用關鍵幀規劃一支 30 秒產品短片：Kling 4.0 開放前可以先做好的準備

很多人拿到一個新的影片模型，第一件事是直接寫一大段提示詞丟進去，看看會出什麼。對於幾秒鐘的短鏡頭，這樣做問題不大；但當一個鏡頭可以長到 30 秒、還能設定多個關鍵幀時，事先規劃就變得很重要。本文以 Kling 4.0 頁面公佈的能力範圍為基礎，示範怎麼把一支 30 秒產品短片拆成關鍵幀和參考素材。頁面目前標示創作功能即將開放，所以這篇的重點是「開放前可以先準備好什麼」。

頁面公佈了哪些與規劃有關的能力

• 時長：公佈的範圍是 3–30 秒。

• 關鍵幀：最多 10 個。頁面的說法是，關鍵幀適合規定開場姿態、重要變化與結尾狀態，不必把每一秒都寫成獨立指令。

• 參考：Omni Reference 支援跨類別整理最多 15 項參考，建議把外觀、動作與聲音分別說明。

• 聲音：把對白、人物表情與動作放在同一個場景裡描述，控制台詞長度，讓聲音節奏與鏡頭推進互相配合。

此外頁面提醒，首尾幀與參考模式的適用條件不同，使用時應選擇一種相容的輸入方式。這一點在規劃時就要決定，後文會再提到。

第一步：先寫一句話的簡報

頁面建議把簡報劃分為開場、主要變化和結尾，並指出一個明確的視覺事件比同時堆疊多個動作更容易形成完整鏡頭。以保溫杯廣告為例，一句話可以是：「清晨的桌面上，有人倒了一杯熱茶，帶著它走到窗邊。」開場是空桌面，主要變化是倒茶，結尾是窗邊。

第二步：只在「狀態改變」的地方放關鍵幀

10 個關鍵幀是上限，不是目標。比較好的做法是只在畫面狀態真正改變的時刻放關鍵幀，其餘的時間交給模型完成過渡。

上面的草案只用了 5 個關鍵幀，每兩個之間只有一個主要動作：放杯、倒茶、拿起走動、停步。這樣比較版本時，也容易看出問題出在哪一段。

第三步：整理參考素材，各司其職

頁面建議先統一角色和產品的辨識度，再安排不同鏡頭中的表現；常見問題裡也提到，要說明必須保留的外觀、配色、服裝與輪廓，避免在同一鏡頭中同時改變主體身份、環境和光線。

實際準備時，產品可以拍正面、側面、背面三張，光線盡量一致；人物只需要能看清造型和服裝的一兩張；場景準備桌面和窗邊各一張。素材越多，越要檢查彼此有沒有矛盾，例如一張是暖色晨光、另一張是冷白燈光。

第四步：決定聲音與台詞

這支短片不一定需要台詞。若要加，頁面的建議是台詞保持簡短，並為聲音與表演安排足夠時間。例如在 K5 停步時說一句不超過十個字的話，前面用倒茶聲和窗外環境聲鋪陳氛圍。

第五步：決定輸入方式

因為首尾幀與參考模式的條件不同，要先決定這支片子主要靠關鍵幀控制，還是主要靠參考素材控制。如果產品外觀必須非常準確，參考素材的權重就要高；如果更在意動作節奏，關鍵幀更重要。兩者都想要時，就把需求寫清楚，開放後依照工作台實際可選的設定選擇。

小結

長鏡頭模型的價值，在於能把一個完整段落放進同一次生成，而規劃的品質決定了這個段落是否成立。先寫一句話簡報，只在狀態改變處放關鍵幀，讓每份參考素材只解決一個問題，再決定聲音與輸入方式。這些準備不需要等功能開放，現在就可以完成。