Teledysk disco polo w Kling 4.0 - postać śpiewa po polsku na stacji

👁 120 przeczytań

Wygenerowałem w Kling 4.0 teledysk disco polo, w którym Mariola śpiewa do parówki, a tirowiec dołącza do tańca między dystrybutorami. Polski refren wyszedł zgodnie z tekstem, choć samochód dostał przy okazji markę, której nie zamawiałem.

Co dokładnie wygenerowałem

Test zrobiłem 21.10.2026 na kling.ai, w trybie Video Generation, Kling 4.0, Omni reference. Nie dodawałem obrazów referencyjnych. Darek, Mariola i kierowca ciężarówki są fikcyjni, a ich wygląd opisałem w prompcie. Obraz, wokal, beat i pozostałe dźwięki powstały w tej samej generacji.

Scena ma prosty mechanizm: tankowanie przechodzi w flirt, parówka zostaje mikrofonem, a nocna stacja zamienia się w parkiet. Nie wymagałem od modelu rozbudowanej fabuły ani skomplikowanej choreografii. Zapisałem gesty, kierunek kroku i osobę dołączającą do tańca. Rezultat trzyma tę konwencję bez konieczności wyjaśniania dowcipu.

To część większej serii, w której sprawdziłem również zwiastun, sitcom, reklamę, parodię dokumentu i horror. Podstawy narzędzia opisałem w przewodniku po Kling 4.0, a inne możliwości w osobnym teście.

Refren: co stało się z rymem i rytmem

Zaplanowałem taki tekst, rozdzielając kolejne linie między ujęcia:

O trzeciej w nocy, na stacji paliw,
tylko ty i ja, i neon się pali!
Zatankuj mi serce do pełna, Mariola!
Do pełna, do pełna, Mariola!

„Paliw” i „pali” dają luźne podobieństwo brzmienia, a powrót Marioli robi za refrenowy haczyk. Model nie poprawiał mi rymu ani nie zastąpił słów wygodniejszymi. Według raportu wszystkie linie zostały zaśpiewane zgodnie z zamówieniem. To istotne, bo tutaj humor siedzi zarówno w obrazie, jak i w dosłownym tankowaniu serca.

W prompcie zamówiłem syntezatorowy beat disco polo o tempie 128 bpm. To parametr zamówienia, nie wynik pomiaru gotowej ścieżki. W raporcie potwierdziłem charakter muzyki i udany śpiew; nie przeprowadzałem analizy tempa ani precyzyjnego badania synchronizacji ust.

Whisper pomógł sprawdzić słowa. Surowy zapis zawiera też powtórkę przypisaną do odcinka po końcu klipu, więc ją odrzuciłem zgodnie z raportem. Nie traktuję takiego dopisku jako dodatkowego refrenu. Sama transkrypcja nie dowodzi idealnego rytmu: muzyczny efekt oceniłem w ramach całego filmu, a zgodność tekstu sprawdziłem osobno.

Pełny prompt do „Zatankuj mi serce”

Poniżej dokładny prompt z testu. Zachowałem angielski opis scen i polskie słowa piosenki; zmieniłem wyłącznie łamanie linii, żeby tekst dało się wygodnie czytać i kopiować.

Polish disco polo synthpop music video, upbeat 128 bpm synth
beat, shot at a small Polish roadside petrol station at 3 a.m.,
real location, neon light of the station canopy, wet concrete,
handheld camera with slight flash and VHS-like glow, film grain.
No brand logos.
Characters: Darek, 30, short gel-spiked hair, shiny white
tracksuit, gold chain, drives an old silver hatchback. Mariola,
28, petrol station cashier in a red work vest and black t-shirt,
high ponytail, big hoop earrings.
Shot 1 (0-7s): Darek fills his car at the pump, looks at the
shop window and sings in Polish to the beat: "O trzeciej w nocy,
na stacji paliw,"
Hard cut. Shot 2 (7-13s): Inside the small shop, Mariola behind
the counter next to a hot dog roller, she sings into a hot dog
like a microphone: "tylko ty i ja, i neon się pali!"
Hard cut. Shot 3 (13-21s): Both dance a simple synchronised
disco polo routine between the fuel pumps, hands up, step left,
step right, neon reflections. They sing together the chorus:
"Zatankuj mi serce do pełna, Mariola!"
Hard cut. Shot 4 (21-30s): Wide shot: a sleepy truck driver in a
flannel shirt sits on a curb eating a hot dog, then stands up
and joins the dance clumsily behind them. All three sing: "Do
pełna, do pełna, Mariola!"
No subtitles, no on-screen text.

Co wyszło, a co wyczyściłbym w montażu

Najlepiej działa zestaw bardzo konkretnych czynności. Darek tankuje, Mariola bierze parówkę jak mikrofon, później pojawia się wspólny taniec. Tirowiec we flaneli domyka scenę, bo przestaje być obserwatorem i sam wchodzi w zabawę. W krótkim filmie taka zmiana roli wystarcza za finał.

Słabsze elementy są widoczne bez zatrzymywania się nad fabułą:

• Stacja wygląda za czysto, bardziej jak plan zdjęciowy niż przypadkowy nocny przystanek.
• Biały dres dostał paski kojarzące się z markową odzieżą. Zakaz logo nie rozwiązał całego problemu wyglądu stroju.
• Na samochodzie pojawiło się „EesAr”. Ten wymyślony napis usunąłbym lub zasłonił w montażu.

Prompt wspomina również o poświacie VHS i ziarnie. W tej serii model miał wyraźną skłonność do czystego obrazu, więc efekt starego nagrania dodałbym sam. Nie próbowałbym ratować sterylności przez dokładanie kolejnych określeń zużytej taśmy bez końca.

Jak rozwinąłbym klip w pełną piosenkę

Nie wygenerowałem pełnego utworu. Kolejnym krokiem byłoby przygotowanie następnych 30-sekundowych klipów: osobno zwrotki, powrót refrenu i sceny taneczne. Zachowałbym opisy postaci, ubrania, stację oraz nocne światło, żeby materiał miał wspólny wygląd.

W montażu ułożyłbym je do jednej docelowej ścieżki piosenki. Nie zakładam, że niezależne generacje zachowają ten sam głos, melodię i tempo. Przy osobno przygotowanym wokalu trzeba też sprawdzić dopasowanie ust; przebitki na taniec, dystrybutory lub samochód mogą pomóc tam, gdzie bezpośrednie śpiewanie nie pasuje.

To plan dalszej pracy, a nie sprawdzona w tej próbie funkcja automatycznego przedłużania utworu. Więcej o uzyskanych wypowiedziach opisałem w tekście Kling 4.0 po polsku. Narzędzie jest dostępne przez mój link polecający Kling.

FAQ

Czy Kling zaśpiewał po polsku?

Tak. W tej próbie refren zgadzał się z tekstem podanym w prompcie.

Czy sam dograłem wokal?

Nie. W testowanym klipie śpiew i muzyka powstały razem z obrazem.

Ile kosztowała ta próba?

Wydałem 405 kredytów za 30 sekund w 1080p. To cena z mojego testu z 21.10.2026.