Magpasya kung saan magsisimula ang berso, paano magbabago ang eksena pagdating ng chorus, at anong larawang mananatili sa isip ng mga tagapakinig matapos ang huling linya. Gabayan ang mahahalagang detalye—mula sa paulit-ulit na simbolo hanggang sa ekspresyon ng karakter—upang sumalamin ang bawat visual na sandali sa kahulugang gusto mong iparating.
Pinagsasama ng Kling 4.0 ang mga prompt na hanggang 8,000 token at hanggang 10 keyframe image para sa mas tumpak na malikhaing direksiyon. Gamitin ang prompt para ipaliwanag ang kahulugan ng lirik, mga visual na detalye, at papel ng bawat sanggunian, pagkatapos ay gumamit ng mga keyframe para itakda ang mahahalagang komposisyon, kalagayan ng karakter, at pagbabago ng eksena. Magkasama nilang ginagabayan ang pag-usad ng pagkakasunod-sunod na inspirado sa lirik.