Skip to main content

Guide de prompts Kling 4.0

Créer avec Kling 4.0
comme un découpage plan par plan

Ce guide de prompts Kling 4.0 te montre comment rédiger un brief que le modèle suit à la lettre : jusqu’à 30 secondes de séquences minutées, de dialogues, de panneaux lisibles et de bande-son, en une seule génération. Chaque exemple a été généré avec le modèle en ligne.

Vue d’ensemble

Un prompt d’une ligne suffit : Kling 4.0 crée lui-même les plans et le son. Mais c’est avec un brief détaillé que le modèle prend l’avantage : il le suit à la lettre. Il comprend les plages de temps, les indications de caméra, les dialogues entre guillemets et les consignes audio. Et il préserve les personnages, les produits et les panneaux d’un plan à l’autre.

Jusqu’à 30 secondes

Une seule génération peut produire une scène complète : une liste de plans minutés avec des coupes franches, ou une prise continue.

Des dialogues en neuf langues

Les répliques entre guillemets sont prononcées mot pour mot, avec l’accent et l’interprétation que tu décris.

Un texte qui reste lisible

Les panneaux, étiquettes et titres conservent leur orthographe et restent fixés à leur surface pendant les mouvements de caméra.

Des sources au rôle précis

Des images de départ et de fin, jusqu’à 10 images de référence, des vidéos de référence ou un clip existant à modifier.

Structure du prompt

Rédige trois parties dans l’ordre. Les paramètres définissent ce qui reste fixe, les séquences calent chaque action dans le temps et la section audio décrit la bande-son.

1. Réglages

Lieu, moment de la journée, direction de la lumière, surfaces, couleur. Traduis les adjectifs en éléments visibles à l’écran : « haut de gamme » doit correspondre à des choix précis de lumière et de matière.

2. Séquences minutées

Utilise des plages en secondes comme « 3-7 s », avec une action par plage, adaptée au temps disponible. Précise le mouvement de caméra, sa hauteur, sa vitesse et le cadrage final.

3. Audio

Il n’y a pas de bouton pour activer ou désactiver le son. Décris donc la bande-son : ambiance, effets, voix. Si tu ne veux ni musique de fond ni sous-titres, indique clairement de les exclure.

Itère à moindre coût

Il n’y a pas de seed : chaque rendu est une nouvelle prise. Explore en 720p et génère la version à garder en 1080p.

Modèle de brief

Réglages, séquences, audio. La somme des plages de temps doit correspondre à la durée totale.

[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.

Vidéos générées

Chaque clip ci-dessous est la première prise générée sur Pixel Dojo avec le prompt affiché. Lance la lecture avec le son.

Pub en trois plans

D’abord les réglages, puis les plans minutés, enfin la bande-son

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.

Les plages de temps couvrent toute la durée, chaque plan a une action et son propre cadrage, et la dernière ligne précise les sons à garder et ceux à exclure.

Une réplique

Cite les mots, précise la voix

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.

Tout ce qui est entre guillemets est prononcé mot pour mot. Réserve un créneau à la réplique et précise le ton dans la même phrase.

Un seul plan-séquence

Des plages de temps pour les positions de caméra, pas pour les coupes

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.

Le mode multi-plans est activé par défaut. « Un seul plan-séquence, sans coupe » le désactive. Les séquences décrivent alors la position de la caméra à chaque instant.

Du texte qui reste en place

Écris le texte exact, ancre-le sur une surface

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.

Un texte court, entre guillemets, avec son emplacement et la consigne de rester fixe pendant les mouvements de caméra. Garde les textes longs pour une retouche après génération.

Deux personnes parlent à tour de rôle

Une voix à la fois, chacune bien distincte

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.

Situe chaque personne qui parle, attribue un créneau à chaque réplique et précise clairement qu’elles parlent à tour de rôle. Tu évites ainsi que les voix se superposent ou se mélangent.

Pub verticale face caméra

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.

Deux phrases courtes tiennent facilement en 8-10 secondes. Pour un script plus long, augmente la durée plutôt que d’ajouter des mots au même clip.

Un casting à partir de photos de référence

Un portrait par personne, un rôle par image

5 s · 1080p · 3 images de référence
@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.

Pour chaque référence, une phrase précise qui elle représente et ce qu’il faut conserver. Sur Pixel Dojo, @Image1 est automatiquement converti en balise d’image propre au modèle.

Découpage et plans-séquences

Numérote les plans

« Plan 1, 0-5 s : très gros plan macro sur... » Une action par plan et un nouveau cadrage à chaque fois, pour que chaque coupe révèle quelque chose de nouveau.

Couvre toute la durée

Les plages de temps qui ne couvrent pas toute la durée laissent des trous que le modèle comble avec des plans que tu n’as pas demandés.

Précise les transitions

« Coupes franches » lui indique de couper. « Un seul plan continu, sans coupe » lui indique de ne pas le faire.

Précise ce qui ne doit pas changer

Termine par « même coureur, même veste dans chaque plan ». Pour des générations séparées, utilise plutôt des références.

Dialogues et texte à l’écran

Mets les mots exacts entre guillemets

Identifie la personne qui parle par son rôle ou sa position, puis écris sa réplique entre guillemets et précise son interprétation : âge, ton, débit, accent.

Adapte la réplique au clip

Un clip de 8 secondes peut contenir une ou deux phrases courtes. Dans les clips longs, les répliques trop courtes sont complétées par des mots inventés.

Une voix à la fois

Avec deux personnes qui parlent, attribue une plage à chaque réplique et précise qu’elles parlent à tour de rôle, avec des voix distinctes.

Écris le texte à l’identique

Mets le texte entre guillemets, précise son emplacement et demande qu’il reste fixé à cette surface si la caméra bouge. Fais court.

Modèle de dialogue

Une seule personne parle, une seule réplique, le ton dans la même phrase.

[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.

Images clés et références

Jusqu’à 10 images au total, en comptant l’image de début, l’image de fin et les références. Désigne-les par @Image1, @Image2, etc. : les images clés passent en premier, puis les références, dans l’ordre d’ajout.

Images de départ et de fin

Une image de départ définit l’image d’ouverture et le format. Ajoute une image de fin et décris comment la scène passe de l’une à l’autre.

Donne un rôle à chaque référence

Une phrase par image : qui ou ce qu’elle représente et ce qu’il faut conserver (visage, tenue, étiquette, mise en page). Sans rôle défini, le modèle improvise.

Des sources soignées

Des fonds unis et une lumière uniforme. Pour les personnes, un portrait par personne, avec une consigne de cohérence des visages.

Vidéos de référence

Jusqu’à 5 clips (30 s au total) pour reprendre une chorégraphie, une trajectoire de caméra ou la structure d’une publicité avec de nouvelles personnes et dans de nouveaux lieux. Facturation au tarif des vidéos en entrée.

Retoucher un clip

Dépose un clip dans la tuile Clip : le plan reste le même et le prompt modifie son contenu. La vidéo générée conserve le format et la durée de la source.

Commence par « Edit @Video1 »

Cette consigne conserve la vidéo source. Indique ensuite l’unique modification et liste ce qui doit rester : un simple « garde tout le reste » est moins efficace que de nommer chaque élément.

Remplacer un produit

Ajoute le nouveau produit comme image de référence et précise ce qu’il remplace. La main et le rythme viennent de la vidéo source.

Ajouter ou retirer un sujet

Indique sa position par rapport à un élément du cadre. Pour retirer un sujet, précise ce qui doit apparaître à sa place, en arrière-plan.

Changer de style

Décris concrètement le rendu visé, écarte le photoréalisme si la source est une prise de vues réelle et conserve les mouvements du sujet et de la caméra.

Modèle de retouche

Garde la vidéo, change un seul élément, liste ce qui reste.

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.

Paramètres

ParamètreValeursNotes
Durée3-30 sEn secondes entières. Pour un clip à modifier, la durée du clip lui-même.
Résolution720p, 1080pTeste en 720p, finalise en 1080p.
Format16:9, 9:16, 1:1, 21:9Clips générés à partir de texte seul. Les images clés et les clips imposent leur propre format.
ImagesJusqu’à 10Image de début, image de fin et références combinées.
VidéosJusqu’à 5, 30 s au totalUn clip à retoucher et des vidéos de référence.
AudioToujours activéDécris-le dans le prompt.

FAQ

Toute durée en secondes entières de 3 à 30, en 720p ou 1080p. Les clips longs sont automatiquement découpés en plans, sauf si tu demandes un plan-séquence.