01 Das Regie-Briefing
Kling 4.0 fühlt sich weniger wie ein Clip-Generator und eher wie ein kleines Kamerateam an. Es plant standardmäßig mehrere Einstellungen, weitet einen knappen Prompt zu Figurenstellung und Kamerafahrten aus und verarbeitet bis zu 8.000 Token Regieanweisung. Adjektive zu stapeln bringt nichts mehr. Was hilft, ist ein Briefing: was im Bild ist, was in welcher Reihenfolge passiert, wie sich die Kamera verhält, was der Ton macht und was sich nicht verändern darf. Dieses Kapitel baut dieses Briefing von einem Satz bis zum vollständigen Einstellungsplan auf.
1.1 Das fünfteilige Briefing
Jeder starke Kling-4.0-Prompt beantwortet fünf Fragen. Die Szene setzt die Welt, die Aktion bringt sie in Bewegung, Referenzen besetzen die Rollen, Kamera und Audio führen Regie, Vorgaben sichern das Ergebnis ab. Nur Szene und Aktion sind Pflicht — ein Text-zu-Video-Prompt ohne Referenzen ist trotzdem ein vollständiges Briefing. Schreib in dieser Reihenfolge, und du kannst nach jeder Zeile aufhören.
[Szene] + [Aktion] + optional [Referenzen] [Kamera] [Audio] [Vorgaben]
Szene
Wo und wann die Einstellung spielt — und welche visuelle Stimmung sie trägt.
Aktion
Was das Motiv tut, in welcher Reihenfolge, mit Körperteilen und Tempo.
Referenzen
Die Assets, die Identität, Produkt oder Schauplatz festlegen: @Image1, @Video1, @Audio1.
Kamera
Bildausschnitt, Objektiv, Kamerapfad und Tempo. Eine Kamerabewegung pro Einstellung.
Audio
Dialog, Atmosphäre, SFX und Musik. Standardmäßig Stereo.
Vorgaben
Was fest bleiben muss — und die seltene negative Anweisung, die sich zu schreiben lohnt.
Ein knappes Briefing, das das Modell vervollständigt
Prompt
Eine Straßenmusikerin packt ihren Geigenkasten, als die ersten schweren Regentropfen auf das Pflaster klatschen. Die Kamera bleibt auf ihren Händen, schwenkt dann nach oben zur Markise, während die Straße sich leert. Leise, nass, Stimmung am Tagesende.
Ein kurzer Prompt ist ein gültiger Startpunkt: Kling 4.0 ergänzt Figurenstellung, Bildgrößen und Tempo. Behandle das Ergebnis als ersten Entwurf. Wenn ein bestimmter Look zählt, füll die Kamera- und Audio-Zeilen selbst aus. Empfohlen: 10 Sekunden, 1080p, 16:9.
1.2 Das Regie-Briefing mit fünfzehn Blöcken
Wenn eine Einstellung reproduzierbar sein muss, schreib das lange Briefing. Die Beispiel-Prompts von Kling 4.0 nutzen oft fünfzehn Blöcke: Szenenkontext, aktive Referenzen, Ortskarte, erstes Frame, Einstellungsliste, Optik, Kameraführung, Handlungs-Zeitachse, Physik, Licht, Audio, Schauspielführung, Stil, Qualität und positive Vorgaben. Meist brauchst du nicht alle fünfzehn. Nimm nur die Blöcke, die die Einstellung tragen — eine Actionsequenz mit mehreren Einstellungen braucht Zeitachse und Einstellungsliste, eine Produktnahaufnahme braucht Optik und Licht.
Ein Sechs-Block-Briefing für eine Verfolgungsjagd
Prompt
SZENENKONTEXT: Eine 10-sekündige Verfolgungsjagd über den Dächern zur blauen Stunde. Genau zwei Menschen: eine Kurierin in einer gelben Regenjacke und ein Verfolger in einem dunklen Mantel. Das Dach ist nass, mit Kies bedeckt und voller Lüftungsrohre. AKTIVE REFERENZEN: @Image1 legt Gesicht, Statur und gelbe Jacke der Kurierin fest. @Image2 legt die Aufteilung des Dachs fest: Wassertank links, Feuertreppe rechts, Oberlicht in der Mitte. EINSTELLUNGSLISTE: Einstellung 1 — 0–3,5 s, tiefe Mitfahrt hinter der Kurierin. Einstellung 2 — 3,5–7 s, harter Schnitt auf die Stiefel des Verfolgers, die durch Pfützen spritzen. Einstellung 3 — 7–10 s, die Kurierin springt über das Oberlicht, landet und blickt zurück. KAMERA: Einstellung 1, 24 mm, Brusthöhe, Handkamera in der Verfolgung. Einstellung 2, 50 mm, Bodenhöhe, geringe Schärfentiefe. Einstellung 3, 28 mm, beim Landen linksherum umkreisen. Eine Kamerabewegung pro Einstellung. HANDLUNGS-ZEITACHSE: 0–3,5 s Die Kurierin sprintet, weicht einem Lüftungsrohr aus, blickt zurück. 3,5–7 s Der Verfolger kommt näher, sein Mantel flattert. 7–10 s Die Kurierin stützt eine Hand auf den Rahmen des Oberlichts und springt darüber; der Verfolger bleibt am Rand stehen. PHYSIK UND LICHT: Regenstreifen, nasser Kies spritzt, Kleidung und Haare laufen bei jeder Drehung nach. Kühles blaues Umgebungslicht; warmes Treppenhauslicht fällt aus dem Oberlicht. AUDIO: Stereo. Nah: Stiefel auf Kies, Atem, Regen auf Metall. Fern: Stadtverkehr, eine entfernte Sirene. Ein tiefes perkussives Motiv setzt bei 3,5 s ein und bricht bei der Landung ab. VORGABEN: Die gelbe Jacke und das Gesicht der Kurierin bleiben in allen drei Einstellungen identisch. Die Aufteilung des Dachs bleibt gleich. Keine Untertitel.
Eine kompakte Version der Fünfzehn-Block-Vorlage: sechs Blöcke, die eine Actionszene mit mehreren Einstellungen steuern. Auf Kling 4.0 dehnst du dieselbe Zeitachse auf 20 oder 30 Sekunden; „Ausprobieren“ lädt die 10-Sekunden-Version. Dafür musst du zwei Bilder hochladen.
1.3 Mehrere Einstellungen sind der Standard
Kling 4.0 teilt eine Szene in Einstellungen und ordnet das Tempo, ohne dass du danach fragen musst. Das ist nützlich, aber nicht dasselbe, wie die Schnitte selbst zu inszenieren. Wenn du Kontrolle brauchst, schreib eine Einstellungsliste: Nummeriere jede Einstellung, gib ihr einen Zeitraum, eine Kamerabewegung und eine Aktion. Harte Schnitte sind der Standard; schreib „harter Schnitt“, wenn der Übergang zählt. Halte die Blickrichtung konsistent, damit das Publikum sich nie neu orientieren muss.
Drei Einstellungen, ein Kaffee-Ritual
Prompt
Drei Einstellungen, 10 Sekunden, ein durchgehendes Morgenritual. Einstellung 1 — 0–3 s: Nahaufnahme einer Hand, die Kaffeebohnen mahlt; das Mahlwerk dreht sich, gemahlener Kaffee fällt in ein Glas. Statische Kamera, geringe Schärfentiefe, warmes Fensterlicht. Einstellung 2 — 3–6,5 s: harter Schnitt auf einen Wasserkocher, der einen dünnen Strahl in einen Filtertrichter gießt; Dampf kräuselt sich zur Linse. Die Kamera fährt langsam näher. Einstellung 3 — 6,5–10 s: harter Schnitt auf die fertige Tasse auf einer Holztheke, eine Hand hebt sie Richtung Fenster; die Stadt draußen ist unscharf. Die Kamera hält, dann zieht sie den Fokus zum Fenster. AUDIO: Stereo. Knirschen des Mahlwerks, Wassergeräusch, Klirren von Keramik, leise Straßengeräusche. Keine Musik. VORGABEN: Dieselbe Küche, dasselbe warme Morgenlicht in allen drei Einstellungen. Tasse und Glas bleiben gleich.
Eine Einstellungsliste ist der zuverlässigste Weg zu einer Sequenz mit mehreren Einstellungen. Nummeriere die Einstellungen, gib jeder einen Zeitraum und schreib eine Kamerabewegung pro Einstellung. Empfohlen: 10 Sekunden, 1080p, 16:9.
02 Omni Reference
Omni Reference ist der 4.0-Einstieg für alles, was wie etwas Bestimmtes aussehen muss: bis zu zehn Bilder, fünf Videos, sieben Elemente, drei Stimmprofile und insgesamt fünfzehn Assets. Uploads werden in der Reihenfolge nummeriert — @Image1, @Image2, @Video1 — und im Prompt bekommt jedes Asset seine Aufgabe. Eine Referenz ohne Rolle ist ein Vorschlag; eine Referenz mit Rolle ist eine Vorgabe. Dieses Kapitel zeigt die vier Muster, die zählen: Casting, Szenen mit mehreren Figuren, geliehene Kamerafahrten und Storyboards.
2.1 Gib jedem Asset eine Aufgabe
Schreib die Rolle vor der Szene: „Nimm @Image1 als Schauspielerin, @Image2 als Produkt, @Image3 als Schauplatz.“ Dann sag, was nicht mitkommen darf. Wenn zwei Assets sich überschneiden — ein Produktfoto und ein Szenenfoto zeigen beide einen Tisch — entscheide, welcher Tisch gilt. Dieser eine Satz verhindert die meisten Abweichungen bei der Identität.
[Rolle von @Image1] + [Rolle von @Image2] + [Rolle von @Video1] + [Neue Szene und Aktion] + [Was gleich bleibt]
Assets
Jedes Asset und seine Aufgabe: Identität, Produkt, Schauplatz, Kostüm, Bewegung oder Stimme.
Neue Szene
Die Szene, Aktion und Kamera, in die die Assets gesetzt werden.
Konsistenz
Was in der Einstellung identisch bleiben muss — und was nicht mitkommen darf.
Kamera
Eine Kamerabewegung, die zur neuen Szene passt, nicht zur Referenz.
Audio
Dialog, Atmosphäre oder ein Stimmprofil, wenn die Szene Ton braucht.
Eine Schauspielerin, ein Produkt und ein Schauplatz
Prompt
Nimm @Image1 als Schauspielerin: eine Frau Anfang dreißig mit kurzem lockigem Haar, Leinenhemd und ruhigem, direktem Blick. Nimm @Image2 als Produkt: einen mattschwarzen elektrischen Wasserkocher, einschließlich der Form des Griffs und der kleinen bernsteinfarbenen Kontrollleuchte. Nimm @Image3 als Schauplatz: eine helle skandinavische Küche mit Arbeitsflächen aus Weißeiche und einem großen Fenster links im Bild. Die Frau steht an der Arbeitsfläche, füllt den Wasserkocher am Hahn, setzt ihn auf die Basis und schaltet ihn ein. Die Kamera beginnt mit einer Halbtotalen, fährt auf die Kontrollleuchte zu, als sie bernsteinfarben aufleuchtet, und zieht sich zurück, während Dampf aufsteigt. Gesicht, Haare und Hemd bleiben identisch zu @Image1, der Wasserkocher identisch zu @Image2 und die Küchenaufteilung identisch zu @Image3. Übernimm den Tisch aus @Image2 nicht in die neue Küche. Keine Untertitel.
Drei Rollen, eine Konfliktregel. Erst wenn du benennst, was nicht mitkommen soll, schleppt eine Produktreferenz ihren alten Hintergrund nicht in die neue Szene. Erfordert drei hochgeladene Bilder.
2.2 Besetze mehrere Figuren
Für eine Szene mit zwei Personen bekommt jede Figur ihr eigenes Bild und ihre eigene Beschreibungszeile. Dann leg die Beziehung fest: wer wo steht, wer wen ansieht und was nicht getauscht werden darf. Ein Gruppenfoto ist eine schwache Referenz für zwei Menschen; getrennte, klare Bilder funktionieren besser. Tritt eine Figur in mehreren Einstellungen auf, wiederhol ihre Identitätsbeschreibung in der Einstellungsliste.
Ein Streit in der Küche, zwei Referenzen
Prompt
Nimm @Image1 als Maya: Mitte vierzig, dunkles Haar zu einem lockeren Dutt, grüne Schürze, ausdrucksstarke Augenbrauen. Nimm @Image2 als Daniel: Ende vierzig, grauer Bartschatten, blaues Hemd mit hochgekrempelten Ärmeln, müde Augen. Maya und Daniel stehen sich an einer Kücheninsel gegenüber. Maya stellt eine Tasse zu hart ab; Daniel schaut von einem Laptop auf. Die beiden streiten leise, dann klappt Daniel den Laptop zu und verlässt das Bild nach rechts. Die Kamera hält eine Zweieransicht, dann fährt sie langsam auf Maya zu, während sie ausatmet. Gesicht, Haare und Schürze von Maya bleiben in jeder Einstellung identisch zu @Image1, Gesicht, Bartschatten und Hemd von Daniel identisch zu @Image2. Tausche weder Kleidung noch Gesichtszüge. Maya bleibt links im Bild, Daniel rechts. Keine Untertitel.
Eine eigene Referenz pro Figur plus eine räumliche Regel — „Maya bleibt links im Bild, Daniel rechts“ — erledigen den Großteil der Konsistenzarbeit. Erfordert zwei hochgeladene Bilder.
2.3 Leih dir Kamerafahrten aus einem Video
Ein Referenzvideo kann seinen Kamerapfad, sein Tempo, seine Choreografie oder sein Timing verleihen, ohne sein Motiv mitzugeben. Schreib, wofür das Video da ist, und ersetze dann ausdrücklich alles andere. Wenn die Referenz eine Person enthält, sag, dass Gesicht und Kleidung dieser Person nicht übernommen werden. Das ist der schnellste Weg, eine Bewegung nachzubauen, die du gesehen hast, aber nicht beschreiben kannst.
Eine Kamerabewegung, ein neues Auto
Prompt
Nutze @Video1 nur für Kamerabewegung und Tempo: eine tiefe Mitfahrt, die entlang eines fahrenden Motivs beschleunigt und dann in eine Dreiviertelumkreisung aufsteigt. Nimm @Image1 als Auto: ein silbernes Coupé aus den 1970ern mit Chromstoßstangen. Nimm @Image2 als Schauplatz: eine regennasse Küstenstraße in der Dämmerung, Felsen rechts im Bild. Ersetze das Motiv in @Video1 durch das Auto aus @Image1 und den Schauplatz durch die Straße aus @Image2. Übernimm Geschwindigkeit und Rhythmus der Kamera aus @Video1, aber kopiere nicht dessen Motiv, Hintergrund oder Farbkorrektur. Das Auto behält durchgehend Form, Chrom und Lackierung aus @Image1. Keine Untertitel.
Drei Angaben erledigen die Arbeit: was geliehen wird, was ersetzt wird und was nicht mitkommen darf. Dieses Beispiel braucht ein Referenzvideo und zwei Bilder; „Ausprobieren“ bleibt deshalb deaktiviert, bis der Video-Referenz-Slot von Kling 4.0 im Generator ankommt.
2.4 Nutze ein Storyboard als Einstellungskarte
Ein Storyboard-Bild ist keine Stilreferenz, sondern eine Karte: Einstellungsreihenfolge, Bildausschnitt, Kamerapfad, Blickrichtung, emotionale Entwicklung. Sag dem Modell, dass es das Board nur als Struktur lesen und das Board selbst ausdrücklich nicht rendern soll. Besonders nützlich ist das für Action und Comedy, wo Timing mehr zählt als ein einzelnes Bild.
Ein vierteiliges Storyboard, als Szene gerendert
Prompt
Nutze @Image1 als vierteiliges Storyboard. Lies es nur als Einstellungskarte: Feld 1 ist eine Totale einer Bäckerei im Morgengrauen; Feld 2 ist eine Nahaufnahme eines Bäckers, der ein Blech in den Ofen schiebt; Feld 3 ist eine Über-die-Schulter-Aufnahme einer Kundin, die auf ein Gebäck zeigt; Feld 4 ist eine Totale der Kundin, die mit einer Papiertüte hinausgeht. Rendere nicht das Storyboard, seine Felderrahmen, Pfeile oder Beschriftungen. Rendere die vier Einstellungen als Realfilm in dieser Reihenfolge, mit harten Schnitten dazwischen. Das Innere der Bäckerei bleibt gleich: blassgrüne Fliesen, Messingbeschläge, warme Hängeleuchten. Der Bäcker trägt eine weiße Schürze und eine dunkle Mütze; die Kundin trägt einen rostfarbenen Mantel. Keine Untertitel.
Die negative Zeile ist hier entscheidend: Ohne „das Storyboard nicht rendern“ kann das Modell die Felderrahmen als Teil des Produktionsdesigns behandeln. Storyboard-Referenzen dienen derzeit nur der Anzeige; der Referenz-Slot von Kling 4.0 nimmt sie zum Start an.
03 Keyframes
Keyframes sind der andere Weg, Zeit zu steuern: Statt Bewegung zu beschreiben, verankererst du Standbilder an Momenten. Kling 4.0 akzeptiert bis zu zehn Keyframes in einer Aufgabe, darunter erstes Frame, letztes Frame, erstes und letztes Frame sowie mittlere Frames an beliebiger Stelle der Zeitachse. Nutze sie, wenn das Ziel genauso wichtig ist wie der Weg — der Auftritt einer Figur, die endgültige Position eines Produkts, ein Szenenwechsel, der exakt sitzen muss. Keyframes und Omni Reference sind getrennte Einstiege: In einer Generierung lassen sie sich nicht kombinieren, und Keyframes akzeptieren keine Referenz-Assets.
3.1 Erstes und letztes Frame
Die Erstes-und-letztes-Frame-Formel besteht aus einem Satz Aufbau und einem Satz Verwandlung. Benenne die Frames, sag, was dazwischen passiert, und beschreibe, was fest bleiben muss. Beschreib die Standbilder nicht im Detail — das erledigen die Bilder längst. Beschreibe die Bewegung, das Tempo und die eine Sache, die sich ändert.
Nutze @Image1 als erstes Frame und @Image2 als letztes Frame. [Was dazwischen passiert] + [Was fest bleibt]
Erstes Frame
Das eröffnende Standbild: Komposition, Motiv, Licht.
Letztes Frame
Das abschließende Standbild: der Zustand, in dem die Einstellung enden muss.
Verwandlung
Die sichtbare Veränderung zwischen den beiden Frames, in Reihenfolge.
Feste Elemente
Was sich nicht ändern darf: Identität, Schauplatz, Produktform.
Audio
Ton, der die Verwandlung trägt.
Dieselbe Straße, vom Tag zur Nacht
Prompt
Nutze @Image1 als erstes Frame: eine schmale Straße in Lissabon bei Tageslicht, Wäscheleinen über dem Kopf, eine Straßenbahnhaltestelle rechts im Bild. Nutze @Image2 als letztes Frame: dieselbe Straße nach Einbruch der Dunkelheit, beleuchtet von warmen Schaufenstern und einer einzelnen Straßenlaterne. Dazwischen sinkt die Sonne, der Himmel wechselt von blassem Blau zu tiefem Indigo, Ladenreklamen flackern eine nach der anderen auf, und eine Straßenbahn fährt von links nach rechts durchs Bild. Die Kamera bleibt stehen; nur Licht und Straßenbahn bewegen sich. Gebäude, Wäscheleinen und Haltestelle bleiben identisch zu den beiden Frames. Keine Untertitel.
Die Kamera bleibt still, damit die Verwandlung lesbar wird. Der Prompt beschreibt nur, was sich zwischen den beiden Standbildern ändert: Licht, Reklamen, Straßenbahn. Erfordert zwei hochgeladene Keyframes.
3.2 Bis zu zehn Keyframes
Mit mehr als zwei Keyframes schreibst du keine Verwandlung, sondern eine Zustandsfolge. Gib jedem Keyframe einen Moment und einen sichtbaren Zustand: Frame 1 zusammengebaut, Frame 3 halb zerlegt, Frame 5 in einer Kiste verpackt. Das Modell interpoliert die Schritte; deine Aufgabe ist, jeden Schritt eindeutig zu machen. Halte Kamera und Umgebung stabil, es sei denn, die Veränderung selbst ist die Kamerabewegung.
Ein Produkt, das sich in fünf Zuständen zusammenbaut
Prompt
Nutze @Image1 bis @Image5 als fünf Keyframes auf der Zeitachse. @Image1 zeigt das vollständig zusammengebaute Produkt auf einer Werkbank. @Image2 zeigt die äußere Hülle zwei Zentimeter über der Basis angehoben. @Image3 zeigt die Hülle entfernt, Akku und Platine sichtbar. @Image4 zeigt den Akku, der nach rechts aus dem Bild gleitet. @Image5 zeigt die leere Hülle und den Akku nebeneinander. Interpoliere über 10 Sekunden kontinuierlich von @Image1 bis @Image5. Die Kamera hält eine feste Dreiviertelansicht über der Werkbank; das Produkt bleibt mittig. Das Licht bleibt konstant: weiches Hauptlicht von oben, kühles Kantenlicht. Keine Hände im Bild. Keine Untertitel.
Fünf Keyframes, eine feste Kamera, eine durchgehende Bewegung. Das Modell braucht klar unterscheidbare Zustände; Unschärfe zwischen den Frames erzeugt Morphen. Dieses Beispiel dient nur der Anzeige, bis der Multi-Keyframe-Slot von Kling 4.0 verfügbar ist.
04 Ton, Stimme und Text im Bild
Kling 4.0 erzeugt Zweikanal-Stereo zusammen mit dem Bild und verbessert den Lip-Sync. Dialog, Atmosphäre und Musik schreibst du wie den Rest des Briefings: Benenne, was du willst, sag, wo es im Mix sitzt, und lass die Zeile in der Sprache, in der sie gesprochen werden soll. Text im Bild ist eine eigene Disziplin: Gib die genauen Wörter, die Platzierung und das Verhalten an — und prüfe ihn in Bewegung.
4.1 Baue eine Stereo-Klanglandschaft
Schreib Ton in Schichten. Der nächste Klang bekommt die meiste Detailtiefe, mittlere Klänge etablieren den Ort, ein fernes Bett verhindert, dass die Szene leer wirkt. Wenn die Richtung zählt, weise links und rechts zu. Wenn du eine ruhige Szene willst, sag es ausdrücklich — ein leerer Audio-Prompt lädt zu erfundener Musik ein.
Ein Markt erwacht
Prompt
Ein überdachter Markt um 6 Uhr morgens, Rollläden rattern nacheinander hoch. Ein Händler stapelt Orangen zu einer Pyramide; ein anderer zieht eine Kiste über nassen Beton. Die Kamera läuft langsam auf Augenhöhe durch den Gang, vorbei an hängenden Glühbirnen und Kisten mit Grünzeug. AUDIO: Stereo. Nah, links im Bild: ein Metallrollladen rattert hoch. Nah, rechts im Bild: Orangen plumpsen in eine Kiste. Mittlere Ebene: ein Radio spielt einen leisen, gedämpften Bolero. Fern: eine Kehrmaschine und Tauben. Keine Musik außer dem Radio. Kein Dialog in der Szene.
Nah, mittlere Ebene und fern sind die drei Schichten; links und rechts geben dem Zuhörer Orientierung. „Keine Musik außer dem Radio“ ist eine Vorgabe, kein negativer Prompt. Empfohlen: 10 Sekunden mit nativem Audio.
4.2 Dialoge in neun Sprachen
Kling 4.0 spricht Chinesisch, Englisch, Japanisch, Koreanisch, Spanisch, Portugiesisch, Deutsch, Französisch und Hindi, mit regionalen Akzenten und Dialekten, darunter Kantonesisch, Sichuanisch, Beijing-, Taiwan- und Nordost-Mandarin sowie amerikanisches, britisches und indisches Englisch. Schreib die Zeile in der Zielsprache in Anführungszeichen, benenne die sprechende Figur und ergänze einen Tonfall-Hinweis. Halte die Zeilen kurz: Ein kurzer Wortwechsel pro Beat lässt sich leichter lippensynchron setzen als ein Monolog.
Ein dreisprachiger Wortwechsel am Tresen
Prompt
Ein heller Bäckereitresen. Eine japanische Touristin in einem beigen Mantel, ein spanischer Barista und ein chinesischer Bäcker stehen in dieser Reihenfolge von links nach rechts. Die Kamera hält eine Halbtotale. Touristin (auf Japanisch, leicht zögernd): 「クロワッサンはまだありますか？」 Barista (auf Spanisch, warm und schnell): „Sí, quedan tres. ¿Quiere el último?“ Bäcker (auf Chinesisch, ruft aus dem Hintergrund): 「刚出炉的，给你留了一个。」 Die Touristin lächelt und nickt. Der Barista wickelt ein Croissant in Papier und schiebt es über den Tresen. Stereo-Audio, Bäckerei-Atmosphäre, keine Hintergrundmusik. Die Lippenbewegungen jeder Figur passen zur gesprochenen Sprache.
Drei Sprachen, eine Einstellung, drei kurze Zeilen. Kurze Wortwechsel halten Lip-Sync lesbar; die Sprache vor jeder Zeile zu nennen, bringt das Modell dazu, die Stimmen zu wechseln. Die zitierten Zeilen bleiben in jeder Sprache dieses Guides in ihrer Originalsprache.
4.3 Inszeniere ein Stimmprofil
Ein Stimmprofil ist ein Referenz-Asset, keine Textbeschreibung. Lade fünf bis dreißig Sekunden klare Sprache hoch und besetze sie wie eine Schauspielerin: „Nutze @Audio1 als Stimme des Erzählers.“ Pro Aufgabe lassen sich bis zu drei Stimmprofile stapeln. Beschreibe die Darbietung — Tempo, Tonhöhe, Energie — im Prompt; das Profil liefert die Identität, nicht die Performance.
Eine Dokumentarfilm-Erzählstimme
Prompt
Nutze @Audio1 als Stimme des Erzählers: ein tiefer, bedächtiger Bariton mit leicht rauem Klang. Die Szene ist eine langsame Luftaufnahme über einer Salzwüste bei Sonnenaufgang, die Oberfläche zerbricht in blasse Vielecke. Die Kamera driftet im Schritttempo vorwärts. Erzähler (verhalten, intim, auf Englisch): „By the time the sun clears the ridge, the water has already gone. What's left is a map of where it stood.“ AUDIO: Stereo. Wind über der Ebene, ferne Vögel, der Erzähler mittig und trocken, keine Musik. Die Stimme bleibt durchgehend identisch zu @Audio1.
Das Profil trägt die Identität, der Prompt die Darbietung. Lade einen sauberen Clip von fünf bis dreißig Sekunden hoch und beschreibe dann Tempo und Tonfall. Dieses Beispiel braucht eine Audio-Referenz und dient daher nur der Anzeige, bis der Stimmprofil-Slot von Kling 4.0 live ist.
4.4 Rendere Text, der ruhig stehen bleibt
Kling 4.0 rendert Text in denselben neun Sprachen, dazu Emoji und Logos, und ist darauf ausgelegt, ihn bei Kamera- und Motivbewegung stabil zu halten. Schreib die genauen Zeichen in Anführungszeichen, sag, wo sie sitzen, und bestimme das Material. Für Untertitel gib Position, Größe, Zeilenzahl und Timing an — „Untertitel“ allein ist keine Regieanweisung. Wenn du keinen eingebrannten Text und keine Musik willst, ist „keine Untertitel, keine Hintergrundmusik“ die seltene negative Anweisung, die sich lohnt.
Ein Buchladen-Schild zur Schließzeit
Prompt
Ein kleiner unabhängiger Buchladen zur Schließzeit. Die Kamera fährt von der Straße langsam auf das Schaufenster zu. Hinter dem Glas stapelt eine Buchhändlerin Bücher; warme Hängeleuchten spiegeln sich in der Scheibe. Das handgemalte Schild über der Tür zeigt „MOLYIN BOOKS“ in cremefarbenen Serif-Buchstaben auf dunkelgrünem Holz. Das Schild bleibt scharf und lesbar, während die Kamera sich bewegt. Ein kleiner Papierzettel an der Tür zeigt „CLOSED“ in schwarzen Großbuchstaben. AUDIO: Ruhige Straßenatmosphäre und das Drehen eines Türschnappers. Keine Untertitel, keine Hintergrundmusik.
Genaue Zeichen, genaues Material, genaue Position. Prüfe Text in Bewegung: Wenn er wackelt, kürze die Zeile oder fixiere die Kamera. Die zwei erlaubten Negativangaben sind alles, was dieser Prompt braucht.
05 Bearbeiten, neu besetzen und lange Takes
Im letzten Kapitel geht es um vorhandenes Material und um Zeit. Kling 4.0 kann bis zu fünf Clips mit insgesamt dreißig Sekunden bearbeiten, das Tempo eines Videos für eine neue Besetzung leihen und einen einzelnen Take von bis zu dreißig Sekunden generieren. Jede Fähigkeit hat ihre eigene Prompt-Grammatik; das falsche Verb ist der häufigste Fehler.
5.1 Bearbeite, statt zu referenzieren
Beim Bearbeiten entscheidet das Verb. Schreib „Bearbeite @Video1“ und dann die Änderung. Wenn du „Referenziere @Video1“ schreibst, generiert das Modell womöglich eine neue Einstellung im Stil des Videos, statt es zu bearbeiten. Ergänze „Alles andere bleibt unverändert“, wann immer der Rest des Bildes erhalten bleiben muss. Unterstützte Bearbeitungen: ein Element hinzufügen, eine Figur oder Szene ersetzen, mehrere Figuren ersetzen, ein Element entfernen und den Stil ändern.
Bearbeite @Video1: [konkrete Änderung] + Alles andere bleibt unverändert
Quellclip
Der Clip, der bearbeitet wird. Im Prompt mit @Video1 ansprechen.
Änderung
Eine konkrete Bearbeitung: hinzufügen, ersetzen, entfernen oder den Stil ändern.
Erhalt
Was sich nicht ändern darf: Bildausschnitt, Darbietung, Hintergrund, Farbkorrektur.
Referenz
Ein Bild, das die Ersatzfigur, das Produkt oder die Textur liefert.
Tausch das Getränk, behalte die Einstellung
Prompt
Bearbeite @Video1: Ersetze das Glas Orangensaft auf dem Tisch durch die Keramiktasse aus @Image1. Passe Größe, Henkel und Glasur der Tasse an @Image1 an. Alles andere bleibt unverändert: derselbe Tisch, dieselbe Hand, die ins Bild kommt, dasselbe Fensterlicht, dieselbe Kamerabewegung und dasselbe Timing. Die Tasse soll einen glaubwürdigen Schatten werfen und das Fenster spiegeln. Keine Untertitel.
Eine Änderung, eine Erhaltungsklausel. „Alles andere bleibt unverändert“ ist kein Füllsatz — ohne ihn stellt das Modell die Einstellung womöglich neu. Dieses Beispiel braucht einen Quellclip und ein Referenzbild; „Ausprobieren“ dient daher nur der Anzeige.
5.2 Übernimm den Rhythmus, tausch die Besetzung
Kreative Neuschöpfung leiht sich Erzähltempo, Bildkomposition oder Präsentationsstil aus einem vorhandenen Video und überträgt sie auf neue Figuren, Produkte oder Szenen. Am besten funktioniert das, wenn Referenz und Ziel in Tempo und Einstellungsstruktur nah beieinanderliegen. Schreib, was geliehen, was ersetzt und was nicht mitgenommen wird — vor allem die ursprünglichen Gesichter und den Schauplatz.
Besetze eine Szene mit zwei Personen neu
Prompt
Nutze @Video1 nur für Erzähltempo und Bildkomposition: ein Gespräch zweier Personen über einen Schreibtisch, das mit einer Totale beginnt, zu einer Nahaufnahme jeder sprechenden Person schneidet und mit einem gemeinsamen Lachen endet. Nutze @Image1 als neue Hauptfigur: eine Frau in ihren Sechzigern mit silbernem Haar und runder Brille. Nutze @Image2 als neuen Schauplatz: ein sonnendurchflutetes Töpferatelier mit Regalen voller unglasierter Schalen. Ersetze beide Personen in @Video1 durch die Frau aus @Image1 und eine Kollegin ähnlichen Alters und ähnlicher Statur. Behalte Einstellungsreihenfolge, Kamerapositionen und Timing von @Video1. Übernimm nicht die ursprünglichen Gesichter, Kleidung oder das Büro-Set. Die Identität der Frau bleibt in jeder Einstellung identisch zu @Image1. Keine Untertitel.
Struktur leihen, Identität ersetzen. Je näher die Figurenstellung der neuen Szene an der Referenz liegt, desto verlässlicher sitzt die Neuschöpfung. Nur Anzeige, bis der Video-Referenz-Slot von Kling 4.0 live ist.
5.3 Inszeniere einen 30-Sekunden-Take
Eine einzelne Kling-4.0-Generierung läuft in Ein-Sekunden-Schritten von 3 bis 30 Sekunden, standardmäßig 10 Sekunden. Länger ist nicht automatisch besser: Fünf Sekunden reichen für eine einzelne Aktion, zehn bis fünfzehn tragen eine kurze Szene, und zwanzig bis dreißig sind für einen durchgehenden Take mit Anfang, Wendung und Ende gedacht. Schreib die Beats auf eine Zeitachse, nicht als Liste von Adjektiven. Braucht die Einstellung mehr als dreißig Sekunden, ist das eine Sequenz aus mehreren Einstellungen oder eine künftige Verlängerung — kein längerer Prompt.
Ein 15-Sekunden-One-Take in einer Küche
Prompt
Ein durchgehender 15-Sekunden-Take, keine Schnitte. Eine Köchin in einem weißen T-Shirt arbeitet an einer Kücheninsel und macht Nudeln von Hand. Die Kamera startet am gegenüberliegenden Ende der Arbeitsfläche und bewegt sich langsam auf sie zu. 0–3 s: Die Köchin bestäubt das Brett mit Mehl und schlägt zwei Eier in eine Mulde. 3–6 s: Die Köchin zieht das Mehl mit einer Gabel in die Eier und wechselt dann zu den Händen. 6–10 s: Der Teig bindet; sie knetet ihn mit dem Handballen, dreht ihn, wiederholt. Die Kamera ist jetzt in einer halbnahen Einstellung. 10–13 s: Die Köchin wickelt den Teig ein und legt ihn beiseite; hinter ihr beginnt ein kleiner Topf Wasser zu kochen. 13–15 s: Die Köchin blickt zum Topf, wischt sich die Hände an einem Tuch ab und greift nach dem Deckel. Die Kamera hält, während Dampf aufsteigt. AUDIO: Stereo. Gabel auf Keramik, Mehl auf Holz, Teig gegen die Arbeitsfläche, kochendes Wasser. Keine Musik. Keine Untertitel. VORGABEN: Eine durchgehende Einstellung. Dieselbe Köchin, dieselbe Küche, dasselbe Licht durchgehend.
Eine Zeitachse verwandelt einen langen Prompt in eine Darbietung. Kling 4.0 kann das in 20 oder 30 Sekunden ausführen; „Ausprobieren“ lädt eine 15-Sekunden-Version, die längste, die Kling 3.0 heute generieren kann.