Промты для Kling 4 и 3.0: правила кадра и 19 готовых промтов

Промт для Kling — это не описание красивой сцены, а список ограничений: одно движение камеры на ролик, ни одного объекта сверх тех, что уже есть на исходном кадре, названный словами передний план и длительность, подобранная под крупность плана. Остальное — частные случаи этих четырёх строк. Разница с картинкой принципиальная: в генераторе изображений вы описываете, что должно появиться, и лишняя деталь скорее украшает кадр. В видео каждая добавленная сущность обязана ещё и двигаться пять секунд подряд — и рассыпается всё именно здесь. Стая птиц становится серыми кляксами, лужа на переднем плане тает ко второй секунде, а в углу заводится машина, которой на фото не было. Ниже — четыре правила, которые держат кадр, разбор нашей попытки повторить чужой клип на домашней видеокарте и 19 готовых промтов каталога под задачи: видео из фото, оживление старого снимка, говорящее фото, товар, интерьер, еда, вертикаль для Reels. Для Kling 4, который с октября снимает до 30 секунд за раз и пишет речь вместе с видео, правила мягче: сцена расписывается по таймкодам, а запретов в промте меньше.

Kling — видеосеть китайской компании Kuaishou. Для русскоязычного пользователя у неё два практических плюса: сайт открывается из России и промт понимается по-русски, переводить сцену на английский не нужно. Версии сменяются быстрее, чем устаревают статьи: Kling 3.0 вышел в феврале 2026 года, а 15 октября всем открыли Kling 4. Правила кадра ниже не привязаны к номеру версии: они про то, что модель обязана сделать с кадром. Что поменялось в промте для четвёртой версии, разобрано в отдельном разделе чуть ниже.

Почему видеопромт пишется от запретов

Картинку вы правите итерациями: не понравился свет — дописали строку, перегенерировали, посмотрели. Ролик так не правится. Модель не дорисовывает движение к готовому кадру, она каждый раз пересобирает все пять секунд целиком, и одна лишняя фраза меняет весь клип, а не его кусок. Отсюда и устройство текста: описательная часть короткая — что в кадре и что с ним происходит, — а дальше идёт длинный блок про то, чего быть не должно: новых предметов, смены плана, второго движения камеры, ускорения к финалу.

Читается такой промт скучно, зато он доезжает до последнего кадра неповреждённым. И ещё одно, что экономит попытки: негативный промпт в Kling живёт в отдельном поле, а не внутри основного текста. Заполнять его стоит с первой генерации, не дожидаясь трёх испорченных дублей: поле ничего не стоит, а половина типовых провалов закрывается пятью словами.

Kling 4: что поменялось в промте

15 октября 2026 года Kuaishou открыла Kling 4 всем пользователям, и для длинного ролика часть правил из этой статьи работает иначе. Правила кадра ниже писались под короткий клип на пять–десять секунд с одним действием: так снимает большинство тех, кто оживляет фото. Несколько планов за одну генерацию умел уже Kling 3.0, до 15 секунд. Kling 4 растянул это до 30 секунд с шагом в секунду, принимает до 15 референсов и пишет звук вместе с картинкой. Промт для такого ролика похож на раскадровку: время, план, действие, звук.

Вот что мы поменяли в карточках под четвёртую версию.

• Таймкоды вместо одного действия. Сцена делится на отрезки: 0–6 с, 6–14 с и дальше. Внутри отрезка один план и одно поведение камеры, как раньше внутри всего ролика.
• Герой называется одними и теми же словами. На смене плана модель перечитывает описание, и разница в одном слове для неё значит другого человека. В наших карточках герой стоит в скобках, и поле «Собрать под себя» меняет его во всех планах сразу.
• Речь пишется прямо в промте. Кто говорит, каким голосом, на каком языке и что делает перед репликой. Русского в официальном списке языков речи нет: там китайский, английский, японский, корейский, испанский, португальский, немецкий, французский и хинди. Часть сервисов, где Kling 4 доступен из России, заявляет у модели русскую речь, но проверять её лучше на короткой фразе: чем длиннее реплика, тем скорее она съедет в акцент. Поэтому реплики в карточках не длиннее восьми слов.
• Запретов меньше. Руководство Kling к четвёртой версии советует описывать то, что вы хотите увидеть: списки «не делай» добавляют ошибок. Исключений два, субтитры и фоновая музыка, их модель любит добавлять сама. Поэтому в карточках под Kling 4 ограничения записаны утверждениями вроде «в кадре только эти двое», а запрет остался один, на субтитры и музыку.

Референсы тоже стали серьёзнее. В режиме Omni Reference модель принимает до 15 файлов: до десяти картинок, до пяти видео общей длиной не больше 30 секунд и образец голоса. Каждому файлу нужна роль, иначе модель угадывает её сама и переносит в героя чужой фон. Режим ключевых кадров с референсами в одной задаче не совмещается. И кириллицу в кадре Kling 4 не пишет: цену, название и подписи добавляют в монтаже.

Сцена на полминуты. Четыре плана по таймкодам, один герой и звук улицы. Первый прогон дешевле сделать на 14 секунд из двух планов и посмотреть, держится ли лицо.

Промт: Ролик на 30 секунд в Kling 4: сцена из четырёх планов

Сцена на 30 секунд одной генерацией, четыре плана по таймкодам. Герой в каждом плане назван одними и теми же словами: это один человек, и при смене плана лицо и одежда остаются прежними.

Герой: [ГЕРОЙ: женщина в бежевом плаще], [ВНЕШНОСТЬ: лет тридцати, короткая тёмная стрижка, кожаная сумка через плечо].
Место: [МЕСТО: утренняя улица старого города, мокрая брусчатка, витрины ещё закрыты].
Свет: [СВЕТ: мягкий и рассеянный, дождь только что кончился].

0–6 с — общий план, камера стоит. [ГЕРОЙ: женщина в бежевом плаще] выходит из подъезда и поднимает воротник.
6–14 с — средний план, камера едет сбоку в темпе шага. [ГЕРОЙ: женщина в бежевом плаще] идёт вдоль витрин, в стёклах скользит отражение.
14–22 с — крупный план, камера неподвижна. [ГЕРОЙ: женщина в бежевом плаще] останавливается у окна кофейни и кивает бариста за стеклом.
22–30 с — общий план со спины, камера медленно поднимается. [ГЕРОЙ: женщина в бежевом плаще] уходит вдаль, над крышами светлеет небо.

Звук: шаги по мокрому камню, далёкий трамвай, колокольчик над дверью кофейни на четырнадцатой секунде.

В кадре только перечисленные: герой, улица, кофейня и бариста за стеклом. Прохожие видны силуэтами на дальнем плане и к герою не подходят. Причёска, лицо и одежда одни и те же во всех четырёх планах.
Без субтитров и без фоновой музыки.

———
Дальше — настройки, в поле промпта их не вставлять: длительность 30 с, формат 16:9, для Reels и Shorts — 9:16, качество 1080p. Первый прогон дешевле сделать на 15 с из двух первых планов: сразу видно, держит ли модель лицо героя.

Открыть карточку: пример результата и разбор

Диалог двух героев. Реплики по очереди, у каждого свой голос, перед каждой фразой действие, по которому видно, чья очередь говорить.

Промт: Диалог двух героев в Kling 4: реплики со звуком

Сценка на 15 секунд: двое говорят по очереди, движения губ совпадают с речью, звук пишется вместе с видео.

Герой А: [ГЕРОЙ А: бабушка лет семидесяти в вязаной кофте, голос тёплый, с хитринкой].
Герой Б: [ГЕРОЙ Б: внук-подросток в сером худи, голос ломкий, говорит быстро].
Место: [МЕСТО: деревенская кухня, на столе самовар и тарелка с пирожками, за окном зима].
Язык реплик: [ЯЗЫК: русский].

0–4 с — средний план на двоих, камера стоит. [ЗАВЯЗКА: Герой Б садится за стол и тянется к пирожку].
4–8 с — крупный план героя А. Герой А [ДЕЙСТВИЕ А: отодвигает тарелку] и говорит: «[РЕПЛИКА А: Сначала руки помой, потом пирожок]».
8–12 с — крупный план героя Б. Герой Б [ДЕЙСТВИЕ Б: поднимает ладони] и отвечает: «[РЕПЛИКА Б: Ба, я их ещё утром мыл]».
12–15 с — снова средний план на двоих. [ФИНАЛ: Герой А смеётся и пододвигает тарелку обратно].

Перед каждой репликой стоит действие: по нему видно, кто сейчас говорит. Пока говорит один, второй слушает молча, губы сомкнуты, взгляд на собеседника.

Звук: тиканье ходиков, шипение самовара, в конце короткий смех.

В кадре только эти двое: третий человек не входит, за окном пусто. Лица, одежда и посуда одинаковые во всех планах.
Без фоновой музыки и без субтитров.

———
Это уже не промпт, а ручки интерфейса Kling 4: длительность 15 с, формат 9:16 для Reels и Shorts, качество 1080p. Реплика до восьми слов звучит чище: длинная фраза не помещается в свои четыре секунды, и губы начинают отставать.

Открыть карточку: пример результата и разбор

Вы по своим фото. Три снимка с ролями: лицо, одежда и место. Так получается ролик, где вы стоите на вечерней набережной в пальто, которого у вас нет.

Промт: Герой по трём фото в Kling 4: лицо, одежда и место

Ролик по трём загруженным фото. Фото пронумерованы в порядке загрузки, и у каждого своя роль.

Фото 1 — герой: лицо, причёска и возраст берутся только отсюда.
Фото 2 — одежда: [ОДЕЖДА: тёмно-синее пальто и серый шарф], она переходит на героя целиком.
Фото 3 — место: [МЕСТО: набережная Сены вечером, фонари и баржа у причала], отсюда вид, свет и время суток.

0–4 с — средний план, камера медленно отъезжает. Герой в одежде с фото 2 [ДЕЙСТВИЕ: облокачивается на парапет и смотрит на воду].
4–8 с — крупный план, камера неподвижна. Герой поворачивается к камере, ветер шевелит волосы и край одежды, на лице спокойная улыбка.
8–10 с — общий план, камера поднимается. Герой остаётся на месте, а за его спиной [ФИНАЛ: вдоль реки загораются фонари].

Звук: [ЗВУК: плеск воды, далёкие голоса, гудок баржи].

Лицо — только с фото 1, одежда — только с фото 2, с фото 3 переносится лишь место. В кадре только один герой, прохожие остаются силуэтами вдали.
Без субтитров, фоновой музыки нет.

———
Настройки, которые выставляются руками, а не текстом: режим референсов (Omni Reference), фото грузить в том порядке, в каком они названы; на сайте Kling файлы в тексте зовутся @Image1, @Image2 и @Image3. С ключевыми кадрами этот режим в одной задаче не совмещается. Длительность 10 с, 9:16 для вертикали. Для лица лучше всего работает чёткий снимок анфас при дневном свете, без очков и резких теней.

Открыть карточку: пример результата и разбор

Реклама товара на 15 секунд. Макро, товар в руке и финальный кадр, а щелчок крышки и шипение пишутся вместе с видео.

Промт: Реклама товара в Kling 4: 15 секунд со звуком

Рекламный ролик на 15 секунд по загруженному фото товара: три плана, звук пишется вместе с видео.

Товар: [ТОВАР: стеклянная бутылка холодного чая с лимоном, этикетка жёлтая]. Форма бутылки и этикетка — как на снимке, буквы на этикетке остаются прежними.
Обстановка: [ОБСТАНОВКА: деревянный стол у окна, летний полдень, капли конденсата на стекле].

0–5 с — макро, камера медленно скользит вдоль товара снизу вверх. [ДЕТАЛЬ: по стеклу стекает капля, свет из окна пробивает чай насквозь].
5–10 с — средний план, камера неподвижна. [ДЕЙСТВИЕ: рука берёт бутылку и откручивает крышку].
10–15 с — общий план на стол, камера плавно едет назад. Товар стоит в центре на солнечном пятне, [ДЕКОР: рядом половинка лимона и стакан со льдом].

Звук: [ЗВУКИ: щелчок крышки, шипение газа, звон льда в стакане].
Голос диктора на 10–15 с: [ДИКТОР: спокойный мужской голос, по-русски] произносит «[ФРАЗА: Холодный чай с настоящим лимоном]».

В кадре только товар, рука и стол с декором; надписи — исключительно те, что напечатаны на этикетке.
Фоновой музыки нет, субтитров тоже.

———
Под чертой — параметры, а не текст промпта: длительность 15 с, формат 1:1 для карточки маркетплейса или 9:16 для Reels, качество 1080p, фото товара загрузить как стартовый кадр или референс. Цену и название магазина добавьте в монтаже: русского нет среди языков, на которых Kling 4 пишет текст в кадре. Если голос диктора выходит неразборчивым, уберите строку с ним — звуки предметов останутся, а фразу начитаете отдельно.

Открыть карточку: пример результата и разбор

Kling 3.0 никуда не делся и для коротких задач остаётся разумным выбором: секунда видео у него дешевле, а оживить фото или снять облёт товара он умеет не хуже. Правила ниже написаны как раз под короткий ролик.

Правило первое: одно движение на ролик

Или наезд, или панорама, или подъём. Не три сразу и даже не два. Модель строит движение как одну траекторию; когда траекторий две, она пытается вести обе одновременно, и на выходе вместо работы оператора получается рывок в середине клипа.

Самый частый случай — риелтор, который хочет «проехать по гостиной и повернуть к окну». Это два ролика с двух фотографий, а не один промт с запятой. Тот же счёт у продавца: облёт вокруг флакона и наезд на крышку — два клипа, которые потом склеиваются в редакторе за минуту.

Скорость тоже задаётся явно. По нашему опыту Kling без указания темпа тянет всё в замедление: чашка опускается на стол половину ролика, человек оборачивается будто под водой. Единственная задача, где этот характер играет за вас, — фуд-ролик, там стекающий соус в замедлении как раз и нужен.

К загруженному фото: один непрерывный кадр с движением камеры, без склеек.

Что на снимке: [СЦЕНА: набережная утром, человек стоит спиной к камере у парапета]
Движение: [КАМЕРА: медленный наезд вперёд с лёгким подъёмом]
Длительность: [ДЛИТЕЛЬНОСТЬ: 5 секунд]

Одно движение на весь кадр. Наезд ИЛИ панорама ИЛИ подъём — не три сразу: на коротком ролике смешанное движение читается как рывок, а не как работа оператора.

Скорость постоянная от первого кадра до последнего, без разгона в середине и без остановки в конце.

В кадре живёт только то, что было на снимке. Пар, дым, рябь на воде, колыхание ткани и волос — можно, если источник виден на фото. Новые объекты, люди, машины и птицы появляться не должны: дорисованное входит в кадр рывком и выдаёт генерацию.

Передний план держится. Если на снимке есть лужа с отражением, перила или ветка у края кадра — они обязаны остаться на месте при движении, а не растаять.

Геометрия не плывёт: прямые линии остаются прямыми, лица и руки не деформируются на краях кадра.

Не добавляй: смену плана, вспышки, замедление в конце, надписи, виньетку и цветокоррекцию, меняющую время суток.

Если на снимке есть люди, держи их в средних планах и не веди камеру им в лицо: на наезде черты плывут первыми. Портрет крупно оживляй отдельным роликом на три секунды.

Проверка после генерации: сравни первый и последний кадр. Прямые линии, пропорции лиц и предметы переднего плана обязаны совпасть — если разошлись, перегенерируй с более коротким движением.

Эта карточка — базовая для запроса «видео из фото»: одно движение, постоянная скорость от первого кадра до последнего, запрет на дорисовку и требование удержать передний план. В конце там стоит проверка, которую стоит вынести в привычку: сравнить первый и последний кадр.

Правило второе: в кадре живёт только то, что есть на исходнике

Оживать разрешено тому, у чего на снимке виден источник. Пар над тарелкой. Рябь на воде. Штора у открытого окна, прядь волос, ветка за стеклом. Всё остальное модель обязана оставить в покое.

Это правило нарушает сама модель: она любит дорисовывать. Прохожий в глубине, машина на дороге, птица в небе: объект входит в кадр рывком, потому что в первом кадре его не было, и клип сразу читается как машинный. Уговоры в основном тексте тут не помогают, лечится это прямым запретом и негативным полем: «новых людей, машин и птиц в кадре не появляется».

Обратная сторона правила — не пересказывайте то, что и так видно на фото. Описывая заново лицо, одежду и обстановку, вы даёте модели повод перерисовать их по своему разумению. На оживлении снимка текст нужен только про движение.

Правило третье: передний план надо удерживать словами

Ветка у объектива, перила, край стола, лужа с отражением вывески — то, на чём держится объём кадра, исчезает первым. Модель считает передний план необязательным и растворяет его на второй секунде, особенно когда камера едет.

Работает только явное требование с названием предмета. Не «сохрани композицию», а «лужа с отражением вывесок остаётся на месте и не растворяется». Не «красивая глубина», а «тёмная ветка у нижнего края кадра не двигается и не пропадает». Разница в результате заметна с первого дубля, и это самая дешёвая строка во всём промте.

Правило четвёртое: крупность плана и длительность тянут в разные стороны

Чем крупнее лицо в кадре, тем быстрее оно перестаёт быть тем же лицом. На среднем плане человек спокойно живёт пять секунд. На крупном к четвёртой секунде уезжают скулы, меняется линия носа, и знакомого человека родные уже не узнают — а именно ради узнавания вы всё это и затевали.

Пересчёт простой: крупный план живёт секунды три, средний — пять, общий — сколько дадут. Длительность в Kling выбирается в настройках, а не словами: под крупный план берите минимальную длину и обрезайте лишнее в редакторе, а строка про секунды в промте нужна для того, чтобы модель уложила действие целиком. Нужно и крупно, и долго? Два клипа и склейка. Длинный ролик, до 15 секунд в Kling 3.0 и до 30 в Kling 4, держится за счёт смены планов, а не одного крупного кадра.

Сцена с человеком, один непрерывный кадр.

Кто: [ЧЕЛОВЕК: женщина лет тридцати, тёмное пальто, волосы собраны]
Что делает: [ДЕЙСТВИЕ: медленно идёт вдоль витрины и поворачивает голову к стеклу]
Место и свет: [МЕСТО: вечерняя улица, свет витрин сбоку, лёгкий дождь]
Длительность: [ДЛИТЕЛЬНОСТЬ: 5 секунд]

Одно действие на ролик. Человек либо идёт, либо поворачивается, либо берёт предмет — но не всё подряд: на смене действий лицо перестраивается заново и перестаёт быть тем же.

Руки держи простыми. Ладони либо в карманах, либо опущены, либо держат один предмет целиком. Растопыренные пальцы, жестикуляция и передача предмета из руки в руку — места, где модель ломается чаще всего.

Лицо в кадре не крупнее средней части: на крупном плане черты плывут к концу ролика. Если нужен крупный план, сократи длительность до трёх секунд.

Походка естественная: шаг ровный, корпус не скользит по земле, ноги касаются поверхности. Скольжение без переступания — типичный провал.

Камера спокойная: статика или медленная проводка сбоку. Наезд на лицо при движении человека усиливает деформацию.

Одежда не меняется по ходу: цвет, длина, фактура остаются прежними от первого кадра до последнего.

Не добавляй: вторых людей в кадре, отражения с чужими силуэтами, резкую смену выражения лица, разговор, если не просили липсинк.

Руки — отдельная история. Ладони в карманах, опущены или держат один предмет целиком: растопыренные пальцы, жестикуляция и передача предмета из руки в руку — те места, где генерация ломается чаще всего. Ещё одна типовая поломка — походка: ноги не переступают, человек скользит по асфальту, как фигура на слое в презентации. Поэтому в карточке отдельной строкой стоит требование, чтобы шаг был ровным, а ноги касались поверхности.

Что вышло, когда мы попробовали повторить чужой клип

Оговорка сразу: прогон был не в Kling. Образцом стал ролик с атмосферным b-roll из нашей карточки, снятый в облачном Kling, так что для домашней модели это чужой клип. Повторить его мы попробовали дома, на локальной модели Wan, которая крутится на видеокарте 12 ГБ. Задача сцены: мокрый асфальт, пар из люка, взлетающая стая голубей, медленный проезд камеры вперёд, лужа с отражением вывесок на переднем плане.

На младшей локальной модели вышло вот что:

• пар от асфальта повторился — единственное, что совпало с референсом сразу;
• голубей не получилось ни разу: вместо стаи размазанные силуэты, растущие прямо из асфальта;
• в кадр сама приехала машина, которой в исходнике не было;
• вместо плавного проезда пошли рывки;
• лужа с отражением вывесок, главная деталь переднего плана, пропала.

Вторая попытка была на максимуме, который карта тянет: родное разрешение 1280×704, тридцать шагов, 583 секунды счёта — почти десять минут работы ради пяти секунд видео. Негатив с прямым запретом машин и людей сработал: лишний автомобиль не появился, лужа удержалась, пар стал плотнее. Птиц всё равно не было, рывок остался.

Дальше интересное. Тот же кадр на старшей локальной модели дал и стаю с читаемыми крыльями, и удержанную лужу, и ровный проезд. Сломалось у неё ровно одно: буквы на витрине, которые в облачном референсе читались. Полный отчёт по времени и разрешениям — в статье локальные нейросети для видео, здесь важен вывод для промта.

Вывод такой: мелкие быстрые объекты вместе с движением камеры — самое хрупкое сочетание в видеогенерации, и разница между «получилось» и «каша» проходит не по формулировке, а по классу модели. Облачный Kling такие кадры тянет. Но если ваш клип рассыпается, первым делом разбирайте сцену на части: стая — отдельный ролик, проезд — отдельный. И не ждите от любой сети мелкого текста в кадре: крупная вывеска в глубине ещё может выжить, мелкий шрифт на упаковке крупным планом перерисовывается почти всегда.

Видео из фото: какой снимок оживает, а какой дрожит

Половина неудач случается до промта — на выборе фотографии. Мы прогнали через оживление шесть готовых превью каталога и получили закономерность, которая хорошо объясняет, почему у одних людей ролики выходят, а у других «что-то дрожит»: кадру нужен один крупный, явно движущийся объект. Пар, дым, капли, вода, ткань на ветру. Когда такого объекта нет, модель кадр в покое не оставляет и начинает шевелить всё по мелочи — и скандинавский интерьер с идеальным светом на просмотре читается как тряска.

Это замер на локальной модели, у облачного Kling порог ниже. Но отбор снимка работает так же:

• Оживает — то, где есть вода, пар, дым, огонь, ткань, волосы, листва, отражения.
• Почти не оживает — сухой интерьер, предмет на белом фоне, групповое фото в статичной позе.
• Не берите вовсе — скриншоты, чертежи, таблицы, меню, документы: текст в движении плывёт, и спасти его нечем.

Технические мелочи, которые стоят одного испорченного дубля. Водяной знак сервиса в углу при проезде камеры едет вместе с картинкой и размазывается — берите снимок без метки. Ровный ракурс лучше наклонённого: заваленный горизонт модель пытается «исправить» и уводит геометрию. Лицо у самого края кадра деформируется первым, потому что край — зона наибольших искажений. Если исходника нужного качества нет, кадр проще сгенерировать заранее: как это делается, разобрано в статье промты для фото.

Старое фото: оживить, не поменяв человека

Здесь у задачи другая цель. В рекламном ролике вы добиваетесь красоты, в оживлении семейного снимка — узнавания. Модель по умолчанию работает против вас: она сглаживает морщины, омолаживает, поправляет прикус, открывает рот в улыбке и показывает зубы, которых на снимке 1960-х нет и быть не может. Результат технически чистый, а бабушка на нём — чужая женщина.

Промт: Оживить старое фото в Kling: мимика и движение по секундам

Оживи загруженное фото как короткий кинокадр, ничего не дорисовывая.

Кто в кадре: [КТО НА ФОТО: пожилая женщина в светлом платке, поясной портрет со снимка 1960-х].
Что вокруг: [ЧТО НА ФОНЕ: деревянная стена дома и куст сирени].

По секундам, всего 5 секунд:
0–1 — один спокойный вдох, плечи чуть поднимаются, одно моргание, остальное неподвижно.
1–3 — уголки губ медленно идут вверх в сдержанную улыбку с закрытым ртом, взгляд переводится с точки перед собой прямо в камеру.
3–5 — голова поворачивается на пару градусов, ещё одно моргание, улыбка держится и не расползается.

Материя и фон: пряди волос и край платка колышутся от слабого ветра, фон шевелится еле-еле. Пыль, блики и частицы не добавлять.

Камера: полностью статична. Ни наезда, ни отъезда, ни панорамы, ни параллакса. Кадрирование как на фото.

Свет и цвет: исходные. Зерно, выцветание и оттенок снимка не исправлять, кадр не реставрировать.

Строго: черты лица не менять, возраст не омолаживать, зубы не показывать, рот не открывать, платок и одежду не перерисовывать, второго человека и новые предметы не вводить.

———
Этот блок в поле промпта не нужен, это настройки интерфейса Kling: длительность 5 с, режим Professional, если он доступен, ползунок креативности к минимуму — так лицо меньше плывёт. В поле Negative prompt: distorted face, face morphing, deformed eyes and mouth, identity change, extra fingers, open mouth, teeth, camera movement, zoom, fast motion, watermark, text.

Открыть карточку: пример результата и разбор

Три вещи, которые в этой карточке сделаны намеренно. Первое: движение расписано по секундам — вдох и моргание, потом медленная улыбка с закрытым ртом, потом поворот головы на пару градусов. Второе: камера полностью статична, потому что параллакс на портрете со старого снимка почти всегда даёт мыло по краям. Третье: реставрация запрещена — зерно, выцветание и оттенок остаются как есть. Чинить царапины и оживлять одним проходом не нужно: это две разные задачи, и вторая портит первую.

Говорящее фото: голос, липсинк и звук

«Оживить фото со звуком» — на самом деле две разные операции, и путаница между ними стоит людям вечера. Первая: снимок превращается в ролик, человек на нём двигается и шевелит губами. Вторая: к готовому ролику подставляется звуковая дорожка, и губы синхронизируются с ней. Липсинк в Kling — отдельный шаг поверх готового видео: вы либо печатаете реплику и сеть озвучивает её сама, либо загружаете своё аудио. Есть и второй путь: с версии 3.0 реплику можно написать прямо в промте, и речь выйдет вместе с видео. Русского в официальном списке языков речи нет ни у 3.0, ни у Kling 4; как оформить реплику, разобрано в разделе про четвёртую версию.

Два ограничения, которые лучше знать заранее. В справке Kling сказано, что лицо героя должно быть в кадре целиком и хорошо видно — профиль, перекрытая рука у подбородка и голова, срезанная краем, не годятся. И там же: липсинк рассчитан на людей — живых, трёхмерных, рисованных, — а животных не поддерживает. Говорящего кота через эту функцию не сделать; смешной ролик с питомцем сделать можно, но без речи.

Карточка ниже закрывает первую половину задачи — сам ролик, где лицо действительно говорит, а не открывает рот. Реплика в ней нужна, чтобы модель отсчитала длину и ритм фразы; если потом понадобится ваш собственный голос, дорожка ложится поверх отдельным шагом.

К загруженному портрету: человек произносит короткую реплику, губы синхронны звуку.

Реплика: [РЕПЛИКА: С днём рождения. Я помню тот вечер и до сих пор улыбаюсь]
Длительность: [ДЛИТЕЛЬНОСТЬ: 5 секунд]
Манера: [МАНЕРА: спокойно, с лёгкой улыбкой, как обращаются к близкому человеку]

Лицо остаётся тем же: черты, возраст, морщины, форма носа и глаз, причёска, оправа очков — всё с исходника. Узнаваемость важнее гладкости.

Движение при речи идёт не одними губами. Работают челюсть, щёки и мышцы вокруг глаз: на ударных слогах голова чуть кивает, брови двигаются в такт смыслу, между фразами человек моргает. Неподвижное лицо с шевелящимся ртом — главный признак подделки.

Амплитуда губ умеренная. Широко раскрытый рот на каждом слоге даёт эффект резиновой челюсти, и запись сразу читается как машинная.

Голова держится в кадре: небольшой наклон и поворот в пределах нескольких градусов, без сползания в сторону и без покачивания корпуса.

Фон неподвижен. Камера статична, никакого наезда — движение фона при говорящей голове расходится с ощущением портрета.

Не добавляй: жестикуляцию руками, если рук нет на исходнике, смену выражения на противоположное, подмигивание, зубы, которых не видно на фото, и дорисованные украшения.

Главный признак подделки в говорящем фото — не губы, а неподвижное лицо вокруг них. Живая речь двигает челюстью, щеками и мышцами у глаз: на ударных слогах голова чуть кивает, между фразами человек моргает. Второй признак — амплитуда: широко раскрытый рот на каждом слоге даёт эффект резиновой челюсти. Поэтому в карточке прямо задана умеренная амплитуда и движение всего лица.

Если вместо речи под ролик нужна музыка, её проще сгенерировать отдельно и положить на видео в редакторе: трек собирается по статье промты для Suno.

Motion Control и кисть: где траекторию рисуют, а где пишут словами

Тут стоит развести названия: под именем Motion Control в Kling скрывается не то, что обычно ждут. Это перенос движения: вы даёте картинку с персонажем и видео-референс либо выбираете движение из встроенной библиотеки, а модель переносит пластику на вашего героя. Промты для Kling Motion Control поэтому второстепенны, главное — исходное видео.

Рисование пути — другая функция, кисть движения (Motion Brush). По справке Kling она устроена так: вы закрашиваете элемент на картинке и тянете от него траекторию, направление и длина кривой влияют на результат, одновременно можно задать до шести элементов. Рядом есть кисть статики — она фиксирует пиксели в закрашенной области и удерживает камеру от сползания. И отдельная тонкость оттуда же: если пририсовать траекторию объекту, который в жизни не двигается, — дому, столбу, — модель прочитает её как движение камеры и поедет сама.

Словами путь описывают там, где кисти под рукой нет: в API, в стороннем интерфейсе, в другой видеосети. Тогда работает единственный приём — координаты кадра вместо наречий.

К загруженному кадру: задай движение явной траекторией, а не общим словом. Видео-референса для Motion Control и кисти Motion Brush здесь нет — путь объекта задан только этим текстом.

Что движется: [ОБЪЕКТ: бумажный самолётик]
Откуда и куда: [ПУТЬ: из левого нижнего угла по дуге вверх к правому краю, за пределы кадра]
Что делает камера: [КАМЕРА: остаётся неподвижной]
Длительность: [ДЛИТЕЛЬНОСТЬ: 5 секунд]

Описывай путь координатами кадра: левый нижний угол, центр, правая треть, за край. Слова «плавно летит» и «красиво движется» модель трактует как ей удобно, и объект уходит не туда.

Скорость по пути: [СКОРОСТЬ: равномерная] — либо ровная, либо с одним замедлением в названной точке. Два изменения скорости на пяти секундах превращаются в дёрганье.

Движется что-то одно. Если движется и объект, и камера, назови их путь по отдельности и убедись, что они не встречаются: встречное движение даёт смазанную кашу в середине кадра.

Фон остаётся на месте. При неподвижной камере здания, мебель и горизонт не сдвигаются ни на пиксель — сползание фона выдаёт генерацию сильнее, чем любая деталь.

Объект не меняет форму по пути: размер уменьшается по перспективе, но силуэт остаётся собой и не растворяется к краю кадра.

Не добавляй: второй объект, шлейф и частицы за объектом, вспышку в момент выхода из кадра, смену плана и ускорение в конце.

«Плавно летит» и «красиво движется» модель трактует как ей удобно. «Из левого нижнего угла по дуге вверх к правому краю, за пределы кадра» — уже инструкция. Там же стоит ограничение на скорость: одно изменение темпа на пять секунд, два превращаются в дёрганье.

Задачи, под которые промт уже написан

Четыре правила выше — это грамматика. Ниже — готовые предложения на ней: карточки каталога под конкретные сценарии. Промты открываются прямо здесь, полный разбор и пример результата — на самой карточке.

Перебивка для монтажа. Десять секунд одним кадром, три плана в глубину, финал замирает под титр — то, что вставляют между говорящими головами. Ниже промта там отдельным блоком идут настройки интерфейса: длительность, формат и готовая строка для негативного поля.

Промт: Атмосферный b-roll в Kling: перебивка на 10 секунд одним кадром

Кинематографичная перебивка на 10 секунд, снятая одним непрерывным кадром, без склеек внутри клипа.

Сцена: [СЦЕНА: утренний город с высоты пятого этажа, мокрые крыши и провода тонут в тумане].
Свет: [СВЕТ: золотой час, низкое солнце слева, длинные тени, в воздухе видимая дымка].

Три плана в кадре — на них держится объём:
передний — [ПЕРЕДНИЙ ПЛАН: тёмная ветка у самого объектива, не в фокусе];
средний — [СРЕДНИЙ ПЛАН: карнизы, антенны, окна с бликами];
дальний — [ДАЛЬНИЙ ПЛАН: башни, растворяющиеся в дымке].

Что происходит по секундам:
0–3 с — камера [СТАРТ: ровно едет вперёд между домами], скорость медленная и постоянная;
3–7 с — движение продолжается, оживают детали: [ДЕТАЛИ: пар из вентиляции, качается провод, вдалеке ползёт трамвай];
7–10 с — камера [ФИНАЛ: замедляется и чуть поднимается, открывая горизонт] и почти замирает: на этом кадре встанет титр.

Съёмка: объектив 35 мм, малая глубина резкости, мягкое зерно, едва заметное живое дрожание камеры. Движение плавное и непрерывное, без рывков, без смены ракурса, без ускорения к финалу.

В кадре нет лиц крупным планом и людей, идущих прямо на объектив.

———
Этот блок в поле промпта не нужен, это настройки интерфейса Kling: длительность 10 с, формат 16:9 (для вертикали поставьте 9:16 и сдвиньте интересное в верхнюю треть), режим Professional. В поле Negative prompt: text, watermark, subtitles, logo, flicker, morphing, distorted faces, fast motion.

Открыть карточку: пример результата и разбор

Товар. Один облёт по дуге, товар неподвижен, частицы висят в луче, а не пролетают: за пролетающими камера уходит следом и облёт ломается. Отдельно там оговорено, что мелкий шрифт на упаковке перерисовывается — если текста много, берите ракурс, где его не видно. Для карточек маркетплейсов рядом пригодится карточка товара на Ozon через ИИ.

Промт: Продуктовый ролик товара с облётом камеры

Рекламный ролик товара с облётом камеры. Один непрерывный кадр, без склеек.

Товар: [ТОВАР: флакон духов из тёмного стекла с золотой крышкой] стоит на [ПОВЕРХНОСТЬ: полированной мраморной плите]. Фон [ФОН: глубокий чёрный] с тёплой подсветкой контура сзади. Свет студийный мягкий, без пересветов на стекле.

Движение одно: камера медленно обходит товар по дуге вправо. Товар при этом стоит неподвижно.

Второе движение камеры в этот же клип не добавляй — ни наезда в финале, ни подъёма, ни смены ракурса. Видеомодель начнёт совмещать две траектории и кадр задёргается. Нужен один ровный проезд, наезд снимай отдельным клипом.

Отсечка. Форму, пропорции и детали товара сохранить точно, ничего не дорисовывать: чаще всего видеомодель меняет форму крышки, дублирует горлышко или изобретает логотип. Частицы — пылинки, капли, лепестки — задавай висящими на месте («пылинки медленно висят в луче света»), а не пролетающими через кадр: за пролетающими камера уходит следом и облёт ломается. Надписи на упаковке не изменять, мелкий шрифт перерисовывается почти всегда — если текста много, бери ракурс, где его не видно.

Проверка перед выдачей: посмотри первый и последний кадр рядом. Товар должен быть тем же предметом — та же крышка, тот же силуэт, то же число деталей. Если силуэт «поехал», клип бракуется целиком, правкой это не лечится.

Рамки: длительность [ДЛИТЕЛЬНОСТЬ: 5 секунд], кадр [ФОРМАТ: горизонтальный 16:9], движение равномерное от первого до последнего кадра, без ускорений.

Открыть карточку: пример результата и разбор

До и после. Ремонт, уборка, маникюр, сад: два снимка с одной точки, а промт описывает только превращение между ними. Нужен режим первого и последнего кадра.

Промт: Видео «до и после» в Kling: переход между двумя фото

Ролик между двумя загруженными кадрами: первый — «до», последний — «после». Снимки уже задают начало и конец, поэтому здесь описано только превращение между ними.

Что меняется: [ЧТО МЕНЯЕТСЯ: стены светлеют, старый паркет сменяется новым полом, мебель появляется по одной вещи].
Порядок: [ПОРЯДОК: сначала стены, потом пол, последней — мебель].

0–2 с — кадр «до» держится, камера стоит на месте.
2–8 с — превращение идёт волной слева направо в том порядке, что указан выше. Каждая вещь проступает целиком и сразу встаёт на своё место со снимка «после».
8–10 с — кадр «после» держится, свет из окна чуть теплеет.

Точка съёмки на обоих снимках одна, поэтому камера неподвижна весь ролик: ни наезда, ни панорамы, ни покачивания.
В кадре только вещи со снимков: людей нет, а из нового появляется лишь то, что видно на снимке «после», — без лишнего декора, текста и логотипов.

———
Строки ниже копировать не нужно, это параметры генерации Kling: режим первого и последнего кадра (First & Last frame), снимок «до» — в начало, «после» — в конец, длительность 10 с. Оба фото снимайте с одной точки, на той же высоте и при похожем свете: при разном ракурсе модель тратит половину ролика на поворот камеры, и превращение не успевает. Смена дня на ночь или зимы на лето — уже два ролика, не один. В поле Negative prompt: camera movement, people, hands, morphing, flicker, text, watermark.

Открыть карточку: пример результата и разбор

Интерьер и недвижимость. Проезд от точки съёмки, мебель стоит, прямые линии остаются прямыми. Живые детали вроде колышущейся занавески при движении камеры просить не надо — они добавляют шевеление поверх проезда. Тексты к объявлению — в статье ИИ для риелтора.

Промт: Видеотур по интерьеру для объявления

Видеотур по интерьеру из одного фото: оживи загруженный снимок помещения — именно его, ничего не достраивая за кадром.

Движение одно: камера медленно едет вперёд от точки съёмки. Мебель, стены и окна стоят на месте.

Поворота к акценту в этом клипе нет — ни «поворачивая к окну», ни «с доводкой на кухню»: проезд и поворот вместе складываются в две траектории, и кадр начинает дёргаться.

Передний план держится на месте: край стола или спинка кресла у нижней границы кадра не растворяются, пока камера едет.

Отсечка. Геометрию помещения и пропорции мебели сохранять точно, ничего не дорисовывать и не перестраивать: прямые линии остаются прямыми — стык стен, рама окна, край столешницы. Живых деталей поверх проезда нет: занавеска не колышется, листья не дрожат, иначе вместо тура выходит трясущийся кадр. Свет не меняется по ходу клипа — бегущие по полу блики ломают экспозицию сцены.

Фото-источник: [ФОТО: снимок комнаты с ровного ракурса, дневной свет из окна]. Формат [ФОРМАТ: горизонтальный 16:9], длительность [ДЛИТЕЛЬНОСТЬ: 5 секунд], скорость постоянная, как у стедикама.

Первый и последний кадр показывают ту же комнату: то же число окон, та же мебель на тех же местах, прямые линии не завалены.

Открыть карточку: пример результата и разбор

Еда. Единственная тема, где фирменное замедление Kling работает на результат: пар, тянущийся сыр, стекающий соус, финальное макро на текстуру.

Промт: Аппетитный фуд-ролик для кафе и доставки

Аппетитный фуд-ролик для кафе и доставки по загруженному кадру блюда: [БЛЮДО: бургер с двойной котлетой и плавленым сыром] на [ПОДАЧА: деревянная доска]. Один непрерывный кадр без склеек, [ДЛИТЕЛЬНОСТЬ: 5 секунд].

Движение продукта одно: [ДВИЖЕНИЕ: сыр медленно тянется по краю котлеты], над горячим поднимается лёгкий пар. Больше в кадре ничего не оживает: доска, посуда, соусник и фон стоят на месте.

Камера — тоже одно движение: медленный наезд с постоянной скоростью, от среднего плана к макро на [ДЕТАЛЬ: поджаристую корочку булочки]. Поворот и облёт в этот клип не входят: наезд и поворот вместе модель ведёт как две траектории, и кадр дёргается посередине.

Темп как в рекламе доставки: движение в замедлении, без ускорения к финалу. Свет мягкий боковой, тёплые тона, фон в мягком размытии. Блюдо выглядит свежим и горячим. Край доски у нижней границы кадра остаётся на месте, пока камера едет.

Исключено: второе движение продукта в том же ролике (сыр тянется — соус не стекает), руки и приборы, которых нет на исходнике, новые предметы на столе, смена формы или цвета блюда к концу ролика, пар, густеющий в дым, буквы на упаковке и вывесках.

Первый и последний кадр совпадают по форме блюда, цвету корочки и сервировке.

Открыть карточку: пример результата и разбор

Ещё пять карточек закрывают остальное: вертикальный ролик 9:16 для Reels и Shorts с цепляющим первым кадром и запасом под текст снизу, анимация логотипа для интро, видеооткрытка к празднику с местом под надпись в верхней трети, ролик с питомцем и сцена с персонажем — один непрерывный кадр: у героя одно действие, у камеры одно движение, и ближе поясного плана она не подходит, иначе лицо к концу ролика теряет черты. Обложку для вертикали удобно делать по статье обложка для Reels и Shorts, а общую логику видеопромта для любой сети — по статье промпты для генерации видео.

Чего Kling не сделает ни при каком промте

Этот список экономит больше времени, чем любые удачные формулировки.

• Сюжет из нескольких событий в пятисекундном ролике. Пять секунд — это одно действие. «Вышла из машины, подошла к двери, обернулась» в пять секунд не помещается: либо три клипа с одинаковым описанием героини, либо один длинный ролик по таймкодам, на 15 секунд в Kling 3.0 или до 30 в Kling 4.
• Причинно-следственную связь через весь клип. То, что жарилось на сковороде в начале, к концу может оказаться на тарелке другим блюдом.
• Мелкий текст. Ценники, состав на упаковке, номера, подписи на вывесках в упор — перерисовываются почти всегда. Кириллицу Kling 4 не пишет вообще: русского нет в списке языков для текста в кадре.
• Сложную работу рук. Пальцы на инструменте, передача предмета, застёгивание, завязывание.
• Речь у животных через липсинк. По справке функция рассчитана на людей.
• Реальные пропорции и цвет товара как гарантию. Сгенерированный ролик — это реклама настроения, а не замена предметной съёмки; для маркетплейса, где покупатель сверяет оттенок, снимайте камерой.

Отдельно про модерацию: Kling — площадка китайской компании, и часть сюжетов она не пропускает. Загрузка чужих лиц — тоже ваша ответственность, а не сервиса: ролик с узнаваемым человеком без его согласия лучше не публиковать.

Проверка ролика за минуту

Смотреть клип целиком, чтобы понять, брак это или нет, не нужно. Быстрее поставить рядом первый и последний кадр и пройти пять пунктов.

1. Геометрия: прямые линии остались прямыми — стык стен, рама окна, край столешницы.
2. Передний план: предмет, который вы удерживали словами, на месте.
3. Лицо: то же лицо, те же пропорции, без поехавших скул.
4. Одежда и цвет: длина, фактура и оттенок не поменялись по ходу.
5. Новые объекты: в кадре не появилось никого, кого не было на исходнике.

Разошлось — не дописывайте промт, а укорачивайте. Меньше движения, меньше секунд, меньше сущностей в кадре. Длинный промт почти никогда не чинит клип: он даёт модели больше поводов что-нибудь переделать по-своему.

FAQ

Промты для Kling надо писать на английском?

Нет, Kling понимает русские формулировки, и наши карточки написаны по-русски. Английский остаётся удобным для технических терминов камеры — dolly, push-in, static camera — и для негативного поля, куда привычнее вписывать короткие английские теги вроде distorted face или camera shake. Смысловую часть — кто в кадре, что делает, чего быть не должно — пишите на русском.

Чем промпт для видео отличается от промпта для картинки?

Объёмом запретов. В картинке вы перечисляете, что должно появиться, и модель добавляет детали в вашу пользу. В видео каждая деталь обязана прожить все пять секунд, поэтому половина текста уходит на ограничения: одно движение камеры, ничего нового в кадре, передний план на месте, скорость постоянная. Описательная часть при этом короче, чем в картиночном промте.

Сколько секунд ставить — пять или десять?

Считайте от крупности плана. Лицо крупно держится секунды три, потом черты плывут. Средний план человека живёт пять секунд. Общий план без людей, где движется пар, вода или ткань, спокойно тянет десять. Длительность задаётся в настройках, а не промтом, поэтому под крупный план берите минимальную и режьте в редакторе. Длинную сцену можно собрать из нескольких генераций с одинаковым описанием героя или снять за раз по таймкодам: Kling 3.0 даёт до 15 секунд, Kling 4 до 30.

Почему в Kling всё получается в замедлении?

По нашему опыту это характер сети: без указания темпа она растягивает движение. Лечится глаголом скорости и прямым запретом на слоу-мо в негативном поле. Обратная ситуация тоже бывает — если просить резкое движение, модель добавляет рывок, поэтому надёжнее формулировать темп как «равномерно, без ускорения к финалу».

Как оживить фото со звуком?

Есть два пути. В один шаг: реплика, голос и шумы пишутся прямо в промте, и звук выходит вместе с видео; так умеют Kling 3.0 и Kling 4, но русского в их официальном списке языков речи нет, поэтому фразу берите короткую. В два шага: сначала ролик из снимка промтом про движение, потом звук, то есть речь через липсинк, где вы печатаете реплику или загружаете своё аудио, либо музыка отдельным треком в видеоредакторе. Липсинку нужно лицо в кадре целиком, животных он не поддерживает.