Skip to main content

Guia de prompts para Kling 4.0

Criar com Kling 4.0
como uma lista de planos

Neste guia de prompts para Kling 4.0, veja como escrever um briefing que o modelo segue à risca: até 30 segundos de ações com tempo marcado, falas, placas legíveis e trilha sonora, tudo em uma única geração. Todos os exemplos foram gerados no modelo disponível na plataforma.

Visão geral

Um prompt de uma linha funciona: o próprio Kling 4.0 define os planos e o som. Um briefing detalhado é seguido à risca, e é aí que esse modelo sai na frente. Ele entende intervalos de tempo, direções de câmera, falas entre aspas e uma seção de áudio, além de manter personagens, produtos e placas consistentes entre os cortes.

Até 30 segundos

Uma única geração pode entregar uma cena completa: uma lista de planos com tempos definidos e cortes secos, ou uma tomada contínua.

Diálogos em nove idiomas

As falas entre aspas são ditas palavra por palavra, com o sotaque e a interpretação que você descrever.

Texto sempre legível

Placas, rótulos e títulos mantêm a grafia e ficam fixos à superfície enquanto a câmera se move.

Cada entrada com uma função

Quadros inicial e final, até 10 imagens de referência, vídeos de referência ou um clipe existente para editar.

Estrutura do prompt

Escreva três partes, nesta ordem. As configurações definem o que não muda, as marcações indicam quando cada ação acontece e a seção de áudio descreve a trilha.

1. Configurações

Local, horário do dia, direção da luz, superfícies, cor. Transforme adjetivos no que a câmera veria: "premium" precisa dizer algo concreto sobre luz e material.

2. Ações com tempo marcado

Use intervalos em segundos, como "3-7 s", com uma ação em cada um, dimensionada para caber no tempo. Indique o movimento de câmera, sua altura e velocidade e o enquadramento final.

3. Áudio

Não há botão para ativar ou desativar o som, então descreva o áudio: ambiente, efeitos, vozes. Se não quiser música de fundo nem legendas, deixe claro que devem ficar de fora.

Teste gastando pouco

Não há seed: cada renderização é uma nova tomada. Explore em 720p e renderize a versão escolhida em 1080p.

Modelo de briefing

Configurações, ações, áudio. A soma dos intervalos deve bater com a duração.

[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 gerados

Cada clipe abaixo é a primeira tomada do prompt exibido, gerada no Pixel Dojo. Dê o play com o som ligado.

Comercial em três planos

Primeiro as configurações, depois os planos com tempo marcado e, por fim, a trilha sonora

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.

Os intervalos de tempo somam a duração total, cada plano tem uma ação e seu próprio enquadramento, e a última linha indica quais sons manter e quais deixar de fora.

Uma fala

Falas entre aspas, voz definida

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.

Tudo o que estiver entre aspas será falado palavra por palavra. Reserve um intervalo só para essa fala e descreva a interpretação na mesma frase.

Um plano-sequência

Intervalos de tempo como posições de câmera, não 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.

A criação de vários planos vem ativada por padrão. Use "Um plano-sequência, sem cortes" para desativá-la. Nesse caso, as marcações de tempo descrevem onde a câmera está a cada momento.

Texto que fica no lugar

Escreva exatamente como deve aparecer e fixe em uma superfície

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 curto, entre aspas, com a posição definida e uma instrução para ficar fixo enquanto a câmera se move. Deixe textos longos para uma edição posterior.

Duas pessoas falando uma de cada vez

Uma voz por vez, cada uma distinta

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.

Defina a posição de cada pessoa, reserve um intervalo para cada fala e diga claramente que elas falam uma de cada vez. Isso evita que as vozes se sobreponham ou se misturem.

Anúncio vertical com pessoa falando para a câmera

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.

Duas frases curtas cabem com folga em 8-10 segundos. Para um roteiro mais longo, aumente a duração em vez de colocar mais palavras no mesmo clipe.

Um elenco criado com fotos de referência

Um retrato por pessoa, uma função por imagem

5 s · 1080p · 3 imagens de referência
@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.

Cada referência recebe uma frase dizendo quem é a pessoa e o que manter. No Pixel Dojo, @Image1 é convertido automaticamente para a tag de imagem do próprio modelo.

Lista de planos e planos-sequência

Numere os planos

"Plano 1, 0-5 s: close-up macro enquanto..." Uma ação por plano e um novo enquadramento em cada um, para que todo corte mostre algo novo.

Preencha toda a duração

Intervalos que terminam antes da duração total deixam lacunas que o modelo preenche com planos que você não pediu.

Defina como os planos se conectam

"Cortes secos" manda cortar. "Um plano contínuo, sem cortes" manda não cortar.

Diga o que não pode mudar

Termine com "a mesma pessoa correndo, com a mesma jaqueta em todos os planos". Entre gerações separadas, use referências.

Diálogo e texto na tela

Coloque as palavras exatas entre aspas

Identifique quem fala pela função ou posição, depois coloque a fala entre aspas e indique como ela deve soar: idade, tom, ritmo e sotaque.

Ajuste a fala ao clipe

Um clipe de 8 segundos comporta uma ou duas frases curtas. Falas curtas em clipes longos acabam preenchidas com palavras inventadas.

Uma voz por vez

Com duas pessoas falando, reserve um intervalo para cada fala e diga que elas devem se alternar e ter vozes distintas.

Defina a grafia exata

Coloque entre aspas, diga onde aparece e peça que fique fixo à superfície se a câmera se mover. Use um texto curto.

Modelo de diálogo

Uma pessoa, uma fala e o jeito de falar na mesma frase.

[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.

Quadros e referências

Até 10 imagens no total, somando quadro inicial, quadro final e referências. Use @Image1, @Image2 e assim por diante: primeiro vêm os quadros, depois as referências, na ordem em que você os adicionou.

Quadros inicial e final

O quadro inicial define a imagem de abertura e a proporção da tela. Adicione um quadro final e descreva como a cena vai de um ao outro.

Dê uma função a cada referência

Uma frase por imagem: quem ou o que aparece e o que deve ser mantido (rosto, roupa, rótulo, composição). Sem uma função definida, o modelo tenta adivinhar.

Referências limpas

Fundos simples e luz uniforme. Para pessoas, use um retrato de cada uma e peça consistência nos rostos.

Vídeos de referência

Até 5 clipes (30 s no total) para levar uma sequência de ações, um trajeto de câmera ou a estrutura de um anúncio para novas pessoas e lugares. Cobrança pela tarifa de entrada de vídeo.

Edição de clipes

Solte um clipe no bloco Clip: o plano continua o mesmo, e o prompt muda o que aparece nele. O resultado mantém o formato e a duração do original.

Comece com "Edite @Video1"

Isso preserva o vídeo original. Depois, indique a única mudança e liste o que deve permanecer: só dizer "mantenha todo o resto" é menos eficaz do que nomear cada elemento.

Troque um produto

Anexe o novo produto como imagem de referência e diga o que ele substitui. A mão e o ritmo vêm do vídeo original.

Adicione ou remova um elemento

Diga onde fica em relação a algo no enquadramento. Ao remover, diga o que preenche o espaço atrás.

Mude o estilo

Descreva o visual desejado de forma concreta, descarte o fotorrealismo se o original for uma filmagem real e mantenha a ação e o movimento de câmera sem alterações.

Modelo de edição

Mantenha a filmagem, mude uma coisa e liste o que fica.

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.

Parâmetros

ConfiguraçãoValoresObservações
Duração3-30 sSegundos inteiros. Se houver um clipe para editar, vale a duração do próprio clipe.
Resolução720p, 1080pTeste em 720p, finalize em 1080p.
Proporção16:9, 9:16, 1:1, 21:9Clipes gerados só com texto. Quadros e clipes definem o próprio formato.
ImagensAté 10Quadro inicial, quadro final e referências combinados.
VídeosAté 5, 30 s no totalUm clipe para editar e vídeos de referência.
ÁudioSempre ativoDescreva no prompt.

Perguntas frequentes

Qualquer duração em segundos inteiros de 3 a 30, em 720p ou 1080p. Clipes longos são divididos em planos automaticamente, a menos que você peça um plano-sequência.