Kling 4.0 提示词撰写器 是做什么的？
将场景创意、资产集合或受损提示词转化为可直接使用的 Kling 4.0 提示词，遵循 Kling 官方文档关于模型如何读取指令的说明。
Kling 4.0 是一个多模态视频模型：它读取文本以及多达 15 个参考资产，生成 3-30 秒的片段（带立体声和口型同步），并默认将长片段拆分为多个镜头。提示词应是一份导演的简要说明，而不是关键词列表。Kling 中大多数问题源于四个方面：模糊抽象的措辞、未分配角色、与输入矛盾的时间线以及否定指令。本技能旨在避免这些问题。
硬性规格（时长、资产限制、分辨率、语言）位于 references/specs.md 中。当用户的需求触及限制（例如：资产超过几个、片段超过 15 秒、21:9、4K/HDR 或非普通语言）时，请阅读该文件。
工作流程
1. 确定模式
在写作之前先选择模式，因为每种模式使用不同的措辞，并且两个入口点不能在一次生成中混合使用。
| 模式 | 使用场景 | 入口点 | 关键措辞 |
|---|---|---|---|
| 简单文生视频 | 探索创意，无资产 | 全参考（Omni Reference） | 一到两句简单句子；模型会自动扩展 |
| 定向文生视频 | 特定故事、时机、镜头 | 全参考 | 完整时间线结构 |
| 全参考 | 提供了图片/视频/元素/声音 | 全参考 | @Image1 定义了…；保留… |
| 关键帧 | 必须在设定时刻出现确切帧 | 关键帧（仅图片，无其他参考） | 使用 @Image1 作为第一帧… |
| 视频编辑 | 更改现有片段的一部分 | 全参考 | 编辑 @Video1。将 X 改为 Y。保持其他一切不变。 |
| 创意重制 | 借用剪辑的节奏/镜头，替换内容 | 全参考 | 将 @Video1 中的主体替换为 @Image1… |
如果用户需要像素级精确的关键帧和角色/产品参考，请解释它们无法在单个任务中结合，并建议 (a) 使用全参考，将“关键帧”图片用作构图/第一帧参考，或 (b) 使用关键帧入口，身份由其本身的图像承载。
2. 仅收集缺失的信息
尽可能从请求中推断。最多问一两个问题，且仅当答案会显著改变提示词时才问。如果未知，值得问的问题：时长、宽高比、上传的资产分别对应什么、是否有对白（以及哪种语言）、是否需要音乐。如果用户追求速度，请做出合理假设并在提示词下方列出。
未声明时的默认值：10 秒、自动宽高比（电影感用 16:9，社交/UGC 用 9:16）、写实真人拍摄、环境音 + 特效音效、无音乐、无字幕。
3. 使用核心规则编写提示词
规则 1 — 描述镜头所见，切勿使用抽象标签。 模型必须猜测诸如“高级”、“舒适”、“电影感”、“中产阶级”等词语。将每个此类词语替换为具体的视觉证据。
- "奢华" → "侧面背光勾勒出瓶子的边缘，背景变得柔和虚化，玻璃上有精细的哑光纹理"
- "老式" → "泛黄的壁纸，家具角落破损，温暖的白炽灯泡"
- "繁忙的办公室" → "一排排显示器，一部响着的座机电话，两人隔着隔断墙说话，键盘旁有咖啡杯"
规则 2 — 正面表述约束。 Kling 指南警告说，否定指令会提高错误率。与其“不要显示她的脸”，不如写“她以侧面被看到”。与其“不要有额外的人”，不如写“整个过程中只可见一个女人”。 默认情况下，唯一值得写的两个否定词是 **“无字幕”**和 “无背景音乐” ，因为模型默认会添加这两者。只要用户不想要，就添加它们。另外还有两个狭窄的例外是允许的：在要求动画/风格化外观时排除照片级真实感，以及列出故事板参考不能带过来的瑕疵（网格、草图线条、注释）。
规则 3 — 给每个资产分配一个任务。 资产按上传顺序自动编号（@Image1、@Image2、@Video1、@Element1…）。未分配的资产会被模型猜测。对于每个资产，说明它定义了什么、要保留什么，以及当资产重叠时，不要从它那里获取什么。
@Image1 定义了厨房：保留其布局、橱柜和窗户光线。@Image2 定义了厨师：保留她的脸、头发和白色夹克。@Video1 是相机路径和剪辑时机的参考；不要采用其背景或人物。每次提到同一角色/产品时，保持描述一致。
规则 4 — 按时间线写作。 对于超过约 5 秒的视频，将动作分解为带时间戳的节拍（0-4秒，4-9秒…）或带明确时长的编号镜头。每个节拍包含：可见内容、动作、情绪、相机。每个节拍都应包含一个可观察的变化——一个持续 30 秒的单动作剪辑会拖沓。如果使用关键帧，提示词的节拍必须严格遵循关键帧顺序，并描述关键帧之间的转变，而不是重复图片已展示的内容。
规则 5 — 明确说明数量和连续性。 在较长的提示词开头，写下精确的角色数量（“恰好2个角色 — 无重复”）。固定屏幕方向和空间布局（“港口保持屏幕左侧；移动始终从左到右”）。重复身份锚点（服装、明显特征），以便它们在剪辑切换时保持不变。
规则 6 — 将音频作为场景的一部分写入。 对白放在引号内，以应该说的语言书写。描述说话者的年龄、语气、语速和情绪，以及哪些词需要重读。分别分层放置环境音、特效音和音乐，并说明混音优先级（“脚步声和呼吸声比配乐声音大”）。除非有意重叠，否则一次只让一人说话。
规则 7 — 长度匹配需求。 允许最多 8000 个 token，但长度不等于质量。当用户只是在探索时，一句话的想法就是有效的提示词——Kling 会填充故事、阻挡和镜头。当描述已经很精确时，Kling 会遵循它而不添加自身的解读，所以详细的提示词适用于用户明确知道自己想要什么的情况。
4. 选择结构
选择能承载请求的最轻量的结构。带有填空位的完整模板位于 references/templates.md ——在编写任何超出简单提示词范围的内容前，请先阅读它。
- 简单（探索，≤10 秒，无资产）：1-3 句话，主题 + 动作 + 场景 + 镜头 + 光线 + 声音。
- 标准四段式（大多数请求）：资产角色 → 总体设置 → 时间线 → 音频。
- 长篇制作简报（15-30 秒，多镜头，广告，动作片，对白场景，任何对连续性重要的内容）：Kling 在其展示提示词中使用的 15 段格式——场景上下文、有效参考、位置图、第一帧与阻挡、格式模式、光学、相机、动作时机、物理、灯光、音频、角色表演、风格、质量、正面约束。
- 关键帧简报：帧分配 → 每段的过渡 → 相机/连续性 → 音频。
- 编辑简报：
编辑 @Video1+ 精确更改 + 明确的保留列表。
5. 交付
按以下顺序输出：
- 设置 —— 一行：模式/入口点、时长、宽高比、分辨率建议、资产上传顺序（以使 @编号对应）。
- 提示词 —— 放在单个代码块中，以便复制干净。除非用户要求，否则用英文书写；对白保持其口语语言。
- 假设 —— 仅当你假定了任何重要内容时，提供一个简短列表。
- 迭代提示 —— 可选，一行：如果结果不理想，首先更改什么。
除非被问及，否则不要填充规则解释。如果用户提供了提示词要修复，请显示修正后的提示词和简短的更改内容及原因列表。
模式特定说明
关键帧。 Kling 4.0 接受第一帧、最后一帧、两者，以及任何时间点的中间帧（最多 10 个）。通过问“观众在这刻必须看到什么？”来规划它们——如果没有重要变化，就不需要关键帧。Kling 本身列出的常见失败情况包括：关键帧过多、一个关键帧同时改变一切（角色 + 位置 + 灯光 + 风格）、关键帧与参考矛盾、以及提示词时间线与关键帧顺序不一致。关键帧入口只接受图片；宽高比遵循第一个关键帧。
视频编辑。 始终写 编辑 @Video1 ——“参考 @Video1”可能被理解为“制作一个受此启发的新视频”。准确命名更改内容，然后添加明确的保留行：保持其他一切不变，包括… 并列出相关的相机运动、时机、灯光、音频、构图。对于风格更改，需说明主体的动作/轨迹必须逐帧保留，以及场景中哪些部分不能被重新造型。
创意重制。 说明要借用什么（节奏、镜头顺序、构图、相机路径、呈现风格）以及要替换什么（主体、产品、背景）。当参考剪辑的节奏和镜头结构与目标内容相似时效果最佳——如果不匹配，请警告用户。
故事板作为参考。 告诉 Kling 将故事板视为已批准的镜头顺序、取景、相机路径和情感进展，渲染出完成的帧，并且不要复制故事板本身（草图线条、网格、面板标签、注释）。
字幕 / 屏幕文本。 Kling 4.0 能稳定渲染多语言文本、Logo 和表情符号。对于字幕，指定位置（例如底部居中，距下边缘 10% 以上，在标题安全区内）、行数限制、面板/字体样式以及与每个口语行同步的确切时间戳。对于标志/标志，用反引号或引号给出确切文字，并说明它必须保持拼写正确和稳定。
风格。 对于非照片级外观（动画、毛毡、粘土、像素艺术、动漫），描述材质、光照和运动特性（例如“12 fps 步进定格动画”），并排除照片级真实感，以免风格混合。
Kling 4.0 Flash。 更快且更便宜；适用于草稿和高工作量任务。保持提示词更紧凑，不要依赖多个关键帧。
修复常见问题
| 症状 | 可能原因 | 修复方法 |
|---|---|---|
| 出现不想要的音乐或字幕 | 模型默认设置 | 添加“无背景音乐”/“无字幕”（或“仅特效音效，无音乐，无配乐”） |
| 镜头间脸部/产品漂移 | 参考角色不明确或描述不一致 | 将身份分配给一个资产；在每个镜头重复相同的简短描述；在质量行添加关于一致性的说明 |
| 重复角色 | 未说明数量 | 以“恰好 N 个角色 — 无重复”开头，并在结尾添加正面数量约束 |
| 镜头无视相机方向 | 模糊或矛盾的相机词汇 | 每个节拍使用一个具体的运动（“缓慢推近”，“固定广角镜头”，“横向左移”）；删除矛盾的术语 |
| 事件顺序错误 | 无时间线，或时间线与关键帧矛盾 | 添加带时间戳的节拍；与关键帧顺序对齐 |
| 编辑改动太多 | 无保留列表，或使用了“参考”而非“编辑” | 使用 编辑 @Video1 + “保持其他一切不变，包括…” |
| 动画看起来半真不假 | 风格未排他 | 描述材质 + 添加照片级真实感排除项 |
| 30 秒剪辑又慢又无聊 | 一个动作被拉得太长 | 每 4-8 秒添加节拍、切换或转折 |
| 语言/口音错误 | 对白未使用目标语言 | 用引号以该语言写出句子；指定口音 |
| 过度详细的提示词行为异常 | 长度中埋藏了冲突指令 | 精简到核心；检查每个部分在数量、位置、顺序上是否一致 |
从其他模型转换
来自 Kling 3.0：3.0 只有开始/结束帧且片段更短，因此文本承载了镜头的中间部分。在 4.0 中，将片段中间状态移动到关键帧或定时节拍，扩展到实际目标时长，并为每个参考分配角色。来自 Seedance/Veo/Sora 类型的提示词：将参考标签转换为 Kling 的 @Image1/@Video1 编号（按上传顺序），将否定提示列表缩减至两个默认否定词，并将形容词堆叠重写为视觉证据。
参考文件
references/specs.md—— Kling 4.0 限制和参数（时长、资产数量/大小、分辨率、宽高比、语言/口音）。当限制重要时阅读。references/templates.md—— 上面每个结构的填空模板。在编写任何非简单提示词之前阅读。references/examples.md—— 每个模式的示例提示词（原始以及为本技能编写）。当想要语气和密度的范例时阅读。
规格反映了 Kling 官方的 Kling 4.0 用户指南（2026 年 10 月）和 Kling 4.0 多关键帧博客文章。标记为“即将推出”的功能（10 位 HDR，2 分钟扩展）可能尚未上线；如果用户依赖它们，请检查界面。