Guia de prompts do Kling 3.0: movimentos de câmera, sequências multicena, diálogos e personagens consistentes

Um bom prompt do Kling 3.0 diz cinco coisas em linguagem simples: o assunto, o que ele faz de forma visível, onde está, como a câmera enquadra e se move, e a luz e o clima. O próprio guia de prompts do Kling diz o mesmo: bons prompts "começam com uma escrita humana clara: assunto, ação, cenário, linguagem de câmera, iluminação e clima".^[2] Todo o resto deste guia, sequências multicena, diálogos e personagens consistentes, parte dessa estrutura.

O que um prompt do Kling 3.0 deve ter?

O guia de prompts do Kling lista as partes de um prompt claro e o que cada uma faz:^[2]

Descreva o assunto de forma concreta. O mesmo guia sugere trocar uma palavra vaga como "magia" por "partículas de energia azul em espiral com um brilho etéreo", para o modelo ter algo para desenhar.^[2] Descreva movimentos que o espectador consegue ver, como fumaça subindo ou um corredor inclinando o corpo para a frente, em vez de sentimentos ou intenções.

Um prompt dos nossos próprios testes, com as cinco partes em uma única frase:

Um violinista de rua toca sob um arco de pedra à noite enquanto cai uma chuva fina, aproximação lenta a partir do outro lado da praça, luz quente de lampião sobre os paralelepípedos molhados, a melodia do violino ecoando com a chuva suave. Sem texto, sem logotipos.

Kling 3.0, 1080p, 5 segundos, com áudio.

Quais indicações de câmera o Kling 3.0 segue?

Descreva a câmera como um diretor faria. O guia do Kling recomenda termos simples de enquadramento e movimento e dá estes usos:^[2]

Acrescente o ritmo quando importar: "lento" para calma ou suspense, "estável" para uma ação legível, "rápido" para energia.^[2] Termos de enquadramento como close extremo, plano médio fechado, corpo inteiro e plano geral de ambientação dizem ao modelo a que distância o espectador está do assunto.^[2]

Como escrever uma sequência multicena?

O Kling 3.0 pode dividir um clipe em várias cenas. O Kling descreve duas formas: deixar o modelo planejar os cortes a partir de um único prompt, ou você mesmo definir cada cena e a duração dela, o que o Kling chama de Custom Multi-Shot e diz que o modelo vai "seguir à risca".^[1] Os próprios exemplos do Kling escrevem cada cena como uma linha de enquadramento mais ação: "Cena 1, plano aberto traseiro em contra-plongée, acompanhando o piloto por trás… Cena 2, close lateral em contra-plongée, um plano detalhe da roda da moto…"^[1]

Pela API, a versão personalizada é multi_shots: true com uma lista multi_prompt, uma entrada por cena com prompt e duração próprios. Nosso teste pediu duas cenas de 3 segundos:

{
  "model": "kling-3-0",
  "mode": "pro",
  "sound": true,
  "multi_shots": true,
  "multi_prompt": [
    {"prompt": "Wide shot of a small open kitchen, a chef tosses vegetables in a wok, flames rising, warm light. No text, no logos.", "duration": 3},
    {"prompt": "Close-up of the wok, vegetables flipping through the flames, oil sizzling, steam drifting. No text, no logos.", "duration": 3}
  ]
}

Kling 3.0, 1080p, duas cenas de 3 segundos, com áudio.

Dê a cada cena seu próprio enquadramento e descreva o assunto do mesmo jeito em todas, para que ele pareça a mesma pessoa ou o mesmo objeto. As durações das cenas precisam somar de 3 a 15 segundos.

Como escrever diálogo e áudio no prompt?

Escreva a fala no prompt e associe-a ao personagem que a diz. O guia do Kling mostra o padrão "Personagem (tom): fala", por exemplo "Mãe (baixinho, em tom de surpresa): Nossa, eu não esperava essa história de jeito nenhum", e diz que o Kling 3.0 associa cada fala ao personagem certo mesmo com três ou mais personagens no quadro.^[1]

• Idiomas. O diálogo funciona em chinês, inglês, japonês, coreano e espanhol, e os personagens podem trocar de idioma dentro do mesmo clipe. O Kling diz que uma fala em qualquer outro idioma é traduzida para o inglês.^[1]
• Sotaques e dialetos. Indique-os ao lado da fala, por exemplo "fala em inglês com sotaque indiano"; o Kling lista os sotaques americano, britânico e indiano do inglês e vários dialetos chineses, entre eles o cantonês e o de Sichuan.^[1]
• Ambiência. Descreva também o som de fundo: o exemplo do Kling começa com "um leve zumbido do ar-condicionado da sala ao fundo".^[1]

O áudio só é gerado quando você pede: defina sound como true na requisição.

Como manter um personagem ou produto consistente?

Use um elemento. No Kling 3.0, um elemento é um assunto criado a partir de 2 a 4 imagens de referência; depois de vinculado, o Kling diz que o assunto continua "nítido e estável, sem se deslocar nem desaparecer" durante zooms, pans e tilts.^[1] Na API, ele vai em kling_elements com um name, uma description curta e as URLs das imagens, e o prompt o menciona pelo nome:

{
  "prompt": "@hero walks out of the elevator, takes off her sunglasses and nods to a colleague, steady tracking shot",
  "kling_elements": [
    {
      "name": "hero",
      "description": "a professional woman in a camel coat with a black commuter bag",
      "element_input_urls": ["https://example.com/hero-front.png", "https://example.com/hero-side.png"]
    }
  ]
}

Use uma vista frontal como primeira imagem e adicione vistas laterais ou de três quartos; a descrição deve dizer o que não pode mudar, como a roupa ou um logotipo em um produto.

Como controlar o tempo em um clipe de 15 segundos?

Marque os momentos com tempos. O próprio exemplo de 15 segundos do Kling avança a ação pelo relógio: "No 4º segundo, a câmera acelera para a frente com ela… No 8º segundo, a câmera aproxima aos poucos até um plano médio… No 12º segundo, a música e o movimento chegam ao clímax… Nos 3 segundos finais…"^[1] Para uma única cena contínua, diga isso explicitamente, como faz o outro exemplo do Kling: "uma única cena ininterrupta, sem transições de edição".^[1] A duração do clipe é qualquer número inteiro de 3 a 15 segundos, então ajuste a duração à quantidade de momentos que você escreveu.

O que deixar de fora?

• Palavras vagas de qualidade, sozinhas. "Cinematográfico" ou "obra-prima" sem um movimento de câmera ou uma luz dão pouco para o modelo trabalhar.^[2]
• Texto e marcas indesejados. O Kling 3.0 renderiza bem letras, incluindo placas e logotipos que forem pedidos.^[1] Quando você não quiser nenhum, termine o prompt com "sem texto, sem logotipos", como fazem todos os nossos prompts de teste.
• Vários cortes em uma frase. Se uma sequência precisa de cortes específicos, use o multicena com uma entrada por cena em vez de encadear "então a câmera corta para…" em um único prompt.

Perguntas sobre prompts do Kling 3.0

Qual o tamanho máximo de um prompt do Kling 3.0?

Até 2.500 caracteres no SeedRouter, e até 500 caracteres por cena em uma requisição multicena. A maioria dos bons prompts tem de uma a quatro frases.

O Kling 3.0 aceita prompt negativo?

A requisição do Kling 3.0 no SeedRouter não tem um campo separado de prompt negativo. Escreva o que evitar no próprio prompt, por exemplo "sem texto, sem logotipos". A API atual do Kling também coloca isso no prompt: a documentação dela diz que "o prompt pode incluir descrições positivas e negativas".^[3]

Quais prompts de movimento de câmera funcionam bem no Kling 3.0?

Aproximação lenta, travelling, pan, tilt e revelação em contra-plongée são os movimentos que o próprio guia do Kling usa, escritos como frases simples, por exemplo "a câmera avança devagar em direção ao assunto".^[2]

Onde posso testar um prompt?

O Playground do Kling 3.0 executa a mesma requisição que a API aceita, e o guia da API do Kling 3.0 mostra como enviá-la pelo código.

Referências

1. Kling AI. Kling VIDEO 3.0 Model User Guide. 6 de fevereiro de 2026. Consultado em 6 de outubro de 2026 em kling.ai.
2. Kling AI. Kling AI Prompt Guide: The Secret to Cinematic Video Prompts. 7 de agosto de 2026. Consultado em 6 de outubro de 2026 em kling.ai.
3. Kling AI. Kling 3.0: Text to Video (referência da API). Consultado em 6 de outubro de 2026 em kling.ai.