Hướng dẫn viết prompt Kling 3.0: chuyển động máy quay, cảnh nhiều cảnh quay, lời thoại và nhân vật nhất quán

Một prompt Kling 3.0 tốt nêu rõ năm điều bằng ngôn ngữ đơn giản: chủ thể, hành động nhìn thấy được của nó, nơi nó ở, cách máy quay đóng khung và chuyển động, cùng ánh sáng và tâm trạng. Hướng dẫn viết prompt của chính Kling cũng nói như vậy: prompt tốt "bắt đầu bằng cách viết rõ ràng như con người: chủ thể, hành động, bối cảnh, ngôn ngữ máy quay, ánh sáng và tâm trạng".^[2] Mọi nội dung khác trong hướng dẫn này, từ cảnh nhiều cảnh quay, lời thoại đến nhân vật nhất quán, đều xây trên cấu trúc đó.

Prompt Kling 3.0 cần có những gì?

Hướng dẫn viết prompt của Kling liệt kê các phần của một prompt rõ ràng và vai trò của từng phần:^[2]

Hãy viết chủ thể thật cụ thể. Cùng hướng dẫn đó gợi ý thay một từ mơ hồ như "phép thuật" bằng "những hạt năng lượng xanh lam xoáy tròn với ánh sáng huyền ảo", để mô hình có thứ để vẽ.^[2] Hãy mô tả chuyển động người xem nhìn thấy được, như khói bay lên hay một vận động viên chạy đổ người về phía trước, thay vì cảm xúc hay ý định.

Một prompt từ thử nghiệm của chúng tôi, có đủ năm phần trong một câu:

Một nghệ sĩ violin đường phố chơi đàn dưới vòm đá vào ban đêm trong lúc mưa phùn, máy quay từ từ tiến lại gần từ phía bên kia quảng trường, ánh đèn ấm hắt lên nền đá cuội ướt, giai điệu violin vang vọng cùng tiếng mưa nhẹ. Không có chữ, không có logo.

Kling 3.0, 1080p, 5 giây, có âm thanh.

Kling 3.0 làm theo những chỉ dẫn máy quay nào?

Hãy chỉ dẫn máy quay như một đạo diễn. Hướng dẫn của Kling khuyên dùng các thuật ngữ khuôn hình và chuyển động đơn giản, kèm các cách dùng sau:^[2]

Thêm nhịp độ khi cần: "chậm" cho sự tĩnh lặng hoặc hồi hộp, "đều" cho hành động dễ theo dõi, "nhanh" cho năng lượng.^[2] Các thuật ngữ khuôn hình như đặc tả, cận trung, toàn thân và cảnh toàn giới thiệu cho mô hình biết người xem ở cách chủ thể bao xa.^[2]

Viết cảnh nhiều cảnh quay thế nào?

Kling 3.0 có thể chia một clip thành nhiều cảnh quay. Kling mô tả hai cách: để mô hình tự lên kế hoạch cắt cảnh từ một prompt duy nhất, hoặc tự định nghĩa từng cảnh quay và độ dài của nó, cách mà Kling gọi là Custom Multi-Shot và nói rằng mô hình sẽ "tuân thủ nghiêm ngặt".^[1] Các ví dụ của chính Kling viết mỗi cảnh quay thành một dòng gồm khuôn hình cộng hành động: "Cảnh quay 1, cảnh toàn góc thấp từ phía sau, bám theo sau người lái… Cảnh quay 2, cận cảnh góc thấp từ bên hông, cảnh chi tiết bánh xe mô tô…"^[1]

Qua API, cách tùy chỉnh là multi_shots: true cùng danh sách multi_prompt, mỗi cảnh quay một mục với prompt và thời lượng riêng. Bài thử của chúng tôi yêu cầu hai cảnh quay 3 giây:

{
  "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, hai cảnh quay 3 giây, có âm thanh.

Hãy cho mỗi cảnh quay một khuôn hình riêng, và mô tả chủ thể giống hệt nhau ở mọi cảnh để người xem nhận ra đó là cùng một người hoặc vật. Tổng độ dài các cảnh quay phải từ 3–15 giây.

Viết prompt cho lời thoại và âm thanh thế nào?

Viết câu thoại vào prompt và gắn nó với nhân vật nói câu đó. Hướng dẫn của Kling đưa ra mẫu "Nhân vật (giọng điệu): câu thoại", ví dụ "Mẹ (nhẹ nhàng, giọng ngạc nhiên): Ồ, mẹ không ngờ tình tiết lại như thế này", và cho biết Kling 3.0 gán đúng mỗi câu thoại cho người nói kể cả khi có từ ba nhân vật trở lên trong khung hình.^[1]

• Ngôn ngữ. Lời thoại dùng được bằng tiếng Trung, tiếng Anh, tiếng Nhật, tiếng Hàn và tiếng Tây Ban Nha, và nhân vật có thể đổi ngôn ngữ trong cùng một clip. Kling cho biết câu thoại bằng bất kỳ ngôn ngữ nào khác sẽ được dịch sang tiếng Anh.^[1]
• Giọng vùng và phương ngữ. Ghi chú ngay cạnh câu thoại, ví dụ "nói tiếng Anh giọng Ấn Độ"; Kling liệt kê giọng Anh Mỹ, Anh Anh và Anh Ấn cùng một số phương ngữ tiếng Trung, gồm tiếng Quảng Đông và tiếng Tứ Xuyên.^[1]
• Âm thanh nền. Hãy nêu cả âm thanh nền: ví dụ của Kling mở đầu bằng "tiếng ù nhẹ của máy lạnh phòng khách ở phía sau".^[1]

Âm thanh chỉ được tạo khi bạn yêu cầu: đặt sound thành true trong yêu cầu.

Giữ nhân vật hoặc sản phẩm nhất quán thế nào?

Hãy dùng chủ thể. Trong Kling 3.0, chủ thể là một đối tượng được dựng từ 2–4 ảnh tham chiếu; khi đã gắn vào, Kling cho biết đối tượng vẫn "rõ nét và ổn định, không bị lệch hay biến mất" qua các lần zoom, lia ngang và lia dọc.^[1] Trong API, nó nằm trong kling_elements với một name, một description ngắn và các URL ảnh, và prompt nhắc đến nó bằng tên:

{
  "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"]
    }
  ]
}

Dùng ảnh chính diện làm ảnh đầu tiên và thêm ảnh góc nghiêng hoặc góc ba phần tư; phần mô tả nên nêu những gì không được thay đổi, như trang phục hay logo trên sản phẩm.

Kiểm soát thời gian trong clip 15 giây thế nào?

Đánh dấu các nhịp bằng mốc thời gian. Ví dụ 15 giây của chính Kling chuyển hành động theo đồng hồ: "Ở giây thứ 4, máy quay tăng tốc lao về phía trước cùng cô ấy… Ở giây thứ 8, máy quay dần zoom vào cảnh trung… Ở giây thứ 12, âm nhạc và chuyển động lên đến cao trào… Trong 3 giây cuối…"^[1] Với một cảnh quay liền mạch duy nhất, hãy nói rõ điều đó, như ví dụ khác của Kling: "một cảnh quay liền mạch duy nhất, không có chuyển cảnh dựng".^[1] Độ dài clip là số nguyên bất kỳ từ 3 đến 15 giây, nên hãy chọn thời lượng khớp với số nhịp bạn đã viết.

Nên bỏ những gì?

• Những từ chất lượng mơ hồ đứng một mình. "Điện ảnh" hay "kiệt tác" mà không có chuyển động máy quay hoặc ánh sáng thì mô hình có rất ít thứ để làm theo.^[2]
• Chữ và ký hiệu không mong muốn. Kling 3.0 render chữ tốt, kể cả biển hiệu và logo được yêu cầu.^[1] Khi không muốn có chúng, hãy kết thúc prompt bằng "no text, no logos" (không có chữ, không có logo), như mọi prompt thử của chúng tôi.
• Nhiều lần cắt cảnh trong một câu. Nếu một cảnh cần những lần cắt cụ thể, hãy dùng chế độ nhiều cảnh quay với mỗi cảnh quay một mục thay vì nối "rồi máy quay cắt sang…" trong một prompt.

Câu hỏi về prompt Kling 3.0

Prompt Kling 3.0 dài tối đa bao nhiêu?

Tối đa 2.500 ký tự trên SeedRouter, và tối đa 500 ký tự mỗi cảnh quay trong yêu cầu nhiều cảnh quay. Hầu hết prompt tốt dài từ một đến bốn câu.

Kling 3.0 có hỗ trợ negative prompt không?

Yêu cầu Kling 3.0 của SeedRouter không có trường negative prompt riêng. Hãy viết những gì cần tránh vào chính prompt, ví dụ "no text, no logos". API hiện tại của Kling cũng gộp phần này vào prompt: tài liệu của Kling ghi "prompt có thể bao gồm cả mô tả tích cực và tiêu cực".^[3]

Prompt chuyển động máy quay nào tốt cho Kling 3.0?

Từ từ tiến máy, cảnh quay bám theo, lia ngang, lia dọc và hé lộ từ góc thấp là những chuyển động mà hướng dẫn của chính Kling dùng, được viết thành câu đơn giản như "máy quay từ từ tiến về phía chủ thể".^[2]

Thử prompt Kling 3.0 ở đâu?

Playground Kling 3.0 chạy đúng yêu cầu mà API nhận, còn hướng dẫn Kling 3.0 API chỉ cách gửi nó từ code.

Tài liệu tham khảo

1. Kling AI. Kling VIDEO 3.0 Model User Guide. Ngày 6 tháng 2 năm 2026. Truy cập ngày 6 tháng 10 năm 2026 từ kling.ai.
2. Kling AI. Kling AI Prompt Guide: The Secret to Cinematic Video Prompts. Ngày 7 tháng 8 năm 2026. Truy cập ngày 6 tháng 10 năm 2026 từ kling.ai.
3. Kling AI. Kling 3.0: Text to Video (tài liệu API). Truy cập ngày 6 tháng 10 năm 2026 từ kling.ai.