Kling 2.6 动作控制：真正能让正确部分移动的提示词模式

我在测试Kling 2.6的前几天，总是被同样的问题绊倒：我要求做一个手部挥动，整个肩膀就会漂移，或者我要求摄像头推进，拍摄对象就会像被绳子拉着一样向前冲。不是戏剧性的失败，只是那种低级的”移动错误部分”的问题，会慢慢侵蚀你的信任。

所以我花了一个下午，泡了杯咖啡，试图理解这个模型在决定什么移动时实际上在听什么。接下来的内容不是一篇评论。这是我希望从第一天就有的笔记：我如何在不把每个提示词都变成一个段落的情况下，引导Kling 2.6实现可靠的动作控制。

为什么会”移动错误部分”

Kling 2.6擅长制作合理的动作。但它在精确的动作上不太擅长。当我要求它”抬起她的右手”时，我了解到该模型不仅仅解析文字：它还依赖于对身体通常如何运动以及摄像头通常做什么的学习先验。相信我，那时乐趣就真正开始了。 以下是我反复看到的模式：

• 含糊的指代： 如果有两个似是而非的演员（拍摄对象和摄像头），Kling有时会将动作分配给摄像头，因为这样可以保持场景稳定。“推进”可能会变成拍摄对象向前走。
• 遮挡+对称： 如果右手部分被隐藏或姿势与左手相似，它会镜像或交换两侧。侧面照明和取景在这里比措辞的帮助更大。
• 时间模糊： 没有节拍或持续时间，动作会在整个片段中模糊。这时你会得到永久的微抖动或无法保持静止的拍摄对象。

这些都不是bug。这是模型为了真实性而采取的对冲。对我来说，解决方案是像动作导演对一个小队讲话那样与Kling交流：谁移动、哪个部分、移动多远、移动多快，以及什么保持静止。

动作令牌检查清单

Kling不需要特殊的语法，但给自己一个小小的”动作令牌”模板让我保持诚实。我在提示词中内联编写它们，用纯语言，就像提示词内的标签。事情是——这产生了巨大的差异。

我的令牌模板看起来像这样：

• 演员： 谁移动（拍摄对象、左手、摄像头、背景灯光）。每个令牌一个演员。
• 动作： 动词，当需要精确时保持较小（倾斜、瞥一眼、抬起、稍微旋转）。
• 侧面/部分： 确切的肢体或物体（右腕、左眉毛、食指、摄像头偏航）。
• 幅度： 小、中、大，或在需要时用度数/计数（15°、2步、3帧）。
• 持续时间+时序： 何时发生以及持续多长时间（拍子1–2秒、保持1秒、循环）。
• 约束： 什么保持静止（躯干锁定、摄像头锁定、脸部中立）。
• 负面： 什么必须不动（无肩膀移动、无缩放、头发保持平静）。

我通常将这些用括号括起来，以使它们对我来说保持可扫描的，同样，是为了我，而不是为了Kling：

[actor: right hand] [action: wave] [magnitude: small] [duration: 1s] [constraint: shoulder locked] [negative: no camera movement]

模式1：肢体控制

肢体问题是经典问题。我想要一个微妙的手部挥动，没有完整的上身摇晃。我的最初尝试失败了，因为我要求”温柔的挥动”。Kling听到”挥动”，就给整个链条做了动画。

更有效的做法：

• 首先命名最小的移动关节。“右腕轻弹，手指引导，肩膀保持中立。”
• 添加反约束。“躯干固定在椅子上。无臀部摇晃。”
• 给它一个拍子。“挥动发生在0:02–0:03，然后休息。”
• 保持对称性检查。“左手保持在桌子上，静止。”

产生清洁动作的真实提示词片段：

“拍摄对象坐在木桌前。平静的灯光。右腕做一个小的左右挥动，手指做大部分的动作。肩膀和肘部保持稳定。这个动作在2–3秒之间发生一次，然后手返回到休息状态放在桌子上。左手保持静止。没有摄像头移动。”

当需要精确时，我设置了一个视觉锚：右腕靠着咖啡杯：只有手指移动。“锚点减少了模型对关节位置的不确定性。

模式2：摄像头

我一半的”错误部分移动”片段实际上是摄像头–拍摄对象的交换。我要求”温柔的推进”，模型让拍摄对象向前倾身。合理，但不是我想要的。

我如何分离两者：

• 声明摄像头装置。“摄像头在三脚架上，在2秒内微妙的5%缩放。”
• 冻结拍摄对象。“拍摄对象完全静止，仅呼吸。”
• 避免听起来像身体动作的动词。我说”缩放进入”或”推进”，而不是”靠近”。
• 使用数字。“5%缩放，线性，2秒，中心框架。”

行为良好的提示词片段：

“锁定镜头。摄像头在0–2秒内执行缓慢、线性的5%缩放。拍摄对象不倾身或踏步。无视差变化。背景保持固定。”

如果我想要视差（推进），我会这样说：“摄像头推进，书架上的浅视差，拍摄对象锁定在框架中心。“这一行阻止了模型用拍摄对象倾身来伪造这个动作。

还有一个注意事项：Kling 2.6有时会添加手持抖动以获得”电影感”。如果你不想要那样，说出来：“没有手持晃动，没有微抖动。“

模式3：微动作

微动作是Kling 2.6令我惊喜的地方。小的、稳定的变化往往看起来很自然——眼球跳动、呼吸、织物漂移——如果你保持动词温柔并且持续时间短。

有效的做法：

• 眼睛： “第一秒内两个小的眼球跳动左→中心，眼睑柔软，头部静止。”
• 呼吸： “微妙的胸部上升4–6毫米，持续3秒，然后下降，循环一次。”
• 织物/头发： “几乎看不见的微风，头发尖端移动，根部稳定：夹克下摆抖动0.5秒。”
• 道具： “蒸汽从杯子中卷起，细细的，间断的，不湍流的。”

不有效的做法：

• 一次堆叠许多微动作。它变成了噪音。
• 使用大动词与微目标（“轻微转头”通常变成完整的点头）。我使用”角度”、“倾斜”、“安定”、“漂移”。

当片段变得太活跃时，我添加了一个上限：“背景保持静止：仅[X]移动。“那一行减少了意外的跨框架抖动。

负面提示词

负面提示词不是关于驱逐伪影，而是关于分配动作预算。当我使用负面来冻结特定链条时，我获得了更好的结果。

我依赖的有用的负面：

• “没有肩膀参与。“迫使模型将手部动作本地化。
• “完全没有摄像头移动。“杀死默认抖动。
• “头发保持平静。“阻止模型用风”电影化”场景。
• “没有面部表情变化。“保持微动作不漂移成微笑。
• “没有缩放或推进。“避免拍摄对象/摄像头交换。

还有一个小警告：长的负面列表可能会适得其反。两个或三个针对性的负面胜过一长串。

为了在测试这些提示词时保持一致性，我们在WaveSpeed（我们的内部GPU环境）上运行我们的Kling实验，以迭代和比较运行而不会出现设置漂移。

10个现成的提示词

这些是我使用的简短、有效的启动器。调整主题和风格，但保持动作部分不变。

1. 清洁的腕部挥动，躯干安静

“一个坐在木桌前的人，日光。
[actor: right wrist] [action: small side-to-side wave] [magnitude: small]
[timing: 2.0–3.0s, once] [constraint: shoulder and elbow steady]
[negative: no camera movement, no left-hand motion]。“

2. 微妙的摄像头推进，拍摄对象冻结

“肖像框架，中立背景。
[actor: camera] [action: zoom-in] [magnitude: 5%] [duration: 0–2s, linear]
[constraint: subject perfectly still, only breathing]
[negative: no dolly, no handheld shake]。“

3. 眼球跳动，没有头部运动

“近距离脸部，柔和的光线。
[actor: eyes] [action: two quick saccades left→center]
[timing: within first second]
[constraint: head locked, expression neutral]
[negative: no smile, no blink during saccades]。“

4. 用手指翻页，不是整个手臂

“笔记本的俯视图。
[actor: right index finger] [action: slide page corner and flip]
[magnitude: single page] [timing: 1.5–2.5s]
[constraint: wrist minimal, forearm anchored to table]
[negative: no camera move]。“

5. 头部倾斜确认，仅微动

“中距离镜头。
[actor: head] [action: small tilt right then return] [magnitude: 5–7°]
[timing: 1.0–1.4s]
[constraint: shoulders level]
[negative: no smile, no eye shift]。“

6. 推进右侧有视差，拍摄对象固定

“工作室场景。
[actor: camera] [action: dolly-right] [magnitude: small, 20 cm]
[duration: 0–2s, smooth]
[constraint: subject remains center-framed, background parallax visible]
[negative: no zoom]。“

7. 织物微抖动仅

“肖像与轻微微风。
[actor: jacket hem] [action: brief flutter]
[timing: 0.8–1.2s]
[constraint: hair and foliage still]
[negative: no global wind]。“

8. 隔离手指的键盘输入

“桌子场景，笔记本电脑。
[actor: fingers both hands] [action: type softly]
[timing: intermittent bursts]
[constraint: wrists planted, elbows steady, torso still]
[negative: no camera shake]。”

9. 杯子提起，没有肩膀抬起

“咖啡馆桌子。
[actor: right hand] [action: lift ceramic cup, sip, replace]
[timing: 1.0–2.5s]
[constraint: shoulder and neck quiet, minimal elbow]
[negative: no camera move, no steam surge]。“

10. 背景运动，拍摄对象保持

“街道肖像。
[actor: background pedestrians] [action: slow pass left→right]
[constraint: subject motionless, eyes at camera]
[negative: no subject sway, no zoom]。”

如果你需要扩展精确度，添加一个更多的约束而不是另一个动作。它保持片段的可读性，对你和对模型。这里没有评判——我们都经历过。

好吧，现在轮到你了——别让我失望：你遇到过最荒谬的”开放权重”许可证惊喜是什么？在评论中分享你的故事！