Kling 4.0 是快手可灵 AI 第四代视频模型,支持单次原生 30 秒生成、多关键帧叙事、全能参考(Omni Reference)与主体一致性,并以 720p 或 1080p 输出立体声视频。
查看、下载并复用通过 Kling 4.0 生成的视频。
Kling 4.0 · 模型概览
Kling 4.0 是快手旗下可灵 AI 推出的第四代视频模型,围绕视觉真实感、创作可控性与叙事完整性全面升级:单次生成最长 30 秒,最多支持 10 个关键帧和 15 项多模态参考,并提供立体声音频,以 720p 或 1080p 输出。
单次即可生成最长 30 秒的视频,是 Kling 3.0 上限 15 秒的两倍,足以容纳开场、主体动作与完整结尾。
在时间轴上放置最多 10 个关键帧,锁定构图、人物站位与叙事节点,关键帧之间的动态由 Kling 4.0 自动生成。可用帧数比视频秒数多 1:3 秒视频最多 4 帧,9 秒及以上最多 10 帧。
单次最多组合 10 张图片、5 段视频、7 个主体和 3 个音色,合计不超过 15 项,让人物、产品与风格保持更高一致性,并增强了基于参考的视频编辑能力。
高速运动、连续动作与复杂运镜的画面更加稳定流畅,大场面、追逐戏与大幅度运镜都能从容驾驭。
每次生成可选 720p 或 1080p:720p 适合草稿与社交媒体,1080p 适合最终成片和需要继续剪辑的素材。暂不提供 4K 与 10-bit HDR 输出。
声音与画面同步生成,提供高品质立体声音频、更精准的口型匹配,并支持多种语言、口音与方言。
用 2–4 张图片或 1 段 3–8 秒视频创建最多 7 个主体,在提示词中用 @名称 引用;人物主体还可绑定一段音色录音,让角色用这个声音说话。
Kling 4.0 主要规格一览。
| 规格 | Kling 4.0 |
|---|---|
| 开发方 | 可灵 AI(快手科技) |
| 版本 | Kling 4.0 完整版(本页使用);另有轻量版 Kling 4.0 Flash |
| 单次生成时长 | 3–30 秒,原生生成 |
| 主体 | 最多 7 个,可用 2–4 张图片或 1 段 3–8 秒视频创建,可绑定音色 |
| 关键帧 | 最多 10 个(比视频秒数多 1) |
| 全能参考 | 最多 15 项:10 张图片、5 段视频、7 个主体、3 个音色 |
| 提示词长度 | 最多 8000 字符 |
| 分辨率 | 720p 或 1080p |
| 画面比例 | 智能、16:9、9:16、1:1 与 21:9 超宽画幅 |
| 音频 | 双声道立体声,口型匹配更精准 |
| 语言 | 中文、英语、日语、韩语、西班牙语等,并支持多种口音与方言 |
Kling 4.0 分为两个版本:本页工作台使用的是完整版,追求真实感与可控性;Flash 是侧重速度与成本的轻量版。
面向高画质场景的完整版
面向高频创作的轻量版,本页不提供
借助单次 30 秒生成与关键帧,完整呈现开场、情节推进与收尾。
利用全能参考与命名主体保持产品与人物形象一致,输出 1080p 素材,用于新品发布页、社交媒体投放与电商详情页。
制作讲解视频、角色对白与本地化版本,在多种语言、口音与方言下实现口型同步。
高速运动、连续动作与复杂运镜的稳定性提升,适合追逐戏、体育集锦与气势恢宏的大全景镜头。
用最多 10 个关键帧锁定关键镜头,在正式制作前测试构图、节奏与运镜路径。
以 21:9 超宽画幅构图,输出 1080p 画面,适合电影感开场、预告片与宽银幕展示。
创作流程
Kling 4.0 更适合先规划后生成:先明确叙事节点,再用关键帧与参考素材锚定画面,最后根据发布渠道选择输出规格。
第 01 步
将视频拆分为若干节点:例如第 0–10 秒交代主体与环境,第 10–20 秒展开主要动作,第 20–30 秒完成高潮或定格画面。结构清晰,模型就能更好地把握动作与运镜节奏。
第 02 步
在「图片」模式下按播放顺序上传关键帧:第 1 张为首帧,最后一张为尾帧,其余为中间帧。在「媒体」模式下添加图片、视频或主体参考,控制人物、产品与风格。Kling 4.0 最多支持 10 个关键帧和 15 项参考素材。
第 03 步
描述主体、动作、运镜、光线、对白与声音。提示词上限为 8000 字符,复杂场景可以逐个镜头进行描述。
第 04 步
选择画面比例(包括 21:9 超宽画幅)或保持「智能」,再选择 720p 出草稿、1080p 出成片。检查生成结果,再调整关键帧或提示词进行下一次生成。
Kling 4.0 的可控性明显高于以往的可灵模型,以下做法有助于把这种控制力转化为稳定、可用的成片。
在片段开头和结尾放置关键帧,确定场景的起点与落点;中间只在叙事需要特定瞬间时再补充关键帧。
每个角色或产品使用一张干净、光线充足的参考图,让全能参考稳定保持各自形象,避免多种造型混杂。
为每一段分别写明运镜方式,例如缓慢推近、环绕或跟拍,而不是用一句话概括整段 30 秒。
把台词放在引号内,并注明说话人及语言或口音,让口型与声音对应到正确的角色。
按时间写明环境音、音效与音乐,让立体声音频配合画面动作,而不是相互干扰。
给每个主体取一个简短、易区分的名字,在提示词中用 @名称 引用。需要角色每次说话声音一致时,为人物主体绑定音色。
下表对比 Kling 4.0、Kling 3.0 与 Seedance 2.5 已公开的能力,展示各模型最适合的场景。
| 能力 | Kling 4.0 | Kling 3.0 | Seedance 2.5 |
|---|---|---|---|
| 单次生成时长 | 3–30 秒,原生生成 | 3–15 秒 | 最长 30 秒 |
| 叙事控制 | 最多 10 个关键帧,可在时间轴层面精确控制 | 单条提示词生成多镜头叙事 | 首帧控制,以及用于镜头调度的 3D 空间预演 |
| 参考素材 | 最多 15 项:10 张图片、5 段视频、7 个主体、3 个音色 | Kling 3.0 Omni:最多 7 张图片和 1 段参考视频 | 最多 50 项:30 张图片、10 段视频、10 段音频 |
| 分辨率 | 720p 与 1080p | 720p 与 1080p,另有原生 4K 模式 | 720p 至原生 4K |
| 音频 | 立体声音频、更精准的口型匹配,支持多种语言、口音与方言 | 原生音频,支持多语言语音与口音 | 原生音频,可使用音频文件作为参考 |
| 适用场景 | 需要关键帧精度、丰富参考素材与主体一致性的长镜头叙事场景 | 15 秒以内的电影感短片,适用于社交媒体、广告与短场景 | 参考素材密集的 30 秒制作与 4K 品牌内容 |
自 2024 年 6 月上线以来,可灵 AI 每隔几个月便推出一次重要模型更新。Kling 4.0 在视频时长、创作控制与输出画质上实现了最大的一次跨越。
| 版本 | 发布时间 | 主要亮点 |
|---|---|---|
| Kling 1.0 | 2024 年 6 月 | 可灵文生视频与图生视频正式对外开放 |
| Kling 1.5 | 2024 年 9 月 | 支持 1080p 高清输出,动态质量提升 |
| Kling 2.0 | 2025 年 4 月 | 动态表现、语义理解与画面质感大幅提升,并新增多模态视频编辑 |
| Kling 2.5 Turbo | 2025 年 9 月 | 生成速度更快、成本更低,提示词遵循能力更强 |
| Kling 2.6 | 2025 年 12 月 | 首个支持原生音频的可灵模型,可生成人声、音效与环境声 |
| Kling 3.0 | 2026 年 2 月 | 支持 3–15 秒视频、多镜头叙事与多语言原生音频 |
| Kling 4.0 | 2026 年 | 单次原生 30 秒生成、最多 10 个关键帧、15 项参考,以及可绑定音色的命名主体 |
以下示例均按完整的 30 秒视频撰写,包含清晰的节奏节点、运镜与声音描述,便于模型从头到尾把握场景节奏。
0–10 秒:一块哑光黑色智能手表在湿润的石质底座上缓慢旋转,柔和轮廓光,微距镜头。10–20 秒:镜头环绕移动,屏幕亮起,雨滴从表镜滑落。20–30 秒:镜头拉远,呈现黄昏时分被雨水浸润的城市天台全景,表盘微微发光。低沉的氛围合成器音乐与轻柔雨声,立体声。
夜晚温暖的咖啡馆。一位身穿绿色外套的年轻女子从笔记本上抬起头,用英语说:“You came back.”对面的男子微笑着用西班牙语回答:“Nunca me fui del todo.”镜头缓慢推近,浅景深,背景是低声交谈与轻柔的钢琴声。
以第 1、5、10 个关键帧为锚点:一位骑红色自行车的快递员在日出时驶入狭窄小巷,正午穿过拥挤的集市,日落时停在港口大门前。人物服装与自行车保持一致。跟拍镜头位于车把高度,21:9 超宽画幅,鼓点节奏逐渐增强。
0–10 秒:一辆拉力赛车在泥泞的林间弯道漂移,泥浆溅向镜头,低机位跟拍。10–20 秒:无人机镜头升起,跟随赛车越过坡顶,阳光穿过树林形成光晕。20–30 秒:赛车以慢动作冲过终点线,观众欢呼。立体声的引擎轰鸣与人群声。
明亮的演播室里,一位主持人手持一副无线耳机,用英语说:“Twelve hours of battery, one small case.”随后用日语重复这句话,再对着镜头微笑。中景,柔和主光,干净的演播室环境音。
21:9 超宽画幅。黎明时分云雾缭绕的山谷。0–10 秒:镜头在云层之上缓慢航拍滑行。10–20 秒:镜头下降,逐渐接近山脊上的一位骑手。20–30 秒:骑手停下,阳光越过群峰洒落。渐强的管弦乐与轻柔风声。
关于 Kling 4.0 的功能、参考素材、分辨率、提示词以及与其他视频模型对比的解答。
Kling 4.0 是快手旗下可灵 AI 推出的视频生成模型。它可以根据文字、图片和多模态参考素材单次生成原生 30 秒视频,最多支持 10 个关键帧和 15 项参考,并新增立体声音频与更精准的口型匹配,可选 720p 或 1080p 输出。
Kling 4.0 按积分计费,根据视频时长与分辨率计价,使用参考视频时其时长也会计入。无需下载,当前套餐与积分包请查看定价页。
Kling 4.0 是完整版模型,支持 3–30 秒生成、首帧/尾帧与多关键帧控制,以及最多 15 项多模态参考。Kling 4.0 Flash 是侧重速度与成本的轻量版,仅支持 720p、单次最长 20 秒,且不支持关键帧控制。本页工作台使用的是完整版 Kling 4.0。
Kling 4.0 单次生成可在 3–30 秒之间按秒选择,最长是 Kling 3.0 上限 15 秒的两倍,足以容纳开场、主体动作与完整结尾。
这里的生成提供 720p 与 1080p 两档,暂不提供 4K 与 10-bit HDR 输出。720p 适合草稿与社交媒体,1080p 适合最终成片以及需要继续剪辑或调色的素材。
全能参考(Omni Reference)单次最多支持 10 张图片、5 段视频、7 个主体和 3 个音色,合计不超过 15 项。多关键帧功能最多支持 10 个关键帧,可用帧数比视频秒数多 1:3 秒视频最多 4 帧,9 秒及以上最多 10 帧。
全能参考(Omni Reference)是 Kling 4.0 的多模态参考系统。单次生成最多支持 10 张图片、5 段视频、7 个主体和 3 个音色,合计不超过 15 项,用于控制人物、产品、风格、动作与语音。相比以往版本,参考维度更丰富,一致性也更稳定。
可以。可灵 AI 将视频编辑能力的增强列为 Kling 4.0 全能参考升级的一部分。每次最多可使用 5 段视频参考来引导已有场景的改动,具体修改内容由提示词描述。
Kling 4.0 支持 16:9 横屏、9:16 竖屏、1:1 方形,以及适合电影感构图的 21:9 超宽画幅;选择「智能」时由模型根据素材决定画面比例。
Kling 4.0 强化了高速运动、连续动作与复杂运镜下的稳定性。大场面、追逐戏与大幅度运镜的画面比以往版本更加稳定流畅。
Kling 4.0 在生成视频的同时生成高品质立体声音频,口型匹配更加精准。语音支持中文、英语、日语、韩语、西班牙语、葡萄牙语、德语、法语、印地语等多种语言,并支持多种口音与方言。
Kling 4.0 在真实感、可控性与叙事长度上全面升级:
两者都能生成最长 30 秒的视频。Kling 4.0 的优势在于关键帧级别的时序控制,以及可绑定专属音色的命名主体。Seedance 2.5 可容纳最多 50 项参考素材(含音频文件),并支持最高 4K 输出,更适合参考素材密集的品牌与产品内容。
Kling 4.0 的提示词上限为 8000 字符,足以把 30 秒视频按镜头逐一描述,包括运镜、对白与声音。
建议围绕时间轴组织提示词,而不只描述单一瞬间:
必须精确呈现的内容交给关键帧与参考素材,文字部分用于引导动作与节奏。
Kling 4.0 由快手科技旗下的 AI 视频生成平台可灵 AI 开发。可灵模型家族于 2024 年 6 月上线,此后每隔几个月推出一次重要升级,从 Kling 1.0 一路迭代至 Kling 4.0。