Kling 4.0 是快手可靈 AI 第四代影片模型,支援單次原生 30 秒生成、多關鍵幀敘事、全能參考(Omni Reference)與主體一致性,並以 720p 或 1080p 輸出立體聲影片。
檢視、下載並複用透過 Kling 4.0 生成的影片。
Kling 4.0 · 模型概覽
Kling 4.0 是快手旗下可靈 AI 推出的第四代影片模型,圍繞視覺真實感、創作可控性與敘事完整性全面升級:單次生成最長 30 秒,最多支援 10 個關鍵幀和 15 項多模態參考,並提供立體聲音訊,以 720p 或 1080p 輸出。
單次即可生成最長 30 秒的影片,是 Kling 3.0 上限 15 秒的兩倍,足以容納開場、主要動作與完整結尾。
在時間軸上放置最多 10 個關鍵幀,鎖定構圖、人物站位與敘事節點,關鍵幀之間的動態由 Kling 4.0 自動生成。可用幀數比影片秒數多 1:3 秒影片最多 4 幀,9 秒以上最多 10 幀。
單次最多組合 10 張圖片、5 段影片、7 個主體與 3 個音色,合計不超過 15 項,讓人物、產品與風格保持更高一致性;以參考素材為基礎的影片編輯能力也同步強化。
快速動作、連續運動與複雜運鏡的呈現更加穩定流暢,大場面、追逐場景與大範圍運鏡也更容易掌握。
每次生成可選 720p 或 1080p:720p 適合草稿與社群媒體,1080p 適合最終成片與需要後續剪輯的素材。暫不提供 4K 與 10-bit HDR 輸出。
聲音與畫面同步生成,提供高品質立體聲音訊、更精準的口型同步,並支援多種語言、口音與方言的語音。
用 2–4 張圖片或 1 段 3–8 秒影片建立最多 7 個主體,在提示詞中以 @名稱 引用;人物主體還可綁定一段音色錄音,讓角色用這個聲音說話。
Kling 4.0 主要規格一覽。
| 規格 | Kling 4.0 |
|---|---|
| 開發商 | 可靈 AI(快手科技) |
| 版本 | Kling 4.0 完整版(本頁使用);另有輕量版 Kling 4.0 Flash |
| 單次生成時長 | 3–30 秒,原生生成 |
| 主體 | 最多 7 個,可用 2–4 張圖片或 1 段 3–8 秒影片建立,可綁定音色 |
| 關鍵幀 | 最多 10 個(比影片秒數多 1) |
| 全能參考 | 最多 15 項:10 張圖片、5 段影片、7 個主體、3 個音色 |
| 提示詞長度 | 最多 8000 字元 |
| 解析度 | 720p 或 1080p |
| 畫面比例 | 智慧、16:9、9:16、1:1 與 21:9 超寬畫面 |
| 音訊 | 雙聲道立體聲,口型同步更精準 |
| 語言 | 中文、英語、日語、韓語、西班牙語等,並支援多種口音與方言 |
Kling 4.0 分為兩個版本:本頁工作區使用的是完整版,追求真實感與可控性;Flash 是著重速度與成本的輕量版。
適用於高擬真度場景的完整版
著重高頻創作的輕量版,本頁不提供
藉由單次 30 秒生成與關鍵幀,完整呈現開場、情節推進與收尾。
利用全能參考與命名主體維持產品與人物形象一致,輸出 1080p 素材,用於新品發表頁、社群廣告投放與電商商品頁。
製作解說影片、角色對白與在地化版本,在多種語言、口音與方言中實現口型同步。
高速運動、連續動作與複雜運鏡的穩定性提升,適合追逐場景、體育賽事精華與氣勢磅礴的大全景鏡頭。
以最多 10 個關鍵幀鎖定關鍵鏡頭,在正式投入製作前測試構圖、節奏與運鏡路徑。
以 21:9 超寬畫面構圖,輸出 1080p 畫面,適合電影感開場、預告片與寬螢幕展示。
創作流程
Kling 4.0 更適合先規劃再生成:先確立敘事節點,再以關鍵幀與參考素材錨定畫面,最後依發布管道選擇輸出規格。
步驟 01
將影片拆分為數個節點:例如第 0–10 秒交代主體與場景,第 10–20 秒展開主要動作,第 20–30 秒呈現高潮或最終畫面。結構清晰,模型就能更好地掌握動作與運鏡節奏。
步驟 02
在「圖片」模式下依播放順序上傳關鍵幀:第 1 張為首幀,最後一張為尾幀,其餘為中間幀。在「媒體」模式下加入圖片、影片或主體參考,控制人物、產品與風格。Kling 4.0 最多支援 10 個關鍵幀與 15 項參考素材。
步驟 03
描述主體、動作、運鏡、光線、對白與聲音。提示詞上限為 8000 字元,複雜場景可以逐個鏡頭描述。
步驟 04
選擇畫面比例(包括 21:9 超寬畫面)或保持「智慧」,再選擇 720p 出草稿、1080p 出成片。檢查生成結果後,再調整關鍵幀或提示詞進行下一次生成。
Kling 4.0 的可控性明顯高於以往的可靈模型,以下做法有助於將這份控制力轉化為穩定、可用的成品。
在片段開頭與結尾放置關鍵幀,確定場景的起點與落點;中間只在敘事需要特定瞬間時再加入關鍵幀。
每個角色或產品使用一張乾淨、光線充足的參考圖,讓全能參考穩定維持各自形象,避免多種造型混雜。
為片段的每一段分別寫明運鏡方式,例如緩慢推近、環繞或跟拍,而不是用一句指令涵蓋整段 30 秒。
將台詞放在引號內,並註明說話者及語言或口音,讓口型同步與聲音對應到正確的角色。
依時間寫明環境音、音效與音樂,讓立體聲音訊襯托畫面動作,而非相互干擾。
為每個主體取一個簡短、易於區分的名稱,在提示詞中以 @名稱 引用。需要角色每次說話聲音一致時,為人物主體綁定音色。
下表比較 Kling 4.0、Kling 3.0 與 Seedance 2.5 已公開的功能,並列出各模型最適合的應用情境。
| 功能 | Kling 4.0 | Kling 3.0 | Seedance 2.5 |
|---|---|---|---|
| 單次生成時長 | 3–30 秒,原生生成 | 3–15 秒 | 最長 30 秒 |
| 敘事控制 | 最多 10 個關鍵幀,可在時間軸層級精確控制 | 單一提示詞即可生成多鏡頭敘事 | 首幀控制,以及用於鏡頭調度的 3D 空間預演 |
| 參考素材 | 最多 15 項:10 張圖片、5 段影片、7 個主體、3 個音色 | Kling 3.0 Omni:最多 7 張圖片與 1 段參考影片 | 最多 50 項:30 張圖片、10 段影片、10 段音訊 |
| 解析度 | 720p 與 1080p | 720p 與 1080p,另有原生 4K 模式 | 720p 至原生 4K |
| 音訊 | 立體聲音訊、更精準的口型同步,支援多種語言、口音與方言 | 原生音訊,支援多語言語音與口音 | 原生音訊,可使用音訊檔案作為參考 |
| 最適合 | 需要關鍵幀精度、豐富參考素材與主體一致性的長鏡頭敘事場景 | 15 秒以內的電影感短片,適用於社群媒體、廣告與短場景 | 參考素材密集的 30 秒製作與 4K 品牌內容 |
自 2024 年 6 月起,可靈 AI 每隔數月便推出一次重大模型更新。Kling 4.0 在影片長度、創作控制與輸出品質上,實現了最大的一次躍進。
| 版本 | 發布時間 | 主要亮點 |
|---|---|---|
| Kling 1.0 | 2024 年 6 月 | 可靈文字轉影片與圖片轉影片正式對外開放 |
| Kling 1.5 | 2024 年 9 月 | 支援 1080p 高畫質輸出,動態品質提升 |
| Kling 2.0 | 2025 年 4 月 | 動態表現、提示詞理解與畫面品質大幅提升,並新增多模態影片編輯 |
| Kling 2.5 Turbo | 2025 年 9 月 | 生成速度更快、成本效益更高,提示詞遵循能力更強 |
| Kling 2.6 | 2025 年 12 月 | 首款支援原生音訊的可靈模型,可生成語音、音效與環境音 |
| Kling 3.0 | 2026 年 2 月 | 支援 3–15 秒影片、多鏡頭敘事與多語言原生音訊 |
| Kling 4.0 | 2026 年 | 單次原生 30 秒生成、最多 10 個關鍵幀、15 項參考,以及可綁定音色的命名主體 |
以下範例皆以完整的 30 秒影片撰寫,包含清楚的節奏節點、運鏡與聲音描述,讓模型從頭到尾掌握場景節奏。
0–10 秒:一支霧面黑色智慧手錶在濕潤的石製底座上緩慢旋轉,柔和的輪廓光,微距鏡頭。10–20 秒:鏡頭環繞移動,螢幕亮起,雨滴從錶面玻璃滑落。20–30 秒:鏡頭拉遠,以廣角全景呈現黃昏時分被雨水浸濕的頂樓,錶面微微發光。低沉的氛圍合成器音樂與輕柔雨聲,立體聲。
夜晚溫暖的咖啡館。一位身穿綠色外套的年輕女子從筆記本上抬起頭,用英語說:「You came back.」坐在對面的男子微笑著用西班牙語回答:「Nunca me fui del todo.」鏡頭緩慢推近,淺景深,背景是咖啡館裡低聲的交談與輕柔的鋼琴聲。
以第 1、5、10 個關鍵幀為錨點:一名騎著紅色腳踏車的快遞員在日出時駛入狹窄巷弄,正午穿過擁擠的市集,日落時停在港口大門前。人物服裝與腳踏車保持一致。跟拍鏡頭位於車把高度,21:9 超寬畫面,鼓點節奏逐漸增強。
0–10 秒:一輛拉力賽車在泥濘的林間彎道甩尾過彎,泥漿濺向鏡頭,低機位跟拍。10–20 秒:空拍鏡頭升起,跟隨賽車越過坡頂,陽光穿過樹林形成耀光。20–30 秒:賽車以慢動作衝過終點線,觀眾歡呼。立體聲的引擎轟鳴與人群聲。
明亮的攝影棚裡,一位主持人手持一副無線耳機,用英語說:「Twelve hours of battery, one small case.」隨後以日語重複這句話,再對著鏡頭微笑。中景,柔和主光,乾淨的攝影棚環境音。
21:9 超寬畫面。黎明時分雲霧繚繞的山谷。0–10 秒:鏡頭在雲層之上緩慢空拍滑行。10–20 秒:鏡頭下降,逐漸接近山脊上的一名騎手。20–30 秒:騎手停下,陽光越過群峰灑落。漸強的管弦樂與輕柔風聲。
解答 Kling 4.0 的功能、參考素材、解析度、提示詞,以及與其他影片模型的比較。
Kling 4.0 是快手旗下可靈 AI 推出的影片生成模型。它能根據文字、圖片和多模態參考素材單次生成原生 30 秒影片,最多支援 10 個關鍵幀和 15 項參考,並新增立體聲音訊與更精準的口型同步,可選 720p 或 1080p 輸出。
Kling 4.0 以點數計費,依影片時長與解析度計價,使用參考影片時其時長也會計入。無需下載,目前的方案與點數包請參閱定價頁。
Kling 4.0 是完整版模型,支援 3–30 秒生成、首幀/尾幀與多關鍵幀控制,以及最多 15 項多模態參考。Kling 4.0 Flash 是著重速度與成本的輕量版,僅支援 720p、單次最長 20 秒,且不支援關鍵幀控制。本頁工作區使用的是完整版 Kling 4.0。
Kling 4.0 單次生成可在 3–30 秒之間逐秒選擇,最長是 Kling 3.0 上限 15 秒的兩倍,足以容納開場、主要動作與完整結尾。
這裡的生成提供 720p 與 1080p 兩檔,暫不提供 4K 與 10-bit HDR 輸出。720p 適合草稿與社群媒體,1080p 適合最終成片以及需要後續剪輯或調色的素材。
全能參考(Omni Reference)單次最多支援 10 張圖片、5 段影片、7 個主體與 3 個音色,合計不超過 15 項。多關鍵幀功能最多支援 10 個關鍵幀,可用幀數比影片秒數多 1:3 秒影片最多 4 幀,9 秒以上最多 10 幀。
全能參考(Omni Reference)是 Kling 4.0 的多模態參考系統。單次生成最多支援 10 張圖片、5 段影片、7 個主體與 3 個音色,合計不超過 15 項,用於控制人物、產品、風格、動作與語音。相較以往版本,參考維度更豐富,一致性也更穩定。
可以。可靈 AI 將影片編輯能力的強化列為 Kling 4.0 全能參考升級的一部分。每次生成最多可使用 5 段影片參考,引導既有場景的改動方式,具體修改內容則由提示詞描述。
Kling 4.0 支援 16:9 橫向、9:16 直向、1:1 方形,以及適合電影感構圖的 21:9 超寬畫面;選擇「智慧」時由模型依素材決定畫面比例。
Kling 4.0 強化了高速運動、連續動作與複雜運鏡下的穩定性。大場面、追逐場景與大範圍運鏡的畫面比以往版本更加穩定流暢。
Kling 4.0 會在生成影片的同時生成高品質立體聲音訊,並提升口型同步的準確度。語音支援中文、英語、日語、韓語、西班牙語、葡萄牙語、德語、法語、印地語等多種語言,以及多種口音與方言。
Kling 4.0 在真實感、可控性與敘事長度上全面升級:
兩者皆能生成最長 30 秒的影片。Kling 4.0 的優勢在於關鍵幀層級的時序控制,以及可綁定專屬音色的命名主體。Seedance 2.5 可容納最多 50 項參考素材(包括音訊檔案),並支援最高 4K 輸出,更適合參考素材密集的品牌與產品內容。
Kling 4.0 的提示詞上限為 8000 字元,足以將 30 秒影片逐個鏡頭描述,包括運鏡、對白與聲音。
建議以時間軸組織提示詞,而非只描述單一瞬間:
必須精確呈現的內容交由關鍵幀與參考素材處理,文字則用於引導動作與節奏。
Kling 4.0 由快手科技旗下的 AI 影片生成平台可靈 AI 開發。可靈模型家族於 2024 年 6 月推出,此後每隔數月便有重大升級,從 Kling 1.0 一路演進至 Kling 4.0。