在Callirra上,Kling 4.0在生成画面的同时会生成一条音轨,而提示词就是你唯一能用的调音台。你需要描述环境氛围、属于动作的具体事件,以及最有用的部分——这个镜头结束在什么声音上。不写声音的提示词并不会产出静音,它会产出模型自己联想到的任何声音。
![]()
这句话本身就是写音频提示词的全部理由。如果提示词只写“一个维修机器人跑过雨中的车站”,模型会自己挑一段氛围声。如果提示词写“以雨声开场,快速的机械脚步声和列车的低鸣,结束在饭盒卡扣的一声轻响”,它就会按你要求的弧线来配。
三段式结构
- 底层:连续的声音层,包括房间底噪、风、雨、车流、机房的嗡鸣。一句话交代。
- 事件:与具体动作绑定的声音,按顺序排列,脚步声、水花、开门。动作发生时就点出对应的声音。
- 落点:观众最后听到的那个声音。一段素材是从“听起来像生成的”变成“听起来像剪出来的”,差别就在这里。
可以套用的模板是:以某段氛围开场,在某个节拍听到某个事件,第二个事件随某个动作出现,结束在剪辑落点对应的那个声音上,不要音乐,不要对白。
三个已发布的例子
饭盒那条:“以雨声、快速的机械脚步声和列车的低鸣开场,结束在饭盒卡扣的一声轻响。”三句话构成一条弧线:天气、角色、收尾。卡扣是个很小的声音,而把它明确写成“小”,正是让模型把它放进去而不是埋掉的关键。
舞蹈那条:“鼓点和落地动作同时击中。”这不是氛围选择,而是一条同步指令,它告诉模型音频和画面共享同一个节拍。
纸城那条:“叠上纸河的奔流声、折叠卡纸的吱呀声,以及结尾三组极轻的脚步声。”三层声音、三种尺度,最后一层是多数模型会跳过的细节:极轻的脚步声。
提示词做不到的事
- 精细混音。没有电平控制,也没有分轨。氛围声太响,只能换一种措辞重新渲染。
- 精确对白同步。你可以要求一句台词,但逐帧对齐的口型不是提示词能买到的;嘴型重要的话,把对白放到后期。
- 事后移除音频。音轨一旦渲染就写进文件里了。想要干净版本,用“只要房间底噪”重新生成一条。
用“不要什么”来导演
负向的音频指令出奇地有效,因为它们能去掉模型的默认冲动。一段正向的底层声音,配上一到两个“不要”,比一长串禁止项更可靠。
什么时候先渲染静音、后期再配音
- 镜头需要授权音乐。生成时写“不要音乐”,在剪辑里再加。
- 对白必须一字不差。写“不要对白”,渲染,然后录音并放置。
- 你还在调整画面。静音草稿判断起来更便宜:你看的是走位和调度,而不是一条之后会被替换掉的配乐。
常见问题
付费前能试听音频吗?不能,音轨随渲染一起生成,报价覆盖的是整个任务。音频要额外收费吗?不要,按秒计价已经包含画面和声音。能指定某一首歌吗?不能,曲风、配器和速度能保留,有版权的具名曲目不行。其他Kling模型也生成声音吗?音频支持因模型和模式而异,做以声音为主的片子之前,先看模型页面上的控制项。
Callirra的Kling 4.0页面上有六个动态研究,每一个都以一条声音指令结尾,读其中三个比把这篇文章读两遍更快。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.