跳到正文
登录免费开始

如何为 Kling O3 Omni 写提示词

Kling O3 Omni 在 Kling 的指南里叫 VIDEO 3.0 Omni,可以把文字、图片或一段视频生成带声音的视频。前两部分依据 Kling 的官方指南,用我们自己的话转述,并非我们的测试结论。最后一部分是我们亲自看过的、用该模型生成的六个样例视频,样本很少。

根据提供方的官方文档和我们自己核对过的结果撰写。最后确认:2026年11月8日

用 Kling O3 Omni 创作Kling O3 Omni 模型页面

镜头、台词和声音

出自提供方文档

  • Kling 的指南把你给模型的一切,包括文字、图片和视频,都当作提示词的一部分,并要求用 @ 标签按名字称呼每张图片或角色,例如 @Image 或 @Grace。Pickshot 用自己的方式接收参考图片,所以我们不知道这里是否识别这些标签。请用平实的话说明每张图片的用途。
  • 多个镜头时,指南的例子给镜头编号并标上时长,例如 Shot 1 (3s),写出每个镜头的景别和运镜,并用“切到特写”这样的话标出切换。它还说,各镜头的时长要与总时长相符,节奏才均匀。
  • 台词放进引号,并说明谁在说。例子以一句交代场景的话开头,以一句风格的话结尾,比如灯光或手持的感觉。
  • 它按时间段划分的例子,在每一段里用 Audio 一行写出属于这一段的声音,比如香烟燃烧时细微的噼啪声。Kling 的 Omni 指南没有谈负面提示词,所以请描述你想看到和听到的内容。

图片、元素,以及 Kling 所说的作用

出自提供方文档

  • Kling 的指南说,模型能读懂图片、元素和视频的任意组合。元素是从多个角度或一小段视频保存下来的人物或物体,还可以带上声音。没有视频时,最多可给七张图片或元素,有视频时最多四个。
  • 它说元素能让人脸或物体在镜头运动中保持稳定,多个元素,或元素与图片混用时,各自会被分开把握,所以群像场景里每个人的样子都能保持。我们没有测试其中任何一点。Pickshot 传递的是你的参考图片,而不是保存的元素。
  • Kling 说 Omni 比它之前的 O1 更贴合文字提示词、画面畸变更少,一次生成最长可到 15 秒。这些是 Kling 的说法,不是我们的测量。

我们的样例视频显示了什么

出自我们核对过的结果

  • 美妆视频要求珊瑚色口红。在我们看来,颜色是深红,不是珊瑚色。女子在粉色背景前涂口红,结尾对着镜头微笑,开头时她在镜子里的倒影出现在画面边缘。
  • 书库视频照着写的做了。女孩在昏暗的书库里翻开一本旧书,发光的蝴蝶飞出来,起初是蓝色,后来是金色,镜头随着蝴蝶向上摇。
  • 礼盒视频里,两只手打开粉色盖子、薄荷绿的盒子,在柔光下掀起盖在香水瓶上的一层薄纸。在我们检查的画面里,手看起来很自然。
  • 换装视频里有一个转身。女子穿着宽大的西装外套和阔腿牛仔裤走来,转了一圈,最后穿着黑色吊带裙。换装的瞬间被转身的动态模糊遮住,那条裙子是模型自己的选择,提示词只写了第一套衣服。
  • 耳机从盒子里升起,悬浮在粉彩色的影棚里。我们看到的更多是升起和倾斜,而不是提示词要求的缓慢旋转。仙鹤视频里有两只仙鹤在雪地上展开翅膀跳动,符合提示词里的舞蹈。
  • 每个提示词都只有一句话,所以这些视频无法说明编号镜头、台词或参考图片的情况。我们没有评判任何视频的声音。

真实结果与提示词

以下为用该模型生成的结果,提示词为英文原文。

该模型的设置

提供方
Kuaishou
类型
视频模型
生成方式
文生视频 · 图生视频 · 参考生视频 · 视频编辑
时长
3–15 秒
分辨率
720p / 1080p / 4K
画面比例
16:9 · 9:16 · 1:1 · 4:3 · 3:4
声音
自带声音
价格
每秒 142 起

常见问题

Kling O3 Omni 可以写编号镜头吗?

Kling 的指南在自己的例子里这样写,每个镜头都有时长和运镜。我们没有在 Pickshot 上测试,我们的六个样例提示词都只有一句话。

怎样在提示词里称呼我提供的图片?

Kling 的指南用 @ 标签称呼图片。Pickshot 用自己的方式接收参考图片,所以我们不知道这里是否识别这些标签。请用平实的话说明每张图片的用途,并检查结果。

要不要加一句不要音乐或字幕?

Kling 的 Omni 指南没有给出关于否定写法的建议。可以改为用 Audio 一行写出你想要的声音,在依赖它之前先看结果。

参考的提供方文档

我们阅读了以下文档,并用自己的话重新撰写了要点。文档内容可能由提供方更新。

其他提示词指南

服务中出现的模型、公司和产品名称均为其各自所有者的商标,Pickshot 与这些所有者之间不存在合作、赞助或认可关系。