Kling 4 提示词指南：全能参考、关键帧、音频与编辑
学习 Kling 4 文生视频、全能参考、关键帧、多镜头叙事、原生音频与定向视频编辑的提示词写法，附可直接复制的完整示例。
Kling 4 既能从一个简短想法开始，也能处理接近正式制作需求的创作说明。合适的提示词取决于你需要什么控制，而不是写了多少字：你是在探索概念、保持角色一致、跟随参考动作、锁定视觉节点、生成对白，还是编辑已有片段？
本指南完整介绍 Kling 4 主要工作流中的提示词写法。有关规格与发布状态，请参阅 Kling 4 发布指南。
先选对 Kling 4 的创作模式
Kling 4 提供两个主要入口。它们解决的问题不同，不能在同一次生成任务中组合使用。
| 入口 | 适用情况 | 输入 | 主要控制内容 |
|---|---|---|---|
| 全能参考（Omni Reference） | 已有想法、参考素材，或需要引导和编辑的现有视频 | 文字、图片、视频、主体和音色 | 外观、风格、动作、运镜、节奏和音频 |
| 关键帧（Keyframes） | 已确定哪些图片必须出现在特定时刻 | 图片 | 沿时间轴分布的视觉节点 |
需要从文字生成、保持角色或产品一致、借鉴动作或镜头语言、组合多份素材，或编辑上传的视频时，选择全能参考。
如果你的硬性要求是让画面在指定时间出现——从这张图开始、抵达那张图，或按既定顺序经过多个已确认的画面——则选择关键帧。
Kling 4 提示词可以从一个想法开始
开始时不需要一大段技术说明。可灵官方指南指出，一条简单提示词可以说明主体和希望发生的事件，把调度、运镜和情节细节交给模型展开。
一名筋疲力尽的宇航员，在废弃的月球基地里发现了一株小小的绿色植物。这种方式适合探索创意。只有当你明确知道哪些决定不能由模型自由发挥时，再加入结构化约束。更可控的版本可以指定 16:9 画幅、缓慢发现的过程、一段不间断的运镜，以及房间中具体的声音。
一个实用的递进顺序是：
- 说清想法。
- 确认第一版结果中哪些内容必须保留或修改。
- 只增加相关控制：参考素材、时间安排、镜头、音频或关键帧。
Kling 4 提示词的四段式结构
针对需要精确控制的全能参考生成，可灵文档将提示词分成四个功能区块。
[素材角色]
@Image1 定义角色；保留五官、发型和服装。
@Image2 定义场景；保留其布局、材质和光线。
参考 @Video1 的运镜路径和节奏，但不沿用其中的人物或环境。
[整体设定]
场景与质感：……
视觉风格：……
镜头基调：……
时长与画面比例：……
[事件顺序]
0–X 秒：画面、动作与情绪。
X–Y 秒：运镜与下一个叙事节拍。
Y 秒至结束：收尾动作与最终构图。
[音频]
对白或旁白。
环境声。
音乐。
音效。这些标签是组织方式，并不是神奇的触发词。它们的价值在于分清职责：参考素材不会与动作混淆，动作不会和声音混在一起，模型也能按预期发生的顺序理解事件。
1. 素材角色
点明每一份上传素材，并说明它的用途。只有标签、没有职责，会迫使模型猜测。
不够明确：
使用 @Image1、@Image2 和 @Video1。更明确：
@Image1 定义女性的面部特征和发型。
@Image2 定义公寓布局以及温暖的傍晚光线。
@Video1 只提供手持运镜路径和动作节奏。
不要沿用 @Video1 中的人物、服装或地点。当某份参考包含有用的运动，但其中主体或场景与你无关时，最后这句排除指令就很重要。
2. 整体设定
用可见的细节替代抽象标签。可灵明确建议采用描述性语言，而不是让模型自行解读含糊的词语。
不要只写：
有复古感的高端产品视频。可以写成：
侧逆光勾勒瓶身边缘，标签上仍能看见细腻的哑光颗粒。
房间里有泛黄的灰泥墙、磨旧的胡桃木家具和温暖的白炽灯光，
采用浅景深，运镜克制。第二个版本把“高端”和“复古”转化成了光线、材质、场景与镜头选择。
3. 事件顺序
按照观众看到的顺序描述事件。如果入场、揭示、切镜或反应需要发生在特定时刻，就使用时间戳。
0–4 秒：全景。女信使从画面左侧进入，穿过空荡的车站。
4–8 秒：切到局部特写，她把一封封好的信放到长椅上。
8–12 秒：过肩镜头。她身后的倒影中出现第二个人影。多镜头创作中，每个镜头只承担一个主要任务，并明确说明衔接方式。如果要拍连续长镜头，就写明“一个连续镜头，不切镜”，并描述一条运镜路径，而不是列出多个镜头标题。
4. 音频
把声音作为独立方案处理。将对白、环境声、音乐和音效分开，避免彼此冲突。
对白：女信使低声说：“你本来应该一个人来。”
声音：克制的成年女声，音量轻，呼吸略有不稳。
环境声：空车站的空间底噪、远处铁轨的震动声和荧光灯嗡鸣。
音乐：没有背景音乐。
音效：信封接触木头的声音，她身后传来一声轻微的鞋底挪动声。如果不想要字幕或背景音乐，请直接说明。可灵指南指出，这两类否定指令往往有必要，因为模型可能默认添加它们。
文生视频提示词怎么写
文生视频是最直接的起点。添加技术细节前，先讲清四件事：
- **主体：**观众跟随的是谁或什么；
- **场景：**动作发生在哪里，空间是什么样子；
- **动作：**随时间推移，哪些可见内容发生变化；
- **表现方式：**镜头、光线、质感和声音如何呈现这一切。
雷雨中，一名陶艺师独自在小工作室里工作。一个连续的 12 秒镜头，16:9。
从她双手下旋转的湿陶土特写开始，缓缓拉远，露出摆满半成品杯子的架子，
以及窗上流动的雨水。冷色窗光与一盏暖色台灯相互交融。
保留拉坯机电机、陶土和雨的自然声音；没有对白、字幕或背景音乐。只有当模型必须按顺序完成一系列事件时，再加入时间安排。只有当镜头焦段或精确机位参数确实重要时，再写进去；简单说明“缓缓拉远”，往往比过度堆砌光学参数更清楚。
全能参考怎么用
全能参考可以在同一任务中组合图片、视频、主体和音色。可灵文档注明，参考素材合计最多 15 项，同时受各类别上限约束：
- 最多 10 张图片；
- 最多 5 段视频，总时长不超过 30 秒；
- 最多 7 个主体，其中视频主体不超过 3 个；
- 最多 3 个音色。
参考视频、用于编辑的视频和视频主体共用“最多 5 段、总计 30 秒”的额度。
目标不是把所有名额用满，而是用尽可能少的素材，控制你真正关心的选择。
角色和产品参考
说明哪些特征必须以参考素材为准：
@Image1 定义主角的五官、黑色短发和绿色雨衣。
在每个镜头中保留这些特征，不要复制 @Image1 的背景或光线。如果参考的是产品，请指定形状、材质、颜色、标签，以及不能走样的几何结构。不要让这份参考顺带控制与它无关的镜头或环境选择。
动作和镜头参考
参考视频可以只提供动作，不提供演员或场景：
参考 @Video1 的打斗编排和攻击时机。
@Image1 和 @Image2 仅用于定义两名角色的外观。
把 @Video1 的地点替换为 @Image3 中的仓库。参考镜头语言时：
只参考 @Video1 的运镜路径、镜头顺序和节奏。
将主体替换为 @Image1 中的汽车，将地点替换为 @Image2。
不要沿用 @Video1 中的人物、车辆、品牌标识或音频。构图和分镜参考
当图片用于控制构图时，请说明最终视频需要严格保留画面布局，还是仅以它为起点。
如果输入是分镜图，要告诉可灵生成图中描绘的最终场景，而不是让分镜图本身动起来：
@Image1 是已经确认的分镜。遵循其中的镜头顺序、构图、运镜路径、
画面运动方向和情绪递进。渲染最终的真人实拍场景；
不要出现分镜网格、分格边框、标签、箭头或注释。最后一句可以防止规划素材中的辅助标记混入成片。
官方 Kling 4 多模态参考示例。来源：Kling AI。
首帧和首尾帧怎么用
关键帧入口只接受图片。最简单的用法是设置首帧，或者设置一对首尾帧。
仅使用首帧时：
将 @Image1 用作首帧。女骑行者先保持静止，随后蹬车出发，骑入雾中，
摄影机在她身旁跟拍。保留 @Image1 中确定的道路方向、服装和清晨光线。使用首尾帧时：
将 @Image1 用作首帧，将 @Image2 用作尾帧。呈现空舞台搭建成完整展览空间的实际过程。
用有动作或叙事依据的硬切压缩布置时间。最后三秒必须稳定在 @Image2 的构图中。不要只描述起点和终点，还要说明中间过程：什么发生变化、什么保持不变、时间是连续流动还是被压缩，以及镜头如何抵达结束画面。若要比较首尾帧、动作参考和文字指令控制运动的不同用法，可参阅我们的 AI 动作控制指南。
多关键帧提示词怎么写
Kling 4 最多支持 10 个关键帧输入。每个关键帧代表一个必须出现的视觉时刻，而不仅仅是另一张风格参考。
把每张图片分配到一个时间段，并描述过渡：
0–3 秒 — @Image1：从空站台开始。镜头固定，雪花轻轻飘落。
3–7 秒 — 过渡到 @Image2：列车从画面右侧驶入，自然减速。
7–11 秒 — @Image3：车门打开时，硬切到车厢内部。
11–15 秒 — 过渡到 @Image4：乘客穿过过道，摄影机最终稳定在指定的结束构图。关键帧可以控制：
- 角色在特定时刻的动作；
- 某人进入或离开画面的时机；
- 天气或光线变化；
- 从全景切换到特写；
- 从一种状态到另一种状态的可见转变。
给关键帧之间的运动留出足够时间。虽然最多可以用 10 个关键帧，但在短片段里全部用满，可能导致过渡突兀。
30 秒多镜头提示词怎么写
Kling 4 支持 3–30 秒生成，以一秒为步长调节，多镜头生成默认开启。当提示词包含逐步发展的过程，而不是把单一动作拉长时，更长的时长才最有价值。
一份好的 30 秒创作说明通常会定义：
- 空间布局和行进方向；
- 镜头数量及各镜头时长；
- 每个镜头承担的动作；
- 切镜之间如何衔接；
- 主体、光线和音频的连续性规则。
[空间安排]
港口始终位于画面左侧，老城在前方，灯塔保持在最右侧。
骑行者始终从港口朝老城前进。切镜后不要反转这一方向。
[镜头安排]
0–5 秒：环境全景，交代行进路线。
5–10 秒：低机位侧向跟拍，骑行者加速。
10–16 秒：前侧四分之三角度，骑行者注意到前方的烟雾。
16–22 秒：俯拍，揭示被堵住的街道和另一条通路。
22–27 秒：近距离跟随骑行者穿过狭窄通道。
27–30 秒：全景，抵达广场；保持最终构图。
官方 Kling 4 长视频生成示例。来源：Kling AI。
对白、音色和立体声提示词怎么写
Kling 4 可以生成双声道立体声。编写对白时，用引号写出要说的原句，并描述：
- 谁在说话；
- 语言或口音；
- 年龄和声音特征；
- 语速和情绪；
- 停顿与重音；
- 其他说话者是否保持安静。
导游以清晰、自然的西班牙语，不疾不徐地说：“La entrada está al final de esta calle.”
停顿半秒。游客点头，随后用英语回答：“Thank you.”
两人不要同时说话。保持两个声音各自清晰可辨，并与对应人物同步。音色可以引导说话者的声音特征，但上传的音频并不是背景音乐或音效输入。音乐和音效应在提示词中描述。
描述空间声音时，将声音线索与画面中的位置和动作关联：
摩托车在立体声声场中从左后方驶向右前方。对白保持居中。
雨声均匀铺满背景；关门声清晰地落在右侧。
官方 Kling 4 音画生成示例。来源：Kling AI。
视频编辑提示词怎么写
编辑提示词需要不同的开头。写**“编辑 @Video1”**，而不是“参考 @Video1”，这样可灵才会把上传内容当作需要修改的素材。
可以使用这个结构：
编辑 @Video1。
修改：[准确说明对主体、背景、动作、风格、镜头或对白的修改]。
时间：[修改从何时开始，到何时结束]。
保留：[必须保持不变的主体、环境、构图、光线、运动、音频和时长]。移除物体
编辑 @Video1。在整个片段中移除前景的广告牌，补全被它遮住的墙面和路面。
保持人物、背景几何结构、光线、阴影、反射、运镜、音频、节奏和时长不变。替换主体或背景
编辑 @Video1。将原背包替换为 @Image1 中的背包。
让它的位置、大小、运动、接触点、光线和阴影与原物体匹配。
保持人物、服装、场景、运镜、音频和时长不变。只改变局部风格
编辑 @Video1。仅将车辆变成手工黏土模型，保留它的尺寸、运动轨迹和车轮运动。
人物、道路、建筑、光线、运镜和音频都保持真实自然，不作改变。需要保留的内容与要求修改的内容同样重要。如果没有保留清单，模型就有更大的自由度去改变片段中原本不需要动的部分。用提示词编辑 AI 视频介绍了如何在其他编辑模型中使用同样的“修改什么、保留什么”逻辑。
官方 Kling 4 视频编辑示例。来源：Kling AI。
否定指令：少而明确
可灵建议直接描述希望看到的画面，而不是列一长串负面提示词。
不够明确：
不要露出她的脸。不要糟糕的光线。不要奇怪的镜头。不要杂乱的背景。更明确：
表现女性打电话时的侧面。柔和的侧光勾勒她的轮廓。
摄影机固定在肩部高度。背景是一面干净、虚化的办公室墙壁。将否定指令留给具体的错误边界：
- 不要字幕；
- 不要背景音乐；
- 不要增加额外人物；
- 不要沿用动作参考中的人物或环境；
- 编辑时，其余所有内容保持不变。
实用的修改顺序
当结果偏离需求时，一次只改一个层面：
- 检查素材标签。 确保每个 @ 引用都指向正确文件。
- 明确素材职责。 准确说明每份参考控制什么、排除什么。
- 替换抽象描述。 把“电影感”“高端”或“富有情绪”转化为可见、可听的细节。
- 修正时间轴。 消除重叠的时间戳，让每个镜头只有一个主要动作。
- 保护连续性。 只在出现偏移的地方补充画面方向、空间布局、身份特征和光线规则。
- 缩小编辑范围。 同时点明修改内容和必须保留的一切。
- 简化。 指令冲突时，删除优先级较低的要求，而不是继续增加解释。
可灵接受最多 8,000 token 的提示词，但这一上限是为复杂任务留出的空间，不是需要凑满的目标。优先级清晰的短提示词，比指令互相牵制的长提示词更有用。
如何结合 Pixo 使用本指南
Kling 4 目前尚未列入 Pixo 在线模型目录。Pixo 中可用的 Kling 模型各有当前支持的输入和限制，请以你实际选择的模型所显示的控制项为准。本指南介绍的是 Kling 4 官方提示词体系，也可以帮助你组织更清晰的视频创作说明。
常见问题
Kling 4 提示词适合用什么结构？
需要控制生成结果时，可以分成四块：素材角色、整体设定、带时间安排的事件顺序，以及音频。简单探索则可以从一句话开始，只添加真正重要的控制项。
Kling 4 应该选全能参考还是关键帧？
需要把创意与图片、视频、主体或音色结合时，使用全能参考。需要让特定图片出现在时间轴上的指定时刻时，使用关键帧。这两个入口不能在同一个任务中组合使用。
如何在 Kling 4 提示词中引用已上传文件？
使用文件分配到的标签，例如 @Image1 或 @Video1，并明确说明其作用。指出需要保留或借鉴什么，例如身份特征、场景、动作、运镜、构图或节奏，而不是只提到素材、不说明用途。
Kling 4 视频编辑提示词怎么写？
以“编辑 @Video1”开头，准确指出修改内容，并说明什么必须保持不变。例如：“编辑 @Video1。移除前景的标牌。保持人物、背景、光线、运镜、音频和时长不变。”
Kling 4 能生成对白、音乐和音效吗？
可以。Kling 4 能生成双声道立体声。用引号逐字写出对白，描述说话者和说话方式，并分别说明环境声、音乐和音效。上传的音频目前用于音色参考，而不是背景音乐或音效音轨。
Kling 4 提示词越长越好吗？
不是。可灵最多支持 8,000 token，但官方建议先讲清主体、场景、动作和情绪，再只加入会影响结果的细节。
