Panduan prompt Kling 3.0: struktur, contoh, dan klip asli

Panduan Kling 3.0 menyusun prompt dari enam bagian: subjek, aksi, latar, kamera, cahaya, dan suasana. Kalau ada beberapa plan, setiap plan diberi label berisi durasinya, dan dialog ditulis sebagai Name (tone): line. Pada 28 Oktober 2026 kami menjalankan empat prompt dalam mode std selama 5 detik: label plan memotong di 1.96 detik, dialog cocok dengan naskah di tiga dari empat transkrip, dan pada uji gambar ke video kamera hampir tidak bergerak.

Struktur prompt Kling 3.0

Blog prompt Kling (7 Agustus 2026) menyebut bagiannya dengan urutan ini: subjek, aksi yang terlihat, latar, bahasa kamera, cahaya, dan suasana. Kling menyebutnya kerangka penulisan, dan tidak ada halaman versi 3.0 yang mewajibkan urutan itu.

• Plan. Dengan multi-plan otomatis menyala, model membaca adegan sendiri dan memilih sudut serta komposisinya. Multi-plan kustom meminta satu label dan satu durasi per plan, sampai enam plan di aplikasi Kling. Tanpa multi-plan, model membuat satu plan saja secara bawaan.
• Dialog. Tulis Name (tone): line dan letakkan ucapannya di dalam tanda kutip, seperti pada prompt dialog di bawah. Kling mencantumkan lima bahasa dialog (Mandarin, Inggris, Jepang, Korea, dan Spanyol) dan menerjemahkan bahasa lain ke Inggris.
• Gambar ke video. Jelaskan gerakan dan akhirnya, bukan apa yang sudah tampak di bingkai. Halaman lama Kling (24 November 2025, ditulis untuk 2.x) juga membahasnya. Saran panduan 3.0: ikat subjek sebagai elemen supaya tetap stabil saat kamera bergerak.
• Bingkai awal dan akhir. Kling menyarankan bingkai awal dan akhir yang mirip, karena selisih besar bisa memicu pergantian plan. Dokumen ini juga bertanggal 24 November 2025, jadi bacalah sebagai saran untuk versi sebelumnya.

Rumus 2.x Kling masih ada di panduan prompt teks ke video: subjek, gerakan, latar, kamera, cahaya, dan atmosfer (24 November 2025). Kami memisahkannya dan hanya menguji bentuk 3.0.

Cara kami membuat klipnya

• Kami menjalankan kling-3.0 lewat OmniaKey pada 28 Oktober 2026 dalam mode std, dengan duration 5 untuk keempat prompt.
• Tiga yang pertama teks ke video, 16:9, keluaran 1280×720. Yang keempat gambar ke video tanpa rasio aspek karena bentuknya ditentukan bingkai pertama; keluarannya 1176×780.
• Bingkai pertama prompt keempat adalah gambar diam yang kami buat dengan GPT Image 2 pada 1536×1024, kualitas medium. Setiap render makan waktu sekitar 4.5 sampai 8.5 menit.
• Kami membaca bingkai pada waktu tetap, menjalankan pendeteksi potongan, mengukur durasi dan kenyaringan berkas, lalu meminta empat model audio menyalin ucapannya. Ucapan baru kami kutip kalau tiga di antaranya sepakat.
• OmniaKey menjual akses API ke Kling 3.0, jadi klipnya lewat situ. Harga di bawah berasal dari aplikasi Kling sendiri, bukan harga kami.
• Sumber: panduan pengguna VIDEO 3.0 (6 Februari 2026) dan blog prompt Kling (7 Agustus 2026), dicek pada 28 Oktober 2026.

Kami membuat satu klip per prompt, jadi setiap hasil hanya satu sampel.

Empat prompt dan klip asli

Keempat prompt ini dijalankan persis seperti yang tertulis.

1. Enam bagian dalam satu paragraf: pemain biola di bawah lengkungan

Prompt pertama menaruh keenam bagian dalam satu paragraf dan menutupnya dengan satu baris suara.

A young street violinist in a long camel coat plays a fast, bright melody under a stone archway in an old European city at dusk. She sways with the music as a few pigeons take off from the cobblestones behind her. The camera slowly pushes in from a medium shot to a close-up of her face. Warm golden streetlights, light haze, long shadows on wet cobblestones. Sound: the violin echoing under the arch and the flutter of pigeon wings.

Dalam bahasa Indonesia: saat senja di kota Eropa tua, seorang pemain biola jalanan muda berjas panjang warna unta memainkan melodi cepat dan cerah di bawah lengkungan batu. Ia bergoyang mengikuti musiknya sementara beberapa merpati terbang dari batu jalan di belakangnya. Kamera bergerak maju perlahan, dari bidikan sedang ke close-up wajahnya. Lampu jalan keemasan yang hangat, kabut tipis, bayangan panjang di batu yang basah. Suaranya biola yang bergema di bawah lengkungan dan kepakan sayap merpati.

Pengaturan: text_to_video, mode std, 5 detik, 16:9, 1280×720.

Hasil: satu plan tanpa potongan, dan kamera hanya sampai separuh jalan.

• Pendeteksi potongan tidak menemukan satu potongan pun sepanjang 5.04 detik.
• Ia bermain di bawah lengkungan saat senja, dengan jalan yang terang di belakangnya. Sekitar 3.0 detik beberapa merpati terbang dari batu jalan.
• Pada 4.9 detik ia mengisi bingkai lebih banyak, tapi wajahnya tidak sampai close-up di akhir.
• Trek audio rata-rata −23.2 dB. Keempat model audio tidak sepakat soal apa yang terdengar, jadi kami tidak menyebut alat musiknya.

Yang bisa diubah:

• Coba sebutkan pembingkaian dan detik kapan bingkai itu harus muncul, misalnya "a close-up of her face by 4 seconds".

2. Label plan: mercusuar dalam dua plan

Prompt kedua meminta dua plan berlabel, 2 dan 3 detik, dengan baris suara di akhir.

Shot 1 (2s): Wide shot, a lighthouse keeper in a dark wool sweater climbs a spiral iron staircase inside a lighthouse at night, holding a glowing lantern. Shot 2 (3s): Close-up, he turns a brass key and the great lamp above him flares to life, its beam sweeping across his face. Sound: his boots on the iron steps, then a deep mechanical hum as the lamp starts.

Dalam bahasa Indonesia: plan 1 (2 dtk), bidikan lebar: penjaga mercusuar bersweater wol gelap menaiki tangga spiral besi di dalam mercusuar pada malam hari sambil membawa lentera yang menyala. Plan 2 (3 dtk), close-up: ia memutar kunci kuningan dan lampu besar di atasnya menyala, berkasnya menyapu wajahnya. Suaranya sepatu botnya di anak tangga besi, lalu dengung mekanis dalam saat lampu menyala.

Pengaturan: text_to_video, mode std, 5 detik, 16:9, 1280×720.

Hasil: kedua plan muncul, potongan pertama dekat dengan labelnya, dan satu potongan tambahan masuk ke dalam plan kedua.

• Plan 1 memperlihatkan penjaga bersweater wol gelap menaiki tangga besi dengan lentera, jelas pada 1.0 detik.
• Potongan pertama jatuh di 1.96 detik, padahal labelnya 2 detik. Plan kedua dibuka dengan tangannya di kunci kuningan pada 2.4 detik.
• Potongan kedua jatuh di 2.88 detik, di dalam plan berlabel 3 detik. Ia terus memutar kunci sampai sekitar 3.5 detik, dan pada 4.8 detik lampu menyala, berkasnya melintasi bingkai sementara ia mendongak.
• Trek audio rata-rata −24.5 dB, tanpa ucapan. Model audio mendeskripsikan langkah kaki dan suara mekanis.

Yang bisa diubah:

• Coba beri satu tujuan per plan, seperti saran Kling, dengan satu aksi per label.

3. Dialog dengan nada untuk setiap suara

Prompt ketiga adalah uji dialog: dua suara, masing-masing dengan nada dalam tanda kurung dan satu kalimat dalam tanda kutip.

Inside a small bookshop on a rainy afternoon, an old shop owner with round glasses hands a wrapped book across the wooden counter to a teenage girl in a yellow raincoat. Medium two-shot, then the camera slowly pushes in on the girl's smile. Owner (warmly, in a slow, deep voice): "Bring it back when you've finished it." Girl (excited, speaking quickly): "I'll read it tonight!" Rain patters on the shop window.

Dalam bahasa Indonesia: di toko buku kecil pada sore yang hujan, penjaga toko buku tua berkacamata bulat menyerahkan buku terbungkus di atas meja kayu kepada remaja perempuan berjas hujan kuning. Bidikan sedang keduanya, lalu kamera bergerak maju perlahan ke senyum gadis itu. Penjaga toko berbicara hangat, lambat, dan bersuara berat; gadisnya bersemangat dan cepat. Hujan mengetuk kaca depan.

Pengaturan: text_to_video, mode std, 5 detik, 16:9, 1280×720.

Hasil: tidak ada potongan, dan dialog cocok dengan naskah di tiga dari empat transkrip.

• Penjaga toko menyerahkan buku terbungkus di atas meja kepada gadis itu pada 0.3 dan 1.7 detik.
• Kamera beralih ke gadis itu pada 3.3 detik, dan pada 4.9 detik wajahnya mengisi separuh kanan bingkai.
• Tiga dari empat model audio menyalin dua kalimat yang sama: "Bring it back when you've finished it. I'll read it tonight!" Yang keempat kehilangan singkatan di "you've".
• Trek audio rata-rata −26.0 dB.

Yang bisa diubah:

• Pertahankan bentuk ini untuk adegan dua orang berikutnya: nada dalam tanda kurung setelah tiap nama, lalu kalimat suara itu dalam tanda kutip.

4. Gambar ke video: jelaskan gerakannya

Prompt keempat mulai dari gambar diam yang kami buat dengan GPT Image 2 pada 1536×1024: perempuan bersyal merah yang membaca di bangku taman saat musim gugur, difoto dari sisi kirinya. Prompt gambarnya meminta foto 35 mm realistis setinggi mata, dalam cahaya keemasan, dengan daun kering di jalan setapak.

The camera slowly arcs around to the front of the woman, who closes her book, lifts her head and smiles warmly at the camera. A few leaves drift down around her.

Dalam bahasa Indonesia: kamera mengitari perempuan itu perlahan sampai ke depannya; ia menutup bukunya, mengangkat kepala, dan tersenyum hangat ke kamera. Beberapa daun jatuh di sekitarnya.

Pengaturan: image_to_video, mode std, 5 detik, bingkai pertama 1536×1024 tanpa rasio aspek, keluaran 1176×780.

Hasil: ia berbalik dan tersenyum, tapi kamera hampir tidak mengitari dan bukunya tetap terbuka.

• Pada 1.5 detik ia masih membaca. Pada 3.0 detik ia sudah berbalik ke kamera dan tersenyum, bukunya masih terbuka di tangan.
• Pada 4.9 detik bukunya masih terbuka dan kamera hampir tidak bergerak. Balikan dan senyumnya terjadi; putaran kamera dan buku tertutup tidak.
• Prompt ini tidak punya baris suara dan treknya nyaris sunyi: rata-rata −50.0 dB, puncak −20.9 dB, tanpa ucapan.

Yang bisa diubah:

• Coba nyatakan keadaan akhir dalam satu baris, misalnya "the book closed by the end", dan sisakan satu gerakan saja untuk kamera.
• Tambahkan baris suara, seperti pada dua prompt pertama.

Masalah umum dan perbaikannya

Semuanya berasal dari empat prompt di atas. Nomor bagian mengikuti nomor di judul.

Berapa biaya satu klip

Aplikasi Kling sendiri menagih kredit per detik. Tarifnya tergantung resolusi dan apakah audio bawaan menyala.

Angka ini dari aplikasi Kling sendiri, dicek pada 28 Oktober 2026. Kolom 5 detik adalah tarif per detik dikali lima, dan cocok dengan contoh Kling: 60 kredit untuk 5 detik di 1080p dengan audio bawaan. Kontrol suara menambah 2 kredit per detik, sehingga klip yang sama jadi 70 kredit. Mode 4K berharga 30 kredit per detik, menurut blog prompt Kling (7 Agustus 2026).

Kredit bukan dolar, jadi bandingkan model di halaman tiap penyedia. Untuk perbandingan berdampingan, lihat perbandingan Kling 3.0 dan Wan 3.0 kami. Tarif OmniaKey saat ini ada di halaman model Kling 3.0.

Jalankan prompt ini lewat API

Permintaan ini mengirim prompt mercusuar dari bagian 2 sebagai satu string. Idempotency key-nya mencegah percobaan baru membuat tugas kedua.

curl https://api.omniakey.com/v1/media/tasks \
  -H "Authorization: Bearer $OMNIAKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: lighthouse-shots-001" \
  --data-binary @- <<'JSON'
{
  "model": "kling-3.0",
  "type": "video",
  "operation": "text_to_video",
  "input": {"prompt": "Shot 1 (2s): Wide shot, a lighthouse keeper in a dark wool sweater climbs a spiral iron staircase inside a lighthouse at night, holding a glowing lantern. Shot 2 (3s): Close-up, he turns a brass key and the great lamp above him flares to life, its beam sweeping across his face. Sound: his boots on the iron steps, then a deep mechanical hum as the lamp starts."},
  "parameters": {"mode": "std", "duration": 5, "aspect_ratio": "16:9"}
}
JSON

Kami tidak mengirim field multi_shot, sama seperti uji kami: kedua label plan ada di dalam input.prompt.

1. Responsnya 202 dengan id tugas.
2. Tanyakan https://api.omniakey.com/v1/media/tasks/{id} dengan id itu dan ulangi sampai status final. Render makan waktu sekitar 4.5 sampai 8.5 menit, jadi terus tanyakan daripada mengirim ulang. Key yang sama dengan body yang sama mengembalikan tugas yang sama.
3. Unduh klipnya dari assets[0].url. Tautannya bertanda tangan dan berlaku sekitar satu jam, jadi tanyakan lagi kalau kedaluwarsa.

Untuk gambar ke video, set operation ke image_to_video dan kirim bingkai pertama di input.media dengan type first_frame, berupa URL HTTPS atau data URI. last_frame opsional, tapi bingkai pertama wajib. aspect_ratio ditolak di sini, dan seluruh body permintaan dibatasi 1 MiB.

OmniaKey hanya menerima duration 5, 10, atau 15, sedangkan API Kling menerima detik bulat dari 3 sampai 15. Mulai dari halaman model Kling 3.0 dan lihat dokumentasi API video.

Pertanyaan umum

Berapa panjang prompt Kling 3.0?

API Kling membatasi prompt sampai 2,500 karakter untuk teks ke video, dan batas yang sama berlaku untuk gambar ke video. Turbo mengizinkan 3,072 dan menyarankan tetap di bawah 2,500, jadi sebutkan batas tiap endpoint, bukan satu angka untuk seluruh model.

Apakah Kling 3.0 mendukung prompt negatif?

Referensi API menyarankan menulis kalimat negatif di dalam prompt positif, selain memakai field prompt negatifnya. Tidak ada panduan 3.0 yang memberi saran soal prompt negatif, jadi baris ini berasal dari API.

Bisakah saya dapat klip 3 atau 8 detik?

API Kling sendiri menerima detik bulat dari 3 sampai 15, jadi 3 dan 8 jalan di sana. OmniaKey hanya menerima 5, 10, atau 15 detik.

Apa itu format Turbo?

Turbo menerima satu string sebaris, ditulis shot n, m, words;, tiap plan dipisah titik koma. Turbo adalah endpoint lain, dan prompt 3.0 tidak ditulis dalam format ini.

Catatan pembaruan

• 28 Oktober 2026: versi pertama, keempat prompt dijalankan hari itu juga.