Промпты для Kling 3.0: структура, примеры и реальные ролики

Руководство Kling 3.0 собирает промпт из шести частей: субъект, действие, сцена, камера, свет и настроение. Если планов несколько, каждому нужна метка с длительностью, а диалог пишется как Name (tone): line. 28 октября 2026 года мы запустили четыре промпта в режиме std на 5 секунд: метки планов сработали на 1.96 секунды, диалог совпал со сценарием в трёх расшифровках из четырёх, а в ролике из изображения камера почти не двинулась.

Структура промпта Kling 3.0

Блог Kling о промптах (7 августа 2026 года) перечисляет части в таком порядке: субъект, видимое действие, сцена, язык камеры, свет и настроение. Kling называет это схемой письма, и ни одна страница версии 3.0 не делает порядок обязательным.

• Планы. При включённом автоматическом мультиплане модель сама читает сцену и выбирает ракурсы и композицию. Пользовательский мультиплан берёт метку и длительность для каждого плана, в приложении Kling — до шести. Если мультиплан выключен, модель по умолчанию делает один план.
• Диалог. Пишите Name (tone): line, а реплику берите в кавычки, как в промпте с диалогом ниже. Kling перечисляет пять языков диалога (китайский, английский, японский, корейский и испанский), а любой другой язык переводит на английский.
• Изображение в видео. Описывайте движение и конец, а не то, что уже есть в кадре. Старая страница Kling (24 ноября 2025 года, написанная для 2.x) тоже об этом. Совет руководства 3.0 — привязать субъект как элемент, чтобы он держался, когда камера движется.
• Первый и последний кадры. Kling советует брать похожие кадры, потому что большая разница может вызвать смену плана. Этот материал тоже от 24 ноября 2025 года, так что читайте его как совет для прошлой версии.

Формула Kling 2.x до сих пор есть в руководстве по промптам для текста в видео: субъект, движение, сцена, камера, свет и атмосфера (24 ноября 2025 года). Мы держали её отдельно и проверяли только форму 3.0.

Как мы делали ролики

• Мы запустили kling-3.0 через OmniaKey 28 октября 2026 года в режиме std, у всех четырёх промптов duration 5.
• Первые три — текст в видео, 16:9, вывод 1280×720. Четвёртый — изображение в видео без соотношения сторон, потому что форму задаёт первый кадр; вывод 1176×780.
• Первый кадр четвёртого промпта — статичное изображение из GPT Image 2, 1536×1024, качество medium. Рендер каждого ролика занял примерно от 4.5 до 8.5 минуты.
• Мы смотрели кадры в фиксированные моменты, прогоняли детектор склеек, измеряли длительность и громкость файла, а расшифровку речи заказывали четырём аудиомоделям. Реплику мы цитируем, только если совпали три из них.
• OmniaKey продаёт доступ к API Kling 3.0, поэтому ролики шли через него. Цены ниже — из приложения самого Kling, не наши.
• Источники: руководство пользователя VIDEO 3.0 (6 февраля 2026 года) и блог о промптах (7 августа 2026 года), проверено 28 октября 2026 года.

На каждый промпт мы сделали по одному ролику, так что каждый результат — одна выборка.

Четыре промпта и реальные ролики

Эти четыре промпта запускались точно так, как написаны.

1. Шесть частей в одном абзаце: скрипачка под аркой

Первый промпт складывает все шесть частей в один абзац и заканчивается строкой звука.

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.

Перевод: в сумерках в старом европейском городе молодая уличная скрипачка в длинном пальто цвета камели играет быструю светлую мелодию под каменной аркой. Она покачивается в такт музыке, а за ней с булыжной мостовой взлетают несколько голубей. Камера медленно наезжает со среднего плана на её лицо. Тёплые золотые фонари, лёгкая дымка, длинные тени на мокрой брусчатке. Звук — скрипка, звучащая под аркой, и хлопанье голубиных крыльев.

Настройки: text_to_video, режим std, 5 секунд, 16:9, 1280×720.

Результат: один непрерывный план, и камера проходит только часть пути.

• Детектор склеек не нашёл ни одной склейки за 5.04 секунды.
• Она играет под аркой в сумерках, позади освещённая улица. Примерно на 3.0 секунды несколько голубей поднимаются с брусчатки.
• К 4.9 секунды она занимает больше кадра, но лицо так и не становится крупным планом.
• Дорожка в среднем −23.2 dB. Четыре аудиомодели разошлись в том, что звучит, поэтому мы не называем инструмент.

Что изменить:

• Попробуйте назвать кадрирование и секунду, когда оно должно появиться, например "a close-up of her face by 4 seconds".

2. Метки планов: маяк в двух планах

Второй промпт просит два плана с метками, 2 и 3 секунды, а строку звука ставит в конец.

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.

Перевод: план 1 (2 с) — общий план: смотритель маяка в тёмном шерстяном свитере поднимается по винтовой железной лестнице внутри маяка ночью, в руке у него светящийся фонарь. План 2 (3 с) — крупный план: он поворачивает латунный ключ, большая лампа над ним вспыхивает, и её луч проходит по его лицу. Звук — его ботинки на железных ступенях, затем глубокий механический гул, когда лампа загорается.

Настройки: text_to_video, режим std, 5 секунд, 16:9, 1280×720.

Результат: появились оба плана, первая склейка близка к метке, а внутри второго плана случилась лишняя склейка.

• План 1 показывает смотрителя в тёмном шерстяном свитере, который с фонарём поднимается по железной лестнице, — чётко на 1.0 секунды.
• Первая склейка пришлась на 1.96 секунды против метки в 2 секунды. Второй план открывается на 2.4 секунды его рукой на латунном ключе.
• Вторая склейка пришлась на 2.88 секунды, внутри плана с меткой 3 секунды. Он продолжает поворачивать ключ примерно до 3.5 секунды, а на 4.8 секунды лампа горит, луч идёт через кадр, и он поднимает взгляд.
• Дорожка в среднем −24.5 dB, речи нет. Аудиомодели описали шаги и механический звук.

Что изменить:

• Попробуйте дать каждому плану одну цель, как советует Kling, и по одному действию на метку.

3. Диалог с тоном для каждого голоса

Третий промпт — проверка диалога: два голоса, у каждого тон в скобках и реплика в кавычках.

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.

Перевод: в маленьком книжном магазине дождливым днём пожилой хозяин в круглых очках передаёт завёрнутую книгу через деревянную стойку девушке-подростку в жёлтом дождевике. Сначала средний план двоих, затем камера медленно наезжает на улыбку девушки. Хозяин говорит тепло, медленно и низким голосом, девушка — взволнованно и быстро. Дождь стучит по витрине.

Настройки: text_to_video, режим std, 5 секунд, 16:9, 1280×720.

Результат: склеек нет, и диалог совпал со сценарием в трёх расшифровках из четырёх.

• Хозяин передаёт завёрнутую книгу через стойку девушке на 0.3 и 1.7 секунды.
• На 3.3 секунды камера переходит на девушку, а к 4.9 секунды её лицо занимает правую половину кадра.
• Три аудиомодели из четырёх расшифровали те же две реплики: "Bring it back when you've finished it. I'll read it tonight!" Четвёртая потеряла сокращение в "you've".
• Дорожка в среднем −26.0 dB.

Что изменить:

• Сохраняйте эту форму для следующей сцены с двумя людьми: тон в скобках после имени, затем реплика этого голоса в кавычках.

4. Изображение в видео: опишите движение

Четвёртый промпт начинается со статичного кадра, который мы сделали в GPT Image 2 1536×1024: женщина в красном шарфе читает на скамейке в осеннем парке, съёмка с её левой стороны. Промпт для статичного кадра просил реалистичное фото 35 мм на уровне глаз, в золотом свете и с опавшими листьями на дорожке.

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.

Перевод: камера медленно обходит женщину и выходит к ней спереди; она закрывает книгу, поднимает голову и тепло улыбается камере. Несколько листьев падают вокруг неё.

Настройки: image_to_video, режим std, 5 секунд, первый кадр 1536×1024 без соотношения сторон, вывод 1176×780.

Результат: она повернулась и улыбнулась, но камера почти не обошла её, а книга осталась открытой.

• На 1.5 секунды она ещё читает. На 3.0 секунды она повернулась к камере и улыбается, книга по-прежнему открыта у неё в руках.
• На 4.9 секунды книга всё ещё открыта, а камера почти не сдвинулась. Поворот и улыбка получились; обход камеры и закрытая книга — нет.
• В промпте нет строки звука, и дорожка почти беззвучна: в среднем −50.0 dB, пик −20.9 dB, речи нет.

Что изменить:

• Попробуйте назвать конечное состояние одной строкой, например "the book closed by the end", и оставьте камере одно движение.
• Добавьте строку звука, как в первых двух промптах.

Частые ошибки и что исправить

Всё ниже взято из четырёх промптов выше. Номера разделов совпадают с номерами заголовков.

Сколько стоит один ролик

Приложение самого Kling списывает кредиты за секунду. Тариф зависит от разрешения и от того, включён ли нативный звук.

Эти цифры из приложения самого Kling, проверено 28 октября 2026 года. Столбец на 5 секунд — тариф за секунду, умноженный на пять, и он совпадает с примером Kling: 60 кредитов за 5 секунд в 1080p с нативным звуком. Управление голосом добавляет 2 кредита за секунду, и тот же ролик стоит 70 кредитов. Режим 4K стоит 30 кредитов за секунду, по блогу Kling о промптах (7 августа 2026 года).

Кредиты — не доллары, поэтому сравнивайте модели на страницах самих поставщиков. Для сравнения рядом есть наш материал Kling 3.0 против Wan 3.0. Актуальные тарифы OmniaKey — на странице модели Kling 3.0.

Запуск этих промптов через API

Этот запрос отправляет промпт с маяком из раздела 2 одной строкой. Ключ идемпотентности не даёт повтору создать вторую задачу.

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

Поле multi_shot мы не отправляли, как и в нашем тесте: обе метки планов лежат в input.prompt.

1. Ответ — 202 с идентификатором задачи.
2. Запрашивайте https://api.omniakey.com/v1/media/tasks/{id} с этим идентификатором и повторяйте, пока status не станет финальным. Рендер занял примерно от 4.5 до 8.5 минуты, поэтому продолжайте опрос, а не отправляйте заново. Тот же ключ с тем же телом возвращает ту же задачу.
3. Скачивайте ролик по assets[0].url. Ссылка подписанная и живёт около часа, поэтому при истечении опросите снова.

Для изображения в видео поставьте operation в image_to_video и передайте первый кадр в input.media с type first_frame, как HTTPS-ссылку или data URI. last_frame необязателен, а первый кадр обязателен. aspect_ratio там отклоняется, а всё тело запроса ограничено 1 MiB.

OmniaKey принимает duration только 5, 10 или 15, а API самого Kling — целые секунды от 3 до 15. Начните со страницы модели Kling 3.0, подробности — в документации по видео API.

Частые вопросы

Какой длины может быть промпт для Kling 3.0?

API Kling ограничивает prompt до 2,500 символов для текста в видео, и тот же предел действует для изображения в видео. Turbo допускает 3,072 и советует держаться ниже 2,500, поэтому смотрите предел конкретного эндпоинта, а не одно число для всей модели.

Поддерживает ли Kling 3.0 негативные промпты?

Справочник API советует писать отрицательные фразы внутри положительного промпта и дополнительно использовать поле негативного промпта. Ни одно руководство 3.0 не даёт советов по негативным промптам, так что это строка из документации API.

Можно ли получить ролик на 3 или 8 секунд?

API самого Kling принимает целые секунды от 3 до 15, так что 3 и 8 там работают. OmniaKey принимает только 5, 10 или 15 секунд.

Что такое формат Turbo?

Turbo принимает одну строку в формате shot n, m, words;, планы разделяются точкой с запятой. Turbo — отдельный эндпоинт, и промпты 3.0 в этом формате не пишут.

Журнал обновлений

• 28 октября 2026 года: первая версия, четыре промпта запущены в тот же день.