HiAPI
Blog

Guida all'uso

Casi di prompt per Kling 3.0 Omni: 7 video reali da copiare subito

Una barchetta di carta attraversa text-to-video, reference-to-video e video transformation, più un image-to-video di un porto di pescatori e tre casi con prodotto, personaggio e due soggetti insieme: per ognuno il prompt completo.

Oct 14, 2026
Casi di prompt per Kling 3.0 Omni: 7 video reali da copiare subito

Il punto di forza di Kling 3.0 Omni è che lo stesso soggetto può passare da un ingresso all'altro. Qui sotto una barchetta di carta dimostra i tre ingressi text-to-video, reference-to-video e video transformation: prima una scena in text-to-video, poi un cambio di scena con reference-to-video, poi un cambio di stagione con video transformation; si aggiungono un image-to-video di un porto di pescatori e tre casi di prodotto e coerenza del personaggio. I 7 video qui sotto sono tutti realmente generati su HiAPI, con i prompt riportati così come sono: cliccando «Genera con questo prompt» il modello viene compilato automaticamente nella pagina del modello. I nuovi utenti ricevono 200 crediti alla registrazione, un video 720p da 3 secondi parte da $0.30.

1. Text-to-video: una barchetta di carta in un canale di scolo in una notte di pioggia

Creare la scena da zero, descrivendo bene soggetto, ambiente e movimento di camera.

Text-to-video · 720p · 3 secondi · 16:9 · senza audio · $0.30

A paper boat drifts down a rain-soaked city gutter at dusk, neon signs reflecting and rippling on the water; the camera glides low beside it as raindrops splash around. Cinematic, shallow depth of field, smooth tracking motion.

Genera con questo prompt →

La ripresa dal basso che segue il soggetto (the camera glides low beside it) è la chiave di questo video: con la camera radente all'acqua, i riflessi al neon riempiono l'inquadratura.

2. Reference-to-video: la stessa barchetta di carta spostata in un ruscello nel bosco

Un'immagine della barchetta di carta come primo fotogramma usata come riferimento del soggetto, il video n. 1 come riferimento del movimento di camera: la scena cambia del tutto.

Reference-to-video · 720p · 3 secondi · con video di riferimento · $0.429

The same white paper boat from the reference drifts along a sunlit forest stream at golden hour, leaves floating beside it, camera tracks low alongside it with the same smooth motion as the reference video. Cinematic, shallow depth of field.

Genera con questo prompt →

Nel prompt si specificano "The same ... from the reference" e "the same smooth motion as the reference video": l'immagine di riferimento guida il soggetto, il video di riferimento guida il movimento di camera; in questo video la forma della barchetta e la ripresa dal basso sono rimaste invariate.

3. Video transformation: notte di pioggia in notte di neve

Caricare il video n. 1 così com'è e scrivere solo in cosa deve trasformarsi.

Video transformation · 720p · 3 secondi come il video originale · $0.429

Transform the scene into a snowy winter night: the gutter becomes a frozen stream with drifting snowflakes, the paper boat becomes a small glowing paper lantern boat, keep the exact camera motion and water movement from the original video. Cinematic, cold blue tones.

Genera con questo prompt →

L'ultima frase "keep the exact camera motion and water movement" conserva il movimento di camera e il corso d'acqua del video originale, cambiando solo stagione, luce e materiale della barchetta.

4. Image-to-video: un porto di pescatori nella nebbia mattutina

Una foto statica come primo fotogramma; nel prompt si scrive solo cosa succede dopo.

Image-to-video · 720p · 3 secondi · primo fotogramma · $0.30

Morning fog slowly lifts over the harbor as the fishing boats rock gently on the water; the low sun breaks through the haze and glints on the wet pier, camera slowly pushes in along the dock. Cinematic, calm, photorealistic.

Genera con questo prompt →

Con image-to-video non serve ripetere ciò che è già nell'immagine: lo spazio va lasciato ad azioni come "la nebbia si dirada, le barche ondeggiano, la camera avanza".

5. Scena di prodotto: bloccare un flacone di siero

Due foto dello stesso flacone di siero da angolazioni diverse vanno in image_urls; quando la camera si avvicina, il flacone, il contagocce nero e il vetro ambrato restano invariati.

Reference-to-video · 1080p · 5 secondi · senza audio · $0.645

Cinematic skincare product reveal. The camera slowly dollies in on the amber glass serum bottle from the reference images, standing on a round white marble pedestal, soft diffused studio light from the upper left, faint volumetric haze behind it. A single droplet of golden serum slowly forms and hangs at the tip of the black dropper. Shallow depth of field, premium commercial look, gentle highlights sliding across the amber glass as the camera eases in.

Genera con questo prompt →

6. Scena con personaggio: la stessa mascotte in un'altra scena

Due immagini, una frontale e una di tre quarti: la mascotte in un caffè saluta e inclina la testa, con la visiera verde menta, gli occhi rotondi e il pulsante sulla pancia ben visibili.

Reference-to-video · 1080p · 5 secondi · senza audio · $0.645

The matte-white robot mascot from the reference images stands in a cozy sunlit cafe with a warm morning glow from a window behind it. It gives a cheerful little wave with one arm, tilts its head, and its antenna bobs gently. Smooth friendly motion, soft bokeh of wooden cafe shelves in the background, a slow gentle camera push-in, wholesome animated-film look.

Genera con questo prompt →

7. Due soggetti nella stessa inquadratura: la mascotte presenta il siero

Quando vanno bloccati entrambi i soggetti, si nominano separatamente con elements e si scrivono @mascot e @serum nel prompt:

"elements": [
  {"name": "mascot", "description": "Small matte-white rounded robot mascot with soft mint-green accents ...", "element_input_urls": ["ref-mascot-01.jpg", "ref-mascot-02.jpg"]},
  {"name": "serum", "description": "Amber glass skincare serum bottle with a black rubber-bulb glass dropper cap", "element_input_urls": ["serum-1.jpg", "serum-2.jpg"]}
]

Reference-to-video · 1080p · 6 secondi · senza audio · $0.774

A clean, playful product commercial. @mascot stands beside a round white marble pedestal and gestures with one arm toward @serum resting on top of it, presenting it to the viewer. @mascot glances at the bottle, then turns to look at the camera. Soft diffused studio light, pale mint seamless background, a slow gentle camera push-in, premium yet friendly brand-ad look.

Genera con questo prompt →

La richiesta completa (con gli URL delle immagini di riferimento) è nella versione inglese Kling 3.0 Omni Reference-to-Video Prompt Recipes.

Come scrivere prompt più affidabili?

  • L'identità alle immagini di riferimento, l'azione al prompt: l'aspetto del soggetto dipende dalle immagini; nel prompt si scrivono solo camera, azione e ambiente.
  • I verbi di camera all'inizio: dolly-in, tracks low, pulls back: prima la camera, poi i dettagli.
  • Per la transformation scrivere solo le differenze: nel video transformation si scrive "in cosa si trasforma" e "cosa si conserva", senza ridescivere il video originale.

Domande frequenti

I prompt vanno scritti in inglese?

No, vanno bene sia in cinese sia in inglese. Qui è riportato il testo originale usato per la generazione, così puoi riprodurre le stesse immagini.

Quanto costa riprodurre tutti e 7 i video?

Con i parametri indicati sopra, in totale $3.522. Conviene provare prima a 720p e 3–5 secondi, poi passare a 1080p quando il risultato convince.

Quante immagini di riferimento servono?

image_urls almeno 1; in elements 2–4 immagini dello stesso soggetto da angolazioni diverse per ogni soggetto. Immagini di riferimento e soggetti insieme sono al massimo 7, oppure al massimo 4 con un video di riferimento.

Partire dal n. 1 è la soluzione più economica: genera la barchetta di carta nella notte di pioggia →, 720p 3 secondi $0.30. Per il codice di integrazione vedi Kling 3.0 Omni API 中文教程.

Inizia a creare con artefatti IA persistenti

Ottieni la tua chiave API e chiama modelli di immagini, video e audio tramite un'unica API basata sui task.

Leggi la documentazione API