone, soft footsteps, fabric movement, no dialogue, no background music.

1. Asset-Rollen

Geben Sie jedem hochgeladenen Asset eine bestimmte Funktion. Ein Referenzbild kann ein Gesicht, ein Outfit, eine Produktgeometrie oder einen Raum steuern. Ein Video kann den Bewegungsrhythmus oder die Kamerabewegung steuern. Ein Sprachprofil kann die Stimme eines Sprechers steuern.

Gehen Sie nicht davon aus, dass sich ein Upload-Label von selbst erklärt. Verwenden Sie die Bezeichnung und die Rolle zusammen und geben Sie dann an, was nicht übertragen werden darf. Beispielsweise ist „Nur auf den Kamerapfad von @Video1 verweisen“ präziser als „@Video1 verwenden“.

2. Allgemeine Einstellungen

Ersetzen Sie abstrakte Adjektive durch sichtbare oder hörbare Eigenschaften. Beschreiben Sie anstelle von „Premium“ Kantenbeleuchtung, Materialreaktion, Linsenauswahl, Oberflächentextur und Hintergrundtrennung. Geben Sie anstelle von „Vintage“ alte Farbe, warmes Glühlampenlicht, abgenutzte Kanten oder Filmkörnung an.

Der offizielle Leitfaden trifft die gleiche allgemeine Unterscheidung: Konkrete Beschreibungen reduzieren den Umfang der visuellen Schlussfolgerungen, die das Modell durchführen muss.

3. Ablauf der Ereignisse

Schreiben Sie Aktionen in der Reihenfolge, in der sie dem Betrachter angezeigt werden sollen. Fügen Sie Zeitbereiche hinzu, wenn ein längerer Clip mehrere Beats hat, und erklären Sie, wie sich die Kamera zwischen diesen Beats bewegt.

Eine Zeitleiste sollte auch sagen, was kontinuierlich bleibt. Wenn Charakter, Raum, Lichtrichtung oder Produktplatzierung stabil bleiben müssen, geben Sie diese Regel nach den Ereignissen an, anstatt sie in jeder Zeile zu wiederholen.

4. Audio

Separate Dialoge, Stimmeigenschaften, Atmosphäre, Musik und Soundeffekte. Dadurch wird verhindert, dass eine Anfrage nach einem Ruheraum mit einer Anfrage nach einem Musikbett oder einer unklaren Sprecherzuordnung kollidiert.

Schreiben Sie Text-zu-Video-Eingabeaufforderungen

Text-to-Video funktioniert am besten, wenn die Eingabeaufforderung vier praktische Fragen beantwortet:

• Betreff: Wem oder was soll der Betrachter folgen?
• Szene: Wo findet die Aktion statt und welche physischen Details definieren den Ort?
• Aktion: Was ändert sich im Laufe der Zeit und in welcher Reihenfolge?
• Behandlung: Wie sollen Kamera, Licht, Textur, Ton und Tempo das Geschehen darstellen?

Hier ist ein vollständiges Beispiel:

A ceramic artist works alone in a small pottery studio during a summer thunderstorm.
The artist centers a hand-built clay bowl on a spinning wheel, wearing a dark linen apron
with rolled sleeves. Rain streaks the tall windows, and cool blue daylight fills the room
while a warm tungsten lamp illuminates the wheel.

12 seconds, 16:9, one continuous shot. Begin with a close view of wet clay under the
artist's hands. The camera slowly pulls backward and slightly to the right, revealing the
studio shelves, tools, and rain-covered windows. The bowl rises gradually as the wheel
turns. Keep the artist's hands, bowl shape, shelf positions, and light direction consistent.

Audio: rain against glass, low thunder in the distance, the soft motor of the wheel, and
subtle clay movement. No dialogue, no subtitles, no background music.

Es geht nicht darum, jedes mögliche Detail zu nutzen. Es geht darum, die wichtigen Entscheidungen beobachtbar zu machen: Was ist im Bild, was bewegt sich, wie zeigt die Kamera es und welche Tonebenen gehören zur Szene.

Verwenden Sie Omni Reference

Omni Reference ist die richtige Wahl, wenn Text allein nicht zuverlässig die visuelle Identität, Bewegung oder Komposition vermitteln kann, die Sie benötigen. Die offiziellen Materialien von Kling beschreiben ein kombiniertes Referenzbudget von bis zu 15 Eingaben, darunter bis zu 10 Bilder, bis zu 5 Videos mit einer Gesamtvideodauer von 30 Sekunden, bis zu 7 Elemente und bis zu 3 Sprachprofile. Die Grenzwerte teilen sich ein Gesamtbudget, daher sollten die Kategoriehöchstwerte nicht addiert werden.

Derselbe offizielle Leitfaden listet Bild-, Video-, Sprachprofil- und Elementbeschränkungen für den aktuellen Workflow auf. Schnittstellen und Integrationen können sich ändern. Überprüfen Sie daher die in Ihrem ausgewählten Arbeitsbereich angezeigten Steuerelemente, bevor Sie eine große Menge an Assets vorbereiten.

Charakter- und Produktreferenzen

Weisen Sie Identitätsreferenzen den Details zu, die die Generierung überleben müssen:

@Image1 defines the character's face, hairstyle, and age. Preserve these features.
@Image2 defines the character's coat and accessories. Preserve the fabric, color, and fit.
@Image3 defines the product's shape, label placement, and surface finish. Do not redesign it.

Wenn ein Asset zusätzliche Informationen enthält, die nicht übertragen werden sollen, teilen Sie dies mit. Beispielsweise kann ein Produktfoto die Flaschengeometrie definieren, ohne den Studiohintergrund, Reflexionen oder Text, der zufällig dahinter erscheint, zu definieren.

Für Workflows, die von einem vorhandenen Standbild ausgehen, Bild-zu-Video-Generierung kann ein nützlicher Begleitpfad sein, wenn die Hauptaufgabe darin besteht, eine vorbereitete Komposition zu animieren, anstatt viele Referenzen zu koordinieren.

Action- und Kamerareferenzen

Ein Referenzvideo kann eine Bewegung leiten, ohne zur Szene zu werden. Geben Sie genau an, welche Ebene Sie ausleihen möchten:

Reference the walking rhythm and lateral camera movement of @Video1 only.
Do not copy its characters, location, vehicles, wardrobe, color grade, or audio.

Dies ist wichtig, da eine Videoreferenz mehr Informationen enthält als die gewünschte Aktion. Durch die Eingrenzung seiner Rolle lässt sich die beabsichtigte Übertragung leichter überprüfen und überarbeiten.

Kompositions- und Storyboard-Referenzen

Verwenden Sie ein Bild, wenn die Komposition die Entscheidung ist, die Sie beibehalten möchten. Verwenden Sie eine Storyboard- oder Layout-Referenz, um die Reihenfolge der Aufnahmen zu beschreiben, und weisen Sie Kling dann an, die Szene selbst zu rendern, anstatt Beschriftungen, Pfeile, Panels oder Planungsmarkierungen zu reproduzieren.

Eine nützliche Regel besteht darin, den kleinsten Satz an Referenzen hochzuladen, der die Entscheidungen beeinflusst, die Ihnen wichtig sind. Mehr Eingaben führen nicht automatisch zu mehr Kontrolle. Sie können auch konkurrierende Anweisungen einführen.

Verwenden Sie den ersten und den letzten Frame

Keyframes sind nützlich, wenn die Eröffnungs- und Endbilder bereits bekannt sind. Beschreiben Sie nicht nur den Anfang und das Ende. Beschreiben Sie den Weg zwischen ihnen.

Use @Image1 as the first frame and @Image2 as the last frame.
The camera moves slowly toward the upright glass bottle, transitioning from the wide studio
composition to the close-up. Soft reflections travel across the bottle as the camera moves.
Keep the bottle vertical, preserve the label, and maintain the same background lighting.
The transition is continuous and physically plausible.

Der erste Frame legt die Eröffnungskomposition fest. Der letzte Frame legt das Ziel fest. In der Mitte der Eingabeaufforderung wird erläutert, wie Kamera, Motiv, Licht und Materialien dorthin gelangen.

Planen Sie mehrere Keyframes

Der offizielle Leitfaden von Kling 4 listet die Unterstützung für bis zu 10 Keyframe-Bilder auf. Verwenden Sie einen Keyframe, wenn ein visueller Zustand zu einem bestimmten Zeitpunkt wichtig ist, und nicht nur, weil die Benutzeroberfläche mehr Uploads zulässt.

0-4s: @Image1. A wide view of the empty train platform at dawn. The camera is locked.
4-8s: Transition toward @Image2. A commuter enters from the far right as the camera begins
      a slow push forward. Keep the platform architecture unchanged.
8-12s: @Image3. The commuter reaches the yellow line and looks down the tracks.
12-16s: @Image4. Warm sunlight reaches the platform. Preserve the character's coat and
        direction of travel while the camera settles into a medium shot.

Zu den nützlichen Keyframe-Meilensteinen gehören:

• Eine Figur, die den Rahmen betritt oder verlässt
• Ein Wechsel von der Totale zur Nahaufnahme
• Ein Produkt ändert seinen Zustand oder seine Position
• Ein Wetter- oder Lichtübergang
• Eine Transformation, die einen definierten Zwischenzustand benötigt

Erklären Sie den Übergang zwischen den einzelnen Keyframe-Paaren. Ohne diese Verbindungsanweisung muss das Modell mehr von der Bewegung und Kontinuität ableiten.

Planen Sie ein 30-sekündiges Multi-Shot-Video

Laut offiziellem Benutzerhandbuch unterstützt Kling 4 die Generation von 3 bis 30 Sekunden in Schritten von einer Sekunde. Eine 30-sekündige Aufforderung sollte sich wie ein kompakter Aufnahmeplan lesen und nicht wie ein langer Absatz voller Adjektive.

Fügen Sie fünf Ebenen hinzu:

1. Raumplan: Wo sind Motiv, Kamera und wichtige Gegenstände?
2. Schussplan: Wie viele Aufnahmen gibt es und wie lang ist jede einzelne?
3. Aktion: Was ist das Hauptereignis in jeder Aufnahme?
4. Übergänge: Wie führt ein Schuss zum nächsten?
5. Kontinuität: Welche Identitäts-, Licht-, Regie- und Audioregeln gelten für den Schnitt?

30 seconds, 16:9, three connected shots. Keep the same red delivery bicycle,
rider's yellow rain jacket, wet street reflections, and overcast lighting throughout.

Spatial plan: the rider travels from the left side of the market street toward the station
entrance. Pedestrians move in the same direction as the bicycle, never through it.

Shot 1, 0-8s: Wide tracking shot from the front-left as the rider turns into the street.
Shot 2, 8-20s: Side tracking shot. The rider passes food stalls while rain collects on the
camera lens. Maintain the rider's speed and direction.
Shot 3, 20-30s: The camera moves ahead and rotates toward the station entrance as the rider
slows, parks the bicycle, and looks up at the station sign.

Audio: rain, tires on wet pavement, distant market voices, and one bicycle bell at 23s.
No subtitles, no background music, no sudden change in weather or wardrobe.

Eine längere Dauer schafft mehr Raum für die Entwicklung der Erzählung, gibt aber auch Kontinuitätsfehlern mehr Zeit, sich zu zeigen. Halten Sie die räumlichen Regeln und wiederkehrenden Identitätsdetails in der Eingabeaufforderung sichtbar.

Schnelle Dialoge und Stereoton

Definieren Sie bei Dialogszenen den Sprecher vor der Zeile. Beziehen Sie Sprache oder Akzent mit ein, wenn es darauf ankommt, und beschreiben Sie dann Alter, Tonfall, Tempo, Emotionen, Pausen und ob andere Charaktere schweigen.

Dialogue:
Speaker A, a calm woman in her 30s, speaks in a low, measured voice:
"We have one chance to get this right."
Pause for half a second before the final sentence.
Speaker B remains silent and listens, then nods without speaking.

Ambience: quiet control room, low ventilation, faint keyboard sounds.
SFX: one alert tone at the end of the line.
Music: none.
Stereo: Speaker A is centered. The alert tone begins on the right and moves toward center.

Die offiziellen Einführungsmaterialien von Kling beschreiben Zweikanal-Stereo-Audio und eine verbesserte Lippensynchronisationsleistung. Betrachten Sie dies als Modellfähigkeit und nicht als Versprechen, dass jede Schnittstelle identische Audiosteuerungen bereitstellt.

Verwenden Sie für Musik, Ambiente und Effekte separate Bezeichnungen. Beschreiben Sie für räumlichen Klang die Bewegung durch das Stereofeld als Ereignis, z. B. wenn sich ein Fahrzeug von hinten links nach vorne rechts bewegt.

Schreiben Sie Aufforderungen zur Videobearbeitung

Wenn Sie einen hochgeladenen Clip ändern, identifizieren Sie zunächst das Video als zu bearbeitendes Material. Eine praktische Struktur ist:

Edit @Video1.
Change: [the exact element or property to change]
Timing: [when the change happens and how it progresses]
Preserve: [identity, camera, geometry, lighting, audio, duration, and everything else]

Entfernen Sie ein Objekt

Edit @Video1.
Change: Remove the advertising board in the foreground from the first frame onward.
Timing: Keep the removal consistent as the camera pans right.
Preserve: The people, building geometry, shadows, reflections, camera movement, audio,
and original duration. Do not add a replacement object.

Ersetzen Sie ein Motiv oder einen Hintergrund

Edit @Video1.
Change: Replace the backpack with the backpack shown in @Image1.
Timing: Match its position, scale, movement, contact points, and occlusion throughout.
Preserve: The person's face, clothing, hands, walking pace, background, lighting, shadows,
camera path, audio, and duration.

Ändern Sie einen Teil des Stils

Edit @Video1.
Change: Convert the vehicle into a hand-built clay model with visible fingerprints and
soft matte surfaces.
Timing: Apply the material change gradually during the first two seconds.
Preserve: The vehicle's size, route, wheel motion, camera movement, background, lighting,
shadows, audio, and all other objects in the scene.

Die Bewahren Zeile ist kein Füller. Es begrenzt unbeabsichtigte Änderungen und gibt Ihnen eine konkrete Checkliste, wenn Sie das Ergebnis überprüfen.

Wenn Ihr Projekt nach der Generierung eine abschließende Qualitätsprüfung erfordert, Video-Upscaling ist ein separater Endbearbeitungsschritt. Es sollte nicht dazu verwendet werden, ein dringendes Problem zu verbergen, das eine neue Generation erfordert.

Gehen Sie mit negativen Anweisungen sparsam um

Beschreiben Sie das gewünschte Bild oder die gewünschte Aktion möglichst direkt. „Zeigen Sie die Figur im Profil, während Sie am Telefon sprechen“ ist normalerweise klarer als „Zeigen Sie nicht das Gesicht der Figur.“

Bewahren Sie negative Anweisungen für bestimmte Fehlergrenzen auf, wie zum Beispiel:

• Keine Untertitel
• Keine Hintergrundmusik
• Keine zusätzlichen Zeichen
• Kopieren Sie nicht die Personen, den Ort oder den Ton aus der Bewegungsreferenz
• Behalten Sie jedes andere Objekt und die ursprüngliche Dauer während einer Bearbeitung bei

Lange Listen mit „Nein“-Aussagen können mit der positiven Szenenbeschreibung konkurrieren. Verwenden Sie sie, um einen bekannten Fehlermodus zu schließen, und nicht, um das gesamte Video durch Ausschluss zu beschreiben.

Überarbeiten Sie in der richtigen Reihenfolge

Wenn ein Ergebnis die Anforderungen nicht erfüllt, ändern Sie jeweils eine Kontrollebene:

1. Überprüfen Sie die Etiketten. Stellen Sie sicher, dass jeder @Image, @Video, Element oder Sprachprofil bezieht sich auf den beabsichtigten Upload.
2. Klären Sie die Asset-Rollen. Geben Sie an, ob eine Referenz Identität, Komposition, Bewegung, Kamera oder Ton steuert.
3. Ersetzen Sie abstrakte Adjektive. Konvertieren Sie „Cinematic“ oder „Premium“ in Licht-, Material-, Objektiv-, Kamera- und Texturdetails.
4. Reparieren Sie die Zeitleiste. Fügen Sie Zeitbereiche hinzu und definieren Sie, wie die Aktion den nächsten Status erreicht.
5. Kontinuität stärken. Nennen Sie Identität, Richtung, Licht, Geometrie und Klang, die stabil bleiben müssen.
6. Bearbeitungsbereich reduzieren. Ändern Sie ein Thema, ein Objekt oder eine Stilebene, bevor Sie mehrere unabhängige Änderungen anfordern.
7. Konflikte beseitigen. Löschen Sie wiederholte oder widersprüchliche Anweisungen, anstatt mehr Text hinzuzufügen.

Diese Reihenfolge erleichtert die Diagnose der nächsten Generation. Außerdem wird vermieden, dass jeder fehlgeschlagene Clip zu einer längeren, weniger zusammenhängenden Eingabeaufforderung wird.

Überprüfen Sie die Offenlegung von KI vor der Veröffentlichung

Wenn eine Kling 4-Ausgabe realistisch aussieht und eine Person, einen Ort, ein Ereignis oder eine Szene darstellt, die nicht wie gezeigt stattgefunden hat, lesen Sie vor der Veröffentlichung die Offenlegungsregeln der Plattform. Aktuelle Leitlinien von YouTube sagt, dass Urheber realistische, von der KI generierte oder sinnvoll veränderte Inhalte offenlegen müssen, einschließlich realistischer Szenen, die nie stattgefunden haben, und Filmmaterial, das den Anschein erweckt, als würde eine reale Person etwas sagen oder tun, was sie nicht getan hat.

Dieser Offenlegungsschritt ist unabhängig von der sofortigen Qualität. Eine gut formulierte Eingabeaufforderung kann das Ergebnis verbessern, ändert jedoch nichts an der Verantwortung, synthetische oder veränderte Medien zu kennzeichnen, wenn die Zielplattform dies erfordert.

FAQ

Was ist die beste Struktur für eine Kling 4-Eingabeaufforderung?

Verwenden Sie für die kontrollierte Generierung vier Blöcke: Asset-Rollen, Gesamteinstellungen, Ereignissequenz und Audio. Beginnen Sie für eine einfache Idee mit einem Satz und fügen Sie nur die Einschränkungen hinzu, die sich auf das Ergebnis auswirken.

Sollte ich Omni Reference oder Keyframes verwenden?

Verwenden Sie Omni Reference, wenn Sie Bilder, Videos, Elemente, Sprachprofile oder ein kreatives Konzept kombinieren müssen. Verwenden Sie Keyframes, wenn bestimmte Bilder an bestimmten Punkten in der Zeitleiste angezeigt werden müssen. Die beiden Erstellungseinstiegspunkte verfügen über unterschiedliche Steuerelemente und können nicht als austauschbar behandelt werden.

Wie verweise ich auf eine hochgeladene Datei?

Verwenden Sie die vom Arbeitsbereich zugewiesene Bezeichnung, z @Image1 oder @Video1und geben Sie an, was dieser Vermögenswert kontrolliert. „@Video1 steuert nur den Gehrhythmus“ ist sinnvoller als die Benennung der Datei ohne Rolle.

Wie schreibe ich eine Kling 4-Videobearbeitungsaufforderung?

Beginnen Sie mit Edit @Video1. Teilen Sie dann die Anfrage in auf Veränderung, Timing, und Bewahren. Geben Sie das genaue Element an, das geändert werden soll, und listen Sie die Identität, Kamera, Beleuchtung, Audio und Dauer auf, die stabil bleiben müssen.

Kann Kling 4 Dialoge, Musik und Soundeffekte erzeugen?

Die offiziellen Materialien von Kling beschreiben generiertes Audio, Zweikanal-Stereo, Dialoge und verbesserte Lippensynchronisation. Beschreiben Sie Dialoge, Stimme, Ambiente, Musik und Effekte als separate Ebenen und überprüfen Sie die in Ihrer ausgewählten Benutzeroberfläche verfügbaren Steuerelemente.

Sind längere Eingabeaufforderungen immer besser?

Nein. Der offizielle Leitfaden listet eine Eingabeaufforderung von bis zu 8.000 Token auf, aber das ist eine Kapazitätsgrenze, kein Ziel. Eine kürzere Eingabeaufforderung mit klaren Rollen-, Zeit- und Aufbewahrungsregeln ist oft einfacher zu befolgen als eine lange Eingabeaufforderung voller wiederholter Adjektive.