Guide d'utilisation
Recettes de prompts Kling 3.0 Omni image-vers-vidéo : modèles prêts à copier-coller pour les développeurs
Structure première/dernière image, vocabulaire des mouvements de caméra, indices audio natifs et liste de négatifs pour la stabilité — avec des clips réellement générés
Sur cette page
Pourquoi la structure du prompt compte plus que sa longueur
La plupart des prompts image-vers-vidéo échouent non pas parce qu'ils sont trop courts, mais parce qu'ils sont désordonnés. Un texte qui mélange description du sujet, intention de caméra, ambiance sonore et instructions de correction ne fournit pas au modèle une correspondance déterministe du texte vers le mouvement. Quand le clip généré est raté, vous ne pouvez pas identifier quelle phrase en est la cause — vous ne pouvez donc pas le corriger, seulement relancer un tirage.
La solution pratique est une discipline de sections. Considérez le prompt comme un contrat fixe en cinq blocs, toujours dans le même ordre :
- Ancrage des images — quelle image est l'image de départ, laquelle est l'image de fin, et le degré de rigidité de ce verrouillage.
- Sujet — qui ou quoi est présent à l'écran, et les détails d'identité qui doivent rester inchangés pendant la transition.
- Mouvement — ce qui change physiquement entre les deux images, exprimé en termes temporels simples.
- Caméra — comment le point de vue se déplace (ou reste explicitement statique).
- Audio + négatif — les indices sonores natifs, puis les modes de défaillance à supprimer.
Cet ordre correspond à la façon dont le modèle analyse les contraintes : il verrouille d'abord les images, décide ensuite de ce qui bouge, puis de l'emplacement du spectateur, et enfin remplit les sorties non visuelles. Placer l'audio et les négatifs à la fin signifie que les instructions sur le son ou la correction ne perturbent pas le raisonnement visuel.
Pour une équipe d'ingénierie, le bénéfice est la reproductibilité. Un squelette stable signifie que le diff entre deux versions de prompt est lisible : vous avez changé la ligne caméra, pas tout le bloc. Cela signifie aussi que les prompts deviennent des paramètres plutôt que de la prose — vous pouvez les transformer en templates, les versionner et les tester en A/B dans votre pipeline, ce qui est précisément la direction construite dans les sections suivantes.
La longueur est un symptôme, pas un levier. Un prompt de 60 mots écrit dans un ordre fixe vaut mieux qu'un paragraphe de 200 mots empilant des adjectifs au début. Commencez par compresser chacun de vos prompts existants dans ces cinq emplacements, et supprimez tout ce qui n'entre pas dans un emplacement.
Recette de base : squelette de prompt prêt à copier-coller
Voici le squelette standard. Collez-le, remplissez le contenu entre crochets, supprimez les emplacements dont vous n'avez vraiment pas besoin — mais gardez l'ordre.
[FRAME ANCHOR]
Start frame: the provided image, preserved exactly.
End frame: [describe end state, or "none — open-ended continuation"].
Transition: [smooth continuous | single cut-free motion | holds start pose].
[SUBJECT]
[Subject identity + 2-3 invariant details that must not change].
[MOTION]
[What moves, direction, and how far — one sentence per moving element].
[CAMERA]
[Static locked-off shot | slow push-in | left-to-right pan | gentle orbit].
Pace: [slow and even | builds to a faster finish].
[AUDIO]
Ambience: [environment sound].
Music: [feel, not genre-name dropping].
Sync: [what the audio should land on].
[NEGATIVE]
flicker, morphing, warping text, extra limbs, identity drift
Un exemple rempli — plan produit d'une tasse en céramique sur un rebord de fenêtre :
[FRAME ANCHOR]
Start frame: the provided image, preserved exactly.
End frame: same cup, steam gone, light shifted warmer.
Transition: smooth continuous motion, no cuts.
[SUBJECT]
Matte white ceramic cup, thin dark rim, wooden windowsill.
[MOTION]
Steam thins and disappears over the shot; curtain edge drifts slightly.
[CAMERA]
Static locked-off shot, very slow push-in.
Pace: slow and even.
[AUDIO]
Ambience: quiet room tone, faint birds outside.
Music: soft, sparse, low volume.
Sync: birds chirp as steam vanishes.
[NEGATIVE]
flicker, morphing, warping text, extra limbs, identity drift
Exécuté via kling-3.0-omni/image-to-video, cela génère un clip où la tasse reste une tasse, où le changement est clairement identifiable et où l'audio soutient plutôt qu'il ne rivalise. Cela fonctionne parce que chaque proposition ne fait qu'une chose : l'ancrage contraint la géométrie, le sujet protège l'identité, le mouvement est la seule chose autorisée à changer, la caméra est déclarée explicitement plutôt que suggérée, et le négatif agit comme une barrière indépendante.
Gardez deux habitudes : écrivez le mouvement dans l'ordre chronologique (« s'amincit, puis disparaît »), et ne laissez jamais la caméra et le sujet se contredire — si le sujet marche vers la gauche, ne faites pas en même temps une orbite rapide vers la gauche, sauf si vous voulez que l'image perde sa stabilité.
Discipline des emplacements
Chaque emplacement ne doit contenir que sa propre préoccupation. Si vous vous surprenez à écrire « la caméra avance lentement pendant que la vapeur de la tasse se transforme en oiseau », vous avez fusionné caméra et mouvement dans une seule proposition et perdu la capacité de régler l'un indépendamment de l'autre. Séparez-les.
Recette première image et dernière image
L'image-vers-vidéo à deux images est un problème d'interpolation, pas de génération. Le travail du modèle est de trouver un chemin crédible entre deux états fixes. C'est ici que cela échoue lorsque le prompt décrit une scène plutôt qu'une transition — le modèle réinterprète alors le contenu et le point d'arrivée dérive.
Recette : points d'extrémité stricts, invention minimale
À utiliser lorsque les deux images existent et que vous voulez que le modèle les relie littéralement.
Start frame: provided image, preserved exactly.
End frame: provided image, preserved exactly.
The clip must begin on the start frame and end on the end frame.
Do not introduce new subjects or objects. Only intermediate motion.
Transition: continuous, no cuts, no scene change.
Motion: [the single physical change that carries start to end].
Camera: static locked-off shot.
La phrase clé est uniquement un mouvement intermédiaire. Elle indique au modèle que les points d'extrémité sont une contrainte, pas une suggestion. Déclarer une caméra statique retire un autre degré de liberté et rend l'interpolation bien plus stable.
Recette : continuation ouverte
À utiliser lorsque vous n'avez que l'image de départ et souhaitez une extension naturelle.
Start frame: provided image, preserved exactly.
End frame: none — open-ended continuation of the same scene.
Transition: continuous motion, same location, same lighting.
Motion: [primary action], resolving within the clip length.
Camera: [declared move].
Negative: scene change, new location, new characters.
Décrire l'état final sans image de fin
Si vous n'avez pas d'image de fin mais voulez un résultat directionnel, décrivez l'état final en termes d'apparence, pas d'événement : « le liquide est immobile et ne coule plus », « la porte est grande ouverte », « la vapeur a disparu ». Les états d'apparence sont visuellement vérifiables ; les descriptions d'événements (« le personnage décide de partir ») incitent le modèle à inventer une mise en scène.
Deux règles évitent la plupart des échecs de points d'extrémité :
- Déclarez explicitement la permanence de l'image de départ. « préservée exactement » est plus fort que « utilisez l'image comme référence ».
- Gardez le nombre de transitions à un. Si deux choses doivent changer, faites en sorte que l'une mène et l'autre suive, en les écrivant dans l'ordre. Des transitions concurrentes sont lues comme un changement de scène, et le modèle régénère au lieu d'interpoler.
Vocabulaire du mouvement de caméra et du rythme
C'est ici que les prompts vagues s'effondrent le plus souvent en une dérive aléatoire. La solution est de nommer, pour chaque plan, le mouvement, la cible et la vitesse — trois mots.
Mouvements au mappage clair
- Avance — « slow push-in toward [subject], centered. » Prévisible, idéal pour les révélations de produits et de portraits.
- Recul — « slow pull-back revealing [context]. » À utiliser lorsque l'image de départ est un détail.
- Panoramique — « left-to-right pan across [scene], constant speed. » Donnez toujours la direction et la constance.
- Inclinaison — « gentle tilt up from [lower element] to [upper element]. »
- Orbite — « slow orbit around [subject], subject stays centered. » L'orbite est le mouvement qui échoue le plus ; la proposition de centrage empêche le sujet de sortir du cadre.
- Statique — « static locked-off shot, no camera movement. » Écrivez-le même si vous le croyez évident.
Exprimer le rythme sans chiffres invérifiables
Vous n'avez pas besoin de deviner un nombre d'images. Décrivez le rythme avec des adverbes qui correspondent à des temps forts : lent et régulier, constant, accélérant progressivement vers la fin, se stabilisant au dernier moment. Ceux-ci se traduisent en accélérations et décélérations qui s'accordent au rythme des vidéos courtes, sans vous engager sur un instant impossible à mesurer.
Pour le rythme des vidéos courtes, le modèle fiable est un mouvement de caméra par clip. Une avance qui devient panoramique puis orbite se lit comme une bande démo, pas comme un plan. Si vous avez besoin d'un second mouvement, ordonnez-le : « d'abord une lente avance, puis une brève pause ».
Garder caméra et sujet indépendants
Écrivez toujours sur des lignes séparées dans le prompt :
Camera: slow push-in toward the subject.
Pace: slow and even.
Motion: the subject turns slightly toward the camera.
Trois lignes, trois préoccupations. Quand vous les fusionnez — « la caméra avance pendant que le sujet se tourne » — vous perdez la capacité de changer l'un sans perturber l'autre, et une petite modification produit de grandes fluctuations imprévisibles.
Enfin, déclarez le cadrage quand il compte : « medium shot », « close-up », « wide establishing shot ». Le cadrage est une contrainte peu coûteuse qui empêche le modèle de recomposer au milieu du clip.
Indications audio natives
kling-3.0-omni/image-to-video génère un audio natif avec l'image. L'erreur la plus fréquente est de mélanger les descriptions audio dans les phrases de mouvement, ce qui fait lire les indices audio comme des instructions visuelles. Placez l'audio dans son propre bloc, écrit uniquement en termes sonores.
Trois emplacements, toujours dans cet ordre
Ambience: [continuous environment sound].
Music: [feel and density, not track names].
Sync: [what the audio should land on].
L'ambiance est le lit sonore : bruit de fond de pièce, vent, bourdonnement de rue, eau. Décrivez-la comme continue et à faible niveau, sauf si vous voulez qu'elle ressorte.
La musique doit être décrite par sa sensation et sa densité — « clairsemée et douce », « pulsation grave régulière », « lumineuse et légère ». Nommer un genre est moins efficace que décrire la texture, car le modèle doit mapper la phrase à une configuration sonore ; les adjectifs se mappent plus régulièrement que les étiquettes.
La synchronisation est le pont temporel. Nommez un événement visuel et le son qui doit tomber dessus : « un léger clic quand le couvercle se ferme », « des oiseaux chantent quand la vapeur disparaît ». Un ou deux points de synchronisation par clip suffisent. Au-delà, l'audio devient chargé et l'image est tirée vers la correspondance de chaque indice.
Indices efficaces
- Début : « le son commence avec le mouvement » — utile pour les clips coupés.
- Fondu : « l'ambiance s'estompe à la fin » — évite une coupure abrupte.
- Accentuation : « un impact doux quand [l'objet] tombe ».
- Retenue : « pas de musique, uniquement l'ambiance » — un choix légitime et souvent meilleur.
Mélanger sans conflit
Si l'ambiance et la musique coexistent, déclarez une fois leur relation : « ambiance basse, musique en dessous. » Cela coûte une proposition et évite que deux lits sonores se disputent.
Un avertissement : ne décrivez pas l'audio avec des onomatopées ou des noms d'effets sonores. « Whoosh » et « ding » ont des sens ambigus selon le contexte. Décrivez plutôt la source et la caractéristique — « un petit souffle doux quand le tissu se soulève ». Le bloc audio doit se lire comme les notes d'un designer sonore, pas comme une bande dessinée.
Liste de négatifs pour la stabilité
Les négatifs sont une couche de correction, pas un outil créatif. Restez bref, ciblé et prêt à copier-coller. Voici la liste de base, puis le mode de défaillance visé par chaque mot.
flicker, morphing, warping text, extra limbs, identity drift,
scene change, jitter, frame tearing, duplicated objects
Mode de défaillance → terme
- Scintillement de luminosité entre les images →
flicker - Objet qui fond ou fusionne entre les images →
morphing - Enseignes et sous-titres déformés →
warping text - Mains et membres qui se multiplient ou s'effondrent →
extra limbs - Identité du visage ou du produit qui change au milieu du clip →
identity drift - Arrière-plan régénéré en un nouveau lieu →
scene change - Micro-tremblement sur un plan censé être statique →
jitter - Artefacts de bord sur les limites d'image →
frame tearing - Objets dupliqués dus au flou de mouvement →
duplicated objects
Négatifs conditionnels
Ajoutez-les uniquement lorsque la défaillance se produit réellement — une liste de négatifs trop longue dilue l'effet de chaque mot :
- Pour les images riches en texte :
illegible text, scrambled letters - Pour les plans produit :
shape distortion, color shift - Pour les portraits :
asymmetric face, warped eyes - Pour les ralentis :
sudden motion, pop-in
Utiliser la liste comme une check-list
Traitez-la comme une vérification avant vol, pas comme un accessoire du prompt. Avant de lancer un lot de tâches, demandez-vous à quels modes de défaillance votre scène est exposée. Un plan produit statique a besoin de garde-fous contre le scintillement et la déformation de forme ; un sujet en mouvement a besoin des termes d'identité et de membres ; une image contenant du texte a besoin des termes de texte. Pour tout le reste, utilisez la liste de base.
Quand un clip échoue, ne changez qu'une chose — ajoutez un négatif ou resserrez une ligne de mouvement — puis relancez. Modifier cinq négatifs en une fois ne vous dira pas lequel a agi.
Adapter la recette à un pipeline API
Un prompt qui vit dans un notebook ne passe pas à l'échelle. La dernière étape consiste à transformer le squelette en une chaîne templatisée avec des variables, afin que la recette puisse être versionnée, revue et exécutée en lot via l'API HiAPI.
Templatiser le squelette
PROMPT = """[FRAME ANCHOR]
Start frame: the provided image, preserved exactly.
End frame: {end_frame}.
Transition: {transition}.
[SUBJECT]
{subject}
[MOTION]
{motion}
[CAMERA]
{camera}
Pace: {pace}.
[AUDIO]
Ambience: {ambience}.
Music: {music}.
Sync: {sync}.
[NEGATIVE]
{negatives}
"""
Chaque variable est un emplacement de la recette. Le template lui-même ne change jamais — seules les variables changent — ce qui signifie qu'un diff de prompt est un diff d'une ligne, et qu'une régression peut être retracée jusqu'à un emplacement précis.
Stocker la recette comme donnée
Stockez chaque recette sous forme de dictionnaire avec un nom et une version :
recipes = {
"product-static-v2": {
"end_frame": "none — open-ended continuation",
"subject": "matte white ceramic cup, thin dark rim",
"motion": "steam thins and disappears",
"camera": "static locked-off shot, very slow push-in",
"pace": "slow and even",
"ambience": "quiet room tone, faint birds",
"music": "soft, sparse, low volume",
"sync": "birds chirp as steam vanishes",
"negatives": "flicker, morphing, warping text, extra limbs, identity drift",
}
}
Donnez aux noms de version un sens, pas seulement un numéro — product-static-v2 vous dit ce qui a changé ; v2 ne le dit pas. Quand une nouvelle défaillance apparaît, ajoutez une nouvelle version plutôt que de modifier sur place, afin que les anciennes sorties restent reproductibles.
Discipline du batch
- Ne rendez qu'une seule variable à la fois pendant le réglage. Ne lancez en lot qu'une fois la recette stabilisée.
- Enregistrez à chaque sortie la chaîne de prompt remplie. Sans elle, vous ne pouvez pas attribuer un mauvais clip.
- Conservez un socle négatif partagé, que la recette étend, mais ne le remplacez jamais.
Où l'API intervient
La structure de la recette est destinée au modèle, elle peut donc être transmise telle quelle à kling-3.0-omni/image-to-video sur HiAPI : vous envoyez les images d'entrée plus la chaîne de prompt rendue, et l'ordre des sections que vous imposez dans le template est celui que le modèle voit. C'est tout l'intérêt du squelette — il est à la fois une documentation lisible par l'humain et la chaîne exacte utilisée en production.
Commencez avec une seule recette, versionnez-la, et laissez les noms de variables parler. Pour les détails d'endpoint et les noms de paramètres, consultez la documentation de l'API HiAPI.
Articles similaires
Voir tous les articles →-
Guide d'utilisation
Guide de démarrage avec gpt-6.2-sol : limites de capacité, intégration API et tarification par token
Points de décision et de pratique pour l'intégration par les équipes d'ingénierie
-
Guide d'utilisation
Guide de prise en main de gpt-6.2-astra : limites de capacités du modèle texte, points d'intégration et maîtrise des coûts
-
Guide d'utilisation
Guide de prise en main de Tripo H3.1 : trois modes d'entrée, paramètres et choix tarifaires
Décision d'intégration et maîtrise des coûts de la génération 3D pour les développeurs