从文字到画面：Kling 3.0 Omni 文本转视频分镜示例

本条目演示 Kling 3.0 Omni 在 text-to-video 线路上的基础用法：仅用一段英文提示词，让模型把文字描述转化为带叙事节奏的连续镜头。schema 侧只暴露 prompt 与若干非媒体参数（时长、分辨率、画幅、原生音频、智能多镜头），因此这是一条纯文本驱动的最小示例，不含任何参考图或主体元素。 参数选择上，开启 prefer_multi_shots 让模型自行拆解镜头，配合 10 秒时长与 16:9 画幅，便于观察跨镜头的场景连贯性与运动合理性；resolution 保持 720p 以缩短生成时间。提示词按「场景—主体—动作—镜头语言—光线氛围」的顺序书写，这也是文生视频中较稳定的描述结构。 适合作为开发者接入 text-to-video 能力的起点：可在此基础上追加 elements（2–4 张同一主体的参考图，以 @name 在 prompt 中引用）做角色一致性实验，或开启 audio 测试原生音频与口型同步。模型族信息显示 Kling 3.0 系列将视频、图像与音频生成整合进统一的多模态架构，跨镜头元素一致性是其宣传重点；本条目仅覆盖 schema 已声明的文本转视频入口，其余能力以官方文档为准。