Ricette di prompt per la generazione video da testo Kling 4.0 per sviluppatori

Perché la struttura del prompt conta più delle parole

La maggior parte dei team parte dalle parole. Ritoccano aggettivi, sostituiscono sinonimi, sperando che il prossimo rendering vada meglio. Funziona per una singola clip, ma non appena si entra in una pipeline API — dove lo stesso prompt deve produrre risultati coerenti su decine o centinaia di richieste — questo approccio fallisce completamente.

Le parole sono un dettaglio superficiale. La struttura è la chiave per rendere l'output prevedibile.

Quando chiami kling-4.0/text-to-video, il modello riceve una stringa. All'interno di questa stringa, il modello deve risolvere contemporaneamente diverse decisioni indipendenti: qual è il soggetto, com'è l'ambiente, come si muove la camera e quanta narrazione può contenere la durata richiesta. Se queste decisioni sono intrecciate in una frase fluida, non puoi capire quale frase ha causato un rendering scadente, né puoi regolare una dimensione senza interferire con le altre.

I prompt strutturati separano queste decisioni in slot stabili. Questo porta tre vantaggi pratici:

• Isolamento. Quando la camera non è quella giusta, cambi solo lo slot camera. La descrizione della scena resta invariata, quindi il tuo confronto ha senso.
• Riutilizzabilità. Lo stesso blocco scena può essere combinato con diversi blocchi camera in un batch, ed è così che si esplorano varianti a basso costo.
• Diagnosticabilità. Quando dopo una modifica al modello o ai parametri si verifica una regressione nell'output, puoi confrontare le versioni del prompt invece di tirare a indovinare.

C'è una seconda ragione per cui la struttura vince: l'iterazione nella generazione video è costosa. Ogni rendering consuma tempo e budget, e non puoi vedere gli stati intermedi. Poiché vedi solo la clip finale, il prompt è di fatto la tua unica interfaccia di debug. Un prompt che si legge come una specifica ti dà qualcosa su cui ragionare; uno che si legge come una poesia no.

Infine, i prompt strutturati sopravvivono al passaggio di consegne. Una ricetta che un compagno di squadra può leggere, compilare e versionare è un asset. Un prompt ingegnoso e irripetibile vive nel file di bozze di qualcuno e lì muore.

Ecco perché le ricette in questa guida sono organizzate attorno a uno scheletro, non a un elenco di frasi magiche. Le frasi contano, ma solo se inserite in una forma che puoi controllare.

Lo scheletro centrale del prompt

Ogni ricetta in questa guida è il riempimento dello stesso template in quattro parti. Mantieni l'ordine stabile, così i tuoi diff restano leggibili.

[SOGGETTO] + [SCENA] + [CAMERA] + [RITMO]

Ecco cosa dovrebbe contenere ogni slot:

Soggetto

Chi o cosa riguarda la clip, con uno o due dettagli fisici che devono mantenersi in movimento. Sii specifico e visivo. "Una donna con un impermeabile fradicio di pioggia" è meglio di "una persona misteriosa". Evita etichette emotive astratte; il modello renderizza corpi e oggetti, non intenzioni.

Scena

Ambiente, illuminazione e ora del giorno. Qui sta la qualità cinematografica. Specifica la direzione e la qualità della luce, non parole emotive. "Luce solare a basso angolo che filtra da sinistra dell'inquadratura, ombre dure, polvere nell'aria" dice al modello molto più di "illuminazione drammatica".

Camera

Inquadratura più movimento, dichiarati come proposizione separata. Poiché è uno slot indipendente, puoi sostituirlo in blocco. Un campo lungo fisso e un lento avvicinamento condividono lo stesso soggetto e la stessa scena, ma producono clip completamente diverse.

Ritmo

Cosa dovrebbe succedere nella clip, in linea con la durata richiesta. Le clip brevi supportano un singolo beat; quelle più lunghe possono contenere un piccolo arco narrativo.

Ecco un esempio compilato:

SOGGETTO: un ciclista solitario con un giubbotto antivento scuro, gocce d'acqua sul casco
SCENA: strada costiera deserta all'alba, cielo coperto, asfalto bagnato che riflette una luce grigia
CAMERA: campo lungo, lento carrello laterale a passo d'uomo
RITMO: singola azione continua, il ciclista pedala costantemente, nessun taglio

Appiattito in un'unica stringa di richiesta inviata a kling-4.0/text-to-video:

Un ciclista solitario con un giubbotto antivento scuro, gocce d'acqua sul casco, su una strada costiera deserta all'alba, cielo coperto, asfalto bagnato che riflette una luce grigia. Campo lungo, lento carrello laterale a passo d'uomo. Singola azione continua, il ciclista pedala costantemente, nessun taglio.

Due convenzioni fanno funzionare questo scheletro nella pratica. Primo, usa punti, non virgole, tra gli slot. Questo dà al prompt un ritmo naturale, separando le decisioni. Secondo, non lasciare mai uno slot vuoto per errore. Se non ti interessa la camera, scrivi comunque una scelta esplicita, come "campo medio statico", così il modello non improvvisa.

Tratta lo scheletro come un contratto. Quando lo cambi, fallo deliberatamente e incrementa il numero di versione del prompt.

Ricette di formulazione per scene cinematografiche

L'output cinematografico deriva da descrizioni concrete di luce e spazio, non da aggettivi che suonano cinematografici. I seguenti modelli sostituiscono parole emotive con fatti fisici.

Ricetta: illuminazione direzionale

SCENA: officina interna di notte, singola lampada calda in alto a destra che proietta lunghe ombre su un banco disordinato, polvere visibile nel fascio di luce, sfondo scuro che sprofonda nel nero

Nota cosa funziona: la fonte di luce, la direzione, la qualità e ciò che la luce rivela. "Calda" e "notte" impostano la tonalità; "in alto a destra" fissa la geometria; "polvere visibile nel fascio" aggiunge profondità. Sostituisci la lampada con una finestra e lo stesso scheletro produce una scena diversa senza modificare soggetto o camera.

Ricetta: profondità ambientale

SCENA: vicolo stretto dopo la pioggia, pozzanghere in primo piano con riflessi, scala antincendio e cavi sospesi a metà piano, foschia di un lampione in lontananza sullo sfondo, palette blu-grigio fredda

Stratificare esplicitamente primo piano, piano intermedio e sfondo dà al modello una mappa di profondità. Riduce anche le immagini intermedie confuse che compaiono quando il prompt descrive solo un piano.

Ricetta: azione del soggetto con texture

SOGGETTO: uno chef con un grembiule bianco, farina sparsa sugli avambracci, mani che lavorano la pasta
RITMO: movimento continuo di impastamento, farina che si solleva a ogni pressione, nessun taglio

Descrivi l'azione come un ciclo fisico che il modello può mantenere costantemente. Un'azione continua e ripetibile è più coerente per tutta la clip di un evento singolo — che il modello potrebbe completare in anticipo e poi restare a vuoto.

Ricetta: meteo e atmosfera

SCENA: tetto di un edificio in città al crepuscolo, nebbia sottile che attraversa l'inquadratura, vento che spinge tessuti larghi, skyline lontano ammorbidito dalla foschia, basso contrasto, desaturato

L'atmosfera dovrebbe essere descritta come qualcosa che si muove, perché il video premia gli indizi di movimento. Nebbia, vento, pioggia e particelle fluttuanti danno tutti una texture continua all'immagine.

Anti-pattern da evitare

• Accumulo di aggettivi. "Epico, sbalorditivo, cinematografico, bellissimo" non aggiungono alcuna informazione che il modello possa renderizzare.
• Parole di camera mescolate alla scena. Tieni "lento dolly" fuori dallo slot scena, così puoi regolarlo separatamente.
• Contraddizioni. "Scena notturna luminosa" viene interpretata in modo imprevedibile. Scegli uno schema di illuminazione e mantienilo.
• Troppi soggetti. Ogni personaggio o oggetto aggiunto compete per l'attenzione del modello, aumentando la probabilità che uno di essi risulti deformato.

Ricette per il controllo di camera e inquadratura

La camera è lo slot con la leva più alta, perché cambia la sensazione della clip senza cambiarne il contenuto. Tienila isolata per poterla sostituire nei batch.

Vocabolario delle inquadrature

Ogni proposizione camera inizia con un'inquadratura: campo lunghissimo, campo lungo, campo medio, primo piano, primissimo piano. Questa singola parola determina quanto il soggetto occupa l'inquadratura e quanto l'ambiente è visibile.

CAMERA: primo piano medio, cavalletto statico

Ricette di movimento

Ognuna delle seguenti è una proposizione camera sostituibile direttamente:

CAMERA: campo lungo, lento avvicinamento verso il soggetto
CAMERA: campo medio, carrello laterale a sinistra a passo d'uomo
CAMERA: primo piano, lenta deriva a mano con leggera instabilità
CAMERA: campo lungo, statico, il soggetto attraversa l'inquadratura
CAMERA: campo medio, lenta inclinazione verso l'alto dalle mani al viso

La disciplina chiave è un solo movimento per proposizione. Combinare avvicinamento, inclinazione e rollio nella stessa richiesta di solito produce risultati confusi, perché il modello deve fondere piani di movimento in conflitto.

Modificatori di velocità

Per la qualità percepita, la velocità del movimento conta più della direzione. Usa modificatori semplici: lento, costante, passo d'uomo, graduale. Evita velocità numeriche, perché non si traducono in modo affidabile nel piano di movimento del modello.

A mano vs stabilizzato

Se vuoi il realismo documentaristico, scrivi esplicitamente "a mano, leggera instabilità". Se vuoi la lucentezza di livello commerciale, scrivi "stabilizzato, movimento fluido". Non specificarlo è una delle cause più comuni di clip che sembrano sbagliate senza un motivo evidente.

Sostituire la camera nei batch

Poiché la camera è uno slot indipendente, puoi mantenere soggetto, scena e ritmo invariati e generare confronti controllati. Costruisci un piccolo array di proposizioni camera, ciclalo, e tieni tutto il resto fisso:

cameras = [
    "campo lungo, cavalletto statico",
    "campo medio, lento avvicinamento",
    "primo piano, a mano con leggera deriva",
]
for cam in cameras:
    prompt = f"{subject}. {scene}. {cam}. {pacing}."
    # invia il prompt a kling-4.0/text-to-video

L'insieme di output ti dice quale composizione funziona meglio per quel contenuto, e il confronto è onesto perché hai mosso solo una variabile.

Ricette per durata e ritmo

Il dettaglio del prompt deve corrispondere alla lunghezza della clip. Un prompt che descrive tre beat in una clip breve produrrà risultati affrettati e glitchati. Un prompt che scrive solo una piccola azione in una clip lunga produrrà tempo morto.

Clip brevi: un beat

Per durate più corte, descrivi una singola azione continua, senza progressione narrativa.

RITMO: un gesto continuo, il soggetto gira lentamente la testa verso la luce, nient'altro cambia

Rimuovi qualsiasi cosa implichi una sequenza. Parole come "poi", "dopo" e "infine" inducono il modello a comprimere gli eventi e a perdere coerenza.

Clip medie: un'azione più movimento ambientale

Aggiungi movimento ambientale, non una seconda azione del soggetto.

RITMO: il soggetto resta fermo a respirare, il tessuto si sposta nel vento, fumo sullo sfondo che va alla deriva continuamente

Il movimento ambientale riempie il tempo senza richiedere al modello di orchestrare nuovi eventi.

Clip più lunghe: un piccolo arco

Se la tua durata lo supporta, puoi descrivere lo stato iniziale e quello finale. Mantieni due beat e rendi la transizione fisica.

RITMO: il soggetto inizia voltato di spalle, si gira lentamente verso la camera, l'espressione si assesta in uno sguardo neutro alla fine

Dichiara il punto di partenza, il movimento e il punto di arrivo. Questo dà al modello una traiettoria da interpolare, invece di una durata vuota da riempire.

Abbinare parole e secondi

Come regola empirica, ogni beat descrive un'azione fisica; per le clip brevi, budget approssimativamente un beat. Se ti ritrovi a scrivere più di due frasi nella sezione ritmo, o la clip è abbastanza lunga da contenere un arco, oppure hai specificato troppo.

Errori comuni di ritmo

• Tagli impliciti. "Inquadratura uno, poi inquadratura due" raramente funziona; una singola generazione è un'unica ripresa continua.
• Parlare e muoversi. Dialogo più movimento complesso è una combinazione difficile. Propendi per uno dei due.
• Cambiamenti temporali. Un tramonto all'interno della clip è difficile da controllare; scegli uno stato di illuminazione e mantienilo.
• Coreografia di folla. Più figure che si muovono in modo indipendente degradano rapidamente. Tratta la folla come texture, non come attori.

Testare le ricette nella pipeline

Le ricette di prompt sono codice. Dovrebbero essere versionate, testate e registrate come il codice.

Versionare i prompt come asset

Memorizza ogni ricetta in un file, con un identificatore di versione e gli slot compilati. Non seppellirle come stringhe nella logica dell'applicazione. Quando modifichi una frase, quella è una nuova versione; la vecchia resta disponibile per confronti e rollback.

{
  "id": "cyclist_coastal_v3",
  "subject": "un ciclista solitario con un giubbotto antivento scuro...",
  "scene": "strada costiera deserta all'alba...",
  "camera": "campo lungo, lento carrello laterale...",
  "pacing": "singola azione continua..."
}

Eseguire piccoli batch di confronto

Prima di promuovere una ricetta in produzione, genera un piccolo batch — poche varianti, non centinaia. Cambia un solo slot alla volta. Valuta gli output sulle dimensioni che ti interessano: fedeltà del soggetto, stabilità del movimento, composizione e quanto bene la clip riempie la durata. Promuovi il vincitore e registra la decisione.

Registrare prompt, parametri e output insieme

Ogni richiesta dovrebbe scrivere un record contenente la versione del prompt, gli slot compilati, i parametri della richiesta, l'identificatore dell'output e il tuo punteggio di qualità. Quando in seguito si verifica una regressione, quel log è la differenza tra una diagnosi in cinque minuti e una giornata di supposizioni.

log = {
    "prompt_id": recipe["id"],
    "prompt": flattened_prompt,
    "params": {"prompt": flattened_prompt},
    "output": response_id,
    "score": manual_score,
}

Mantenere un set di regressione

Una volta che una ricetta è in produzione, conserva un piccolo set congelato di prompt e dei loro output accettati. Dopo qualsiasi modifica al modello o ai parametri, riesegui quel set e confronta. Questo cattura la deriva silenziosa prima che gli utenti la scoprano.

Un semplice ciclo di promozione

Abbozza la ricetta dallo scheletro, compila gli slot, esegui un piccolo batch di alternative per uno slot, assegna un punteggio, quindi promuovi il vincitore come asset versionato con log completo. Ripeti man mano che le esigenze dei contenuti cambiano.

Trattando ogni ricetta come un artefatto testabile, la pipeline smette di essere una slot machine. Puoi iniziare dall'endpoint kling-4.0/text-to-video e costruire la tua libreria versionata sopra di esso.