Kling

Kling のプロンプトは、被写体・動き・シーンを先に決め、短い文を複数に分けて書くのが基本です。Kling Omni では、接続した参照画像を番号タグで呼び出し、画像ごとに担う役割を伝えます。

プロンプトの構成

被写体・動き・シーンを先に書き、カメラ・照明・雰囲気を加えて完成度を高めます。

Kling 2.6、Kling 3.0、Kling Omni は同じ構成でプロンプトを書きます。

Subject(Subject Description) + Subject Movement + Scene(Scene Description) + (Camera Language + Lighting + Atmosphere)

被写体（被写体の描写） + 被写体の動き + シーン（シーンの描写） + （カメラ言語 + 照明 + 雰囲気）

被写体・動き・シーンは必ず入れます。
かっこ内のカメラ言語・照明・雰囲気は、結果の完成度を高めたいときに加えます。
難しい表現よりも、シンプルな単語と文の構造で書くのがおすすめです。

描写は長い 1 文にすべてを詰め込まず、短い文を複数に分けて書きます。1 文にすべての内容を入れると、細部がぼやけることがあります。

Shot in medium range, with a blurred background and atmospheric lighting, a giant panda, adorned with black-rimmed glasses, is reading a book in a café. The book lies on a table, accompanied by a steaming cup of coffee, next to the cafe windows, movie-level color palette.

ミディアムショット、背景はぼかし、雰囲気のある照明。黒縁メガネをかけたパンダがカフェで本を読んでいる。本はテーブルの上に、湯気の立つコーヒーと一緒に、カフェの窓際。映画並みのカラーグレーディング。

動きは 1 つのクリップに 1 つだけ入れるのがおすすめです。複数の出来事を 1 つのクリップに入れると、それぞれの出来事が十分に表現されないことがあります。

プロンプトは最大 2,500 文字まで入力できます。除外する要素を別に書くネガティブプロンプトの欄はありません。

対応する入力と長さ・比率・解像度は、動画モデルで確認できます。

セリフを入れる

Kling 3.0 と Kling Omni では、セリフを話す人物と組み合わせて書くと、人物ごとにセリフが割り当てられます。

話す人物を描写したあと、その人物のセリフをすぐに続けて書きます。人物とセリフを組み合わせておくと、セリフが人物ごとに自動で割り当てられます。

The woman in the navy coat says: "You're late again."
The man across from her replies, without looking up: "Traffic."

紺色のコートの女性が言う：「また遅刻ね。」／向かいの男性が顔も上げずに答える：「渋滞で。」

セリフは中国語・英語・日本語・韓国語・スペイン語で書けます。それ以外の言語で書いたセリフは、英語に翻訳されて生成されます。

セリフは、音声をオンにして生成すると音声として作られます。Kling Omni にビデオ入力を接続すると新しい音声を生成しないため、プロンプトに書いたセリフも音声として作られません。

参照画像を呼び出す

Kling Omni では、接続した参照画像を、接続した順に付く番号タグでプロンプトから呼び出します。

参照画像には、ビデオノードに接続した順に番号が付きます。プロンプトでは、この番号を三重の山かっこで囲んだタグとして書きます。

参照画像	プロンプトのタグ
1 番目に接続した画像	`<<<image_1>>>`
2 番目に接続した画像	`<<<image_2>>>`
N 番目に接続した画像	`<<<image_N>>>`

<<<image_1>>> walks into a coffee shop and sits down at a table near the window. The interior matches the style of <<<image_2>>>.

image_1 がコーヒーショップに入り、窓際のテーブルに座る。店内は image_2 のスタイルに合わせる。

参照画像は最大 7 枚まで接続できるため、タグは <<<image_7>>> まで書きます。ビデオ入力も一緒に接続すると参照画像は最大 4 枚になり、タグも <<<image_4>>> までです。

画像とプロンプトの役割を分ける

参照画像にすでに写っているものは繰り返し書かず、画像では伝えられない動きと流れをプロンプトに書きます。

最もよくある間違いは、参照画像にすでに写っているものをプロンプトで繰り返し書くことです。衣装・顔・照明・背景を文章で繰り返すと、画像と文章のどちらに従うべきかがあいまいになり、かえって結果がずれることがあります。

プロンプトには、画像では伝えられないことを書きます。

何が動くか
カメラがどう動くか
いつ何が起こるか

複数の画像を接続するときは、それぞれの画像が何を担うかを先に示してから、シーンを書きます。

<<<image_1>>> is the character. <<<image_2>>> is the location.
<<<image_1>>> sits at the counter in <<<image_2>>>, turning toward the door as it opens.

image_1 は人物、image_2 は場所。image_1 が image_2 のカウンターに座り、ドアが開くとそちらを振り向く。

書くときの注意点

Kling モデルが正確に表現しにくい要素と、求める結果に近づける書き方です。

数は正確に反映されないことがあります。 「子犬 10 匹」のように数を指定しても、その数だけ出てこないことがあります。
複雑な物理的な動きは表現しにくい場合があります。 ボールが弾む動きや、高く投げた物体の軌道は、正確に表現されないことがあります。
カメラの動きは 1 つのショットに 1 つだけ指定するのがおすすめです。プッシュイン・プルアウト・回転を同時に求めると、画面が揺れることがあります。
画面内の文字は完璧ではありません。 看板や字幕を入れるときは、文言を短くして位置をはっきり書くのがおすすめです。
東洋的な雰囲気や人物を作るときは、Oriental mood、China、Asia のような単語が効果的です。