Kling 3.0 Omni Bild-zu-Video: Kerngrafik der Kernparameter und Anwendungsszenarien
Ausgehend von einem 16:9-Infografik-Startbild wird mit der Bild-zu-Video-Pipeline von Kling 3.0 Omni erreicht, dass die „Parameterkarten" im Bild natürlich erscheinen und nacheinander hervorgehoben werden – als ein 5-sekündiger Kurzfilm zur grafischen Erklärung der Fähigkeiten. Designansatz: Das Startbild trägt sämtliche Textinformationen (einheitliche multimodale Architektur, Text-zu-Video/Bild-zu-Video/Referenz-zu-Video sowie Bearbeitung innerhalb des Videos, physikalische Konsistenz durch 3D Spacetime Joint Attention, natives Audio und Lippensynchronisation, Multishot-Storyboarding und 15 Sekunden Dauer, 720p–4K-Ausgabe). Der Videoteil übernimmt nur leichte Kamerabewegungen und Hervorhebungsanimationen, um zu vermeiden, dass das Modell Texte neu zeichnet und dadurch Informationen verfälscht werden. Eingabestruktur: image_urls liefert nur 1 Startbild (Einzelbild-Modus als Startbild, Ausgabeseitenverhältnis folgt dem Startbild), in base wird prefer_multi_shots aktiviert, damit das Modell die Einstellungen gemäß Prompt selbst aufteilt; resolution ist fest auf 1080p, duration 5 Sekunden, audio deaktiviert, um eine sinnlose Tonspur zu vermeiden. Im prompt wird per @-Syntax kein subject referenziert, elements bleibt leer, um eine schlanke, einzelbildgesteuerte Pipeline beizubehalten. Anwendungsszenarien: Fähigkeits-Übersichts-Animationen für Entwicklerdokumentationen und Produktseiten, Eröffnungsmaterial für Modellvergleichsseiten, einseitige Grafiken für Tech-Talks. Diese Struktur eignet sich auch als Vorlage für „Parametertabellen in Kurzvideos" – einfach den Text des Startbilds ersetzen und wiederverwenden.
Stil Erläuterung · i2v · Produktdemo
Modell Kling 3.0
Referenz-Eingaben
image_urls
Prompt
Erstelle aus einer übersichtlichen 16:9-Technikfähigkeitsgrafik einen kurzen erklärenden Clip. Das Eröffnungsbild zeigt bereits ein Layout mit tief dunkelblauem Raster und sechs beschrifteten Parameterkarten: einheitliche multimodale Architektur, Text-zu-Video / Bild-zu-Video / Referenz-zu-Video sowie Bearbeitung innerhalb des Videos, dreidimensionale raumzeitliche gemeinsame Aufmerksamkeit für physikalisch plausible Bewegung, natives Audio und mehrsprachige Lippensynchronisation, Multishot-Storyboarding mit bis zu 15 Sekunden sowie Ausgabe von 720p bis 4K. Die Kamera fährt langsam und gleichmäßig vorwärts mit leichtem Parallaxendrift; die Karten werden nacheinander mit einem sanften Wischübergang von links nach rechts hervorgehoben und erhalten einen dezenten Leuchtschein, während die Verbindungslinien zwischen den Karten als feine Lichtlinien schrittweise gezeichnet werden. Halte sämtlichen Text scharf, gut lesbar und unverändert – keine Textneurenderung und keine fehlerhaften Glyphen. Zurückhaltende Unternehmens-Technologie-Ästhetik, tief dunkelblauer Hintergrund, cyanfarbene und warm bernsteinfarbene Akzentlichter, sanfter Volumennebel, geringe Schärfentiefe der Hintergrundebene, kontrastreiche Studiobeleuchtung, stabile Komposition, unverformte Beschriftungen, keine hinzugefügten Personen oder Objekte.
Kopiere das vollständige Prompt und passe es an deine eigene Aufgabe an.
Tags