Kling 4.0 提示词指南：镜头、运镜、声音和参考素材

Kling 4.0 最适合直白、具体的句子：我们看到什么、镜头怎么动、听到什么。声音总是和画面一起生成，所以好的提示词也要写声音。本文沿用快手官方 Kling 4.0 使用指南的结构，并补充本站特有的用法。

先写一句话

Kling 4.0 会自己扩写简短的提示词。「一个老人在吐槽 AI」就是官方指南里的真实例子，它能生成一整场有调度、有运镜的戏。探索想法时，从这里开始就够了。

如果你已经知道想要什么，只补充会改变结果的细节：镜头、时间、声音，以及必须保持不变的东西。堆形容词没有帮助。

长提示词的结构

官方指南建议分成四块，用得上的就写：

[参考素材]  @Image1 是 ___，保持它的 ___。参照 @Video1 的 ___。
[整体设定]  场景和质感 ___；画面风格 ___；镜头气质 ___。
[事件顺序]  0–X 秒：___（画面 + 动作 + 情绪）
            X–Y 秒：___（运镜 + 补充细节）
            Y 秒–结尾：___（收尾镜头）
[声音]      对白或旁白 + 环境声 + 音乐 + 音效

写具体的东西，不写抽象的感觉

抽象词会让模型去猜。换成你能看到的画面：

不要写	改成
「高级感」	「侧逆光勾出物体边缘，背景虚化，表面有细腻的哑光颗粒」
「复古感」	「泛黄的墙面、磨损的家具边角、暖色的白炽灯光」
「打电话时不要露脸」	「她侧脸对着镜头打电话」

一般来说少用否定句，它会增加出错的概率。官方指南只点名了两条值得写的否定，因为模型可能默认加上：无字幕和无背景音乐。

Kling 4.0 擅长的运镜

写出运镜方式和跟随的对象：

推近 / 拉远 —「她读信时，镜头缓缓推近她的脸」
跟拍 —「镜头在车轮高度跟着骑车的人」
环绕 —「镜头绕舞者转一圈，始终把她放在画面中央」
手持 —「手持拍摄，轻微自然的晃动，跟着他们穿过人群」
一镜到底 —「一个连续镜头，不切镜，不换机位」

Kling 4.0 默认是多镜头的：较长的提示词会被它自动拆成几个镜头。想要一镜到底，就像最后一条那样明确写出来。

声音和台词

每个 Kling 4.0 视频都有双声道立体声。把声音当作提示词里单独的一部分来写：

台词放在引号里，用希望说出的语言写。 Kling 4.0 支持中文、英语、日语、韩语、西班牙语、葡萄牙语、德语、法语、印地语等，也支持北京话、台湾腔、东北话、四川话、粤语等方言和口音。
谁在说、怎么说。 年龄、音色、语速和情绪：「三十多岁的女性，声音温暖、不紧不慢，带点笑意」。
环境声和音效。 「雨打在窗上，远处的车流声，水壶咔哒一声跳闸。」
要不要音乐。 「对白下面垫一段轻柔的钢琴」，或者「无背景音乐」。

例子：

咖啡师俯身靠在吧台上，笑着用中文轻松地说：「老样子？今天这杯我请。」
手持中景，早晨的窗边光线。咖啡馆环境声，杯子轻碰，无背景音乐。

引用你的文件：@Image1、@Video1、@Audio1

在多参考模式下，上传的文件按顺序编号：@Image1、@Image2、@Video1、@Audio1。在提示词框里输入 @ 就能插入。然后给每个文件一个任务；不交代任务，模型只能自己推断用途，结果就不太可控。

@Image1 定义场景，保持它的布局、家具和光线。
@Image2 是女主角，保持她的五官、发型和服装。
沿用 @Video1 的运镜路线和节奏。
她走到窗边，停下，回头看。@Audio1 里的声音说：「我还以为你不会来了。」

本站支持：

图片（最多 10 张）：角色、产品、场景、风格、分镜。
视频片段（最多 5 段，每段 3–30 秒，合计 30 秒）：动作、运镜、节奏。
音频（最多 3 段，每段 5–30 秒）：说话人的声音。音频需要至少搭配一张图片或一段视频。音乐和音效不能上传，请用文字描述。

如果某个参考只想取一样东西，就写清楚不要什么：「只用 @Video1 的运镜，不要它的色调和人物。」

首帧和尾帧

图生视频模式下，你直接上传画面帧，所以提示词只需要写发生了什么。首帧必填，尾帧可选。

铁砧上，一根生铁被烧红、锻打，慢慢成形为一把剑，每一锤都火星四溅，
最后停在桌上那把完成的剑。一个连续的侧面跟拍镜头。锤击声、炉火声，无音乐。

视频的画面比例跟随首帧。可灵自己的应用还可以在时间线中间放关键帧；本站提供首帧和尾帧。

30 秒视频的节奏

Kling 4.0 一次能生成 3 到 30 秒。长视频需要的是分段，而不是把同一个瞬间写得更长。官方的建议是把 30 秒拆成几个故事节点：

0–5 秒：清晨安静的港口远景，一艘渔船靠岸系缆。
5–12 秒：中景，老渔夫把一箱鱼搬上码头。
12–22 秒：孙女从画面左边跑进来帮忙，两人笑了起来。
22–30 秒：镜头缓缓拉远，越过港口，太阳升过山头。
声音：海鸥、缆绳吱呀声、海浪；她用中文喊：「爷爷，我来！」22 秒起加入轻柔的吉他。

小技巧：

每段只放一个主要动作。 30 秒放三四段刚好。
顺序重要时写上大致时间（「第 6 秒她转身」）。
先短后长。 先用 5 秒、720P 试想法，再用 1080P 生成完整长度。按秒计费，试稿很便宜。

画面里的文字

Kling 4.0 能生成清晰的文字、标志和表情符号。把具体文字放在引号里，并写明位置：「门上的招牌是红色霓虹灯字『24 小时营业』」。

快速清单

一句话写清谁、做什么、在哪里。
写出一个具体的运镜。
用看得见的方式描述光线。
声音：引号里的台词、环境声、音乐或「无背景音乐」。
多参考时：每个 @Image1、@Video1、@Audio1 都有任务。
长视频：分段并写上大致时间。

本站的提示词框最多 5,000 个字符，完全够用；大多数好提示词只有几行。打开生成器，试试上面的例子。