Skip to main content

Guía de prompts para Kling 4.0

Crea con prompts en Kling 4.0
como una lista de planos

Guía de prompts para Kling 4.0: el modelo sigue de cerca un guion escrito, con hasta 30 segundos de acciones por tiempos, diálogos hablados, letreros legibles y una pista de audio, todo en una sola generación. Aprende a escribir ese guion con ejemplos generados en el modelo disponible.

Vista general

Un prompt de una sola línea funciona: Kling 4.0 crea los planos y el sonido por su cuenta. Pero donde este modelo destaca es al seguir al pie de la letra un guion detallado. Interpreta intervalos de tiempo, indicaciones de cámara, diálogos entre comillas y un apartado de audio, y mantiene la coherencia de personajes, productos y letreros entre cortes.

Hasta 30 segundos

Una sola generación puede crear una escena completa: una lista de planos con tiempos y cortes directos, o una única toma sin cortes.

Diálogos en nueve idiomas

Las frases entre comillas se dicen palabra por palabra, con el acento y la forma de hablar que describas.

Texto siempre legible

Los carteles, las etiquetas y los títulos conservan su escritura y permanecen fijos sobre su superficie mientras se mueve la cámara.

Cada recurso, una función

Fotogramas inicial y final, hasta 10 imágenes de referencia, vídeos de referencia o un clip existente para editar.

Estructura del prompt

Escribe tres partes en este orden. Los ajustes definen lo que no cambia, los momentos clave sitúan cada acción en el tiempo y la sección de audio describe la pista.

1. Ajustes

Lugar, momento del día, dirección de la luz, superficies, color. Convierte los adjetivos en lo que vería la cámara: «premium» debe concretarse en la luz y los materiales.

2. Acciones por tiempo

Usa intervalos en segundos como «3-7 s», con una acción por intervalo que encaje en ese tiempo. Indica el movimiento de cámara, su altura y velocidad, y el encuadre en el que termina.

3. Audio

No hay un interruptor de sonido, así que describe la pista de audio: ambiente, efectos y voces. Si no quieres música de fondo ni subtítulos, pide que se excluyan.

Itera a bajo coste

No hay semilla: cada render es una toma nueva. Prueba a 720p y renderiza la toma elegida a 1080p.

Plantilla de guion

Ajustes, acciones por tiempos y audio. Los intervalos deben sumar la duración total.

[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.

Vídeos generados

Todos los clips de abajo son la primera toma del prompt mostrado, generada en Pixel Dojo. Reprodúcelos con el sonido activado.

Anuncio de tres planos

Primero los ajustes, luego los planos por tiempos y después el audio

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.

Los intervalos suman la duración total, cada plano tiene una sola acción y su propio encuadre, y la última línea indica qué sonidos conservar y cuáles omitir.

Una línea de diálogo

Pon las palabras entre comillas e identifica la voz

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.

Todo lo que pongas entre comillas se dice palabra por palabra. Asigna a la frase su propio intervalo de tiempo y describe cómo debe decirse en la misma oración.

Una sola toma continua

Intervalos como posiciones de cámara, no como cortes

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.

La generación de varios planos está activada por defecto. Para desactivarla, escribe «Una sola toma continua, sin cortes». Así, cada tramo describe dónde está la cámara en ese momento.

Texto que permanece fijo

Escríbelo tal cual y fíjalo a una superficie

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.

Texto breve, entre comillas, con su ubicación y la instrucción de que permanezca fijo mientras se mueve la cámara. Deja los textos largos para una edición posterior.

Dos hablantes por turnos

Una voz a la vez, cada una bien diferenciada

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.

Sitúa a cada hablante, asigna un intervalo a cada frase e indica claramente que hablan por turnos. Así evitas que las voces se superpongan o se mezclen.

Anuncio vertical con alguien hablando a cámara

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.

Dos frases cortas caben sin problema en 8-10 segundos. Para un guion más largo, aumenta la duración en lugar de añadir más palabras al mismo clip.

Un reparto creado con fotos de referencia

Un retrato por persona, una función por imagen

5 s · 1080p · 3 imágenes de referencia
@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.

Dedica una frase a cada referencia: quién aparece y qué debe conservarse. En Pixel Dojo, @Image1 se convierte automáticamente en la etiqueta de imagen propia del modelo.

Listas de planos y tomas largas

Numera los planos

«Plano 1, 0-5 s: primerísimo plano macro mientras...». Una acción por plano y un encuadre nuevo en cada uno, para que cada corte muestre algo distinto.

Cubre toda la duración

Los intervalos que no cubren toda la duración dejan huecos que el modelo rellena con planos que no has pedido.

Indica cómo enlazar los planos

«Cortes directos» le indica que corte. «Un único plano continuo, sin cortes» le indica que no lo haga.

Indica qué no debe cambiar

Termina con «el mismo corredor, la misma chaqueta en todos los planos». Para mantenerlos entre generaciones distintas, usa referencias.

Diálogo y texto en pantalla

Pon las palabras exactas entre comillas

Identifica a quien habla por su papel o posición, añade su frase entre comillas y después indica cómo debe decirla: edad, tono, ritmo y acento.

Ajusta la frase al clip

En un clip de 8 segundos caben una o dos frases cortas. Si pones frases cortas en clips largos, el modelo rellena con palabras inventadas.

Una voz a la vez

Si hay dos hablantes, asigna un intervalo a cada frase e indica que deben hablar por turnos y tener voces distintas.

Escribe el texto exacto

Ponlo entre comillas, indica dónde va y pide que permanezca fijo sobre esa superficie si la cámara se mueve. Usa un texto corto.

Plantilla de diálogo

Un hablante, una frase y cómo decirla, todo en la misma oración.

[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.

Fotogramas y referencias

Hasta 10 imágenes en total entre el fotograma inicial, el fotograma final y las referencias. Usa @Image1, @Image2 y así sucesivamente para mencionarlas: primero van los fotogramas y después las referencias, en el orden en que las añadiste.

Fotogramas inicial y final

Un fotograma inicial define la imagen de apertura y la relación de aspecto. Añade un fotograma final y describe cómo pasa la escena de uno a otro.

Asigna una función a cada referencia

Una frase por imagen: quién o qué aparece y qué conservar, como el rostro, la ropa, la etiqueta o la composición. Si no asignas una función a una imagen, el modelo la interpreta por su cuenta.

Referencias limpias

Fondos lisos y luz uniforme. Para personas, un retrato por persona y pide que los rostros se mantengan consistentes.

Vídeos de referencia

Hasta 5 clips (30 s en total) para trasladar una rutina, un recorrido de cámara o la estructura de un anuncio a otras personas y lugares. Se factura con la tarifa de entrada de vídeo.

Editar un clip

Arrastra un clip al recuadro Clip: el plano se mantiene y el prompt cambia lo que aparece en él. El resultado conserva el formato y la duración del original.

Empieza con «Edit @Video1»

Así conservas el metraje original. Después, indica el único cambio y enumera lo que debe mantenerse: un simple «mantén todo lo demás» tiene menos fuerza que nombrar cada elemento.

Sustituye un producto

Adjunta el nuevo producto como imagen de referencia e indica a cuál sustituye. La mano y los tiempos se mantienen del vídeo original.

Añade o elimina un sujeto

Indica su posición respecto a algo que aparezca en el encuadre. Si lo eliminas, describe qué debe verse en el espacio que deja.

Cambia el estilo

Describe el estilo que buscas con detalles concretos, descarta el fotorrealismo si el original es de imagen real y mantén intactos la acción y el movimiento de cámara.

Plantilla de edición

Conserva el metraje, cambia una cosa y enumera lo que se mantiene.

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.

Parámetros

AjusteValoresNotas
Duración3-30 sSegundos enteros. Si vas a editar un clip, la duración del propio clip.
Resolución720p, 1080pHaz pruebas a 720p y genera la versión final a 1080p.
Relación de aspecto16:9, 9:16, 1:1, 21:9Clips creados solo con texto. Los fotogramas y los clips determinan su propio formato.
ImágenesHasta 10Fotograma inicial, fotograma final y referencias combinados.
VídeosHasta 5, 30 s en totalUn clip para editar y vídeos de referencia.
AudioSiempre activoDescríbelo en el prompt.

Preguntas frecuentes

Cualquier número entero de segundos entre 3 y 30, a 720p o 1080p. Los clips largos se dividen en planos automáticamente, salvo que pidas una toma continua.