单个镜头最长 30 秒
每次生成 3 到 30 秒，以 1 秒为单位调整。一个连续镜头里，主体和场景从第一帧到最后一帧保持一致，足够讲完一个完整的小故事。
Kling 4.0：一句提示词，一部 30 秒短片
快手最新的视频模型，一次生成 3 到 30 秒的连续镜头，自带立体声、口型同步的对白，最高 1080p 分辨率。在 VideoAI 用关键帧和参考素材精准掌控每个画面。
- 3–30s
- 单次生成时长
- 10
- 关键帧
- 15
- 参考素材
- 1080p
- 最高分辨率
- 立体声
- 口型同步配音
- 21:9
- 超宽画幅
一次生成，就是一支完整广告
这支 30 秒的球鞋广告由 Kling 4.0 一次生成：两位跑者、一双鞋、八个场景，外加配乐。点击下方节点即可跳到对应镜头。
输入：两张模特照片和三张产品图。输出：一条带配乐、连续不断的 30 秒视频。
0s5s10s15s20s25s30s
时长是 Kling 3.0 的两倍
Kling 3.0 最长 15 秒，Kling 4.0 可生成 3 到 30 秒，以 1 秒为单位调整，完整的故事不用再拼接。
从头到尾都是同一张脸
即使镜头切换多个场景，人物、产品和环境在每一个镜头里都保持一致。
按时间点切镜、运镜
在提示词里写清时间，比如“0–5 秒特写，5–12 秒跟拍”，模型会按这个节奏安排镜头。
Kling 4.0 核心功能
更长的镜头、真实的声音、更精细的掌控。打开声音，听听每段视频的效果。
立体声配音，口型精准同步
对白、歌声、音效和环境音与画面一起生成，输出双声道立体声，说话和唱歌时的口型都能对上。
一次生成最多 15 个参考
最多可组合 10 张图片、5 段视频（总长 30 秒）、7 个主体和音色参考。告诉 Kling 4.0 每个参考负责什么，从人物长相到运镜都能指定。
最多 10 个关键帧
上传视频里必须出现的画面，比如某个姿势、一次转场或一个揭晓瞬间。可以只用首帧、用首尾帧，或者最多 10 个关键帧，故事会按顺序依次经过。
改视频，其余画面不变
对上传的视频修改表情、动作、机位、背景或整体风格。每次编辑最多 5 段视频、总长 30 秒，没改动的部分保持原样。
多语言对白，画面文字清晰
角色可以说中文、英语、日语、韩语、西班牙语、葡萄牙语、德语、法语等语言，还支持各种口音和方言。镜头移动时，文字、表情符号和 Logo 依然清晰。
Kling 4.0 案例：从参考素材到成片
每个案例都附上了它用到的输入素材，以及一段可以直接改着用的提示词。
Kling 4.0
8 格分镜图变成一个连续镜头
一张八格分镜图画的是屋顶梅花桩上的舞狮，生成后变成一个连续的动态镜头，依次经过每一格画面。
输入
Kling 4.0
@Image1 是一张八格分镜图。把它做成一个连续镜头，按顺序经过每一格：日落时分，舞狮队在城市上空的高桩之间腾跃。锣鼓声和人群欢呼声。
Kling 4.0
角色设定图加分镜，生成黏土动画
一张黏土宇航员小狗的三视图，加上一张逐格分镜，生成了一段在奶酪月球上追逐的定格动画。
输入
Kling 4.0
@Image1 定义了黏土宇航员小狗，每个镜头都要保持它的造型。按 @Image2 的分镜逐格推进。定格黏土动画风格，在奶酪做的月球上追逐，配上轻快的音乐。
Kling 4.0
让一张宣传海报动起来
一张拼贴风海报被做成品牌短片：纸片层层错动，地球转动，标题一个字母一个字母重新拼出来。
输入
Kling 4.0
把 @Image1 做成一支 14 秒的品牌短片。撕纸层向两边滑开，地球转动，彩绘的手朝镜头张开，标题文字逐个字母拼合。保留拼贴质感和配色。轻快的音乐。
Kling 4.0
把运镜套用到新角色身上
取一段视频的跟拍运镜，加上一张角色三视图和一条空走廊，合成一段全新的追逐镜头。
输入
Kling 4.0
参考 @Video1 的运镜。@Image1 中的女人沿着 @Image2 里的白色走廊奔跑，镜头紧跟在她身后。
Kling 4.0
往现有场景里加一个新角色
用三个角度定义的黏土小猪被加进一段古装剧片段里，原有的对白照常进行。
输入
Kling 4.0
把 @Image1、@Image2 和 @Image3 中的黏土小猪加到 @Video1 里，站在壁炉边的人群中间。场景、对白和镜头都保持原样不变。
Kling 4.0
清空街头演出里的路人
喷泉边乐队演出画面里的路人被去掉，只留下乐手和广场。
输入Kling 4.0
去掉 @Video1 里的路人，只保留乐队和喷泉广场。音乐和运镜保持不变。
Kling 4.0
一句话，扩写成一整场戏
只给一句提示词，Kling 4.0 就补全了人物、布景、运镜和表演，说话的声音也在同一次生成里完成。
输入仅文字Kling 4.0
一位老人在吐槽 AI。
Kling 4.0
带对白和音效的镜头脚本
黄昏的英国街头，一段手持拍摄的重逢。脚步声、街道环境音、音乐和英语对白都写在了提示词里。
输入仅文字Kling 4.0
一个连续 7 秒的手持镜头，黄昏时分英国一条安静的街角。两个多年未见的老朋友认出彼此，快步走近拥抱，路人从身边经过。表情自然，镜头轻微晃动，温暖怀旧的光线。音频：脚步声、街道环境音、轻柔的音乐，其中一人用英语说 "I can't believe it's you."
Kling 4.0 和 Kling 3.0 有什么不同
Kling 4.0 时长翻倍，新增关键帧和立体声，可用的参考素材也多了很多。
| 参数 | Kling 4.0 | Kling 3.0 |
|---|---|---|
| 单次生成时长 | 3–30 秒 | 3–15 秒 |
| 画面控制 | 首尾帧，最多 10 个关键帧 | 首尾帧 |
| 参考素材 | 最多 15 个：10 张图片、5 段视频（共 30 秒）、7 个主体、音色 | 最多 7 张图片/主体，或 1 段视频（15 秒）+ 4 张图片 |
| 音频 | 双声道立体声，口型同步 | 单声道 |
| 对白语言 | 中文、英语、日语、韩语、西班牙语、葡萄牙语、德语、法语等 | 中文、英语、日语、韩语、西班牙语 |
| 分辨率 | 720p / 1080p | 720p / 1080p |
| 动态范围 | 1080p 支持 10-bit HDR（即将上线） | 8-bit SDR |
| 画面比例 | 21:9、16:9、1:1、9:16、自动 | 不支持 21:9 |
| 提示词长度 | 最多 8,000 tokens | — |
参数来自可灵 AI 发布的 Kling 4.0 更新说明和使用指南。VideoAI 上可用的选项可能有所不同。
像写分镜表一样写提示词
Kling 4.0 最擅长执行具体、带时间点的指令。三个步骤，再加一套可以反复套用的提示词结构。
- 01
选择 Kling 4.0，添加参考素材
打开 VideoAI 视频创作页，选择 Kling 4.0，上传需要的图片、视频或音色样本。它们会按上传顺序编号：@Image1、@Image2、@Video1。
- 02
给每个参考分配任务
说明每个素材负责什么，比如“@Image1：保留她的长相和服装”，或“@Video1：照搬这段运镜”。没有分配任务的参考，生成结果会更难预料。
- 03
排好时间线，然后生成
带上时间点逐段描述画面，写明想要的声音，选择 3 到 30 秒的时长和画面比例，然后点击生成。
[参考素材]@Image1 是主角，保留她的长相和服装。@Video1：只参考运镜。
[画面风格]雨夜的霓虹街道，浅景深，电影感调色。
[时间线]0–5 秒：特写，她撑起雨伞。5–15 秒：跟拍她穿过马路。15 秒至结尾：她转向镜头，微微一笑。
[声音]雨声和远处的车流声，柔和的合成器音乐。她说：“来得正好。”
Kling 4.0 常见问题
Kling 4.0 是什么？
Kling 4.0（可灵 4.0）是快手旗下可灵 AI 推出的最新视频模型。它可以根据文字、图片或最多 15 个混合参考，一次生成 3 到 30 秒的视频，自带双声道立体声和口型同步的对白，支持最多 10 个关键帧，分辨率最高 1080p，还能编辑你上传的视频。
Kling 4.0 生成的视频最长多久？
每次生成 3 到 30 秒，以 1 秒为单位调整，默认 10 秒。这是 Kling 3.0 最长 15 秒的两倍。
Kling 4.0 能生成声音吗？
能。对白、歌声、音效和环境音会与画面一起生成，输出双声道立体声，口型也会和台词对上。如果不需要背景音乐或字幕，在提示词里说明即可。
Kling 4.0 支持哪些分辨率和画面比例？
Kling 4.0 支持 720p 和 1080p，画面比例有 21:9、16:9、1:1、9:16 和自动。可灵 AI 已宣布 1080p 的 10-bit HDR 输出即将上线。
最多可以用多少个参考素材？
每次生成最多 15 个：最多 10 张图片、5 段总长 30 秒的视频、7 个主体（其中最多 3 个由视频创建）以及音色参考。在提示词里用 @Image1、@Video1 这样的编号指代每个素材，并说明它负责控制什么。
Kling 4.0 的关键帧是什么？
关键帧是视频中必须出现的画面，比如某个姿势、一次转场或一个揭晓瞬间。你可以只设首帧，也可以设首尾帧，或者最多 10 个关键帧，Kling 4.0 会按顺序依次经过它们。
角色能说哪些语言？
中文、英语、日语、韩语、西班牙语、葡萄牙语、德语、法语等。还可以指定口音，比如美式、英式或印度英语，以及粤语、四川话、北京口音等中文方言。把台词放在引号里，并在提示词里写明口音。
Kling 4.0 能编辑已有的视频吗？
能。上传一段主视频，再加最多 4 段视频作为参考（每段 3 到 30 秒，总长 30 秒），然后描述想改的地方。Kling 4.0 可以替换角色或背景、去掉某个物体，或修改动作、机位和风格，镜头的其余部分保持不变。
探索其他模型
把 Kling 4.0 和 VideoAI 上的其他视频、图片模型比一比。
