Guía de prompts de Kling 4: referencias, fotogramas clave, audio y edición

Kling 4 puede funcionar a partir de una idea breve o de un resumen de estilo de producción. El mensaje correcto depende menos del número de palabras que del tipo de control que necesitas: ¿estás explorando un concepto, preservando un personaje, siguiendo un movimiento de referencia, fijando hitos visuales, generando diálogos o editando un clip existente?

Esta guía explica el sistema de avisos completo en los principales flujos de trabajo de Kling 4. Para conocer las especificaciones y el estado de lanzamiento, consulte la Guía de lanzamiento Kling 4.

Comience eligiendo el modo Kling 4 correcto

Kling 4 presenta dos puntos de entrada principales. Resuelven diferentes problemas y no se pueden combinar en una tarea generacional.

Elija la referencia Omni cuando desee generar a partir de texto, conservar un personaje o producto, tomar prestado el lenguaje de movimiento o de la cámara, combinar varios recursos o editar un video cargado.

Elija fotogramas clave cuando su requisito no negociable es la ubicación visual en el tiempo: comenzar en esta imagen, llegar a esa imagen o pasar por varios fotogramas aprobados en un orden definido.

Comience con una idea

Un buen mensaje Kling 4 no necesita tardar mucho desde el primer intento. Comience con el evento que desea que vea el espectador y luego agregue controles solo donde el modelo necesite menos libertad.

Un punto de partida útil es:

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

Luego agregue detalles en tres pasadas:

1. Evento central: ¿Quién o qué está presente y qué cambia?
2. Decisiones que debes mantener: ¿Qué detalles de identidad, composición, movimiento o iluminación no pueden derivar?
3. Controles de producción: ¿Qué referencias, rangos de tiempo, movimientos de cámara, capas de audio o límites de edición importan?

Esta progresión mantiene el mensaje legible y al mismo tiempo hace explícitas las restricciones importantes. También facilita la revisión: si el resultado falla, puedes saber si el problema surgió de la idea, las funciones de los activos o el cronograma.

Utilice una estructura de indicaciones de cuatro bloques

Para una tarea de Omni Reference controlada, separe el mensaje en cuatro bloques. Las etiquetas no son comandos mágicos. Son una manera de evitar que identidad, acción, tiempo e instrucciones sólidas compitan en el mismo párrafo.

[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. Funciones de los activos

Asigne a cada activo cargado una función específica. Una imagen de referencia puede controlar una cara, un atuendo, la geometría del producto o una habitación. Un vídeo puede controlar el ritmo del movimiento o el movimiento de la cámara. Un perfil de voz puede controlar la voz de un hablante.

No asuma que una etiqueta de carga se explica por sí sola. Utilice la etiqueta y el rol juntos, luego indique qué no debe transferirse. Por ejemplo, "hacer referencia únicamente a la ruta de la cámara de @Video1" es más preciso que "usar @Video1".

2. Configuración general

Reemplace los adjetivos abstractos con propiedades visibles o audibles. En lugar de "premium", describa la iluminación de los bordes, la respuesta del material, la elección de lentes, la textura de la superficie y la separación del fondo. En lugar de "vintage", especifique pintura envejecida, luz incandescente cálida, bordes desgastados o vetas de película.

La guía oficial hace la misma distinción general: las descripciones concretas reducen la cantidad de inferencia visual que debe realizar el modelo.

3. Secuencia de eventos

Escribe acciones en el orden en que el espectador debería verlas. Agregue rangos de tiempo cuando un clip más largo tenga varios tiempos y explique cómo se mueve la cámara entre esos tiempos.

Una línea de tiempo también debe decir qué es lo que se mantiene continuo. Si el personaje, la habitación, la dirección de la luz o la ubicación del producto deben permanecer estables, establezca esa regla después de los eventos en lugar de repetirla en cada línea.

4. Audio

Diálogos separados, características de voz, ambiente, música y efectos de sonido. Esto evita que una solicitud de una habitación tranquila entre en conflicto con una solicitud de una cama musical o una asignación de altavoz poco clara.

Escribir indicaciones de texto a vídeo

La conversión de texto a vídeo funciona mejor cuando el mensaje responde a cuatro preguntas prácticas:

• Asunto: ¿A quién o qué debe seguir el espectador?
• Escena: ¿Dónde ocurre la acción y qué detalles físicos definen la ubicación?
• Acción: ¿Qué cambia con el tiempo y en qué orden?
• Tratamiento: ¿Cómo deben presentar la acción la cámara, la luz, la textura, el sonido y el ritmo?

Aquí tienes un ejemplo completo:

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.

El punto es no utilizar todos los detalles posibles. El punto es hacer observables las decisiones importantes: qué está en el encuadre, qué se mueve, cómo lo revela la cámara y qué capas de sonido pertenecen a la escena.

Usar referencia Omni

Omni Reference es la elección correcta cuando el texto por sí solo no puede transmitir de manera confiable la identidad visual, el movimiento o la composición que necesita. Los materiales oficiales de Kling describen un presupuesto de referencia combinado de hasta 15 entradas, incluidas hasta 10 imágenes, hasta 5 videos con una duración total de 30 segundos, hasta 7 elementos y hasta 3 perfiles de voz. Los límites comparten un presupuesto total, por lo que los máximos de categoría no deben sumarse.

La misma guía oficial enumera los límites de imágenes, vídeos, perfiles de voz y elementos del flujo de trabajo actual. Las interfaces e integraciones pueden cambiar, por lo que debes verificar los controles de tu espacio de trabajo antes de preparar un gran lote de recursos.

Referencias de personajes y productos.

Asigne referencias de identidad a los detalles que deben sobrevivir a la generación:

@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.

Si un activo contiene información adicional que no debería transferirse, dígalo. Por ejemplo, una foto de producto puede definir la geometría de la botella sin definir el fondo del estudio, los reflejos o el texto que aparece detrás de ella.

Para flujos de trabajo que comienzan a partir de una imagen fija existente, generación de imagen a video Puede ser un camino complementario útil cuando la tarea principal es animar una composición preparada en lugar de coordinar muchas referencias.

Referencias de acción y cámara.

Un vídeo de referencia puede guiar el movimiento sin convertirse en la escena. Indique exactamente qué capa tomar prestada:

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

Esto es importante porque una referencia de video contiene más información que la acción que desea. Reducir su función hace que la transferencia prevista sea más fácil de inspeccionar y revisar.

Referencias de composición y guión gráfico.

Utilice una imagen cuando la composición sea la decisión que desee preservar. Utilice un guión gráfico o una referencia de diseño para describir el orden de las tomas y luego indique a Kling que represente la escena en sí en lugar de reproducir etiquetas, flechas, paneles o marcas de planificación.

Una regla útil es cargar el conjunto más pequeño de referencias que controle las decisiones que le interesan. Más entradas no crean automáticamente más control. También pueden introducir instrucciones competitivas.

Utilice el primer y último fotograma

Los fotogramas clave son útiles cuando ya conoces las imágenes inicial y final. No describas solo el principio y el final: describe también el recorrido entre ambos.

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.

El primer cuadro establece la composición inicial. El último cuadro establece el destino. La mitad del mensaje explica cómo llegan allí la cámara, el sujeto, la luz y los materiales.

Planifica varios fotogramas clave

La guía oficial de Kling 4 enumera la compatibilidad con hasta 10 imágenes de fotogramas clave. Utilice un fotograma clave cuando un estado visual sea importante en un momento determinado, no simplemente porque la interfaz permita más cargas.

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.

Los hitos de fotogramas clave útiles incluyen:

• Un personaje que entra o sale del cuadro.
• Un cambio de plano general a primer plano.
• Un producto que cambia de estado o posición.
• Una transición climática o de iluminación
• Una transformación que necesita un estado intermedio definido

Explique la transición entre cada par de fotogramas clave. Sin esa instrucción conectiva, el modelo tiene que inferir más movimiento y continuidad.

Planifica un vídeo de varias tomas de 30 segundos

Kling 4 admite entre 3 y 30 segundas generaciones en incrementos de un segundo, según la guía oficial del usuario. Un mensaje de 30 segundos debería leerse como un plan de toma compacto, no como un largo párrafo de adjetivos.

Incluye cinco capas:

1. Plano espacial: ¿Dónde están el sujeto, la cámara y los objetos importantes?
2. Plan de tiro: ¿Cuántas tomas hay y cuánto dura cada una?
3. Acción: ¿Cuál es el evento principal en cada toma?
4. Transiciones: ¿Cómo un disparo conduce al siguiente?
5. Continuidad: ¿Qué reglas de identidad, luz, dirección y audio se transmiten a lo largo del corte?

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.

Una duración más larga crea más espacio para el desarrollo narrativo, pero también da más tiempo para que aparezcan los errores de continuidad. Mantenga visibles las reglas espaciales y los detalles de identidad recurrentes en el mensaje.

Diálogo rápido y sonido estéreo.

Para escenas de diálogo, defina al hablante antes de la línea. Incluya el lenguaje o el acento cuando sea importante, luego describa la edad, el tono, el ritmo, las emociones, las pausas y si los demás personajes permanecen en silencio.

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.

Los materiales de lanzamiento oficiales de Kling describen audio estéreo de dos canales y un rendimiento mejorado de sincronización de labios. Trate esto como una capacidad modelo, no como una promesa de que cada interfaz exponga controles de audio idénticos.

Para música, ambiente y efectos, utilice etiquetas independientes. Para sonido espacial, describa el movimiento a través del campo estéreo como un evento, como un vehículo que se mueve desde atrás a la izquierda hacia adelante a la derecha.

Escribir indicaciones de edición de vídeo

Cuando cambie un clip subido, comience identificando el video como el material a editar. Una estructura práctica es:

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]

Quitar un objeto

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.

Reemplazar un tema o fondo

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.

Cambiar una parte del estilo.

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.

el Conservar La línea no es de relleno. Limita las ediciones no deseadas y le brinda una lista de verificación concreta cuando revisa el resultado.

Si tu proyecto requiere una calidad final pasada tras generación, mejora de vídeo es un paso final separado. No debe utilizarse para ocultar un problema inmediato que necesita una nueva generación.

Utilice instrucciones negativas con moderación

Describe la imagen o acción deseada directamente siempre que sea posible. “Mostrar al personaje de perfil mientras se habla por teléfono” suele ser más claro que “No mostrar la cara del personaje”.

Reserva las instrucciones negativas para evitar fallos concretos, como:

• Sin subtítulos
• Sin música de fondo
• Sin personajes adicionales
• No copie las personas, la ubicación o el audio de la referencia del movimiento.
• Conserva todos los demás objetos y la duración original durante una edición

Las largas listas de afirmaciones negativas pueden competir con la descripción positiva de la escena. Úselos para cerrar un modo de falla conocido, no para describir todo el video por exclusión.

Revisar en el orden correcto

Cuando un resultado no cumpla con el resumen, cambie una capa de control a la vez:

1. Revisa las etiquetas. Asegúrate de que cada @Image, @Video, elemento o perfil de voz se refiere a la carga prevista.
2. Aclarar las funciones de los activos. Indique si una referencia controla la identidad, la composición, el movimiento, la cámara o el sonido.
3. Reemplazar adjetivos abstractos. Convierta lo “cinematográfico” o “premium” en detalles de luz, material, lente, cámara y textura.
4. Repara la línea de tiempo. Añade rangos de tiempo y define cómo la acción llega al siguiente estado.
5. Fortalecer la continuidad. Nombra la identidad, dirección, luz, geometría y sonido que deben permanecer estables.
6. Reducir el alcance de la edición. Cambie una capa de tema, objeto o estilo antes de solicitar varias ediciones no relacionadas.
7. Eliminar conflictos. Elimine instrucciones repetidas o contradictorias en lugar de agregar más texto.

Este orden hace que la próxima generación sea más fácil de diagnosticar. También evita convertir cada clip fallido en un mensaje más largo y menos coherente.

Verifique la divulgación de IA antes de publicar

Si una salida de Kling 4 parece realista y representa una persona, lugar, evento o escena que no sucedió como se muestra, revise las reglas de divulgación de la plataforma antes de publicarla. Orientación actual de YouTube dice que los creadores deben revelar contenido realista generado por IA o alterado significativamente, incluidas escenas realistas que nunca ocurrieron y metraje que hace que parezca que una persona real dice o hace algo que no hizo.

Ese paso de divulgación es independiente de la calidad inmediata. Un mensaje bien escrito puede mejorar el resultado, pero no cambia la responsabilidad de etiquetar medios sintéticos o alterados cuando la plataforma de destino lo requiera.

Preguntas frecuentes

¿Cuál es la mejor estructura para un mensaje Kling 4?

Para una generación controlada, utilice cuatro bloques: roles de activos, configuración general, secuencia de eventos y audio. Para una idea simple, comience con una oración y agregue solo las restricciones que afectan el resultado.

¿Debo utilizar Omni Reference o fotogramas clave?

Utilice Omni Reference cuando necesite combinar imágenes, vídeos, elementos, perfiles de voz o un concepto creativo. Utilice fotogramas clave cuando deban aparecer imágenes específicas en puntos específicos de la línea de tiempo. Los dos puntos de entrada de la creación tienen controles diferentes y no pueden considerarse intercambiables.

¿Cómo hago referencia a un archivo cargado?

Utilice la etiqueta asignada por el espacio de trabajo, como @Image1 o @Video1, e indique qué controla ese activo. "@Video1 controla solo el ritmo de caminata" es más útil que nombrar el archivo sin una función.

¿Cómo escribo un mensaje de edición de video Kling 4?

Empezar con Edit @Video1. Luego separe la solicitud en Cambiar, Sincronización, y Conservar. Especifica el elemento exacto a cambiar y enumera la identidad, cámara, iluminación, audio y duración que deben permanecer estables.

¿Puede Kling 4 generar diálogos, música y efectos de sonido?

Los materiales oficiales de Kling describen audio generado, estéreo de dos canales, diálogos y sincronización de labios mejorada. Describe el diálogo, la voz, el ambiente, la música y los efectos como capas separadas y verifica los controles disponibles en la interfaz seleccionada.

¿Las indicaciones más largas son siempre mejores?

No. La guía oficial enumera la entrada rápida de hasta 8000 tokens, pero eso es un límite de capacidad, no un objetivo. Una pauta más breve con funciones, tiempos y reglas de preservación claras suele ser más fácil de seguir que una pauta larga llena de adjetivos repetidos.