Receitas de prompts de imagem para vídeo do Kling 3.0 Turbo: prompts prontos para copiar e saídas reais

Resumo

• O que é este artigo: quatro receitas de prompts de imagem para vídeo kling-3.0-turbo prontas para copiar, cada uma mostrando o quadro inicial de entrada, o prompt de movimento exato e o clipe real gerado na API de verdade — saída original da primeira versão, sem esconder nenhuma nova tentativa.
• Cobertura: órbita de produto para e-commerce, micro-animação de retrato vertical 9:16, instante de ação congelado continuado com física verossímil e a clássica paisagem em foto viva.
• Fatos do modelo (verificados contra a API de tarefas ao vivo): a entrada é prompt + image_urls (exatamente uma URL de imagem pública) + duration (inteiro 3–15 segundos) + resolution (720p/1080p). Não há campo aspect_ratio — a saída segue o seu quadro de entrada, então um quadro estático 9:16 gera um vídeo 9:16.
• Preço (por segundo de saída, da página de preços): $0.13/s em 720p, $0.16/s em 1080p — a mesma tarifa uniforme da versão texto para vídeo. Um clipe de 5 segundos custa $0.65; um teste de 3 segundos custa $0.39.
• Áudio: os clipes retornam com uma faixa de ambiente nativa — ative o som na reprodução.

Texto para vídeo vs. imagem para vídeo: quando começar a partir de um quadro

Texto para vídeo é uma loteria de composição: você descreve uma cena e aceita o enquadramento que o modelo der. Imagem para vídeo elimina essa variável. Você trava composição, sujeito, iluminação e percepção de marca em uma imagem estática — algo que pode dirigir artisticamente ou fotografar de verdade — e então dedica o prompt inteiro ao movimento: o que se move, quão rápido, e o que a câmera faz.

Isso muda como você escreve. Um prompt de imagem para vídeo não deve redescrever o que já está na cena; o modelo consegue vê-la. As receitas abaixo seguem uma regra: referencie o conteúdo da imagem e descreva apenas o que muda — o trajeto da câmera, as ações do sujeito, o movimento do ambiente e o que deve permanecer imóvel.

Cada exemplo mostra o quadro de entrada real e o clipe que ele gerou, com o prompt exato no meio. Gerei esses quadros com gpt-image-2, então o fluxo inteiro é reproduzível via API, mas qualquer imagem que você tenha serve — foto de produto, still de filmagem, render.

Receita 1 — E-commerce: órbita de produto a partir de uma foto de estúdio (16:9)

Objetivo: transformar uma foto estática de produto em um clipe de vitrine com movimento de câmera limpo — o caso de uso de imagem para vídeo de maior alavancagem para uma loja.

Comece com uma imagem principal com o produto centralizado e a luz já correta:

Quadro inicial de entrada (16:9, gerado com gpt-image-2 — qualquer imagem que você tenha dá o mesmo resultado).

Depois, o prompt de movimento:

Slow smooth orbit around the coffee set, the camera circling a quarter turn to the right while keeping the carafe centered. Steam keeps rising and curling naturally, reflections slide across the glass as the angle changes. The product stays sharp and undistorted, studio lighting unchanged, no cuts, elegant product-video motion.

Um quarto de volta ao redor do conjunto de café, com o vapor ainda subindo — kling-3.0-turbo/image-to-video, 5 s @ 720p. Saída real gerada a partir do quadro inicial acima, primeira versão original, criada para este guia.

Por que funciona: o prompt nunca redescreve o produto — a imagem já o carrega. Em vez disso, ele dá uma instrução de câmera ("slow smooth orbit ... a quarter turn to the right"), uma âncora ("keeping the carafe centered") e uma cláusula de segurança ("stays sharp and undistorted, studio lighting unchanged"). Limitar a órbita a um quarto de volta é importante: um giro completo de 360 graus em cinco segundos força o modelo a inventar a traseira invisível do produto, o que normalmente o deforma.

Receita 2 — Vertical 9:16: micro-animação de retrato para vídeos curtos

Objetivo: uma imagem vertical nativa de celular que respira — vento, água, um piscar, um lento avanço de câmera. Esta também demonstra um fato fundamental do schema: imagem para vídeo não tem parâmetro aspect_ratio — a saída herda o quadro, então este quadro estático 9:16 gera um clipe 9:16, sem nenhum corte.

Quadro inicial de entrada (9:16, gerado com gpt-image-2 — qualquer imagem que você tenha dá o mesmo resultado).

The scene comes alive: a steady sea wind lifts strands of her hair and ripples the hem of the red coat, small waves roll behind the pier, she blinks slowly and a faint smile forms. The camera pushes in very slowly toward her face. Subtle, realistic motion, no cuts, melancholic cinematic mood.

O vento levanta seu cabelo enquanto a câmera avança — vertical — kling-3.0-turbo/image-to-video, 5 s @ 720p. Saída real gerada a partir do quadro inicial acima, primeira versão original, criada para este guia.

Por que funciona: o movimento é estratificado por escala — ambiente (ondas, vento), vestuário (a barra do casaco ondulando), atuação (um piscar lento, um leve sorriso) e um movimento de câmera (um avanço muito lento). Cada camada é pequena; juntas, elas soam como um instante vivo, não uma foto distorcida. "Subtle, realistic motion" faz trabalho real aqui — omita isso e modelos de imagem para vídeo tendem a animar demais o rosto.

Receita 3 — Continuidade física: descongelar um still de ação (16:9)

Objetivo: pegar um quadro congelado no meio de uma ação e fazer o modelo completá-la com impulso verossímil — o teste mais difícil da capacidade física de um modelo de imagem para vídeo.

Quadro inicial de entrada (16:9, gerado com gpt-image-2 — qualquer imagem que você tenha dá o mesmo resultado).

The frozen moment continues: the skateboarder completes the air, drops back into the bowl, wheels hit the concrete with a small wobble he absorbs with bent knees, then he carves up the far wall. The camera pans right to follow him through the landing. Natural skate physics, momentum preserved from the pose, no cuts.

O movimento no ar se completa, ele aterrissa e desliza pela parede oposta — kling-3.0-turbo/image-to-video, 5 s @ 720p. Saída real gerada a partir do quadro inicial acima, primeira versão original, criada para este guia.

Por que funciona: o prompt trata o quadro como um problema de física com uma única continuação correta — "completes the air, drops back into the bowl, wheels hit ... he absorbs with bent knees". Escrever a aterrissagem como batidas ordenadas e exigir explicitamente "momentum preserved from the pose" impede que o modelo lance o skatista de volta ao ar em uma segunda manobra impossível. Uma imperfeição mínima ("a small wobble he absorbs") soa como realismo, não como falha.

Receita 4 — Foto viva: loop de paisagem ambiente (16:9)

Objetivo: o truque clássico de imagem para vídeo — uma paisagem à deriva. Também é o modelo de orçamento: este é um clipe de 4 segundos ($0.52), uma forma barata de iterar movimento ambiente.

Quadro inicial de entrada (16:9, gerado com gpt-image-2 — qualquer imagem que você tenha dá o mesmo resultado).

Bring the photograph to life with gentle ambient motion: mist drifts slowly across the far shore, soft ripples cross the mirror reflection, clouds creep behind the peaks, and two distant birds glide across the sky. The camera dollies forward very slowly over the water. Calm, seamless, loop-like motion, no cuts.

A névoa à deriva, ondulações cruzando o reflexo enquanto a câmera avança — kling-3.0-turbo/image-to-video, 4 s @ 720p. Saída real gerada a partir do quadro inicial acima, primeira versão original, criada para este guia.

Por que funciona: tudo se move em ritmo natural — a névoa "drifts slowly", as nuvens "creep", as ondulações "cross" — e dois pássaros dão ao olho um evento focal, para que o clipe não pareça um protetor de tela. "Loop-like motion" orienta o modelo a criar um ritmo uniforme que suporta reprodução em loop, exatamente o que você quer em um vídeo de fundo para um hero.

Schema de entrada, verificado

Tudo abaixo foi confirmado contra a API de tarefas ao vivo antes de gerar qualquer clipe (valores inválidos retornam 400 com os valores aceitáveis listados):

Campo	Tipo	Descrição
prompt	string	Obrigatório — descreve o movimento, não a imagem
image_urls	array de strings	Obrigatório, exatamente uma URL (maxItems: 1), deve ser publicamente acessível
duration	integer	3–15 segundos
resolution	string	720p ou 1080p

O schema é estrito: aspect_ratio, seed, negative_prompt e sound são rejeitados com o erro additional properties ... not allowed. Duas consequências valem saber:

• A proporção de saída segue o quadro de entrada. Quer um vídeo vertical? Envie uma imagem vertical (Receita 2). Nenhum parâmetro consegue contrariar o quadro.
• A URL da imagem deve ser acessível pela plataforma — hospedada no seu CDN ou armazenamento de objetos, não atrás de autenticação ou em localhost.

Rode estas receitas você mesmo (API)

As quatro receitas usam o mesmo fluxo assíncrono — crie a tarefa com a URL do seu quadro, faça polling até o estado final e baixe o mp4:

import requests, time

API = "https://api.hiapi.ai/v1/tasks"
HEADERS = {"Authorization": "Bearer YOUR_HIAPI_KEY", "Content-Type": "application/json"}

def animate(image_url, prompt, duration=5, resolution="720p"):
    body = {"model": "kling-3.0-turbo/image-to-video",
            "input": {"prompt": prompt, "image_urls": [image_url],
                      "duration": duration, "resolution": resolution}}
    task_id = requests.post(API, json=body, headers=HEADERS, timeout=60).json()["data"]["taskId"]
    while True:
        t = requests.get(f"{API}/{task_id}", headers=HEADERS, timeout=30).json()["data"]
        if t["status"] == "success":
            return t["output"][0]["url"]   # signed link, expires — download immediately
        if t["status"] == "fail":
            raise RuntimeError(t.get("error"))
        time.sleep(5)

print(animate("https://your-cdn.example.com/product.jpg",
              "Slow smooth orbit around the product, quarter turn right, no cuts"))

O output[0].url retornado é temporário — persista os bytes imediatamente, em vez de fazer hotlink. A referência completa de parâmetros está na documentação.

Perguntas frequentes

Como isso difere do texto para vídeo do kling-3.0-turbo?
Mesma família, mesmo preço por segundo, superfície de controle diferente: texto para vídeo aceita aspect_ratio e cria a composição; imagem para vídeo aceita uma entrada em image_urls e herda a composição dela. Se você não tem um quadro inicial, use a coletânea de receitas de texto para vídeo.

Quanto custa um clipe?
Cobrança por segundo de saída: $0.13/s em 720p, $0.16/s em 1080p. Os três clipes de 5 segundos deste artigo custam $0.65 cada, a paisagem de 4 segundos custa $0.52 e um teste de 3 segundos em 720p custa $0.39. Números em tempo real na página de preços.

Posso controlar a proporção de saída?
Só pela imagem de entrada — não há campo aspect_ratio. Um quadro 9:16 gera um clipe 9:16 (Receita 2), um quadro 16:9 gera um clipe 16:9.

A imagem de entrada precisa ser gerada por IA?
Não — qualquer URL de imagem publicamente acessível serve: fotografia de produto, still de filme, render. Gerei esses quadros com gpt-image-2 apenas para tornar o fluxo inteiro reproduzível por uma única API.

Os clipes têm som?
Os clipes deste guia retornam com uma faixa de ambiente nativa (verificado nos arquivos reais). Para níveis de preço com áudio explícito e saída 4K, veja o nível omni — consulte o guia de imagem para vídeo do kling-3.0-omni.

Esses padrões de prompt se transferem para outros modelos de imagem para vídeo?
A estrutura sim — prompts só de movimento, movimento ambiente estratificado, física escrita como batidas ordenadas. Também mantemos uma coletânea de receitas de imagem para vídeo do wan2.7 correspondente, se você quiser comparar outra família de modelos com os mesmos padrões.

---

Os quatro prompts de movimento estão prontos para você copiar. Obtenha uma chave de API, aponte o trecho de código acima para kling-3.0-turbo imagem para vídeo, use qualquer quadro que você tenha, e um clipe de teste de 3 segundos custa $0.39.