Guida all'uso
Ricette di prompt per il video da immagine di Kling 3.0 Omni: modelli copia-incolla per sviluppatori
Struttura primo/ultimo frame, formule per il movimento di camera, segnali audio nativi e lista negativa per la stabilità — con clip realmente generate
In questa pagina
Perché la struttura del prompt conta più della lunghezza
La maggior parte dei prompt di video da immagine fallisce non perché sono troppo corti, ma perché non hanno un ordine. Un testo che mescola descrizione del soggetto, intenzione di camera, atmosfera audio e istruzioni di correzione non offre al modello una mappatura deterministica dal testo al movimento. Quando la clip generata va storta, non riesci a capire quale frase l'ha causato — quindi non puoi correggerla, puoi solo rigenerare.
La soluzione praticabile è la disciplina per sezioni. Tratta il prompt come un contratto fisso in cinque blocchi, sempre nello stesso ordine:
- Ancoraggio ai frame — quale immagine è il frame iniziale, quale è quello finale e quanto è rigido questo vincolo.
- Soggetto — chi o cosa è nell'inquadratura e quali dettagli identitari devono restare invariati durante la transizione.
- Movimento — cosa cambia fisicamente tra i due frame, espresso in termini temporali semplici.
- Camera — come si sposta il punto di vista (o se resta esplicitamente fermo).
- Audio + negativi — i segnali sonori nativi, poi le modalità di errore da sopprimere.
Quest'ordine coincide con il modo in cui il modello interpreta i vincoli: prima blocca i frame, poi decide cosa si muove, poi dove si trova lo spettatore e infine riempie l'output non visivo. Mettere audio e negativi alla fine significa che le istruzioni su suono o correzioni non interferiscono con il ragionamento visivo.
Per i team di ingegneria il vantaggio è la riproducibilità. Uno scheletro stabile significa che il diff tra due versioni di un prompt è leggibile: hai modificato la riga della camera, non l'intero blocco. Significa anche che i prompt diventano parametri anziché prosa — puoi modularli, versionarli e testarli A/B nella pipeline, ed è proprio la direzione che costruiscono le sezioni successive.
La lunghezza è un sintomo, non la leva. Un prompt di 60 parole scritto in ordine fisso batte un paragrafo di 200 parole con gli aggettivi ammucchiati in testa. Comprimi prima ogni prompt esistente in questi cinque slot ed elimina tutto ciò che non entra.
Ricetta base: lo scheletro di prompt copia-incolla
Ecco lo scheletro standard. Incollalo, riempi le parentesi quadre, elimina gli slot di cui davvero non hai bisogno — ma mantieni l'ordine.
[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 esempio compilato — ripresa prodotto di una tazza di ceramica sul davanzale:
[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
Eseguendolo con kling-3.0-omni/image-to-video si ottiene una clip in cui la tazza resta una tazza, il cambiamento è chiaramente percepibile e l'audio supporta invece di competere. Funziona perché ogni clausola fa una sola cosa: l'ancoraggio vincola la geometria, il soggetto protegge l'identità, il movimento è l'unica cosa autorizzata a cambiare, la camera è dichiarata esplicitamente invece che implicata, e il negativo agisce come cancello separato.
Mantieni due abitudini: scrivi il movimento in ordine cronologico ("si assottiglia, poi svanisce") e non far mai combattere camera e soggetto — se il soggetto cammina verso sinistra, non orbitare rapidamente verso sinistra nello stesso momento, a meno che tu non voglia far perdere stabilità all'inquadratura.
Disciplina degli slot
Ogni slot dovrebbe contenere solo la propria preoccupazione. Se ti ritrovi a scrivere "la camera si avvicina lentamente mentre il vapore della tazza si trasforma in un uccello", hai fuso camera e movimento in un'unica clausola e perso la capacità di regolare l'una indipendentemente dall'altro. Separameli.
Ricetta primo frame e ultimo frame
Il video da immagine con due frame è un problema di interpolazione, non di generazione. Il compito del modello è trovareun percorso credibile tra due stati fissi. Fallisce qui quando il prompt descrive una scena invece di una transizione — il modello reinterpreta allora il contenuto e il punto finale va alla deriva.
Ricetta: estremi rigidi, minima invenzione
Usala quando esistono entrambi i frame e vuoi che il modello li colleghi letteralmente.
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 frase chiave è solo movimento intermedio. Dice al modello che gli estremi sono un vincolo, non un suggerimento. Dichiarare una camera statica rimuove un altro grado di libertà e rende l'interpolazione molto più stabile.
Ricetta: continuazione aperta
Usala quando hai solo il frame iniziale e vuoi un'estensione naturale.
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.
Descrivere lo stato finale senza immagine di chiusura
Se non hai un frame finale ma vuoi un esito direzionale, descrivi lo stato finale in termini di aspetto, non di evento: "il liquido è fermo e non scorre più", "la porta è completamente aperta", "il vapore è svanito". Gli stati di aspetto sono verificabili visivamente; le descrizioni di eventi ("il personaggio decide di andarsene") inducono il modello a inventare una messa in scena.
Due regole prevengono la maggior parte dei fallimenti sugli estremi:
- Dichiara esplicitamente la permanenza del frame iniziale. "Conservato esattamente" è più forte di "usa l'immagine come riferimento".
- Mantieni il numero di transizioni a uno. Se due cose devono cambiare, fai guidare una e seguire l'altra, scrivendole in sequenza. Transizioni concorrenti vengono lette come cambio di scena e il modello rigenera invece di interpolare.
Formule per movimento di camera e ritmo
È qui che i prompt ambigui collassano più spesso in una deriva casuale. La soluzione è nominare per ogni inquadratura il movimento, il bersaglio e la velocità — tre parole.
Movimenti dalla mappatura chiara
- Push-in — "slow push-in toward [subject], centered." Prevedibile, ideale per rivelazioni di prodotto e ritratti.
- Pull-back — "slow pull-back revealing [context]." Da usare quando il frame iniziale è un dettaglio.
- Pan — "left-to-right pan across [scene], constant speed." Indica sempre direzione e costanza.
- Tilt — "gentle tilt up from [lower element] to [upper element]."
- Orbita — "slow orbit around [subject], subject stays centered." L'orbita è il movimento che fallisce più facilmente; la clausola di centratura impedisce al soggetto di uscire dall'inquadratura.
- Statico — "static locked-off shot, no camera movement." Scrivilo anche se pensi che sia ovvio.
Esprimere il ritmo senza numeri non verificabili
Non devi indovinare i numeri di frame. Descrivi il ritmo con avverbi mappati sul battito: lento e uniforme, costante, che accelera gradualmente verso la fine, che si assesta all'ultimo istante. Questi si traducono in accelerazioni e decelerazioni adatte al ritmo dei video brevi, senza che tu debba impegnarti su un istante temporale non misurabile.
Per il ritmo dei video brevi, il modello affidabile è un movimento di camera per clip. Un push-in che diventa pan e poi orbita si legge come una demo reel, non come un'inquadratura. Se ti serve un secondo movimento, mettilo in sequenza: "prima un lento push-in, poi una breve pausa" .
Tenere camera e soggetto indipendenti
Nel prompt scrivili sempre su righe separate:
Camera: slow push-in toward the subject.
Pace: slow and even.
Motion: the subject turns slightly toward the camera.
Tre righe, tre preoccupazioni. Quando le unisci — "la camera si avvicina mentre il soggetto si gira" — perdi la capacità di cambiare una senza disturbare l'altra e piccole modifiche producono grandi fluttuazioni imprevedibili.
Infine, dichiara l'inquadratura quando conta: "medium shot", "close-up", "wide establishing shot". La scala dell'inquadratura è un vincolo economico che impedisce al modello di ricomporre a metà clip.
Suggerimenti per l'audio nativo
kling-3.0-omni/image-to-video genera audio nativo insieme al video. L'errore più comune è mescolare la descrizione audio nella frase del movimento, facendo leggere i segnali audio come istruzioni visive. Metti l'audio nel proprio blocco, scritto solo con termini sonori.
Tre slot, sempre in quest'ordine
Ambience: [continuous environment sound].
Music: [feel and density, not track names].
Sync: [what the audio should land on].
Ambiente è il letto sonoro: rumore di fondo della stanza, vento, brusio della strada, acqua. Descrivilo come continuo e a basso livello, a meno che tu non voglia che emerga.
Musica va descritta per sensazione e densità — "sparsa e leggera", "impulso basso costante", "brillante e ariosa". Nominare un genere è più debole che descrivere la texture, perché il modello deve mappare la frase su una configurazione sonora; gli aggettivi si mappano più coerentemente delle etichette.
Sync è il ponte temporale. Nomina un evento visivo e il suono che deve cadere su di esso: "un leggero clic quando il coperchio si chiude", "canto di uccelli mentre il vapore svanisce". Uno o due punti di sync per clip bastano. Oltre, l'audio diventa affollato e l'immagine viene tirata per corrispondere a ogni segnale.
Segnali efficaci
- Avvio: "il suono inizia insieme al movimento" — utile per le clip che partono in azione.
- Dissolvenza: "l'ambiente sfuma in uscita alla fine" — evita troncamenti bruschi.
- Enfasi: "un leggero impatto quando [oggetto] cade".
- Sottrazione: "nessuna musica, solo ambiente" — un'opzione legittima e spesso migliore.
Mescolare senza conflitti
Se ambiente e musica coesistono, dichiara una volta la loro relazione: "ambiente basso, musica sotto di esso". Costa una clausola e impedisce ai due letti sonori di combattere.
Un avvertimento: non descrivere l'audio con onomatopee o nomi di effetti sonori. "Whoosh" e "ding" sono ambigui in contesti diversi. Descrivi invece sorgente e carattere — "un piccolo soffio morbido quando il tessuto si solleva". Il blocco audio dovrebbe leggersi come le note di un sound designer, non come un fumetto.
Lista negativa per la stabilità
I negativi sono uno strato di correzione, non uno strumento creativo. Tienili brevi, mirati e copia-incolla. Ecco la lista di base, poi la modalità di errore a cui punta ogni termine.
flicker, morphing, warping text, extra limbs, identity drift,
scene change, jitter, frame tearing, duplicated objects
Modalità di errore → termine
- Sfarfallio di luminosità tra i frame →
flicker - Oggetti che si sciolgono o si fondono tra i frame →
morphing - Insegne e sottotitoli distorti →
warping text - Mani e arti che si moltiplicano o collassano →
extra limbs - Volto o identità del prodotto che cambia a metà clip →
identity drift - Sfondo rigenerato come un nuovo luogo →
scene change - Micro-vibrazioni in un'inquadratura che dovrebbe essere statica →
jitter - Artefatti sui bordi dei frame →
frame tearing - Oggetti duplicati causati dal motion blur →
duplicated objects
Negativi condizionali
Aggiungili solo quando il fallimento si verifica davvero — una lista negativa troppo lunga diluisce l'effetto di ogni termine:
- Per frame ricchi di testo:
illegible text, scrambled letters - Per riprese di prodotto:
shape distortion, color shift - Per ritratti:
asymmetric face, warped eyes - Per slow motion:
sudden motion, pop-in
Usare la lista come checklist
Trattala come un controllo pre-volo, non come un accessorio del prompt. Prima di lanciare un batch di attività, chiediti a quali modalità di errore è esposto il tuo scenario. Una ripresa statica di prodotto richiede protezioni per flicker e shape distortion; un soggetto in movimento richiede termini per identity drift e arti; i frame con testo richiedono i termini testuali. Per tutto il resto usa la lista di base.
Quando una clip fallisce, cambia una sola cosa — aggiungi un negativo o stringi una riga di movimento — poi esegui di nuovo. Modificare cinque negativi in blocco non ti dice quale ha funzionato.
Adattare la ricetta a una pipeline API
Un prompt che vive in un notebook non scala. L'ultimo passaggio è trasformare lo scheletro in una stringa modello con variabili, così che le ricette possano essere versionate, revisionate ed eseguite in batch tramite l'API di HiAPI.
Modellare lo scheletro
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}
"""
Ogni variabile è uno slot della ricetta. Il modello in sé non cambia mai — cambiano solo le variabili — il che significa che il diff del prompt è un diff di una riga e una regressione è riconducibile a uno slot specifico.
Salvare le ricette come dati
Memorizza ogni ricetta come dizionario con nome e versione:
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",
}
}
I nomi di versione devono essere significativi, non solo numeri — product-static-v2 ti dice cosa è cambiato; v2 no. Quando emerge un nuovo errore, aggiungi una nuova versione invece di modificare sul posto, così gli output precedenti restano riproducibili.
Disciplina nel batch
- Renderizza una sola variabile alla volta durante il tuning. Esegui in batch solo dopo che la ricetta si è stabilizzata.
- Registra la stringa del prompt compilata a ogni output. Senza di essa non puoi attribuire una clip difettosa.
- Mantieni una base negativa condivisa, lascia che le ricette la estendano, mai che la sostituiscano.
Dove si inserisce l'API
La struttura della ricetta è rivolta al modello, quindi può passare integralmente a kling-3.0-omni/image-to-video su HiAPI: invii gli input dei frame più la stringa di prompt renderizzata, e l'ordine delle sezioni che imponi nel template è l'ordine che il modello vede. È questo il senso dello scheletro — è allo stesso tempo documentazione leggibile per umani e la stringa esatta in produzione.
Parti da una ricetta, versionala, lascia parlare i nomi delle variabili. Per i dettagli sugli endpoint e i nomi dei parametri, consulta la documentazione dell'API di HiAPI.
Articoli correlati
Vedi tutti gli articoli →-
Guida all'uso
Guida introduttiva a gpt-6.2-sol: limiti delle capacità, integrazione API e note sui prezzi per token
Punti decisionali e pratici per l'integrazione rivolti ai team di ingegneria
-
Guida all'uso
Guida introduttiva a gpt-6.2-astra: confini delle capacità del modello testuale, punti di integrazione e controllo dei costi
-
Guida all'uso
Guida introduttiva a Tripo H3.1: come scegliere tra tre modalità di input, parametri e prezzi
Guida pratica per sviluppatori: decisioni di integrazione e controllo dei costi nella generazione 3D