Skip to main content

Kling 4.0 Prompting Guide

Prompts für Kling 4.0
wie eine Shotlist

Kling 4.0 Prompting Guide: Kling 4.0 folgt deinem schriftlichen Briefing präzise. Bis zu 30 Sekunden mit zeitlich abgestimmten Aktionen, gesprochenen Dialogen, lesbaren Schildern und einer Tonspur, alles in einer Generierung. Hier erfährst du, wie du dieses Briefing schreibst. Alle Beispiele wurden mit dem live verfügbaren Modell gerendert.

Überblick

Ein einzeiliger Prompt reicht: Kling 4.0 ergänzt die Einstellungen und den Ton selbst. Ein detailliertes Briefing setzt es so um, wie du es schreibst. Genau hier setzt sich das Modell ab. Es versteht Zeitabschnitte, Kameraanweisungen, Dialoge in Anführungszeichen und einen Audioabschnitt. Figuren, Produkte und Schilder bleiben über Schnitte hinweg konsistent.

Bis zu 30 Sekunden

Eine Generierung kann eine komplette Szene liefern: eine zeitlich getaktete Einstellungsliste mit harten Schnitten oder eine einzige durchgehende Aufnahme.

Dialoge in neun Sprachen

Text in Anführungszeichen wird Wort für Wort gesprochen, mit dem Akzent und der Sprechweise, die du beschreibst.

Text, der lesbar bleibt

Schilder, Etiketten und Titel behalten ihre Schreibweise und bleiben bei Kamerabewegungen fest auf ihrer Oberfläche.

Vorlagen mit klarer Aufgabe

Start- und Endbilder, bis zu 10 Referenzbilder, Referenzvideos oder ein vorhandener Clip zum Bearbeiten.

Prompt-Aufbau

Schreibe drei Teile in dieser Reihenfolge. Die Grundeinstellungen legen fest, was unverändert bleibt, die Beats ordnen jede Aktion zeitlich ein und der Audioteil beschreibt die Tonspur.

1. Einstellungen

Ort, Tageszeit, Lichtrichtung, Oberflächen, Farbe. Übersetze Adjektive in das, was die Kamera sehen würde: „hochwertig“ muss sich konkret in Licht und Material zeigen.

2. Zeitlicher Ablauf

Sekundenbereiche wie „3-7 s“, jeweils mit einer Aktion, die ins Zeitfenster passt. Benenne die Kamerabewegung, ihre Höhe und Geschwindigkeit sowie die Einstellung, in der sie endet.

3. Audio

Es gibt keinen Tonschalter. Beschreibe deshalb die Tonspur: Atmosphäre, Effekte, Stimmen. Schließe Hintergrundmusik und Untertitel ausdrücklich aus, wenn du sie nicht möchtest.

Günstig iterieren

Es gibt keinen Seed: Jeder Render ist eine neue Aufnahme. Teste in 720p und rendere deinen Favoriten in 1080p.

Briefing-Vorlage

Einstellungen, Aktionen, Audio. Die Zeitabschnitte müssen zusammen die Gesamtdauer ergeben.

[Location, time of day, light, color, what stays constant.] 0-[a] s: [framing] [one action], camera [move, height, speed]. [a]-[b] s: [framing] [one action]. [b]-[end] s: [framing] [one action], ending on [what to hold]. Audio: [ambience], [effects], [voices], no background music, no subtitles.

Generierte Videos

Jeder Clip unten ist der erste Versuch mit dem gezeigten Prompt, gerendert auf Pixel Dojo. Mit Ton abspielen.

Werbespot mit drei Einstellungen

Erst Einstellungen, dann zeitlich geplante Shots, dann die Tonspur

10 s · 1080p · 16:9

Sunrise on a rocky mountain ridge, natural color, low warm side light, light mist in the valley below. Shot 1, 0-3 s: ground-level close-up as a trail shoe lands on wet granite and kicks up droplets. Shot 2, 3-7 s: the camera tracks alongside a runner in a red windbreaker climbing the ridge at shoulder height, matching her pace. Shot 3, 7-10 s: wide shot from behind as she reaches the summit and stops, mist rolling below. Hard cuts between shots. Same runner, same red windbreaker in every shot. Audio: shoes crunching on gravel, steady breathing, light wind, no dialogue, no background music, no subtitles.

Die Zeitabschnitte ergeben zusammen die volle Dauer. Jede Einstellung hat eine Aktion und einen eigenen Bildausschnitt. Die letzte Zeile legt fest, welche Geräusche bleiben und welche wegfallen.

Eine Dialogzeile

Worte in Anführungszeichen, Stimme benennen

10 s · 1080p · 16:9

A small cafe at night, rain streaking the front window, warm tungsten pendant lights, empty tables. 0-4 s: slow push in on a barista in her thirties with a short dark bob and a green apron, wiping down the espresso machine. 4-10 s: she looks up toward the door, smiles, and says in warm, relaxed American English: "Last order of the night. What can I get you?" Audio: rain on the glass, a low espresso machine hiss, her clear close voice, no background music, no subtitles.

Alles in Anführungszeichen wird Wort für Wort gesprochen. Gib der Zeile ein eigenes Zeitfenster und beschreibe im selben Satz, wie sie gesprochen werden soll.

Eine durchgehende Aufnahme

Zeitabschnitte als Kamerapositionen, nicht als Schnitte

10 s · 1080p · 16:9

One continuous gimbal shot with no cuts, walking pace, through a Victorian glass greenhouse in the morning. 0-3 s: the camera passes through an open iron door into humid air and hanging ferns. 3-7 s: it glides down a brick path between giant lily pads in a central pool, light rays cutting through the condensation. 7-10 s: it rises slowly and settles on a single white orchid in sharp focus, background soft. Audio: dripping water, distant birds, soft footsteps on brick, no music, no subtitles.

Mehrere Einstellungen sind standardmäßig aktiviert. „Eine durchgehende Aufnahme, keine Schnitte“ schaltet sie aus. Die zeitlich abgestimmten Aktionen beschreiben dann, wo sich die Kamera in jedem Moment befindet.

Text, der an Ort und Stelle bleibt

Exakte Schreibweise, fest auf einer Fläche verankert

10 s · 1080p · 16:9

A wet alley in Tokyo at night. A pink neon sign on a brick wall reads exactly "OPEN ALL NIGHT" in bold block letters. The camera dollies slowly right past puddles reflecting the sign, and the lettering stays fixed to the wall and fully legible the whole time. A cook in a white cap steps out of a side door and lights a paper lantern. Audio: buzzing neon, rain dripping from gutters, distant traffic, no music, no subtitles.

Kurzer Text in Anführungszeichen, dazu seine Position und die Anweisung, bei Kamerabewegungen an Ort und Stelle zu bleiben. Längere Texte fügst du später bei der Bearbeitung hinzu.

Zwei Personen sprechen abwechselnd

Eine Stimme nach der anderen, jede klar unterscheidbar

10 s · 1080p · 16:9

Two old friends sit facing each other on a night train, city lights streaking past the window. Medium two-shot, steady camera. They take turns, only one person speaks at a time, and each voice is distinct. 0-4 s: the man on the left, sixties, grey beard, says in a low, dry British voice: "You kept the ticket. After all these years." 4-9 s: the woman on the right, sixties, silver curls, laughs softly and answers in a bright American voice: "Of course I did. You still owe me the trip." Audio: rhythmic train wheels, their two voices, no music, no subtitles.

Weise jeder sprechenden Person eine Position und jeder Dialogzeile ein Zeitfenster zu. Sage klar, dass sie abwechselnd sprechen. So überlagern oder vermischen sich die Stimmen nicht.

Talking-Head-Ad im Hochformat

9:16 with a spoken pitch

10 s · 1080p · 9:16

Vertical selfie video. A woman in her late twenties with curly auburn hair holds her phone at arm's length in a bright packing studio, shelves of small amber glass bottles behind her. She holds up one bottle to the lens and says in warm, natural American English at a relaxed pace: "We pack every order by hand. This one is going to Portland." She smiles at the end. Audio: her clear close voice, quiet room tone, no music, no subtitles.

Zwei kurze Sätze passen gut in 8-10 Sekunden. Für ein längeres Skript erhöhst du die Dauer, statt mehr Wörter in denselben Clip zu packen.

Eine Besetzung aus Referenzfotos

Ein Porträt pro Person, eine Aufgabe pro Bild

5 s · 1080p · 3 Referenzbilder
@Image1
@Image1
@Image2
@Image2
@Image3
@Image3

@Image1 is Brian: keep his face, shaved head, toothpick and mustard-yellow racing jacket over a black tee. @Image2 is Pamela: keep her face, dark curly hair and emerald-green jumpsuit. @Image3 is Circe, the German Shepherd: keep her markings. Sunny 1980s seaside boardwalk, 16:9 widescreen, warm saturated film look with light grain. Brian and Pamela walk toward the camera side by side with Circe trotting between them; behind them a giant three-headed blue inflatable dragon looms over the pier and puffs orange smoke. Slow backward tracking shot at chest height. Same faces in every frame. Audio: gulls, boardwalk crowd, no music, no subtitles.

Jede Referenz bekommt einen Satz: Wer ist zu sehen und was soll gleich bleiben? Auf Pixel Dojo wird @Image1 automatisch in das Bild-Tag des Modells umgewandelt.

Shotlisten & lange Aufnahmen

Einstellungen nummerieren

„Einstellung 1, 0-5 s: Makroaufnahme, während ...“ Eine Aktion pro Einstellung, jeweils mit neuem Bildausschnitt. So zeigt jeder Schnitt etwas Neues.

Die gesamte Dauer abdecken

Zeitbereiche, die vor dem Clipende aufhören, lassen Lücken. Das Modell füllt sie mit Einstellungen, die du nicht angefordert hast.

Übergänge festlegen

„Harte Schnitte“ fordert Schnitte an. „Eine durchgehende Einstellung, keine Schnitte“ verhindert sie.

Festlegen, was unverändert bleibt

Schließe mit „derselbe Läufer, dieselbe Jacke in jeder Einstellung“. Nutze bei separaten Generierungen stattdessen Referenzen.

Dialoge & Text im Bild

Den genauen Wortlaut zitieren

Benenne die sprechende Person nach Rolle oder Position, dann den Text in Anführungszeichen, dann die Sprechweise: Alter, Tonfall, Tempo, Akzent.

Text an die Cliplänge anpassen

In einen 8-Sekunden-Clip passen ein oder zwei kurze Sätze. Kurze Zeilen in langen Clips werden mit erfundenen Wörtern aufgefüllt.

Eine Stimme nach der anderen

Gib bei zwei Sprechenden jeder Zeile ein Zeitfenster und lege fest, dass sie abwechselnd sprechen und unterschiedlich klingen.

Text exakt vorgeben

Setze den Text in Anführungszeichen, beschreibe seine Position und fordere, dass er bei Kamerabewegungen fest auf dieser Oberfläche bleibt. Halte ihn kurz.

Dialogvorlage

Eine sprechende Person, eine Dialogzeile, die Sprechweise im selben Satz.

[Setting and light.] [Framing] of [speaker: age, look]. 0-[a] s: [action before the line]. [a]-[end] s: [speaker] says in [language, accent, tone, pace]: "[line]" Audio: [ambience], their clear voice, no background music, no subtitles.

Frames & Referenzen

Bis zu 10 Bilder insgesamt für Startframe, Endframe und Referenzen. Verweise mit @Image1, @Image2 und so weiter darauf: zuerst die Frames, dann die Referenzen, jeweils in der Reihenfolge, in der du sie hinzugefügt hast.

Start- und Endbilder

Ein Startbild legt das erste Bild und das Seitenverhältnis fest. Füge ein Endbild hinzu und beschreibe, wie sich die Szene vom einen zum anderen entwickelt.

Jeder Referenz eine Rolle geben

Ein Satz pro Bild: Wer oder was ist zu sehen und was soll erhalten bleiben, etwa Gesicht, Outfit, Etikett oder Layout. Bei Bildern ohne klare Aufgabe rät das Modell.

Saubere Vorlagen

Schlichte Hintergründe und gleichmäßiges Licht. Bei Personen je ein Porträt verwenden und gleichbleibende Gesichter anfordern.

Referenzvideos

Bis zu 5 Clips (insgesamt 30 s), um einen Bewegungsablauf, einen Kamerapfad oder die Struktur eines Werbespots auf neue Personen und Orte zu übertragen. Abgerechnet zum Tarif für Video-Input.

Einen Clip bearbeiten

Zieh einen Clip in die Clip-Kachel. Die Einstellung bleibt gleich, während der Prompt den Inhalt verändert. Das Ergebnis behält Format und Länge des Originals.

Mit „Edit @Video1“ beginnen

So bleibt das Ausgangsmaterial erhalten. Beschreibe dann die eine Änderung und liste auf, was bleiben soll: Ein bloßes „alles andere beibehalten“ ist schwächer, als jedes Element einzeln zu benennen.

Produkt austauschen

Hänge das neue Produkt als Referenzbild an und benenne, was es ersetzt. Hand und Timing werden aus dem Ausgangsvideo übernommen.

Motiv hinzufügen oder entfernen

Beschreibe die Position relativ zu etwas im Bild. Sag beim Entfernen, was den frei werdenden Bereich dahinter ausfüllen soll.

Look ändern

Beschreibe den gewünschten Look konkret, schließe bei Realaufnahmen Fotorealismus aus und lass Bewegung und Kamerafahrt unverändert.

Bearbeitungsvorlage

Behalte das Material, ändere eine Sache und liste auf, was bleibt.

Edit @Video1: replace [what] with [new thing, or @Image1]. Keep [the person, their hands, the camera move, the lighting, the background] unchanged. Audio: keep the original room tone.

Parameter

EinstellungWerteHinweise
Dauer3-30 sGanze Sekunden. Wenn du einen Clip bearbeitest, gilt dessen Länge.
Auflösung720p, 1080pTeste in 720p, rendere das Finale in 1080p.
Seitenverhältnis16:9, 9:16, 1:1, 21:9Clips nur aus Text. Frames und Clips geben ihr eigenes Format vor.
BilderBis zu 10Startframe, Endframe und Referenzen kombiniert.
VideosBis zu 5, insgesamt 30 sEin Clip zum Bearbeiten plus Referenzvideos.
AudioImmer anBeschreibe es im Prompt.

FAQ

Jede ganze Sekundenzahl von 3 bis 30, in 720p oder 1080p. Lange Clips werden automatisch in Einstellungen aufgeteilt, sofern du keine durchgehende Aufnahme verlangst.