กำหนดว่าท่อนเพลงเริ่มตรงไหน ฉากเปลี่ยนอย่างไรเมื่อเข้าสู่ท่อนฮุก และภาพใดจะคงอยู่ในใจผู้ฟังหลังบรรทัดสุดท้าย กำหนดรายละเอียดสำคัญ ตั้งแต่สัญลักษณ์ที่ปรากฏซ้ำไปจนถึงสีหน้าตัวละคร เพื่อให้ทุกช่วงเวลาผ่านภาพสะท้อนความหมายที่คุณต้องการสื่อ
Kling 4.0 ผสานพรอมต์ความยาวสูงสุด 8,000 โทเค็นกับภาพคีย์เฟรมสูงสุด 10 ภาพ เพื่อการกำกับงานสร้างสรรค์ที่แม่นยำยิ่งขึ้น ใช้พรอมต์อธิบายความหมายของเนื้อเพลง รายละเอียดภาพ และบทบาทของข้อมูลอ้างอิงแต่ละรายการ แล้วใช้คีย์เฟรมกำหนดองค์ประกอบภาพสำคัญ สภาวะตัวละคร และการเปลี่ยนฉาก ทั้งสองอย่างช่วยกำหนดแนวทางการดำเนินไปของลำดับภาพที่ได้แรงบันดาลใจจากเนื้อเพลง