用途
Kling 3.0 是一个统一的多模态视频模型，它理解的是电影化的导演语言，而不是关键词列表。本技能用于帮助用户为 Kling 3.0 撰写、改进和优化提示词，核心理念是从“描述画面”转向“导演场景”——像导演一样描述观众在时间推移中看到、听到和感受到的内容。
主要能力
该技能覆盖四种生成模式：
- 文生视频（Text-to-Video）：从零开始编写提示词
- 图生视频（Image-to-Video）：让参考图像动起来
- 多镜头序列（Multi-Shot Sequence）：2-6 个镜头的分镜（最长 15 秒）
- 关键帧过渡（Keyframe Transition）：起始帧到结束帧，中间运动由模型插值
技能提供交互式构建流程，通过 AskUserQuestion 引导用户依次完成：确定生成模式、收集场景细节、组装提示词、呈现并优化。
使用方式
第一步：确定生成模式
询问用户选择上述四种模式之一。
第二步：收集场景细节
针对每个元素提问（根据模式调整问题）：
- 主体：谁是焦点？具体外观细节？——尽早定义区分特征以锚定一致性
- 动作：发生了什么？描述时间线（首先→然后→最后）——Kling 3.0 擅长 15 秒弧线内的连续动作
- 环境：在哪里？要具体（不是“一条街”，而是“狭窄的东京小巷，格栅冒出蒸汽”）
- 镜头：景别和运动？（见下方镜头参考）
- 灯光：什么光源？具体命名（“闪烁的霓虹”优于“戏剧性灯光”）
- 情绪/情感：观众应该感受到什么？
- 音频：对话？环境音？音乐？——Kling 3.0 生成原生音频和唇形同步
- 时长：多长？（3-15 秒）
- 画幅比例：16:9 / 9:16 / 1:1 / 21:9？
图生视频：聚焦场景如何从图像演变——运动、镜头运动、环境变化。模型会保留源图像的身份和布局。
关键帧：询问起始帧和结束帧描述。帧应在色彩、风格和灯光上匹配。提示词要精简——Kling 能很好地推断运动。
多镜头：分别定义每个镜头，各自有构图、主体、动作和时长。明确标注镜头。
第三步：组装提示词
使用主公式：
[场景/环境] + [主体与外观] + [动作时间线] + [镜头运动] + [音频与氛围] + [技术规格]
写作规则：
- 使用电影化运动动词：dolly push、whip-pan、crash zoom、rack focus、tracking shot——而不是“moves”或“goes”
- 命名真实光源：霓虹灯、烛光、黄金时刻、LED 面板——而不是“戏剧性灯光”
- 加入质感以增强可信度：颗粒、镜头光晕、冷凝、织物光泽、烟雾、汗水
- 描述时间流动：开始→中间→结束
- 每个镜头保持 1-3 句丰富描述（具体性优于长度）
- 对话：使用角色标签，分配声音语气/情绪，使用过渡词（“Immediately,”“Pause”）
第四步：呈现并优化
呈现组装好的提示词，询问用户是否要：调整任何元素、添加负面提示词、生成变体（不同时长、不同镜头、不同情绪）。
速查参考
镜头运动
- Dolly push-in：建立亲密感/紧张感——“slow dolly push-in toward her face”
- Dolly zoom：眩晕/戏剧性揭示——“dolly zoom creating disorienting depth shift”
- Tracking shot：横向跟随主体——“camera tracks alongside as she walks”
- Whip-pan：能量/惊喜——“whip-pan to reveal the door”
- Crash zoom：冲击/强调——“sudden crash zoom on the object”
- Rack focus：转移注意力——“rack focus from foreground hand to background figure”
- Handheld/shoulder-cam：原始/纪录片感——“handheld shoulder-cam with subtle sway”
- Static tripod：构图/观察——“locked-off static tripod, wide shot”
- FPV drone：高能沉浸——“dynamic FPV drone shot chasing through corridor”
- Low-angle tracking：英雄/压迫感——“low-angle tracking shot, subject towers above”
- Truck left/right：横向揭示——“camera trucks right revealing the cityscape”
- Tilt up/down：垂直揭示——“slow tilt up from boots to face”
镜头与胶片
- “Shot on 35mm film”：温暖颗粒，有机质感
- “Macro 85mm lens”：紧凑细节，浅景深
- “Wide-angle steadicam”：平滑、沉浸、空间感
- “Handheld camcorder”：原始 VHS 能量，怀旧
- “Anamorphic lens flare”：电影化水平光斑
灯光
使用具体光源，而非形容词：
- “Golden hour sun cutting through dusty warehouse windows”
- “Flickering neon casting magenta/cyan across wet pavement”
- “Single bare bulb swinging, casting moving shadows”
- “Cool blue LED panels reflecting off glass surfaces”
- “Candlelight warming skin tones, deep shadows beyond”
色彩与调色
- “Desaturated teal grade, crushed blacks”
- “Amber nightclub strobe cutting through smoke”
- “Cool blue haze filling the corridor”
- “Magenta neon reflecting off wet asphalt”
- “Overexposed highlights, blown-out whites”
多角色对话
- 命名角色：[Character A: Silver-haired CEO]，而非 [Man] says...
- 锚定动作：Agent slams table. [Agent, angrily]: "Where is it?"，而非仅对话无视觉动作
- 分配声音语气：[CEO, deep authoritative gravelly voice]，而非泛泛的“says”
- 控制时机："Immediately," "Pause," "After a beat"，而非无过渡的连续对话
多镜头结构
Shot 1 (0-5s): [广角建立镜头描述] Shot 2 (5-10s): [中景/特写与动作推进] Shot 3 (10-15s): [解决/反应与镜头收尾]
Atmosphere: [整体情绪、调色] Audio: [音效设计、音乐、对话]
标注每个镜头，分配时长，描述每个镜头的构图+主体+运动。
首尾帧技巧
- 帧应在色彩调色板、风格和灯光上匹配
- 起始/结束帧相同 = 无缝循环
- 提示词要精简——Kling 能很好地推断帧间运动
- 简单镜头方向：zoom in/out、pan left/right、tilt up/down
- 动态过渡用 5 秒，复杂变换用 10 秒
- 起始帧画幅比例决定整个片段
负面提示词
用于防止常见 AI 默认效果：
smiling, laughing, cartoonish, bright saturated colors, low resolution, morphing, blurry text, disfigured hands, extra fingers, static pose, frozen expression, stock photo aesthetic
根据场景自定义——移除与意图冲突的项目。
弱→强对比
- 镜头：“Camera follows person”→“Handheld shoulder-cam drifts behind subject with subtle sway”
- 主体：“A woman walking”→“Woman in red dress, heels clicking wet cobblestone”
- 环境：“In a city”→“Narrow Tokyo alley, steam from grates, glowing vending machines”
- 灯光：“Dramatic lighting”→“Flickering neon casting magenta/cyan across wet pavement”
- 质感：“It looks realistic”→“Rain beading on leather jacket, condensation on glass, visible breath”
- 运动：“She walks away”→“She turns slowly, hair catches light, disappears around corner”
常见错误
- 关键词列表而非场景导演：像导演一个镜头那样写——主体+动作+镜头+环境
- 模糊运动（“moves,”“goes”）：使用电影化动词：dolly、track、whip-pan、crash zoom
- 泛泛灯光（“dramatic”）：命名光源：neon、candle、golden hour、LED panel
- 提示词过长：每个镜头 1-3 句丰富描述；具体性优于长度
- 无时间推进：描述镜头的开始→中间→结束
- 关键帧不匹配：匹配起始/结束帧的色彩、灯光和风格
- 对话无归属：为每个说话者标注姓名、语气和情绪
- 多镜头挤在一段：分开并标注每个镜头及其时长
适用场景
适用于需要为 Kling 3.0 生成视频而编写或优化提示词的用户，包括文生视频、图生视频、多镜头叙事和关键帧过渡等创作需求。
限制
资料未提供该技能的具体收费、价格、平台支持范围或实际生成效果等信息。