Kling 3.0 Turbo 图生视频提示词配方：可直接复制的提示词与真实输出

摘要

• 本文内容：四个可直接复制的 kling-3.0-turbo 图生视频提示词配方，每个都展示输入首帧、确切的运动提示词，以及在真实 API 上生成的实际片段——原始首版输出，没有隐藏任何重试。
• 覆盖范围：电商产品环绕镜头、竖屏 9:16 人像微动图、以可信物理延续的冻结动作瞬间，以及经典的活照片风景。
• 模型事实（已对照实时任务 API 验证）：输入为 prompt + image_urls（恰好一个公开图片 URL）+ duration（整数 3–15 秒）+ resolution（720p/1080p）。没有 aspect_ratio 字段——输出跟随你的输入帧，因此 9:16 的静帧会生成 9:16 的视频。
• 价格（按输出每秒计，来自 定价页面）：720p 为 $0.13/秒，1080p 为 $0.16/秒——与文生视频版本相同的统一费率。5 秒片段为 $0.65；3 秒试探为 $0.39。
• 音频：片段返回时带有原生环境音轨——请开启声音播放。

文生视频 vs 图生视频：何时从一帧开始

文生视频在构图上像抽奖：你描述一个场景，然后接受模型给出的任何取景。图生视频消除了这个变量。你先在一张静态图片中锁定构图、主体、光线和品牌观感——这是你可以进行艺术指导或真实拍摄的东西——然后把提示词全部用在运动上：什么在动、多快、以及镜头做什么。

这改变了你的写法。图生视频提示词不应重新描述画面中已有的内容；模型能看到它。下面的配方遵循一条规则：引用画面内容，然后只描述变化——镜头路径、主体动作、环境运动，以及哪些必须保持不动。

每个示例都展示实际输入帧及其生成的片段，中间是确切的提示词。我用 gpt-image-2 生成了这些帧，因此整个流程可通过 API 复现，但你拥有的任何图片都可以——产品照片、拍摄剧照、渲染图。

配方 1——电商：从棚拍图生成产品环绕（16:9）

目标：将静态产品照片变成带有干净镜头运动的展示片段——这是商店最高杠杆的图生视频用例。

从产品居中、光线已经正确的主视觉图开始：

输入首帧（16:9，用 gpt-image-2 生成——你拥有的任何图片效果相同）。

然后是运动提示词：

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.

围绕咖啡套装的四分之一圈环绕，蒸汽仍在上升——kling-3.0-turbo/image-to-video，5 秒 @ 720p。以上方首帧生成的真实输出，原始首版，为本指南生成。

为什么有效：提示词从不重新描述产品——画面已经承载了它。相反，它给出一条镜头指令（"slow smooth orbit ... a quarter turn to the right"），加上一个锚点（"keeping the carafe centered"）和一条保险条款（"stays sharp and undistorted, studio lighting unchanged"）。将环绕限制为四分之一圈很重要：五秒内完整 360 度会迫使模型臆造产品看不见的背面，通常会使其变形。

配方 2——竖屏 9:16：用于短视频的人像微动图

目标：一张手机原生竖屏、会呼吸的图——风、水、一次眨眼、一次缓慢推近。这也是一个关键 schema 事实的演示：图生视频没有 aspect_ratio 参数——输出继承画面，因此这张 9:16 静帧会生成 9:16 片段，零裁剪。

输入首帧（9:16，用 gpt-image-2 生成——你拥有的任何图片效果相同）。

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.

风扬起她的头发，镜头同时推近——竖屏——kling-3.0-turbo/image-to-video，5 秒 @ 720p。以上方首帧生成的真实输出，原始首版，为本指南生成。

为什么有效：运动按尺度分层——环境（海浪、风）、服装（外套下摆起伏）、表演（缓慢眨眼、淡淡微笑），以及一个镜头运动（非常缓慢的推近）。每一层都很小；合在一起，它们读起来像一个活着的瞬间，而不是一张扭曲的照片。"Subtle, realistic motion" 在这里发挥了实际作用——省略它，图生视频模型往往会过度动画化面部。

配方 3——物理延续：解冻动作镜头（16:9）

目标：取一个冻结的动作中帧，让模型以可信的动量完成动作——这是对图生视频模型物理能力的最难测试。

输入首帧（16:9，用 gpt-image-2 生成——你拥有的任何图片效果相同）。

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.

空中动作完成，落地并沿远墙滑行——kling-3.0-turbo/image-to-video，5 秒 @ 720p。以上方首帧生成的真实输出，原始首版，为本指南生成。

为什么有效：提示词将这一帧视为一个物理问题，只有一个正确延续——"completes the air, drops back into the bowl, wheels hit ... he absorbs with bent knees"。将落地写成有序节拍，并明确要求 "momentum preserved from the pose"，可以防止模型将滑板者再次弹起做第二个不可能的招式。微小的不完美（"a small wobble he absorbs"）读起来是真实感，而非失败。

配方 4——活照片：环境风景循环（16:9）

目标：经典的图生视频手法——一片漂移的风景。也是预算模板：这是一个 4 秒片段（$0.52），是迭代环境运动时的廉价形状。

输入首帧（16:9，用 gpt-image-2 生成——你拥有的任何图片效果相同）。

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.

薄雾漂移，涟漪掠过倒影，镜头同时推近——kling-3.0-turbo/image-to-video，4 秒 @ 720p。以上方首帧生成的真实输出，原始首版，为本指南生成。

为什么有效：一切以自然的节奏移动——薄雾 "drifts slowly"、云 "creep"、涟漪 "cross"——两只鸟给眼睛一个焦点事件，使片段不会像屏保。"Loop-like motion" 引导模型形成均匀的节奏，经得起重复播放，这正是你对主视觉区背景视频想要的效果。

输入 Schema，已验证

以下所有内容在生成任何片段之前都已对照实时任务 API 确认（无效值会返回 400，并列出可接受的值）：

字段	类型	说明
prompt	string	必填——描述运动，而非画面
image_urls	字符串数组	必填，恰好一个 URL（maxItems: 1），必须可公开获取
duration	integer	3–15 秒
resolution	string	720p 或 1080p

Schema 很严格：aspect_ratio、seed、negative_prompt 和 sound 都会被拒绝，报错为 additional properties ... not allowed。有两点后果值得了解：

• 输出宽高比跟随输入帧。想要竖屏视频？喂一张竖屏图片（配方 2）。没有参数可以与画面抗衡。
• 图片 URL 必须能从平台访问——托管在你的 CDN 或对象存储上，不要放在认证后或 localhost。

自己运行这些（API）

四个配方都使用相同的异步流程——用你的帧 URL 创建任务，轮询直到终态，下载 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"))

返回的 output[0].url 是临时的——立即持久化字节，而不是热链接。完整参数参考见 文档。

常见问题

这与 kling-3.0-turbo 文生视频有何不同？
同一家族，相同的每秒定价，不同的控制面：文生视频接受 aspect_ratio 并创造构图；图生视频接受一个 image_urls 条目并从中继承构图。如果你没有起始帧，请改用文生视频配方合集。

一个片段多少钱？
按输出每秒计费：720p 为 $0.13/秒，1080p 为 $0.16/秒。本文三个 5 秒片段各 $0.65，4 秒风景 $0.52，3 秒 720p 试探为 $0.39。实时数字见定价页面。

我能控制输出宽高比吗？
只能通过输入图片——没有 aspect_ratio 字段。9:16 的帧生成 9:16 片段（配方 2），16:9 的帧生成 16:9 片段。

输入图片必须是 AI 生成的吗？
不——任何可公开获取的图片 URL 都可以：产品摄影、电影剧照、渲染图。我用 gpt-image-2 生成这些帧，纯粹是为了让整个流程可通过一个 API 复现。

片段有声音吗？
本指南中的片段返回时带有原生环境音轨（已在实际文件上验证）。关于明确的音频定价层级和 4K 输出，请查看 omni 层级——见kling-3.0-omni 图生视频指南。

这些提示词模式能迁移到其他图生视频模型吗？
结构可以——仅运动提示词、分层环境运动、按有序节拍书写的物理。我们还维护了一份匹配的wan2.7 图生视频配方合集，如果你想在相同模式上比较另一个模型系列。

---

四个运动提示词都可供你复制。获取 API 密钥，将上面的代码片段指向 kling-3.0-turbo 图生视频，配上你拥有的任何帧，一个 3 秒测试片段花费 $0.39。