Kling 4 提示词指南：参考素材、关键帧、音频与编辑

Kling 4 可以从一个简短的想法或一份制作风格的简介开始工作。正确的提示更多地取决于您需要的控制类型，而不是字数：您是在探索概念、保留角色、遵循参考动作、修复视觉里程碑、生成对话还是编辑现有剪辑？

本指南解释了 Kling 4 主要工作流程的完整提示系统。有关规格和发布状态，请参阅 Kling 4发布指南.

首先选择正确的 Kling 4 模式

Kling 4 提供了两个主要切入点。它们解决不同的问题，不能在一代任务中组合起来。

选择 Omni 参考 当您想要从文本生成、保留角色或产品、借用动作或相机语言、组合多个资源或编辑上传的视频时。

选择关键帧 当您不可协商的要求是及时视觉放置时：从该图像开始，到达该图像，或按定义的顺序通过几个批准的框架。

从一个想法开始

一个好的 Kling 4 提示不需要距离第一次尝试很长时间。从您希望查看者看到的事件开始，然后仅在模型需要较少自由度的地方添加控件。

一个有用的起点是：

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

然后分三遍添加详细信息：

1. 核心事件： 谁或什么存在，以及什么改变？
2. 必须保留的决定： 哪些身份、构图、动作或灯光细节不能漂移？
3. 生产控制： 哪些参考、时间范围、摄像机移动、音频层或编辑边界很重要？

这种进展使提示保持可读性，同时使重要约束变得明确。它还使修改变得更容易：如果结果失败，您可以判断问题是来自想法、资产角色还是时间表。

使用四块提示结构

对于受控 Omni Reference 任务，将提示分为四个块。标签不是魔法命令。它们是一种防止身份、行动、时机和声音指令在同一段落中竞争的方法。

[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. 资产角色

为每个上传的资产赋予特定的功能。参考图像可能控制脸部、服装、产品几何形状或房间。视频可以控制运动节奏或摄像机移动。语音配置文件可以控制一个发言者的语音。

不要认为上传标签可以解释自己。将标签和角色一起使用，然后说明哪些内容不能转移。例如，“仅引用@Video1的相机路径”比“使用@Video1”更精确。

2. 整体设置

用可见或可听的属性替换抽象形容词。描述边缘照明、材料响应、镜头选择、表面纹理和背景分离，而不是“高级”。指定老化的油漆、温暖的白炽灯、磨损的边缘或胶片颗粒，而不是“复古”。

官方指南做出了相同的一般区别：具体描述减少了模型必须执行的视觉推理量。

3. 事件的顺序

按照观看者应该看到的顺序编写操作。当较长的剪辑有多个节拍时添加时间范围，并解释摄像机如何在这些节拍之间移动。

时间线还应该说明什么是连续的。如果角色、房间、光线方向或产品放置必须保持稳定，请在事件发生后说明该规则，而不是在每一行中重复它。

4. 音频

单独的对话、语音特征、氛围、音乐和音效。这可以防止对安静房间的请求与对音乐床的请求或不清楚的扬声器分配发生冲突。

将文字提示写入视频

当提示回答四个实际问题时，文本转视频效果最佳：

• 主题： 观众应该关注谁或什么？
• 场景： 动作发生在哪里？哪些物理细节定义了该位置？
• 行动： 随着时间的推移，什么发生了变化，变化的顺序是什么？
• 治疗： 摄像机、光线、纹理、声音和节奏应该如何呈现动作？

这是一个完整的例子：

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.

重点是不要使用每一个可能的细节。关键是要让重要的决策变得可观察：画面中的内容、移动的内容、摄像机如何显示它，以及场景中属于哪些声音层。

使用 Omni 参考

当仅靠文本无法可靠地承载您所需的视觉识别、动作或构图时，Omni Reference 是正确的选择。 Kling的官方材料描述了最多15个输入的组合参考预算，包括最多10个图像、最多5个总视频持续时间为30秒的视频、最多7个元素和最多3个语音配置文件。这些限制共享总预算，因此类别最高限额不应相加。

同一份官方指南列出了当前工作流程的图像、视频、语音配置文件和元素限制。界面和集成可能会发生变化，因此在准备大量资产之前请验证所选工作区中显示的控件。

特性和产品参考

将身份引用分配给必须在生成过程中保留下来的详细信息：

@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.

如果资产包含不应转移的额外信息，请说明。例如，产品照片可以定义瓶子的几何形状，而无需定义工作室背景、反射或恰好出现在其后面的文本。

对于从现有静止图像开始的工作流程， 图像到视频的生成 当主要任务是为一个准备好的作品制作动画而不是协调许多参考时，可以是一个有用的伴随路径。

动作和相机参考

参考视频可以引导运动而不成为场景。准确说明要借用哪一层：

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

这很重要，因为视频参考包含的信息比您想要的操作更多。缩小其角色范围使得预期的转移更容易检查和修改。

构图和故事板参考

当您想要保留构图时，请使用图像。使用故事板或布局参考来描述镜头顺序，然后告诉 Kling 渲染场景本身，而不是重现标签、箭头、面板或规划标记。

一个有用的规则是上传控制您关心的决策的最小参考集。更多的输入并不会自动产生更多的控制。他们还可以引入竞争指令。

使用第一帧和最后一帧

当开头和结尾图像已知时，关键帧非常有用。不要只描述开始和结束。描述它们之间的路径。

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.

第一帧确立了开场构图。最后一帧确定目的地。提示的中间部分解释了相机、主体、光线和材质如何到达那里。

规划多个关键帧

Kling 4的官方指南列出了最多支持10个关键帧图像。当视觉状态在特定时刻很重要时使用关键帧，不仅仅是因为界面允许更多上传。

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.

有用的关键帧里程碑包括：

• 角色进入或离开画面
• 从广角镜头到特写镜头的转变
• 产品改变状态或位置
• 天气或照明过渡
• 需要定义中间状态的转换

解释每对关键帧之间的过渡。如果没有连接指令，模型就必须推断出更多的运动和连续性。

计划一个 30 秒的多镜头视频

根据官方用户指南，Kling 4支持3-30个二代，增量为一秒。 30 秒的提示读起来应该像一个紧凑的拍摄计划，而不是一长段形容词。

包括五层：

1. 空间规划： 拍摄对象、相机和重要物体在哪里？
2. 拍摄计划： 有多少个镜头，每个镜头多长时间？
3. 行动： 每个镜头中的主要事件是什么？
4. 过渡： 一个镜头如何引导下一个镜头？
5. 连续性： 哪些身份、光线、方向和音频规则贯穿整个剪辑？

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.

较长的持续时间为叙事发展创造了更多空间，但也给了连续性错误更多的时间出现。使空间规则和重复出现的身份详细信息在提示中保持可见。

提示对话和立体声

对于对话场景，请在台词之前定义说话者。重要时包括语言或口音，然后描述年龄、语气、节奏、情感、停顿以及其他角色是否保持沉默。

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的官方发布材料描述了两声道立体声音频和改进的唇形同步性能。将其视为模型功能，而不是保证每个接口都公开相同的音频控件。

对于音乐、氛围和效果，请使用单独的标签。对于空间声音，将通过立体声场的运动描述为一个事件，例如车辆从左后移动到右前。

编写视频编辑提示

当您更改上传的剪辑时，首先将视频识别为要编辑的材料。一个实用的结构是：

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]

移除一个对象

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.

替换主题或背景

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.

更改一部分样式

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.

的 保存 线不是填充物。它限制了意外的编辑，并在您查看结果时为您提供了具体的清单。

如果您的项目需要一代又一代地最终质量通过， 视频放大 是一个单独的整理步骤。它不应该被用来隐藏需要新一代的提示问题。

谨慎使用负面指令

尽可能直接描述所需的图像或动作。 “打电话时显示角色的侧面”通常比“不显示角色的脸部”更清晰。

保留特定故障边界的负面指示，例如：

• 无字幕
• 没有背景音乐
• 没有多余的字符
• 请勿复制动作参考中的人物、位置或音频
• 在编辑期间保留所有其他对象和原始持续时间

一长串的“不”陈述可以与积极的场景描述相媲美。使用它们来关闭已知的故障模式，而不是通过排除来描述整个视频。

按正确顺序修改

当结果错过要点时，一次更改一个控制层：

1. 检查标签。 确保每个 @Image, @Video、元素或语音配置文件是指预期的上传。
2. 明确资产角色。 说明参考是否控制身份、构图、运动、摄像机或声音。
3. 替换抽象形容词。 将“电影”或“高级”转化为灯光、材质、镜头、相机和纹理细节。
4. 修复时间线。 添加时间范围并定义操作如何到达下一个状态。
5. 加强连续性。 说出必须保持稳定的身份、方向、光线、几何形状和声音。
6. 缩小编辑范围。 在请求多项不相关的编辑之前更改一个主题、对象或风格图层。
7. 消除冲突。 删除重复或矛盾的说明，而不是添加更多文本。

这个顺序使下一代更容易诊断。它还避免将每个失败的剪辑变成更长、不太连贯的提示。

发布前检查 AI 披露情况

如果 Kling 4 输出看起来很真实，并且描绘了未如图所示发生的人物、地点、事件或场景，请在发布前查看平台的披露规则。 YouTube的当前指导 表示创作者必须披露真实的人工智能生成或有意义的修改内容，包括从未发生过的真实场景以及使真人看起来在说或做他们没有做过的事情的镜头。

该披露步骤与及时质量是分开的。精心编写的提示可以改善结果，但不会改变在目标平台需要时标记合成或更改媒体的责任。

常见问题解答

Kling 4 提示符的最佳结构是什么？

对于受控生成，请使用四个块：资产角色、总体设置、事件序列和音频。对于一个简单的想法，从一句话开始，仅添加影响结果的约束。

我应该使用 Omni Reference 还是关键帧？

当您需要组合图像、视频、元素、语音配置文件或创意概念时，请使用 Omni Reference。当特定图像必须出现在时间线中的特定点时，请使用关键帧。两个创建入口点具有不同的控件，不能互换。

如何引用上传的文件？

使用工作区分配的标签，例如 @Image1 或 @Video1，并说明该资产控制的内容。 “@Video1 仅控制行走节奏”比命名没有角色的文件更有用。

如何编写 Kling 4 视频编辑提示？

开始于 Edit @Video1. 然后将请求分成 改变, 时机, 和 保存。指定要更改的确切元素，并列出必须保持稳定的身份、摄像机、灯光、音频和持续时间。

Kling 4可以生成对话、音乐和音效吗？

Kling 的官方材料描述了生成的音频、两通道立体声、对话和改进的唇形同步。将对话、语音、氛围、音乐和效果描述为单独的层，并检查所选界面中可用的控件。

提示越长越好吗？

不会。官方指南列出最多可提示输入 8,000 个代币，但这只是容量限制，而不是目标。具有明确角色、时间安排和保存规则的较短提示通常比充满重复形容词的长提示更容易遵循。