Guia de prompt do Kling 4: referências, quadros-chave, áudio e edição

Kling 4 pode funcionar a partir de uma ideia curta ou de um briefing de estilo de produção. O prompt certo depende menos da contagem de palavras do que do tipo de controle que você precisa: você está explorando um conceito, preservando um personagem, seguindo um movimento de referência, corrigindo marcos visuais, gerando diálogo ou editando um clipe existente?

This guide explains the complete prompting system across Kling 4's main workflows. Para especificações e status de lançamento, consulte o Guia de lançamento do Kling 4.

Comece escolhendo o modo Kling 4 correto

Kling 4 apresenta dois pontos de entrada principais. Eles resolvem problemas diferentes e não podem ser combinados em uma tarefa de geração.

Escolha Referência Omni quando você deseja gerar a partir de texto, preservar um personagem ou produto, pegar emprestado o movimento ou a linguagem da câmera, combinar vários recursos ou editar um vídeo enviado.

Escolha quadros-chave quando seu requisito inegociável é o posicionamento visual no tempo: comece nesta imagem, chegue naquela imagem ou passe por vários frames aprovados em uma ordem definida.

Comece com uma ideia

Um bom prompt do Kling 4 não precisa demorar muito desde a primeira tentativa. Comece com o evento que você deseja que o visualizador veja e, em seguida, adicione controles somente onde o modelo precisar de menos liberdade.

Um ponto de partida útil é:

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

Em seguida, adicione detalhes em três passagens:

1. Evento principal: Quem ou o que está presente e o que muda?
2. Decisões obrigatórias: Quais detalhes de identidade, composição, movimento ou iluminação não podem mudar?
3. Controles de produção: Quais referências, intervalos de tempo, movimentos de câmera, camadas de áudio ou limites de edição são importantes?

Essa progressão mantém o prompt legível enquanto torna explícitas as restrições importantes. Também facilita a revisão: se o resultado falhar, você poderá dizer se o problema veio da ideia, das funções dos ativos ou do cronograma.

Use uma estrutura de prompt de quatro blocos

Para uma tarefa controlada do Omni Reference, separe o prompt em quatro blocos. Os rótulos não são comandos mágicos. Eles são uma forma de evitar que identidade, ação, tempo e instruções sonoras concorram no mesmo parágrafo.

[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. Funções de ativos

Dê a cada ativo carregado uma função específica. Uma imagem de referência pode controlar um rosto, uma roupa, uma geometria de produto ou um ambiente. Um vídeo pode controlar o ritmo do movimento ou o movimento da câmera. Um perfil de voz pode controlar a voz de um locutor.

Não presuma que um rótulo de upload se explica por si só. Use o rótulo e a função juntos e indique o que não deve ser transferido. Por exemplo, “referenciar o caminho da câmera apenas de @Video1” é mais preciso do que “usar @Video1”.

2. Configurações gerais

Substitua adjetivos abstratos por propriedades visíveis ou audíveis. Em vez de “premium”, descreva a iluminação das bordas, a resposta do material, a escolha da lente, a textura da superfície e a separação do fundo. Em vez de “vintage”, especifique tinta envelhecida, luz incandescente quente, bordas desgastadas ou granulação de filme.

O guia oficial faz a mesma distinção geral: descrições concretas reduzem a quantidade de inferência visual que o modelo deve realizar.

3. Sequência de eventos

Escreva as ações na ordem em que o visualizador deve vê-las. Adicione intervalos de tempo quando um clipe mais longo tiver várias batidas e explique como a câmera se move entre essas batidas.

Uma linha do tempo também deve dizer o que permanece contínuo. Se o personagem, a sala, a direção da luz ou a colocação do produto devem permanecer estáveis, estabeleça essa regra após os eventos, em vez de repeti-la em todas as linhas.

4. Áudio

Diálogo separado, características de voz, ambiente, música e efeitos sonoros. Isto evita que um pedido de uma sala silenciosa entre em conflito com um pedido de uma cama musical ou uma atribuição de alto-falante pouco clara.

Escreva prompts de texto para vídeo

A conversão de texto em vídeo funciona melhor quando o prompt responde a quatro questões práticas:

• Assunto: Quem ou o que o espectador deve seguir?
• Cena: Onde a ação acontece e quais detalhes físicos definem o local?
• Ação: O que muda com o tempo e em que ordem?
• Tratamento: Como a câmera, a luz, a textura, o som e o ritmo devem apresentar a ação?

Aqui está um exemplo 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.

A questão não é usar todos os detalhes possíveis. The point is to make the important decisions observable: what is in frame, what moves, how the camera reveals it, and which sound layers belong in the scene.

Usar Referência Omni

Omni Reference é a escolha certa quando o texto por si só não consegue transmitir de forma confiável a identidade visual, o movimento ou a composição que você precisa. Os materiais oficiais do Kling descrevem um orçamento de referência combinado de até 15 entradas, incluindo até 10 imagens, até 5 vídeos com duração total de vídeo de 30 segundos, até 7 elementos e até 3 perfis de voz. Os limites compartilham um orçamento total, portanto os máximos da categoria não devem ser somados.

The same official guide lists image, video, voice-profile, and element limits for its current workflow. Interfaces and integrations can change, so verify the controls shown in your selected workspace before preparing a large batch of assets.

Referências de personagens e produtos

Atribua referências de identidade aos detalhes que devem sobreviver à geração:

@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.

Se um ativo contiver informações extras que não devem ser transferidas, diga-o. Por exemplo, uma foto de produto pode definir a geometria da garrafa sem definir o fundo do estúdio, os reflexos ou o texto que aparece por trás dela.

Para fluxos de trabalho que iniciam a partir de um alambique existente, geração de imagem para vídeo pode ser um caminho complementar útil quando a tarefa principal é animar uma composição preparada em vez de coordenar muitas referências.

Referências de ação e câmera

Um vídeo de referência pode guiar o movimento sem se tornar a cena. Indique exatamente qual camada emprestar:

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

This matters because a video reference contains more information than the action you want. Narrowing its role makes the intended transfer easier to inspect and revise.

Referências de composição e storyboard

Use uma imagem quando a composição for a decisão que você deseja preservar. Use um storyboard ou referência de layout para descrever a ordem das tomadas e, em seguida, diga ao Kling para renderizar a cena em si, em vez de reproduzir rótulos, setas, painéis ou marcas de planejamento.

Uma regra útil é carregar o menor conjunto de referências capaz de orientar as decisões importantes para você. Mais entradas não significam automaticamente mais controle. Elas também podem introduzir instruções conflitantes.

Use o primeiro e o último quadro

Os quadros-chave são úteis quando as imagens de abertura e final já são conhecidas. Não descreva apenas o início e o fim. Descreva o caminho entre eles.

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.

O primeiro quadro estabelece a composição de abertura. O último quadro estabelece o destino. O meio do prompt explica como a câmera, o assunto, a luz e os materiais chegam lá.

Planeje vários quadros-chave

O guia oficial do Kling 4 lista suporte para até 10 imagens de quadros-chave. Use um quadro-chave quando um estado visual for importante em um determinado momento, não apenas porque a interface permite mais uploads.

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.

Marcos úteis de quadro-chave incluem:

• Um personagem entrando ou saindo do quadro
• Uma mudança de plano geral para close-up
• Um produto mudando de estado ou posição
• Uma transição de clima ou iluminação
• Uma transformação que precisa de um estado intermediário definido

Explique a transição entre cada par de quadros-chave. Sem essa instrução conectiva, o modelo tem que inferir mais movimento e continuidade.

Planeje um vídeo multi-shot de 30 segundos

Kling 4 suporta geração de 3 a 30 segundos em incrementos de um segundo, de acordo com o guia oficial do usuário. Uma solicitação de 30 segundos deve parecer um plano de filmagem compacto, não um longo parágrafo de adjetivos.

Inclui cinco camadas:

1. Plano espacial: Onde estão o assunto, a câmera e os objetos importantes?
2. Plano de tiro: Quantos tiros existem e qual a duração de cada um?
3. Ação: Qual é o evento principal em cada cena?
4. Transições: Como um tiro leva ao próximo?
5. Continuidade: Quais regras de identidade, luz, direção e áudio são aplicadas no 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.

Uma duração mais longa cria mais espaço para o desenvolvimento narrativo, mas também dá mais tempo para que erros de continuidade apareçam. Mantenha as regras espaciais e os detalhes de identidade recorrentes visíveis no prompt.

Diálogo rápido e som estéreo

Para cenas de diálogo, defina o orador antes da fala. Inclua a linguagem ou o sotaque quando for importante e, em seguida, descreva a idade, o tom, o ritmo, a emoção, as pausas e se os outros personagens permanecem em silêncio.

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.

Os materiais oficiais de lançamento do Kling descrevem áudio estéreo de dois canais e desempenho aprimorado de sincronização labial. Trate isso como um recurso de modelo, não como uma promessa de que cada interface expõe controles de áudio idênticos.

Para música, ambiente e efeitos, use rótulos separados. Para som espacial, descreva o movimento através do campo estéreo como um evento, como um veículo movendo-se da traseira esquerda para a dianteira direita.

Escreva prompts de edição de vídeo

Ao alterar um clipe enviado, comece identificando o vídeo como o material a ser editado. Uma estrutura prática é:

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]

Remover um 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.

Substitua um assunto ou plano de fundo

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.

Mude uma parte do 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.

O Preservar linha não é preenchimento. Ele limita edições não intencionais e fornece uma lista de verificação concreta ao revisar o resultado.

Se o seu projeto exigir uma aprovação final de qualidade após geração, aumento de escala de vídeo é uma etapa de acabamento separada. Não deve ser usado para esconder um problema imediato que precisa de uma nova geração.

Use instruções negativas com moderação

Descreva a imagem ou ação desejada diretamente sempre que possível. “Mostrar o personagem de perfil enquanto fala ao telefone” geralmente é mais claro do que “Não mostrar o rosto do personagem”.

Mantenha instruções negativas para limites de falha específicos, como:

• Sem legendas
• Sem música de fundo
• Sem caracteres extras
• Não copie as pessoas, o local ou o áudio da referência de movimento
• Preservar todos os outros objetos e a duração original durante uma edição

Longas listas de afirmações “não” podem competir com a descrição positiva da cena. Use-os para fechar um modo de falha conhecido, não para descrever o vídeo inteiro por exclusão.

Revise na ordem certa

Quando um resultado falha no briefing, altere uma camada de controle de cada vez:

1. Verifique os rótulos. Certifique-se de que cada @Image, @Video, elemento ou perfil de voz referem-se ao upload pretendido.
2. Esclareça as funções dos ativos. Indique se uma referência controla identidade, composição, movimento, câmera ou som.
3. Substitua adjetivos abstratos. Converta “cinematográfico” ou “premium” em detalhes de luz, material, lente, câmera e textura.
4. Repare a linha do tempo. Adicione intervalos de tempo e defina como a ação atinge o próximo estado.
5. Fortalecer a continuidade. Nomeie a identidade, direção, luz, geometria e som que devem permanecer estáveis.
6. Reduza o escopo da edição. Altere um assunto, objeto ou camada de estilo antes de solicitar diversas edições não relacionadas.
7. Remova conflitos. Exclua instruções repetidas ou contraditórias em vez de adicionar mais texto.

This order makes the next generation easier to diagnose. It also avoids turning every failed clip into a longer, less coherent prompt.

Verifique a divulgação da IA antes de publicar

Se a saída do Kling 4 parecer realista e representar uma pessoa, lugar, evento ou cena que não aconteceu conforme mostrado, revise as regras de divulgação da plataforma antes de publicar. Orientação atual do YouTube diz que os criadores devem divulgar conteúdo realista gerado por IA ou alterado de forma significativa, incluindo cenas realistas que nunca ocorreram e filmagens que façam uma pessoa real parecer dizer ou fazer algo que não fez.

Essa etapa de divulgação é separada da qualidade imediata. Uma solicitação bem escrita pode melhorar o resultado, mas não altera a responsabilidade de rotular mídias sintéticas ou alteradas quando a plataforma de destino assim o exigir.

Perguntas frequentes

Qual é a melhor estrutura para um prompt Kling 4?

Para geração controlada, use quatro blocos: funções de ativos, configurações gerais, sequência de eventos e áudio. Para ter uma ideia simples, comece com uma frase e adicione apenas as restrições que afetam o resultado.

Devo usar Omni Reference ou Keyframes?

Use Omni Reference quando precisar combinar imagens, vídeos, elementos, perfis de voz ou um conceito criativo. Use quadros-chave quando imagens específicas precisarem aparecer em pontos específicos da linha do tempo. Os dois pontos de entrada de criação possuem controles diferentes e não podem ser tratados como intercambiáveis.

Como faço referência a um arquivo enviado?

Use o rótulo atribuído pelo espaço de trabalho, como @Image1 ou @Video1e indique o que esse ativo controla. “@Video1 controla apenas o ritmo de caminhada” é mais útil do que nomear o arquivo sem uma função.

Como escrevo um prompt de edição de vídeo Kling 4?

Comece com Edit @Video1. Em seguida, separe a solicitação em Mudança, Tempoe Preservar. Especifique o elemento exato a ser alterado e liste a identidade, câmera, iluminação, áudio e duração que devem permanecer estáveis.

O Kling 4 pode gerar diálogos, música e efeitos sonoros?

Os materiais oficiais do Kling descrevem áudio gerado, estéreo de dois canais, diálogo e sincronização labial aprimorada. Descreva diálogo, voz, ambiente, música e efeitos como camadas separadas e verifique os controles disponíveis na interface selecionada.

Os prompts mais longos são sempre melhores?

Não. O guia oficial lista a entrada imediata de até 8.000 tokens, mas isso é um limite de capacidade, não uma meta. Uma solicitação mais curta com funções, prazos e regras de preservação claros costuma ser mais fácil de seguir do que uma solicitação longa cheia de adjetivos repetidos.