Kling 3.0 Turbo Bild-zu-Video-Prompt-Rezepte: direkt kopierbare Prompts und echte Ergebnisse

Zusammenfassung

• Inhalt dieses Artikels: Vier direkt kopierbare kling-3.0-turbo-Bild-zu-Video-Prompt-Rezepte, jedes mit Eingangsbild, dem exakten Bewegungs-Prompt und dem tatsächlich über die echte API erzeugten Clip – rohe Erstausgabe, keine versteckten Wiederholungen.
• Abdeckung: E-Commerce-Produktorbit, vertikale 9:16-Porträt-Mikrobewegung, ein eingefrorener Bewegungsmoment, der mit glaubwürdiger Physik fortgesetzt wird, sowie das klassische lebendige Landschaftsfoto.
• Modellfakten (gegen die Live-Task-API verifiziert): Eingaben sind prompt + image_urls (genau eine öffentliche Bild-URL) + duration (Ganzzahl 3–15 Sekunden) + resolution (720p/1080p). Es gibt kein aspect_ratio-Feld – die Ausgabe folgt dem Eingangsbild, ein 9:16-Standbild erzeugt also ein 9:16-Video.
• Preis (pro Ausgabesekunde, laut Preisseite): 720p kostet $0.13/Sekunde, 1080p kostet $0.16/Sekunde – derselbe Pauschaltarif wie die Text-zu-Video-Version. Ein 5-Sekunden-Clip kostet $0.65; ein 3-Sekunden-Test $0.39.
• Audio: Clips werden mit nativer Umgebungs-Audiospur zurückgegeben – schalte den Ton ein.

Text-zu-Video vs. Bild-zu-Video: Wann man mit einem Frame beginnt

Text-zu-Video ist bei der Komposition ein Glücksspiel: Du beschreibst eine Szene und akzeptierst die Bildgestaltung, die das Modell liefert. Bild-zu-Video eliminiert diese Variable. Du legst Komposition, Motiv, Licht und Markenwirkung zuerst in einem Standbild fest – etwas, das du künstlerisch dirigieren oder real fotografieren kannst – und verwendest den Prompt dann vollständig für die Bewegung: was sich bewegt, wie schnell und was die Kamera tut.

Das verändert die Schreibweise. Ein Bild-zu-Video-Prompt sollte nicht erneut beschreiben, was bereits im Bild ist; das Modell sieht es. Die folgenden Rezepte folgen einer Regel: auf den Bildinhalt verweisen und dann nur die Veränderung beschreiben – Kamerapfad, Motivaktion, Umgebungsbewegung und was unbewegt bleiben muss.

Jedes Beispiel zeigt das tatsächliche Eingangsbild und den daraus erzeugten Clip, dazwischen den exakten Prompt. Ich habe diese Frames mit gpt-image-2 erzeugt, damit die gesamte Pipeline über die API reproduzierbar ist, aber jedes beliebige Bild funktioniert – Produktfotos, Drehstandbilder, Renderings.

Rezept 1 – E-Commerce: Produktorbit aus einem Studiofoto (16:9)

Ziel: Ein statisches Produktfoto in einen Showcase-Clip mit sauberer Kamerabewegung verwandeln – der Bild-zu-Video-Anwendungsfall mit dem höchsten Hebel für Shops.

Beginne mit einem Hero-Bild, bei dem das Produkt zentriert ist und das Licht bereits stimmt:

Eingangsbild (16:9, mit gpt-image-2 erzeugt – jedes beliebige Bild funktioniert genauso).

Dann der Bewegungs-Prompt:

Slow smooth orbit around the coffee set, the camera circling a quarter turn to the right while keeping the carafe centered. Steam keeps rising and curling naturally, reflections slide across the glass as the angle changes. The product stays sharp and undistorted, studio lighting unchanged, no cuts, elegant product-video motion.

Eine Vierteldrehung um das Kaffeeset, während der Dampf weiter aufsteigt – kling-3.0-turbo/image-to-video, 5 Sekunden @ 720p. Echte Ausgabe aus dem obigen Eingangsbild, rohe Erstversion, für diesen Leitfaden erzeugt.

Warum es funktioniert: Der Prompt beschreibt das Produkt nie erneut – das Bild trägt es bereits. Stattdessen gibt er eine Kameraanweisung ("slow smooth orbit ... a quarter turn to the right"), einen Anker ("keeping the carafe centered") und eine Absicherung ("stays sharp and undistorted, studio lighting unchanged"). Den Orbit auf eine Vierteldrehung zu begrenzen ist wichtig: Eine volle 360-Grad-Drehung in fünf Sekunden zwingt das Modell, die unsichtbare Rückseite des Produkts zu erfinden, was es meist verzerrt.

Rezept 2 – Vertikal 9:16: Porträt-Mikrobewegung für Kurzvideos

Ziel: Ein handynatives Hochformat-Bild, das atmet – Wind, Wasser, ein Lidschlag, ein langsamer Push-in. Es demonstriert zugleich einen entscheidenden Schema-Fakt: Bild-zu-Video hat keinen aspect_ratio-Parameter – die Ausgabe erbt das Bild, sodass dieses 9:16-Standbild einen 9:16-Clip ohne Beschnitt erzeugt.

Eingangsbild (9:16, mit gpt-image-2 erzeugt – jedes beliebige Bild funktioniert genauso).

The scene comes alive: a steady sea wind lifts strands of her hair and ripples the hem of the red coat, small waves roll behind the pier, she blinks slowly and a faint smile forms. The camera pushes in very slowly toward her face. Subtle, realistic motion, no cuts, melancholic cinematic mood.

Der Wind hebt ihr Haar, während die Kamera langsam heranfährt – Hochformat – kling-3.0-turbo/image-to-video, 5 Sekunden @ 720p. Echte Ausgabe aus dem obigen Eingangsbild, rohe Erstversion, für diesen Leitfaden erzeugt.

Warum es funktioniert: Die Bewegung ist nach Maßstab geschichtet – Umgebung (Wellen, Wind), Kleidung (der Mantelsaum bewegt sich), Performance (langsames Blinzeln, ein leichtes Lächeln) und eine Kamerabewegung (sehr langsamer Push-in). Jede Schicht ist klein; zusammen wirken sie wie ein lebendiger Moment statt wie ein verzerrtes Foto. "Subtle, realistic motion" leistet hier echte Arbeit – lässt man es weg, überanimieren Bild-zu-Video-Modelle oft das Gesicht.

Rezept 3 – Physikalische Kontinuität: Ein eingefrorener Action-Shot wird aufgetaut (16:9)

Ziel: Ein eingefrorenes Mittelbild einer Aktion nehmen und das Modell die Bewegung mit glaubwürdigem Impuls vollenden lassen – der härteste Test für die Physikfähigkeiten eines Bild-zu-Video-Modells.

Eingangsbild (16:9, mit gpt-image-2 erzeugt – jedes beliebige Bild funktioniert genauso).

The frozen moment continues: the skateboarder completes the air, drops back into the bowl, wheels hit the concrete with a small wobble he absorbs with bent knees, then he carves up the far wall. The camera pans right to follow him through the landing. Natural skate physics, momentum preserved from the pose, no cuts.

Der Sprung wird vollendet, die Landung und die Fahrt an der gegenüberliegenden Wand – kling-3.0-turbo/image-to-video, 5 Sekunden @ 720p. Echte Ausgabe aus dem obigen Eingangsbild, rohe Erstversion, für diesen Leitfaden erzeugt.

Warum es funktioniert: Der Prompt behandelt das Frame als physikalisches Problem mit genau einer richtigen Fortsetzung – "completes the air, drops back into the bowl, wheels hit ... he absorbs with bent knees". Die Landung in geordneten Beats zu beschreiben und ausdrücklich "momentum preserved from the pose" zu verlangen, verhindert, dass das Modell den Skater für einen zweiten unmöglichen Trick erneut abheben lässt. Die kleinen Unvollkommenheiten ("a small wobble he absorbs") wirken realistisch statt fehlerhaft.

Rezept 4 – Lebendiges Foto: Ambient-Landschaftsschleife (16:9)

Ziel: Der klassische Bild-zu-Video-Trick – eine treibende Landschaft. Zugleich die Budget-Vorlage: ein 4-Sekunden-Clip ($0.52), die günstige Form zum Iterieren über Umgebungsbewegung.

Eingangsbild (16:9, mit gpt-image-2 erzeugt – jedes beliebige Bild funktioniert genauso).

Bring the photograph to life with gentle ambient motion: mist drifts slowly across the far shore, soft ripples cross the mirror reflection, clouds creep behind the peaks, and two distant birds glide across the sky. The camera dollies forward very slowly over the water. Calm, seamless, loop-like motion, no cuts.

Nebel treibt, Kräuselungen ziehen über die Spiegelung, während die Kamera heranfährt – kling-3.0-turbo/image-to-video, 4 Sekunden @ 720p. Echte Ausgabe aus dem obigen Eingangsbild, rohe Erstversion, für diesen Leitfaden erzeugt.

Warum es funktioniert: Alles bewegt sich in natürlichem Tempo – Nebel "drifts slowly", Wolken "creep", Kräuselungen "cross" – und zwei Vögel geben dem Auge ein fokales Ereignis, damit der Clip nicht wie ein Bildschirmschoner wirkt. "Loop-like motion" lenkt das Modell zu einem gleichmäßigen Rhythmus, der Wiederholung standhält – genau das, was man für ein Hintergrundvideo im Hero-Bereich will.

Das Eingabe-Schema, verifiziert

Alles Folgende wurde vor dem Erzeugen eines Clips gegen die Live-Task-API bestätigt (ungültige Werte liefern 400 mit den zulässigen Werten):

Feld	Typ	Beschreibung
prompt	string	Erforderlich – beschreibt die Bewegung, nicht das Bild
image_urls	String-Array	Erforderlich, genau eine URL (maxItems: 1), muss öffentlich erreichbar sein
duration	integer	3–15 Sekunden
resolution	string	720p oder 1080p

Das Schema ist strikt: aspect_ratio, seed, negative_prompt und sound werden mit dem Fehler additional properties ... not allowed abgelehnt. Zwei Konsequenzen sind wissenswert:

• Das Ausgabe-Seitenverhältnis folgt dem Eingangsbild. Du willst ein vertikales Video? Gib ein vertikales Bild an (Rezept 2). Kein Parameter kann dem Bild entgegenwirken.
• Die Bild-URL muss von der Plattform aus erreichbar sein – gehostet auf deiner CDN oder deinem Objektspeicher, nicht hinter Authentifizierung oder auf localhost.

Diese Rezepte selbst ausführen (API)

Alle vier Rezepte nutzen denselben asynchronen Ablauf – Aufgabe mit deiner Frame-URL erstellen, bis zum Endzustand abfragen, die mp4 herunterladen:

import requests, time

API = "https://api.hiapi.ai/v1/tasks"
HEADERS = {"Authorization": "Bearer YOUR_HIAPI_KEY", "Content-Type": "application/json"}

def animate(image_url, prompt, duration=5, resolution="720p"):
    body = {"model": "kling-3.0-turbo/image-to-video",
            "input": {"prompt": prompt, "image_urls": [image_url],
                      "duration": duration, "resolution": resolution}}
    task_id = requests.post(API, json=body, headers=HEADERS, timeout=60).json()["data"]["taskId"]
    while True:
        t = requests.get(f"{API}/{task_id}", headers=HEADERS, timeout=30).json()["data"]
        if t["status"] == "success":
            return t["output"][0]["url"]   # signed link, expires — download immediately
        if t["status"] == "fail":
            raise RuntimeError(t.get("error"))
        time.sleep(5)

print(animate("https://your-cdn.example.com/product.jpg",
              "Slow smooth orbit around the product, quarter turn right, no cuts"))

Die zurückgegebene output[0].url ist temporär – speichere die Bytes sofort dauerhaft, statt sie zu hotlinken. Die vollständige Parameterreferenz findest du in der Dokumentation.

Häufige Fragen

Wie unterscheidet sich das von kling-3.0-turbo Text-zu-Video?
Gleiche Familie, gleiche Sekundenpreise, andere Steuerungsebene: Text-zu-Video akzeptiert aspect_ratio und erschafft die Komposition; Bild-zu-Video akzeptiert einen image_urls-Eintrag und erbt die Komposition daraus. Wenn du kein Ausgangsbild hast, nutze stattdessen die Text-zu-Video-Prompt-Sammlung.

Was kostet ein Clip?
Abrechnung pro Ausgabesekunde: 720p kostet $0.13/Sekunde, 1080p $0.16/Sekunde. Die drei 5-Sekunden-Clips in diesem Artikel kosten je $0.65, die 4-Sekunden-Landschaft $0.52, ein 3-Sekunden-720p-Test $0.39. Aktuelle Zahlen auf der Preisseite.

Kann ich das Ausgabe-Seitenverhältnis steuern?
Nur über das Eingangsbild – es gibt kein aspect_ratio-Feld. Ein 9:16-Frame erzeugt einen 9:16-Clip (Rezept 2), ein 16:9-Frame einen 16:9-Clip.

Muss das Eingangsbild KI-generiert sein?
Nein – jede öffentlich erreichbare Bild-URL funktioniert: Produktfotografie, Filmstandbilder, Renderings. Ich habe diese Frames mit gpt-image-2 erzeugt, allein damit die gesamte Pipeline über eine API reproduzierbar ist.

Haben die Clips Ton?
Die Clips in diesem Leitfaden werden mit nativer Umgebungs-Audiospur zurückgegeben (an den tatsächlichen Dateien verifiziert). Zu den expliziten Audio-Preisstufen und 4K-Ausgabe siehe die Omni-Stufe – im kling-3.0-omni Bild-zu-Video-Leitfaden.

Lassen sich diese Prompt-Muster auf andere Bild-zu-Video-Modelle übertragen?
Die Struktur ja – reine Bewegungs-Prompts, geschichtete Umgebungsbewegung, Physik in geordneten Beats. Wir pflegen auch eine passende wan2.7 Bild-zu-Video-Rezeptsammlung, falls du eine andere Modellfamilie auf denselben Mustern vergleichen willst.

---

Alle vier Bewegungs-Prompts stehen zum Kopieren bereit. Hol dir einen API-Schlüssel, richte das Code-Snippet oben auf kling-3.0-turbo Bild-zu-Video mit einem beliebigen Frame aus, und ein 3-Sekunden-Testclip kostet $0.39.