快速回答
想让 Kling O3 更稳定地延续角色和声音，关键不是把 Prompt 写得很长，而是准备一段容易读懂的参考片：单个清晰人物、一个明确动作、稳定画面，以及干净且有权使用的原声。在 KlingVideo 视频转视频 上传短片后，Prompt 只描述需要变化的场景、光线、风格或镜头。生成后分开检查外貌、动作、镜头和声音。
这套方法能改善连续性，但不能保证脸部完全一致、动作逐帧复刻或克隆声音。Kling AI 官方 VIDEO 3.0 Omni 指南介绍了上游 Elements 3.0 的可复用角色和声音绑定；KlingVideo 当前表单没有这些独立控件。本文只讲本站现有的参考视频工作流。
1. 选择模型容易读懂的参考片
最有用的参考片通常不是最热闹的成片。一段五秒、动作清楚的素材，往往比带跳切、遮挡和多人走位的精剪蒙太奇更可靠。
| 检查项 | 优先选择 | 尽量避免 |
|---|---|---|
| 文件 | MP4 或 MOV，3–10 秒，小于 200 MB | 不支持的封装、过长片头、损坏文件 |
| 主体 | 单个人物，画面占比合适 | 人脸太小、人群、频繁出画 |
| 动作 | 一个手势或一小段连续动作 | 多个无关动作挤在一起 |
| 镜头 | 固定机位、简单平移、推进或环绕 | 快速手持和跳切 |
| 声音 | 清晰、且你有权使用的对白或环境声 | 未获许可的音乐、声音或私密录音 |
把片头片尾的空白剪掉。有效动作只有四秒，就保留这四秒。上传前先静音看一遍动作，再闭眼听一遍声音。这样更容易发现正常播放时会被忽略的问题。
可复制场景提示词：“摄影师在安静影棚里拍摄一名构图清晰的演员，稳定中景，一个简单手势，干净的现场光，简洁背景，自然电影色彩，16:9。”
只上传你拥有或已获许可的素材。Kling AI 的服务条款要求用户对所提交内容具备必要权利。
2. 写 Prompt 前先做一张连续性卡片
别试图把所有细节都锁死。只记录那些一旦变化，观众会立刻察觉的特征。
外貌锚点
写下三到五个可见锚点，例如发型、外套颜色、醒目配饰、体型和一个面部特征。具体名词和颜色更容易检查。“黑色短波波头、琥珀色夹克、圆形银框眼镜”比“同一个漂亮角色”有效得多。
表演锚点
把动作拆成节拍：向左看、抬起右手、停顿、转向镜头。参考片已经提供节奏，Prompt 不要再塞入一套相互冲突的新动作。
声音锚点
提前决定参考片原声是否适合最终成片。当前 O3 参考视频工作流可能保留原声，而 KlingVideo 表单没有单独的原声开关。如果交付必须静音，上传前先把参考片静音，或在后期对结果静音。
原声延续和声音克隆不是一回事。不要把保留下来的录音当成可复用声纹绑定。
3. Prompt 只写需要改变的部分
参考片和 Prompt 各有职责。参考片展示表演，Prompt 定义新镜头。两者指令打架时，连续性通常会变差。
| 从参考片保留 | 关键时才在 Prompt 重申 | 在 Prompt 中改变 |
|---|---|---|
| 主动作及其节奏 | 服装颜色、配饰、面部锚点 | 地点、时间、光线 |
| 大体姿态与运镜路径 | 哪只手动作、视线方向 | 美术风格与背景 |
| 合适的原声 | 必须稳定的构图 | 画幅与情绪 |
Prompt 可以压缩成四部分：
- 写清主体和最重要的外貌锚点。
- 描述场景与光线。
- 确认参考片里已有的主动作。
- 只有确实配合参考片时，才加一条镜头指令。
示例：
同一位黑色短发、穿琥珀色夹克和圆形银框眼镜的侦探站在雨夜列车车厢里。她向左看，抬起右手，停顿，然后按参考片节奏转向镜头。稳定中景，冷色窗光，克制的电影写实风格。
不要同时要求冲刺、换装、新说话者和激烈运镜。一个镜头需要改变太多时，把它拆成两个镜头，并为两段保留同一张连续性卡片。
可复制场景提示词：“同一位黑色短发、穿琥珀色夹克和圆形银框眼镜的侦探，在两个连续电影镜头中做同一个平静手势，先位于安静影棚，再位于雨夜列车车厢，脸部、服装、姿态和机位高度一致，16:9。”
4. 先生成一个镜头，再分四遍验收
打开 KlingVideo 视频转视频，选择 Kling O3，上传参考片并填写聚焦的 Prompt。时长要匹配有效动作，不要把短手势硬拉成长镜头。画幅和清晰度按最终发布位置选择。
结果生成后，分四遍检查：
- 身份与外貌： 在开头、中间和结尾暂停，核对脸型、头发、服装、配饰和身体比例。
- 动作： 静音播放，核对动作顺序、接触点、手部形态和身体是否连贯。
- 镜头： 暂时忽略演员，只看画面边缘，检查机位高度、方向、速度和突然重构图。
- 声音： 不看画面，只听对白清晰度、时间对应、杂音、环境声，以及原声是否被保留。
每次重试只改一个变量，下一次结果才有诊断价值。如果同时换参考片、重写 Prompt、改时长和画幅，就很难知道到底是哪一步有效。
可复制场景提示词：“同一位黑色短发、穿琥珀色夹克的侦探在单个镜头开头、中间和结尾的电影感连续画格，脸部与服装一致，手势清楚，机位高度稳定，现场对白干净，自然电影光线，16:9。”
5. 哪一层出错，就只修哪一层
| 现象 | 常见原因 | 下一步 |
|---|---|---|
| 脸或服装漂移 | 视觉变化太多，锚点太弱 | 删除次要风格，只保留三个具体外貌锚点 |
| 动作没有跟住参考片 | 动作太小、被遮挡或被剪辑打断 | 先裁近或换更干净的素材，再考虑改 Prompt |
| 手部或接触关系错误 | 动作太快，接触点不可见 | 放慢动作，并让双手在参考片中保持可见 |
| 运镜脱节 | Prompt 的运镜和参考片冲突 | 删除额外镜头指令，或换更稳的参考片 |
| 声音不符合预期 | 原声被保留，或录音本身嘈杂 | 再次上传前先清理或静音参考片 |
| 新台词和画面对不上 | 参考音频与新对白是两项任务 | 单独录制或编辑对白，不要假设存在声音绑定 |
O3 参考视频基础指南整理了上传限制和基本控件；想了解模型家族及原生音频背景，可看 Kling O3 与 VIDEO 3.0 Omni 功能指南。
6. 一次已有工作流能说明什么
2026 年 8 月 4 日的一次参考驱动工作流使用了五秒猫咪手势片，并以 O3 720p 生成。结果保留了大体手势节奏和房间构图，但脸部细节、爪部和部分背景发生变化。这个单例能同时说明参考引导的价值与边界，不能据此推算成功率。
完整设置见 Kling 3.0 与 O3 参考工作流测试。实操结论很直接：用短片承载可观察的表演，用 Prompt 定义新镜头，并把连续性检查当成必做步骤。
常见问题
Kling O3 能让多个镜头保持同一个角色吗？
清晰参考片和简短连续性卡片能帮助保留重要特征，但不能保证身份完全一致。每个镜头都要检查开头、中间和结尾。
可以用参考视频克隆声音吗？
不要这样假设。当前 KlingVideo 参考视频表单可能保留原声，但没有公开独立的可复用声音绑定控件。新对白或可复用声音应作为单独制作任务。
每个镜头都要用同一段参考片吗？
动作和镜头语言仍然合适时可以复用。下一镜头需要不同表演时，就换一段已获授权的参考片，同时在两个 Prompt 中保留同一组外貌锚点。
连续性失败时先改什么？
动作不清楚就先修参考片；外貌或场景指令冲突就修 Prompt；声音有问题就修源音频。一次只改一层。
开始制作下一个镜头
准备一段已获授权的 3–10 秒短片，写下三个外貌锚点，然后打开 KlingVideo 视频转视频。先生成一个短镜头，分别验收外貌、动作、镜头和声音，再扩展整个段落。
来源与方法
- Kling AI VIDEO 3.0 Omni 模型用户指南，核验于 2026 年 8 月 27 日。用于区分上游 Elements 3.0 的角色、声音能力与 KlingVideo 当前公开控件。
- Kling AI 服务条款，核验于 2026 年 8 月 27 日。用于核对输入素材权利要求。
- KlingVideo O3 参考视频指南，核验于 2026 年 8 月 27 日。用于核对当前输入限制、原声行为及 8 月 4 日工作流摘要。
最后事实核验：2026 年 8 月 27 日。
