模型无法拍摄心碎。它却能拍摄一只在门前半途停下的手、一次屏住的呼吸，以及一张决定不说话的脸。这一区别正是 Kling 4 情感场景生成 的实际起点。
A sad cinematic reunion. 只给视频模型一种情绪，几乎没有方向。一个 3 拍场景会告诉它：谁发生了变化、镜头必须见证什么，以及变化何时发生。这就是现在值得构建的实用提示词技能，即便完整 Kling 4 的访问权限仍不均衡。
Atlas Cloud 目前将 Kling V4 列为即将推出。创作者仍可用 Kling V3.0 Turbo 测试这套表演逻辑的较短版本，然后在 V4 端点真正上线时复用相同的表演评分。Atlas Cloud 在这里很有用，可作为一个查看当前模型目录并运行可用 Kling 工作流的地方。
要点
- 写出观众能看到的情绪变化，而不是情绪标签。
- 给每个场景一个主弧线，以及 3 个带时间的节拍。
- 用关键帧锁定必需的视觉状态，而不是每一个细微动作。
- 先在一个短的 V3 Turbo 片段中测试表演结构，再扩展场景。
Kling 4 情感场景生成：目前有哪些可用
目前公开情况分为三部分。Kling 表示，完整版 Kling 4 可生成最长 30 秒的视频，并支持最多 10 个灵活关键帧。Kling 4 Flash 是有限发布，配置更短，最长 20 秒、720p，并不能证明完整的多关键帧工作流。Atlas Cloud 的 Kling V4 列表仍为即将推出，因此它并不是一个可以声称已在 Atlas 上完成运行的端点。
| 工作流 | 公开描述时长 | 关键帧位置 | 本文中的访问状态 |
|---|---|---|---|
| 完整版 Kling 4 | 最长 30 秒 | 最多 10 个灵活关键帧 | 据 Kling 称即将推出 |
| Kling 4 Flash | 最长 20 秒 | 未列出首帧/尾帧或多关键帧支持 | 有限发布 |
| Atlas Cloud 上的 Kling V3.0 Turbo | 短测试工作流 | 无 V4 关键帧声明 | 用于 10 秒验证的当前模型 |
Kling 4 情感场景生成：可溯源的声明
Kling 的功能页面将完整版 Kling 4 描述为计划中的 30 秒、多关键帧工作流，关键帧沿时间线放置，用于入场、镜头变化和揭示等重要时刻。其多关键帧指南明确了实际分工：关键帧确立观众必须看到的状态；提示词则说明状态之间的动作与过渡。（Kling 4 官方功能页面，2026 年 10 月；Kling 4 多关键帧指南，2026 年 9 月）
Kling 4 Flash 不能证明什么
对于有权限的账户，Flash 适合更快地制作草稿，但不应将其呈现为完整关键帧工作流的替代品。特别是，其公布的限制并不能证明创作者可以用与完整 Kling 4 所述的相同起始、中间和结束状态控制来导演一个 20 秒情感弧线。
Kling 4 情感场景生成始于表演
情绪词汇过于宽泛，无法指导一个镜头。把它们转化为可观察的表演，然后给镜头分配一项任务：揭示变化，而不是与之争夺注意力。
| 提示词层级 | 要写什么 | 重逢示例 |
|---|---|---|
| 关系 + 触发 | 他们是谁，以及是什么改变了这一刻 | 老朋友在多年分离后重逢 |
| 可观察的表演 | 眼睛、呼吸、手、肩膀或节奏的变化 | 她的握力松开，呼吸一滞，肩膀放松下来 |
| 场面调度 | 身体位置在哪里，谁先移动 | 相隔六步；一个人保持不动，然后向前迈步 |
| 镜头 | 每个节拍只有一个观看目的 | 宽幅横向移动，然后中景双人镜头，然后过肩特写 |
| 声音 / 静默 | 场景中什么承载信息 | 车站环境声，无对白，无配乐 |
Kling 4 情感场景提示词 5 部分评分法
为短场景设定一个主要情感弧线。在下面的重逢中，弧线是从戒备的认出转变为释然。与一个同时要求哭泣、奔跑、争吵、下雨、拥抱、对白、产品植入和快速镜头运动的提示词相比，这种聚焦更容易评估。
在写提示词正文之前，使用这个评分法：
- 明确关系和触发因素。
- 选择 1 或 2 个标志转折的身体变化。
- 将身体置于稳定的起始布局中。
- 给每个节拍一个单一的镜头目的。
- 决定声音是增加信息，还是静默让表演更清晰。
把“悲伤”变成可观察的表演
| 过于模糊 | 可评估的方向 |
|---|---|
A sad woman remembers the past. | She stops folding the letter, her thumb remains on the crease, she exhales once and looks toward the doorway without moving her feet. |
第二个提示词更好，并不是因为它更长。创作者可以判断手、呼吸、目光和场面调度是否出现，然后在下一轮只改变一个变量。
示例 001：火车站台重逢从戒备的认出走向拥抱
示例 002：两姐妹从戒备的表情转为隔着厨房餐桌伸手相触
示例 003：一位面包师发现一幅孩子的画，并以安静的微笑回应
Kling 4 情感场景生成：复制 3 拍重逢提示词
从 10 秒版本开始。它在可控范围内测试表演顺序和镜头逻辑。将更长的 Kling 4 版本作为有条件的升级计划，而不是声称它今天可以在 Atlas Cloud 上运行。
Kling 4 情感场景生成：10 秒当前测试
使用 Kling V3.0 Turbo Text-to-Video 进行当前测试。设置为 16:9、720p、10 秒，并关闭音频。第一轮不要附加参考素材。目标是先看序列是否读得通，再添加另一层控制。
plaintext1A 10-second cinematic reunion at a quiet train platform in late-afternoon light. Two adult friends notice each other from six steps apart. 0-3 seconds: a wide lateral tracking shot as the woman stops beside a bench, her breath catches and her hand loosens around a paper ticket. 3-7 seconds: a medium two-shot; the other person takes one careful step forward, she looks up, her eyes soften and her shoulders release. 7-10 seconds: an over-the-shoulder close shot as they smile with restrained relief and move toward an embrace. Natural walking, subtle hand movement, consistent clothing and platform layout. Warm practical station ambience, no dialogue, no subtitles, no logos.
按此顺序检查这次运行：
- 观众能否按顺序看到停下、认出、放松和靠近？
- 人物、服装、站台几何结构和屏幕方向是否保持稳定？
- 如果失败，只改变一个变量：表演优先，镜头其次，环境第三。
Kling 4 情感场景生成：有条件的 20 秒升级
仅在 Atlas Cloud V4 端点、实时价格和可运行的试用场可见后使用此方案。完整的 Kling 指南支持包含 4 个视觉状态的 20 秒方案。它并不要求填满全部 10 个关键帧槽位。
建议设置：16:9、1080p HDR、20 秒、4 个关键帧、环境声，无对白。仅在最终交付需要时考虑 4K。
plaintext1A 20-second cinematic reunion at a quiet train platform after rain, warm late-afternoon light reflected in shallow puddles. Two adult friends who have not met for years recognize each other. 2 30-5 seconds: wide lateral tracking shot. She waits beside a bench holding a paper ticket. She sees him, pauses mid-breath, and her hand slowly loosens around the ticket. 45-10 seconds: medium two-shot. He stops several steps away. Neither speaks. Her eyes glisten, she gives one small disbelieving smile, and her shoulders drop as tension leaves her body. 510-16 seconds: slow arc into an over-the-shoulder shot. He takes two measured steps forward; she mirrors him. Keep their faces, coats, station architecture, and screen direction consistent. 616-20 seconds: close two-shot as they share a quiet embrace. The camera settles rather than pushing closer. Realistic weight shift, fabric movement, soft footsteps, distant train ambience, no dialogue, no subtitles, no text, no logos.
从提供的 20 秒片段中选出的输出帧：分离、认出、释然和拥抱。这些是视频结果帧，不是关键帧输入。
对于 4 个计划状态，使用 0 秒表示相隔六步，5 秒表示认出时的停顿，10 秒表示靠近，18 秒表示拥抱构图。关键帧锁定这些视觉里程碑。提示词提供过渡、时间、表演、镜头和声音。
来自提供的 004 视频的完整 20 秒火车站台重逢，已转换为无声音的循环 GIF
Kling 4 情感场景生成：参考、关键帧和音频
每个输入都应有一项任务。相互冲突的输入不会带来更多控制。
| 输入 | 在重逢场景中的任务 |
|---|---|
| 角色参考 | 身份、面部、服装 |
| 场景参考 | 站台布局、光线、长椅和色调 |
| 关键帧 | 某一时间点必需的视觉状态 |
| 提示词 | 状态之间的动作、节奏、镜头和声音 |
Kling 4 关键帧展示变化
保持输入一致。一个穿着深色羊毛大衣的角色参考，加上一个把同一个人切换成正式礼服的关键帧，会给模型两条相互竞争的指令。先定义稳定特征，然后仅在场景必须到达特定状态时使用关键帧。
对于安静的重逢，无对白是一种有效的创作选择。站台环境声可以支持地点和时间感，而表演仍是观众跟随的信息。仅当台词改变场景含义时才加入对白。
排查感觉平淡的 Kling 4 情感场景
| 症状 | 可能原因 | 下一轮改变 |
|---|---|---|
| 角色看起来像摆拍 | 提示词只命名了一种情绪 | 加入一次呼吸、目光或手部变化 |
| 转折发生得太快 | 没有带时间的节拍 | 将弧线拆成 3 个时间段 |
| 角色或服装漂移 | 输入角色冲突 | 保留 1 个角色参考和 1 个服装描述 |
| 镜头抢走注意力 | 镜头运动太多 | 每个节拍保留 1 个主要运动 |
| 结果感觉像音乐视频 | 音乐、特效和动作让场景过载 | 移除对白和配乐；先测试无声表演 |
每次 Kling 4 重跑只修一个问题
按正在测试的变量命名版本：reunion-v1-performance、reunion-v2-camera 和 reunion-v3-blocking。这样的记录让好镜头更容易复现，也让坏镜头更容易诊断。
Kling 4 情感场景生成访问权限与 Atlas Cloud 状态
Atlas Cloud 的 V4 列表目前显示即将推出，因此没有已确认的 V4 模型 ID、可运行的试用场或可引用的公开 V4 价格。不要从其他 Kling 版本推断价格。在分配 V4 生产任务前，请查看 Kling V4 状态页面。
| 模型 | 可执行状态 | 已验证页面 | 价格状态 |
|---|---|---|---|
| Kling V3.0 Turbo Text-to-Video | 用于 10 秒提示词验证 | 上方已链接 | 取决于配置；生产运行前确认实时报价 |
| Kling V4 | Atlas Cloud 即将推出 | 上方已链接 | 尚未为 Atlas V4 端点发布 |
在发布或付费运行之前，请重新查看 Atlas Cloud Models 和相关详情页。V4 发布将改变访问权限、价格、URL 和证据要求，因此它值得重新验证，而不是悄悄编辑。
Kling 4 情感场景生成常见问题
它已经向所有人开放了吗？
没有。Kling 当前的公开页面将完整版 Kling 4 描述为即将推出，而 Flash 是有限发布。本文撰写时，Atlas Cloud 将 V4 列为即将推出。
如何提示自然的面部情绪？
描述可见的变化：屏住呼吸、目光移开、手放松，或肩膀放松下来。将其与场面调度和能让观众看到的镜头距离搭配起来。
每个情感场景都需要关键帧吗？
不需要。在必需的视觉状态发生变化时使用关键帧。连续反应可以只用一个镜头方案和一个带时间的提示词来完成。
Flash 与完整模型有什么区别？
Flash 是有限发布的更快配置，描述为最长 20 秒和 720p。已发布的完整模型计划包括最长 30 秒和最多 10 个灵活关键帧。
情感场景可以没有对白吗？
可以，情感弧线可以由表演、镜头距离和环境声承载。重逢测试特意移除对白，以便更容易评判表演序列。
为什么场景看起来像摆拍或很普通？
提示词可能给出了标签，而不是变化。对于 Kling 4 情感场景生成，从一个关系、一个触发因素、1 或 2 个可见的表演变化，以及 3 个带时间的节拍开始。
