Kling 3.0 Omni 提示词指南：参考素材与多镜头模板

最有效的 Kling 3.0 Omni 提示词不一定最长，而是能让不同类型的指令各司其职。参考素材负责定义主体身份或动作，主提示词负责定义场景，分镜脚本负责定义剪辑。

把同一条指令反复写在每个位置，带来的是噪声，而不是更强的控制。本指南为 Kling 3.0 Omni 生成器提供清晰的写作结构，以及可直接使用的常见工作流模板。

可靠的五段式提示词

按以下顺序编写主提示词：

1. **主体：**明确人物、产品、生物或环境。
2. **动作：**用具体动词描述可见行为。
3. **场景：**交代物理空间，以及有意义的背景活动。
4. **镜头：**说明景别、运镜、视角和镜头成像特征。
5. **光线与质感：**描述光线方向、对比度、纹理和影像风格。

模板：

示例：

使用人物主体元素写提示词

主体元素的图片已经说明了人物的面孔和外观，不必用半篇提示词重复这些细节。始终用同一个名称引用主体元素，把重点放在表演、场景和镜头上。

模板：

示例：

使用 2–4 张外观一致的图片。正面、四分之三侧面和侧面视角，比四张几乎相同的裁切图更有价值。

首帧与尾帧提示词

上传已指定角色的帧图片后，应说明过渡过程，不必过度描述图片内容。

模板：

示例：

不要要求与上传尾帧相矛盾的最终构图。图片提供的空间约束更强。

动作参考视频提示词

特征参考视频应负责提供动作或节奏，提示词则负责说明如何重新演绎这些动作。

模板：

示例：

明确说明要借鉴什么。“使用这段视频”会让模型自行判断你指的是主体、动作、镜头还是场景。

多镜头提示词结构

使用自定义多镜头时，顶层提示词规定全局连续性，每个镜头的提示词只描述对应段落。

全局提示词

镜头 1 · 4 秒

镜头 2 · 6 秒

各镜头时长之和必须等于总生成时长。我们的首发预设总时长为 10 秒。

三套可直接使用的分镜模板

产品揭晓：3 秒 + 4 秒 + 3 秒

**全局：**保持主体元素 1 中产品的精确比例、材质和可见品牌标识一致。可控的影棚灯光，高端商业广告质感。

**镜头 1：**极致微距镜头沿产品表面移动，凝结的水珠逐渐形成。

**镜头 2：**匹配剪辑切到更宽的四分之三视角，产品在反光表面上方缓慢旋转。

**镜头 3：**稳定停留在居中的产品展示构图。一道狭窄高光照亮标志后停住。

人物悬念：5 秒 + 5 秒

**全局：**保持主体元素 1 中的人物，以及地点、服装、天气和时段一致。

**镜头 1：**中景从背后跟拍，人物穿过拥挤的集市，然后突然停下。

**镜头 2：**切到正面近景，人物转向镜头，露出微妙的恍然神情。背景活动自然延续。

旅行转场：3 秒 + 3 秒 + 4 秒

**全局：**一名旅人，一段连续旅程，自然的纪录片式镜头，真实的动作。

**镜头 1：**全景，旅人奔向即将离岸的渡轮。

**镜头 2：**手持特写，渡轮开始移动时，旅人的手抓住栏杆。

**镜头 3：**切到甲板上平静的侧面镜头，城市在身后渐远，镜头缓缓向外漂移。

常见错误

相互矛盾的运镜指令

同一个镜头不可能既“固定机位”又“快速环绕”。每个段落只安排一种运镜方式。

过多描述主体身份

如果主体元素已经定义了人物，提示词就应聚焦动作和连续性。反复描述外貌，反而可能引入意外变化。

每个镜头都重复全局提示词

将全局约束留在顶层。镜头字段应足够简短，便于像检查剪辑方案一样快速浏览。

参考素材过载

同一次任务请选择普通图片 URL 或带角色的图片输入，不要同时使用两种形式。选择最符合意图的表示方式。首帧、主体元素和特征参考视频组合起来很有用，前提是它们分别提供不同信息。

要求无声输出生成对白

免费首发预设不含音频。你可以指导可见的说话动作或反应，但不能据此评价对白生成效果。原生音频将在积分系统上线时作为积分设置提供。

生成前的最后检查

• 主体由文本或参考素材明确指定，而不是被两者含糊地同时定义了吗？
• 每张上传图片都有明确用途吗？
• 使用主体元素时，各视角是否属于同一主体，且外观一致？
• 使用特征参考视频时，是否说明了要借鉴的动作？
• 自定义镜头时长加起来是否为 10 秒？
• 每个镜头都在推动序列发展吗？
• 运镜指令在物理上是否相容？
• 期望的输出是否适合 720P、无音频的设置？

先从两个镜头开始，再尝试六个段落。连续性稳定后，再有目的地增加复杂度。你可以在 Kling 3.0 Omni AI 视频生成器中使用这些模板，或通过 Kling 3.0 Omni 与 Kling 3.0 对比指南了解工作流差异。