Guida ai prompt di Kling 3.0: struttura, esempi e clip reali

La guida di Kling 3.0 compone un prompt in sei parti: soggetto, azione, ambiente, camera, luce e atmosfera. Quando i piani sono più di uno, ognuno riceve un'etichetta con la sua durata, e il dialogo si scrive Name (tone): line. Il 28 ottobre 2026 abbiamo lanciato quattro prompt in modalità std da 5 secondi: le etichette di piano hanno tagliato a 1.96 secondi, il dialogo ha corrisposto al copione in tre trascrizioni su quattro e nel test da immagine a video la camera non si è quasi mossa.

La struttura di un prompt Kling 3.0

Il blog sui prompt di Kling (7 agosto 2026) elenca le parti in questo ordine: soggetto, azione visibile, ambiente, linguaggio di camera, luce e atmosfera. Kling la chiama struttura di scrittura e nessuna pagina della versione 3.0 rende l'ordine obbligatorio.

• Piani. Con il multi-piano automatico attivo il modello legge la scena e sceglie da solo angolazioni e composizione. Il multi-piano personalizzato chiede un'etichetta e una durata per piano, fino a sei nell'app di Kling. Senza multi-piano il modello produce un solo piano per impostazione predefinita.
• Dialogo. Scrivete Name (tone): line e mettete la battuta tra virgolette, come nel prompt di dialogo più sotto. Kling elenca cinque lingue di dialogo (cinese, inglese, giapponese, coreano e spagnolo) e traduce ogni altra lingua in inglese.
• Da immagine a video. Descrivete il movimento e la fine, non quello che l'immagine mostra già. Una vecchia pagina di Kling (24 novembre 2025, scritta per la 2.x) ne parla pure. Il consiglio della guida 3.0: legare il soggetto come elemento, così resta stabile quando la camera si muove.
• Fotogrammi di inizio e fine. Kling consiglia primi e ultimi fotogrammi simili, perché uno scarto grande può far scattare un cambio di piano. Anche questo documento è del 24 novembre 2025, quindi va letto come consiglio per la versione precedente.

La formula 2.x di Kling è ancora nella sua guida ai prompt da testo a video: soggetto, movimento, ambiente, camera, luce e atmosfera (24 novembre 2025). Noi l'abbiamo tenuta da parte e abbiamo testato solo la forma 3.0.

Come abbiamo realizzato i clip

• Abbiamo lanciato kling-3.0 tramite OmniaKey il 28 ottobre 2026, in modalità std, con duration 5 su tutti e quattro i prompt.
• I primi tre erano da testo a video in 16:9, con uscita 1280×720. Il quarto era da immagine a video senza rapporto d'aspetto, perché è il primo fotogramma a fissare la forma; l'uscita era 1176×780.
• Il primo fotogramma del quarto prompt è un fermo immagine creato con GPT Image 2 a 1536×1024, qualità medium. Ogni rendering ha richiesto da circa 4.5 a 8.5 minuti.
• Abbiamo letto i fotogrammi a istanti fissi, eseguito un rilevatore di tagli, misurato durata e loudness del file e fatto trascrivere il parlato a quattro modelli audio. Citiamo una battuta solo quando tre di loro sono d'accordo.
• OmniaKey vende l'accesso API a Kling 3.0, quindi i clip sono passati da lì. I prezzi qui sotto sono quelli dell'app di Kling, non i nostri.
• Fonti: la guida utente di VIDEO 3.0 (6 febbraio 2026) e il blog sui prompt di Kling (7 agosto 2026), verificati il 28 ottobre 2026.

Abbiamo prodotto un clip per prompt, quindi ogni risultato è un solo campione.

Quattro prompt e clip veri

Questi quattro prompt sono stati lanciati esattamente come sono scritti.

1. Sei parti in un paragrafo: una violinista sotto un arco

Il primo prompt mette le sei parti in un unico paragrafo e chiude con una riga di suono.

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.

In italiano: al crepuscolo, in una vecchia città europea, una giovane violinista di strada con un lungo cappotto color cammello suona una melodia veloce e limpida sotto un arco di pietra. Ondeggia a ritmo di musica mentre alcuni piccioni si alzano dalla pavimentazione dietro di lei. La camera avanza lentamente, dal piano medio al primo piano sul viso. Lampioni dorati e caldi, foschia leggera, ombre lunghe sulla pavimentazione bagnata. Il suono è il violino che risuona sotto l'arco e il battito d'ali dei piccioni.

Impostazioni: text_to_video, modalità std, 5 secondi, 16:9, 1280×720.

Risultato: un piano continuo, con la camera che arriva solo a metà strada.

• Il rilevatore di tagli non ha trovato nessun taglio nei 5.04 secondi.
• Suona sotto l'arco al crepuscolo, con una strada illuminata dietro. Verso 3.0 secondi alcuni piccioni si alzano dalla pavimentazione.
• A 4.9 secondi occupa più spazio nell'inquadratura, ma alla fine il viso non arriva al primo piano.
• La traccia è a −23.2 dB di media. I quattro modelli audio non concordano su cosa si senta, quindi non nominiamo nessuno strumento.

Cosa cambiare:

• Provate a nominare l'inquadratura e il secondo in cui deve arrivare, per esempio "a close-up of her face by 4 seconds".

2. Etichette di piano: un faro in due piani

Il secondo prompt chiede due piani etichettati, da 2 e 3 secondi, con la riga di suono alla fine.

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.

In italiano: il piano 1 (2 s), un campo largo, mostra un guardiano del faro con un maglione di lana scuro che sale una scala a chiocciola di ferro dentro un faro, di notte, con una lanterna accesa in mano. Il piano 2 (3 s), un primo piano, mostra che gira una chiave d'ottone e la grande lampada sopra di lui si accende, con il fascio che gli attraversa il viso. Il suono sono i suoi stivali sui gradini di ferro e poi un ronzio meccanico profondo quando la lampada parte.

Impostazioni: text_to_video, modalità std, 5 secondi, 16:9, 1280×720.

Risultato: entrambi i piani sono comparsi, il primo taglio è vicino all'etichetta e un taglio in più si è infilato nel secondo piano.

• Il piano 1 mostra il guardiano con il maglione di lana scuro che sale la scala di ferro con una lanterna, nitido a 1.0 secondi.
• Il primo taglio è caduto a 1.96 secondi contro l'etichetta di 2 secondi. Il secondo piano si apre sulla sua mano posata su una chiave d'ottone a 2.4 secondi.
• Un secondo taglio è caduto a 2.88 secondi, dentro il piano etichettato 3 secondi. Continua a girare la chiave fino a circa 3.5 secondi, e a 4.8 secondi la lampada è accesa, il fascio attraversa l'inquadratura mentre alza lo sguardo.
• La traccia è a −24.5 dB di media, senza parlato. I modelli audio hanno descritto passi e un suono meccanico.

Cosa cambiare:

• Provate a dare un solo obiettivo a ogni piano, come consiglia Kling, con una sola azione per etichetta.

3. Un dialogo con un tono per ogni voce

Il terzo prompt è il test del dialogo: due voci, ognuna con un tono tra parentesi e una battuta tra virgolette.

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.

In italiano: in una piccola libreria, in un pomeriggio di pioggia, un anziano libraio con occhiali rotondi porge un libro incartato oltre il bancone di legno a un'adolescente con un impermeabile giallo. Piano medio dei due, poi la camera avanza lentamente verso il sorriso della ragazza. Il libraio parla con calore, lentamente e con voce profonda; la ragazza con entusiasmo e in fretta. La pioggia batte sulla vetrina.

Impostazioni: text_to_video, modalità std, 5 secondi, 16:9, 1280×720.

Risultato: nessun taglio, e il dialogo corrisponde al copione in tre trascrizioni su quattro.

• Il libraio porge il libro incartato oltre il bancone alla ragazza a 0.3 e 1.7 secondi.
• La camera passa alla ragazza a 3.3 secondi, e a 4.9 secondi il suo viso riempie la metà destra dell'inquadratura.
• Tre dei quattro modelli audio hanno trascritto le stesse due battute: "Bring it back when you've finished it. I'll read it tonight!" Il quarto ha perso la contrazione di "you've".
• La traccia è a −26.0 dB di media.

Cosa cambiare:

• Tenete questa forma per la prossima scena a due: un tono tra parentesi dopo ogni nome, poi la battuta di quella voce tra virgolette.

4. Da immagine a video: descrivete il movimento

Il quarto prompt parte da un fermo immagine creato con GPT Image 2 a 1536×1024: una donna con la sciarpa rossa che legge su una panchina in un parco d'autunno, fotografata dal suo lato sinistro. Il prompt dell'immagine chiedeva una foto realistica in 35 mm all'altezza degli occhi, in luce dorata, con foglie secche sul sentiero.

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.

In italiano: la camera gira lentamente intorno alla donna fino a metterlesi davanti; lei chiude il libro, alza la testa e sorride con calore alla camera. Alcune foglie cadono intorno a lei.

Impostazioni: image_to_video, modalità std, 5 secondi, primo fotogramma 1536×1024 senza rapporto d'aspetto, uscita 1176×780.

Risultato: si gira e sorride, ma la camera gira appena intorno a lei e il libro resta aperto.

• A 1.5 secondi legge ancora. A 3.0 secondi si è girata verso la camera e sorride, con il libro ancora aperto tra le mani.
• A 4.9 secondi il libro è ancora aperto e la camera si è mossa appena. La rotazione e il sorriso ci sono; il giro della camera e il libro chiuso no.
• Il prompt non ha riga di suono e la traccia è quasi silenziosa: −50.0 dB di media, un picco a −20.9 dB, senza parlato.

Cosa cambiare:

• Provate a dichiarare lo stato finale in una riga, per esempio "the book closed by the end", e lasciate alla camera un solo movimento.
• Aggiungete una riga di suono, come nei primi due prompt.

Problemi comuni e correzioni

Tutto viene dai quattro prompt qui sopra. I numeri di sezione seguono quelli dei titoli.

Quanto costa un clip

L'app di Kling addebita crediti al secondo. La tariffa dipende dalla risoluzione e dall'attivazione dell'audio nativo.

Questi numeri vengono dall'app di Kling, verificati il 28 ottobre 2026. La colonna dei 5 secondi è la tariffa al secondo moltiplicata per cinque e corrisponde all'esempio di Kling: 60 crediti per 5 secondi in 1080p con audio nativo. Il controllo della voce aggiunge 2 crediti al secondo, portando lo stesso clip a 70 crediti. La modalità 4K costa 30 crediti al secondo, secondo il blog sui prompt di Kling (7 agosto 2026).

I crediti non sono dollari, quindi confrontate i modelli sulla pagina di ogni fornitore. Per un confronto affiancato c'è il nostro confronto tra Kling 3.0 e Wan 3.0. Le tariffe attuali di OmniaKey sono sulla pagina del modello Kling 3.0.

Lanciare questi prompt con l'API

Questa richiesta invia il prompt del faro della sezione 2 come un'unica stringa. La sua chiave di idempotenza evita che un nuovo tentativo crei una seconda attività.

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

Non abbiamo inviato nessun campo multi_shot, come nel nostro test: le due etichette di piano stanno in input.prompt.

1. La risposta è 202 con un id attività.
2. Interrogate https://api.omniakey.com/v1/media/tasks/{id} con quell'id e ripetete finché status non è finale. I rendering hanno richiesto da circa 4.5 a 8.5 minuti, quindi continuate a interrogare invece di rinviare. La stessa chiave con lo stesso corpo restituisce la stessa attività.
3. Scaricate il clip da assets[0].url. Il link è firmato e dura circa un'ora, quindi interrogate di nuovo se scade.

Per da immagine a video impostate operation su image_to_video e inviate il primo fotogramma in input.media con type first_frame, come URL HTTPS o data URI. last_frame è facoltativo, ma il primo fotogramma è obbligatorio. aspect_ratio viene rifiutato, e il corpo della richiesta è limitato a 1 MiB in totale.

OmniaKey accetta duration solo 5, 10 o 15, mentre l'API di Kling prende secondi interi da 3 a 15. Partite dalla pagina del modello Kling 3.0 e consultate la documentazione dell'API video.

Domande frequenti

Quanto può essere lungo un prompt Kling 3.0?

L'API di Kling limita prompt a 2,500 caratteri da testo a video, e lo stesso limite vale da immagine a video. Turbo consente 3,072 e consiglia di restare sotto 2,500, quindi citate il limite di ogni endpoint invece di un numero per tutto il modello.

Kling 3.0 gestisce i prompt negativi?

La documentazione dell'API consiglia di scrivere le frasi negative dentro il prompt positivo, oltre a usare il suo campo per i prompt negativi. Nessuna guida 3.0 dà indicazioni sui prompt negativi, quindi questa riga viene dall'API.

Posso ottenere un clip da 3 o 8 secondi?

L'API di Kling prende secondi interi da 3 a 15, quindi 3 e 8 funzionano lì. OmniaKey accetta solo 5, 10 o 15 secondi.

Cos'è il formato Turbo?

Turbo prende un'unica stringa in linea, scritta shot n, m, words;, con ogni piano separato da un punto e virgola. Turbo è un altro endpoint, e i prompt 3.0 non si scrivono in questo formato.

Registro degli aggiornamenti

• 28 ottobre 2026: prima versione, i quattro prompt sono stati lanciati lo stesso giorno.