Đa số người mới dùng Kling theo kiểu: gõ 1 đoạn mô tả, bấm tạo, nhận 1 video ngẫu nhiên, lặp lại. Cách đó không sai, nhưng bỏ phí phần mạnh nhất của Kling. "Cá nhân hoá" ở đây không phải chỉnh giao diện hay sở thích cá nhân — mà là xây cho mình 1 thư viện nhân vật, vật thể, giọng nói riêng để Kling nhận ra và dùng lại đúng những gì thuộc về dự án của bạn ở mọi lần tạo sau, giống như 1 đạo diễn quen mặt diễn viên của đoàn phim mình, không phải tuyển diễn viên lạ mỗi cảnh quay.
Subject Library — nền tảng của mọi thứ cá nhân hoá
Subject Library là nơi lưu trữ các "chủ thể" (nhân vật, vật thể, bối cảnh) bạn đã từng dùng, để gọi lại ở bất kỳ video nào sau này thay vì tải ảnh lên lại từ đầu mỗi lần. Khi tải ảnh tham chiếu lên lần đầu, đặt tên rõ ràng cho chủ thể đó (ví dụ "NhanVatChinh", "LogoCongTy") — Kling lưu lại trong thư viện gắn với tài khoản của bạn, lần sau chỉ cần gọi tên là dùng lại được, không phải tải file lại.
Element Binding — ép Kling tuân thủ đúng tham chiếu, không tự sáng tạo
Đây là công tắc quan trọng nhất để hiểu. Mặc định, Kling có thể tự "diễn giải lại" ảnh tham chiếu theo ý nó — đôi khi đổi góc mặt, đổi sắc thái màu áo. Bật Element Binding báo cho Kling biết: copy chính xác đặc điểm đã tải lên, không tự sáng tạo thêm. Tính năng này có 1 thanh trượt (strength) kiểm soát mức độ tuân thủ — để cao (70-100) khi cần giữ đúng y hệt khuôn mặt/logo, để thấp hơn (khoảng 40-50) nếu chỉ cần "giống giống" nhưng vẫn muốn Kling linh hoạt biểu cảm theo từng cảnh. Để mức tuân thủ quá cao đôi khi khiến nhân vật bị "đơ" — luôn cùng 1 góc mặt, cùng 1 biểu cảm dù bối cảnh khác nhau.
Dùng ảnh nhiều góc, không chỉ 1 tấm
Sai lầm phổ biến nhất khi xây Subject Library: chỉ tải đúng 1 tấm ảnh chân dung thẳng mặt. Kling chỉ "hiểu" được những góc nó đã thấy — nếu cảnh sau cần nhân vật quay đầu, nghiêng người, mà thư viện chỉ có 1 góc chính diện, mặt rất dễ biến dạng ở góc lạ. Cách làm đúng: tải lên ít nhất 3 góc (chính diện, nghiêng 3/4, một bên) trong cùng 1 lần build chủ thể — Kling 3.0 Omni hỗ trợ tải nhiều ảnh góc khác nhau cùng lúc cho 1 chủ thể, dựng được bản đồ "hình khối 3D" đầy đủ hơn hẳn so với chỉ 1 ảnh.
Gắn giọng nói riêng cho nhân vật (chỉ có ở 3.0 Omni)
Đây là tính năng "trợ lý chuyên biệt" rõ nhất: ở dòng 3.0 Omni, bạn có thể tải lên 1 đoạn ghi âm giọng nói 3-8 giây của 1 người (hoặc đoạn audio mẫu), gắn vào đúng chủ thể trong thư viện. Từ đó, mọi video có nhân vật này nói chuyện sẽ tự dùng đúng giọng đã gắn — không cần ghép lồng tiếng riêng ở bước sau. Hữu ích nhất khi làm series video cùng 1 "người dẫn" xuyên suốt nhiều tập, hoặc tạo nhân vật đại diện thương hiệu có giọng nói nhất quán.
Kết hợp nhiều chủ thể trong 1 cảnh
Khi cảnh có nhiều nhân vật/vật thể tương tác (ví dụ 2 người đối thoại, hoặc 1 người cầm 1 sản phẩm cụ thể), gọi tên nhiều chủ thể trong cùng 1 prompt. Kling 3.0 Omni có khả năng "khoá" riêng từng chủ thể độc lập — dù cảnh phức tạp, mỗi nhân vật vẫn giữ đúng đặc điểm riêng của mình, không bị lẫn đặc điểm giữa 2 chủ thể với nhau.
Một người phụ nữ tóc dài, mặc áo vest xanh, đang thuyết trình trước hội đồng quản trị, biểu cảm tự tin.
Mô tả lại từ đầu bằng chữ — mỗi lần tạo Kling tự tưởng tượng 1 khuôn mặt khác, không có gì đảm bảo nhân vật giống hệt video trước đó trong cùng series.
[Đã build "GiamDoc" trong Subject Library với 3 góc ảnh + Element Binding mức 80] @GiamDoc đang thuyết trình trước hội đồng quản trị, biểu cảm tự tin, ánh sáng phòng họp hiện đại.
Neo đúng vào chủ thể đã lưu sẵn — khuôn mặt, dáng người giữ nhất quán xuyên suốt mọi video sau này có nhắc tới "GiamDoc", không phải đoán lại từ chữ mỗi lần.
- Ảnh tham chiếu nên có nền đơn giản, đồng màu (trắng hoặc xanh lá) — nền lộn xộn khiến Kling khó tách riêng chủ thể khỏi bối cảnh, dễ "dính" chi tiết nền vào nhân vật khi tạo cảnh mới
- Mức Element Binding cao giữ đúng diện mạo nhưng giảm khả năng biểu cảm đa dạng — nếu cảnh cần nhiều cảm xúc khác nhau (vui, buồn, ngạc nhiên), thử mức trung bình thay vì để tối đa
- Vì lý do an toàn và bản quyền, không dùng Subject Library để xây dựng lại nhân vật người thật chưa được phép (người nổi tiếng, người lạ lấy ảnh từ internet) — chỉ hợp lệ cho người đã đồng ý hoặc nhân vật hư cấu/thương hiệu của chính bạn
- Voice binding hoạt động tốt nhất với bản ghi âm rõ, ít tạp âm nền — bản ghi qua điện thoại trong phòng ồn dễ khiến giọng tổng hợp ra nghe lạ
[Tải ảnh sản phẩm nhiều góc, đặt tên rõ ràng, bật Element Binding mức 80-90] @[TênChủThể] đặt trên [điền bối cảnh], giữ nguyên hình dáng và logo chính xác như ảnh gốc, ánh sáng [điền kiểu ánh sáng].
[Tải 3 góc ảnh nhân vật, đặt tên, bật Element Binding mức 50-60] @[TênNhânVật] đang [điền hành động/cảm xúc cụ thể], bối cảnh [điền bối cảnh], biểu cảm tự nhiên phù hợp tình huống.
@[TênNhânVật] nói "[điền câu thoại]" với giọng đã gắn, biểu cảm [điền cảm xúc], bối cảnh [điền bối cảnh], khẩu hình khớp đúng lời thoại.
@[TênNhânVật1] và @[TênNhânVật2] đang [điền tương tác: trò chuyện / bắt tay / cùng nhìn vào sản phẩm], bối cảnh [điền bối cảnh], giữ đúng đặc điểm riêng của từng người không lẫn vào nhau.
Dùng lại @[TênChủThể] đã có trong Subject Library cho cảnh mới: [điền mô tả cảnh và hành động mới], giữ phong cách hình ảnh nhất quán với các video trước trong series.