Kling 4 プロンプト ガイド: 参照、キーフレーム、オーディオ、および編集

Kling 4 は、1 つの短いアイデアまたは制作スタイルの概要から作業できます。適切なプロンプトは、文字数よりも、必要なコントロールの種類に依存します。コンセプトを検討しているのか、キャラクターを保持しているのか、リファレンスの動きに従うのか、視覚的なマイルストーンを修正しているのか、ダイアログを生成しているのか、既存のクリップを編集しているのか。

このガイドでは、Kling 4 の主要なワークフローにわたる完全なプロンプト システムについて説明します。仕様や発売状況については、 Kling 4 リリースガイド.

適切な Kling 4 モードを選択することから始めます

Kling 4 には、2 つの主要なエントリ ポイントが表示されます。これらはさまざまな問題を解決するため、1 つの世代タスク内で組み合わせることはできません。

オムニリファレンスを選択してください テキストから生成する場合、キャラクターや製品を保存する場合、モーションやカメラ言語を借用する場合、複数のアセットを結合する場合、またはアップロードされたビデオを編集する場合。

キーフレームの選択 交渉の余地のない要件が時間内での視覚的な配置である場合、この画像から開始してその画像に到達するか、定義された順序で承認されたいくつかのフレームを通過します。

1 つのアイデアから始める

良好な Kling 4 プロンプトは、最初の試行から長くする必要はありません。ビューアに見せたいイベントから始めて、モデルの自由度がそれほど必要ない場所にのみコントロールを追加します。

役に立つ出発点は次のとおりです。

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

次に、3 つのパスで詳細を追加します。

1. コアイベント: 誰が、あるいは何が存在し、何が変化するのでしょうか?
2. 必ず守らなければならない決定事項: ドリフトできないアイデンティティ、構成、動き、または照明の詳細はどれですか?
3. 生産管理: どの参照、時間範囲、カメラの移動、オーディオ レイヤー、または編集境界が重要ですか?

この進行により、重要な制約が明確になりながら、プロンプトが読みやすくなります。また、修正も容易になります。結果が失敗した場合でも、問題の原因がアイデア、アセットの役割、またはタイムラインのどれにあるのかがわかります。

4 ブロックのプロンプト構造を使用する

For a controlled Omni Reference task, separate the prompt into four blocks.ラベルは魔法のコマンドではありません。 They are a way to prevent identity, action, timing, and sound instructions from competing in the same paragraph.

[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. アセットの役割

アップロードされた各アセットに特定の機能を与えます。参照画像は、顔、服装、製品の形状、または部屋をコントロールする場合があります。ビデオはモーションのリズムやカメラの動きを制御する場合があります。音声プロファイルは 1 人の話者の音声を制御する場合があります。

アップロード ラベル自体が説明されているとは考えないでください。ラベルと役割を組み合わせて使用​​し、転送してはいけないものを明記します。たとえば、「@Video1 のカメラ パスのみを参照する」は、「@Video1 を使用する」よりも正確です。

2.全体の設定

抽象的な形容詞を目に見える、または聞こえる特性に置き換えます。 「プレミアム」の代わりに、エッジ ライティング、マテリアルの反応、レンズの選択、表面の質感、背景の分離について説明します。 「ヴィンテージ」の代わりに、経年劣化したペイント、温かみのある白熱灯、磨耗したエッジ、またはフィルム粒子などを指定します。

公式ガイドでも同様の一般的な区別がなされています。つまり、具体的な説明により、モデルが実行する必要がある視覚的推論の量が削減されます。

3. イベントの順序

アクションは、閲覧者に表示される順序で記述します。長いクリップに複数のビートがある場合は時間範囲を追加し、それらのビート間でカメラがどのように移動するかを説明します。

タイムラインには、何が継続しているのかも記載されている必要があります。キャラクター、部屋、光の方向、製品の配置を安定させなければならない場合は、各行で繰り返すのではなく、イベントの後にそのルールを述べます。

4. オーディオ

ダイアログ、音声特性、雰囲気、音楽、効果音を個別に分離します。これにより、静かな部屋のリクエストが音楽用ベッドのリクエストや不明確なスピーカーの割り当てと競合することがなくなります。

テキストからビデオへのプロンプトを書き込む

テキストからビデオへの変換は、プロンプトが 4 つの実践的な質問に答える場合に最も効果的に機能します。

• 件名: 視聴者は誰、または何をフォローすべきでしょうか?
• シーン: アクションはどこで行われますか?また、その場所を定義する物理的な詳細は何ですか?
• アクション: 時間の経過とともに何が変化し、どのような順序で変化するのでしょうか?
• 治療: カメラ、光、テクスチャ、サウンド、ペースはどのようにアクションを表現すべきでしょうか?

完全な例を次に示します。

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.

重要なのは、あらゆる詳細を使用しないことです。重要なのは、フレーム内に何があるか、何が動くか、カメラがそれをどのように明らかにするか、シーン内にどのサウンドレイヤーが属するかなど、重要な決定を観察可能なものにすることです。

オムニリファレンスを使用する

Omni Reference は、テキストだけでは必要な視覚的アイデンティティ、動き、構成を確実に伝えることができない場合に最適です。 Kling's official materials describe a combined reference budget of up to 15 inputs, including up to 10 images, up to 5 videos with a 30-second total video duration, up to 7 elements, and up to 3 voice profiles.制限は合計予算を共有するため、カテゴリの最大値を合計しないでください。

同じ公式ガイドには、現在のワークフローの画像、ビデオ、音声プロファイル、および要素の制限がリストされています。インターフェイスと統合は変更される可能性があるため、大量のアセットを準備する前に、選択したワークスペースに表示されるコントロールを確認してください。

キャラクターと製品のリファレンス

世代を超えて存続する必要がある詳細にアイデンティティ参照を割り当てます。

@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.

資産に転送すべきではない追加情報が含まれている場合は、その旨を伝えます。 For example, a product photo can define the bottle geometry without defining the studio background, reflections, or text that happens to appear behind it.

既存の静止画から開始するワークフローの場合、 画像からビデオへの生成 は、多くの参照を調整するのではなく、準備された 1 つのコンポジションをアニメーション化することが主なタスクである場合に便利なコンパニオン パスになります。

アクションとカメラのリファレンス

参考ビデオは、シーンにならずに動きをガイドできます。どのレイヤーを借用するかを正確に指定します。

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

ビデオリファレンスには、必要なアクションよりも多くの情報が含まれているため、これは重要です。その役割を絞り込むことで、意図した転送の検査と修正が容易になります。

構成と絵コンテのリファレンス

構図を保存したい場合は、画像を使用します。ストーリーボードまたはレイアウト リファレンスを使用してショットの順序を記述し、ラベル、矢印、パネル、またはプランニング マークを再現するのではなく、シーン自体をレンダリングするように Kling に指示します。

有用なルールは、重要な決定を制御する最小の参照セットをアップロードすることです。入力が増えても、自動的にさらに多くのコントロールが作成されるわけではありません。競合する命令を導入することもできます。

最初と最後のフレームを使用する

キーフレームは、開始画像と終了画像がすでにわかっている場合に便利です。始まりと終わりだけを記述しないでください。それらの間のパスを説明します。

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.

最初のフレームは、冒頭の構図を確立します。最後のフレームで宛先が確立されます。プロンプトの中央では、カメラ、被写体、光、マテリアルがどのようにそこに到達するかについて説明します。

複数のキーフレームを計画する

Kling 4 の公式ガイドには、最大 10 個のキーフレーム画像のサポートがリストされています。単にインターフェイスでより多くのアップロードが可能であるという理由だけでなく、特定の瞬間の視覚的な状態が重要な場合にはキーフレームを使用します。

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.

有用なキーフレーム マイルストーンには次のものがあります。

• フレームに入る、またはフレームから出る文字
• ワイドショットからクローズアップへの変化
• 製品の状態や位置が変化する
• 天候または照明の変化
• 定義された中間状態を必要とする変換

キーフレームの各ペア間の遷移について説明します。その接続命令がないと、モデルはさらに多くの動きと連続性を推測する必要があります。

30 秒のマルチショットビデオを計画する

公式ユーザーガイドによると、Kling 4は1秒単位で3～30秒の生成をサポートしています。 30 秒のプロンプトは、形容詞の長い 1 つの段落ではなく、コンパクトなショット計画のように見える必要があります。

5 つのレイヤーを含めます。

1. 空間計画: 被写体、カメラ、重要な物体はどこにありますか?
2. 撮影プラン： ショットは何回あり、それぞれの長さはどれくらいですか?
3. アクション: すべてのショットのメインイベントは何ですか?
4. トランジション: あるショットが次のショットにどのようにつながるのでしょうか？
5. 継続性: どのアイデンティティ、光、方向、音声ルールがカット全体に適用されますか?

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.

期間が長くなると、物語の展開の余地が広がりますが、連続性エラーが現れるまでの時間も長くなります。空間ルールと繰り返しの ID の詳細がプロンプトに表示されるようにします。

プロンプトダイアログとステレオサウンド

会話シーンの場合は、セリフの前に発言者を定義します。 Include language or accent when it matters, then describe age, tone, pace, emotion, pauses, and whether other characters remain silent.

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.

Kling の公式発売資料では、2 チャンネルのステレオ オーディオとリップシンク パフォーマンスの向上について説明されています。これはモデルの機能として扱い、すべてのインターフェイスが同一のオーディオ コントロールを公開することを保証するものではありません。

音楽、アンビエンス、エフェクトには別のラベルを使用します。空間サウンドの場合は、車両が左後部から右前部に移動するなど、ステレオ フィールド内の動きをイベントとして説明します。

ビデオ編集プロンプトを作成する

アップロードしたクリップを変更する場合は、編集する素材としてビデオを特定することから始めます。実際の構造は次のとおりです。

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]

オブジェクトを削除する

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.

被写体または背景を置き換える

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.

スタイルの一部を変更する

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.

の 保存する ラインはフィラーではありません。意図しない編集を制限し、結果を確認するときに具体的なチェックリストを提供します。

プロジェクトの生成後に最終品質パスが必要な場合は、 ビデオのアップスケーリング 別の仕上げステップです。新しい世代を必要とする即時の問題を隠すために使用すべきではありません。

否定的な指示は控えめに使用する

可能な限り、希望するイメージやアクションを直接説明します。通常、「通話中にキャラクターの横顔を表示する」の方が、「キャラクターの顔を表示しない」よりも明確です。

次のような特定の障害境界については、否定的な指示を維持してください。

• 字幕なし
• バックグラウンドミュージックなし
• 余分な文字はありません
• 人物、場所、または音声をモーション参照からコピーしないでください。
• 編集中に他のすべてのオブジェクトと元のデュレーションを保持します

「いいえ」という発言の長いリストは、肯定的なシーンの説明と競合する可能性があります。これらは、ビデオ全体を除外して説明するのではなく、既知の障害モードを閉じるために使用します。

正しい順序で修正する

結果が概要を満たしていない場合は、一度に 1 つの制御レイヤーを変更します。

1. ラベルを確認してください。 それぞれ確認してください @Image, @Video、要素、または音声プロファイルは、意図されたアップロードを指します。
2. 資産の役割を明確にする。 参照がアイデンティティ、構成、モーション、カメラ、またはサウンドを制御するかどうかを述べます。
3. 抽象的な形容詞を置き換えます。 「シネマティック」または「プレミアム」をライト、マテリアル、レンズ、カメラ、テクスチャの詳細に変換します。
4. タイムラインを修復します。 時間範囲を追加し、アクションが次の状態に到達する方法を定義します。
5. 継続性を強化します。 安定していなければならないアイデンティティ、方向、光、幾何学形状、音に名前を付けてください。
6. 編集範囲を縮小します。 無関係な複数の編集をリクエストする前に、1 つの件名、オブジェクト、またはスタイル レイヤを変更してください。
7. 競合を削除します。 テキストを追加するのではなく、繰り返しまたは矛盾する指示を削除してください。

この順序により、次世代の診断が容易になります。また、失敗したすべてのクリップが長く、一貫性の低いプロンプトに変わることも避けられます。

公開前に AI 開示を確認する

Kling 4 出力が現実的に見え、示されているように実際には起こらなかった人物、場所、イベント、またはシーンが描かれている場合は、公開する前にプラットフォームの開示ルールを確認してください。 YouTubeの現在の案内 クリエイターは、実際には起こらなかった現実的なシーンや、実際の人間がしていないことを言ったり行ったりしているように見える映像など、AIによって生成された現実的なコンテンツ、または意味のある変更が加えられたコンテンツを公開する必要があると述べています。

この開示ステップは、迅速な品質とは別のものです。プロンプトを適切に作成すると結果は改善されますが、宛先プラットフォームで必要な場合に合成または変更されたメディアにラベルを付ける責任は変わりません。

よくある質問

Kling 4 プロンプトの最適な構造は何ですか?

For controlled generation, use four blocks: asset roles, overall settings, sequence of events, and audio.シンプルなアイデアの場合は、1 つの文から始めて、結果に影響する制約のみを追加します。

オムニリファレンスまたはキーフレームを使用する必要がありますか?

画像、ビデオ、要素、音声プロファイル、またはクリエイティブなコンセプトを組み合わせる必要がある場合は、Omni Reference を使用します。特定の画像をタイムラインの特定のポイントに表示する必要がある場合は、キーフレームを使用します。 2 つの作成エントリ ポイントには異なるコントロールがあり、交換可能なものとして扱うことはできません。

アップロードされたファイルを参照するにはどうすればよいですか?

ワークスペースによって割り当てられたラベルを使用します。たとえば、 @Image1 または @Video1、その資産が何を制御するかを述べます。 「@Video1 は歩行リズムのみを制御する」は、役割を指定せずにファイルに名前を付けるよりも便利です。

Kling 4 ビデオ編集プロンプトを作成するにはどうすればよいですか?

から始める Edit @Video1. 次に、リクエストを次のように分割します。 変更, タイミング、そして 保存する。変更する正確な要素を指定し、安定した状態を維持する必要があるアイデンティティ、カメラ、照明、オーディオ、および継続時間をリストします。

Kling 4 はダイアログ、音楽、効果音を生成できますか?

Kling の公式資料では、生成されたオーディオ、2 チャンネル ステレオ、ダイアログ、改善されたリップ シンクについて説明しています。ダイアログ、音声、アンビエンス、音楽、エフェクトを個別のレイヤーとして記述し、選択したインターフェイスで使用できるコントロールを確認します。

プロンプトが長い方が常に良いのでしょうか?

いいえ、公式ガイドには最大 8,000 トークンのプロンプト入力が記載されていますが、これは容量制限であり、目標ではありません。役割、タイミング、保存ルールが明確な短いプロンプトは、形容詞が繰り返される長いプロンプトよりも理解しやすいことがよくあります。