Skip to main content

Kling 4.0: jak pisać prompty

Napisz prompt do Kling 4.0
jak listę ujęć

Kling 4.0: jak pisać prompty. Model ściśle trzyma się briefu: do 30 sekund z rozpisanym czasem scen, wypowiadanymi kwestiami, czytelnymi napisami i ścieżką dźwiękową, wszystko w jednej generacji. Zobacz, jak napisać taki brief. Każdy przykład powstał w działającym modelu.

Przegląd

Wystarczy prompt w jednym zdaniu: Kling 4.0 sam dobierze ujęcia i dźwięk. Szczegółowy brief realizuje zgodnie z opisem i właśnie tu pokazuje przewagę. Rozumie przedziały czasowe, wskazówki dotyczące kamery, dialogi w cudzysłowie i sekcję audio. Zachowuje też spójny wygląd postaci, produktów i szyldów między ujęciami.

Do 30 sekund

Jedno generowanie może dać całą scenę: listę ujęć rozpisanych w czasie z twardymi cięciami albo jedno nieprzerwane ujęcie.

Dialogi w dziewięciu językach

Kwestie w cudzysłowie są wypowiadane słowo w słowo, z opisanym przez ciebie akcentem i sposobem mówienia.

Tekst, który pozostaje czytelny

Napisy na szyldach, etykietach i planszach tytułowych zachowują pisownię i pozostają przytwierdzone do swoich powierzchni podczas ruchu kamery.

Materiały z konkretną rolą

Klatka początkowa i końcowa, do 10 obrazów referencyjnych, filmy referencyjne lub istniejący klip do edycji.

Struktura promptu

Napisz trzy części w tej kolejności. Ustawienia określają to, co pozostaje niezmienne, rozpiska akcji umieszcza każde działanie w czasie, a sekcja audio opisuje ścieżkę dźwiękową.

1. Ustawienia

Miejsce, pora dnia, kierunek światła, powierzchnie, kolor. Zamień przymiotniki na to, co zobaczy kamera: „premium” musi oznaczać coś konkretnego w świetle i materiale.

2. Akcja w czasie

Podaj przedziały w sekundach, np. „3-7 s”, po jednej akcji w każdym, dopasowanej do jego długości. Określ ruch kamery, jej wysokość i prędkość oraz kadr końcowy.

3. Dźwięk

Nie ma przełącznika dźwięku, więc opisz ścieżkę audio: odgłosy otoczenia, efekty, głosy. Jeśli nie chcesz muzyki w tle ani napisów, wyraźnie je wyklucz.

Testuj niskim kosztem

Nie ma ziarna losowości: każdy render to nowe podejście. Testuj w 720p, a wybraną wersję renderuj w 1080p.

Szablon briefu

Ustawienia, przebieg scen, dźwięk. Przedziały czasowe muszą składać się na pełną długość klipu.

[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.

Wygenerowane filmy

Każdy klip poniżej to pierwsza generacja z pokazanego promptu, wyrenderowana w Pixel Dojo. Oglądaj z dźwiękiem.

Reklama w trzech ujęciach

Najpierw ustawienia, potem ujęcia z czasem, na końcu dźwięk

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.

Przedziały czasowe składają się na pełną długość klipu. Każde ujęcie ma jedną akcję i własny kadr, a ostatnia linijka określa, które dźwięki zachować, a które pominąć.

Kwestia dialogowa

Słowa w cudzysłowie, głos w opisie

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.

Wszystko w cudzysłowie zostanie wypowiedziane słowo w słowo. Wyznacz kwestii osobny przedział czasowy i w tym samym zdaniu opisz sposób jej wypowiedzenia.

Jedno ciągłe ujęcie

Przedziały czasowe jako pozycje kamery, nie cięcia

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.

Podział na wiele ujęć jest domyślnie włączony. Wyłączysz go poleceniem „Jedno ciągłe ujęcie, bez cięć”. Wtedy opis kolejnych momentów określa pozycję kamery w danej chwili.

Tekst, który zostaje na miejscu

Podaj dokładny zapis, przypisz go do powierzchni

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.

Krótki tekst w cudzysłowie, z opisem położenia i poleceniem, by pozostawał na miejscu podczas ruchu kamery. Dłuższe treści dodaj później w edycji.

Dwie osoby mówiące na zmianę

Jeden głos naraz, każdy wyraźnie inny

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.

Określ pozycję każdej mówiącej osoby, przypisz czas każdej kwestii i zaznacz, że mówią na zmianę. Dzięki temu głosy nie nakładają się ani nie zlewają.

Pionowa reklama z osobą mówiącą do kamery

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.

Dwa krótkie zdania swobodnie mieszczą się w 8-10 sekundach. Przy dłuższym scenariuszu wydłuż czas trwania, zamiast wciskać więcej słów w ten sam klip.

Obsada ze zdjęć referencyjnych

Jeden portret na osobę, jedno zadanie na obraz

5 s · 1080p · 3 obrazy referencyjne
@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.

Każdemu obrazowi referencyjnemu przypisz jedno zdanie: kto na nim jest i co zachować. Pixel Dojo automatycznie zamienia @Image1 na znacznik obrazu używany przez model.

Listy ujęć i długie ujęcia

Ponumeruj ujęcia

„Ujęcie 1, 0-5 s: zbliżenie makro, gdy...” Jedna akcja na ujęcie i za każdym razem inny kadr, żeby każde cięcie pokazywało coś nowego.

Wypełnij cały czas klipu

Przedziały, które nie sięgają końca klipu, zostawiają luki. Model wypełnia je ujęciami, o które nie prosisz.

Określ przejścia między ujęciami

„Twarde cięcia” to polecenie, by ciąć. „Jedno ciągłe ujęcie, bez cięć” to polecenie, by tego nie robić.

Wskaż, co ma zostać bez zmian

Zakończ słowami „ten sam biegacz, ta sama kurtka w każdym ujęciu”. Przy osobnych generowaniach korzystaj z materiałów referencyjnych.

Dialogi i tekst w kadrze

Podaj dokładną kwestię w cudzysłowie

Wskaż mówiącą postać przez jej rolę lub pozycję, potem podaj kwestię w cudzysłowie, a na końcu sposób mówienia: wiek, ton, tempo, akcent.

Dopasuj kwestię do klipu

W klipie trwającym 8 sekund zmieści się jedno lub dwa krótkie zdania. Krótkie kwestie w długich klipach są dopełniane zmyślonymi słowami.

Jeden głos naraz

Przy dwóch rozmówcach przypisz każdej kwestii przedział czasowy i zaznacz, że mówią na zmianę, a ich głosy mają się wyraźnie różnić.

Podaj dokładną pisownię

Podaj tekst w cudzysłowie, wskaż jego miejsce i poproś, by pozostał przytwierdzony do tej powierzchni podczas ruchu kamery. Niech będzie krótki.

Szablon dialogu

Jedna osoba, jedna kwestia, sposób mówienia w tym samym zdaniu.

[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.

Klatki i obrazy referencyjne

Łącznie do 10 obrazów: klatka początkowa, końcowa i obrazy referencyjne. Odwołuj się do nich jako @Image1, @Image2 itd. Najpierw klatki, potem obrazy referencyjne, w kolejności dodania.

Klatka początkowa i końcowa

Klatka początkowa ustala obraz otwarcia i proporcje kadru. Dodaj klatkę końcową i opisz, jak scena ma przejść od jednej do drugiej.

Nadaj każdej referencji rolę

Jedno zdanie na obraz: kto lub co na nim jest i co zachować, np. twarz, strój, etykietę, układ. Jeśli nie przypiszesz obrazom roli, model sam ją zgadnie.

Czyste materiały źródłowe

Proste tła i równomierne światło. Dla każdej osoby dodaj osobny portret i poproś o spójny wygląd twarzy.

Filmy referencyjne

Do 5 klipów (łącznie 30 s), by przenieść sekwencję ruchów, tor kamery lub strukturę reklamy na nowe osoby i miejsca. Rozliczenie według stawki za wejściowy materiał wideo.

Edycja klipu

Przeciągnij klip na kafelek Clip. Ujęcie pozostanie bez zmian, a prompt zmieni jego zawartość. Wynik zachowa proporcje i długość oryginału.

Zacznij od „Edit @Video1”

To pozwala zachować materiał. Następnie opisz jedną zmianę i wymień, co ma zostać: samo „resztę zachowaj bez zmian” działa słabiej niż wskazanie każdego elementu.

Podmień produkt

Dołącz zdjęcie nowego produktu jako obraz referencyjny i wskaż, co ma zastąpić. Dłoń i rytm ruchu zostają z materiału źródłowego.

Dodaj lub usuń postać albo obiekt

Wskaż położenie względem czegoś w kadrze. Przy usuwaniu opisz, co ma wypełnić miejsce w tle.

Zmień styl

Konkretnie opisz docelowy wygląd, wyklucz fotorealizm, jeśli źródłem jest materiał z kamery, i zachowaj ruch postaci, obiektów oraz kamery bez zmian.

Szablon edycji

Zachowaj materiał, zmień jeden element, wypisz, co zostaje.

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.

Parametry

UstawienieWartościUwagi
Czas trwania3-30 sPełne sekundy. Jeśli edytujesz klip, obowiązuje jego długość.
Rozdzielczość720p, 1080pDopracuj w 720p, finalizuj w 1080p.
Proporcje obrazu16:9, 9:16, 1:1, 21:9Klipy generowane tylko z tekstu. Klatki i klipy narzucają własne proporcje.
ObrazyDo 10Klatka początkowa, końcowa i obrazy referencyjne razem.
FilmyDo 5, łącznie 30 sKlip do edycji i filmy referencyjne.
DźwiękZawsze włączoneOpisz to w prompcie.

FAQ

Dowolna całkowita liczba sekund od 3 do 30, w 720p lub 1080p. Długie klipy są automatycznie dzielone na ujęcia, chyba że poprosisz o jedno ciągłe ujęcie.