Kling：快手的视频模型，3.0 和 4.0 能做什么

Kling 是什么

Kling 是中国公司快手的视频模型，快手同时运营同名短视频平台。截至 2026 年 2 月，公司公布的数字是：超过 6000 万创作者用过 Kling，生成成片超过 6 亿条，超过 3 万家公司用过这套模型。

Kling 3.0 于 2026 年 2 月 5 日发布。快手列出的主要改进是：角色更稳定、更接近照片、成片最长 15 秒，以及不同语言、方言和口音的原生声音。模型按「一个模型做完」来设计：能理解文字、图像、音频和视频，并且能在同一次流程里生成和修改成片。旁边的 Kling 3.0 Omni 负责参考和修改。之后又出了更快的 Kling 3.0 Turbo。

Kling 4.0 于 2026 年 9 月 28 日公布，下文说明已知信息。

Kling 能做什么

一条成片里放多个镜头。 Kling 3.0 会做分镜：每个镜头可以单独设定时长、景别、角度、动作和镜头运动。总长度最长 15 秒。

对白和声音。 引号里的台词会配上对口型，同时带音乐和背景声。

物理和动态。 模型能保住惯性和身体重量：跳跃、奔跑、落地。

首帧和尾帧。 给 Kling 两张图，它会补上中间的运动。

角色元素。 在 Kling 3.0 Omni 里可以上传最多 7 张图，用 4 个角度拼一个角色，或从 3–8 秒的视频里抽出角色，外观和声音一起带走。3 秒及以上的录音可以把声音绑到角色上。

Motion Control。 动作迁移：参考视频里的舞蹈、手势或步态，套到照片里的角色上。

Kling 4.0：目前已知的信息

2026 年 9 月 28 日，Kling 公布了 4.0。官网把这版写成「全新」：稳定的动态动作和沉浸式声音，面向专业级制作。开发者平台列出即将进入 API 的四项能力：动态动作、Omni 参考、原生 30 秒生成，以及多个关键帧。

目前只有较轻的 Kling 4.0 Flash 处于抢先体验。完整版和 API 标为「即将推出」。媒体援引公司给出了更具体的数字——4K、HDR、参考数量——但我们在 Kling 的官方材料里没有找到这些数字。等 4.0 完整发布后，本页会更新。

Kling 适合哪些任务

• 15 秒以内的短故事和广告，多个镜头，不用再剪。
• 带对白的成片，不同语言和口音。
• 按参考做舞蹈和动作，用 Motion Control。
• 动作和运动，模型对惯性把握较好。
• 同一角色的系列，角色由照片或视频拼成。

Kling 和同类模型

	Kling 3.0	Veo 3.1	Seedance 2.5	Gemini Omni 1.1 Flash
开发者	Kuaishou	Google DeepMind	ByteDance Seed	Google DeepMind
单次时长	最长 15 秒	4、6、8 秒	最长 30 秒	3–10 秒
分辨率	720p、1080p	最高 4K	未公布	最高 4K（放大）
多镜头	有，分镜	在提示词里写时间码	有	有
参考	最多 7 张照片，可从视频提取带声音的角色	最多 3 张图像	30 张照片、10 段视频、10 段音频	图像，以及最多 3 段视频
动作迁移	Motion Control	无	按参考视频	按参考视频
在 AI2Face	有	有	有	有

Kling 3.0 适合 10–15 秒、带分镜和对白的成片，Motion Control 目前仍是迁移动作最省事的方式。Veo 3.1 能做 4K，短片里的声音也更好。Seedance 2.5 的单条最长。Gemini Omni 在输入和修改上最灵活。

怎样给 Kling 写提示词

• 给镜头编号：「镜头 1：手部特写……镜头 2：中景……」。每个镜头都写动作和机位。
• 对白放进引号，并注明谁在说、什么语气。
• 声音单独一行： 音乐、音效、背景。
• 用词写清物理：「真实的惯性」「落地后翻滚」——模型会把动作抓得更稳。
• 两帧之间的过渡要写出中间发生了什么：「站起来，穿上大衣，拿起叶子」。

四镜头的烹饪短片。镜头 1：特写，厨师的手在木砧板上切新鲜罗勒和番茄。镜头 2：中景，
厨师把意面抛进热锅，火苗窜起。镜头 3：慢动作特写，帕玛森刨到盘子上。镜头 4：
trattoria 温暖厨房的全景，厨师把盘子放到出餐口并微笑。声音：刀切木头、锅的滋滋声、
厨房环境声、轻柔的意大利吉他。照片级真实，暖光

怎样在 AI2Face 里用 Kling

Kling 在 AI2Face 生成器里可用：带声音的成片、分镜和动作迁移。费用在开始前就能看到。

同一生成器里还有：

• Veo 3.1：4–8 秒、最高 4K，带对白和音效，能让照片动起来，支持首帧和尾帧。
• Gemini Omni Flash：最长 10 秒，用多张参考拼一场戏，支持首帧和尾帧。

一条短的 4K 成片可以用两段 Veo 3.1 拼出来，角色按同一张参考保持一致。两款模型都在同一个生成器里，费用事先可见。

限制

• 小细节会出错。 我们的测试里，手里的物件有时会脱离（小提琴手的琴弓）；两帧过渡时，衣服可能从一套「流」成另一套。
• 3.0 的分辨率最高 1080p。 Kling 3.0 没有官方宣布 4K。
• Kling 4.0 仍在抢先体验，而且只有 Flash。
• 获取方式。 官方是 Kling 网站、应用和 API。在部分国家直接支付订阅比较困难。

总结

Kling 3.0 是做短故事很强的视频模型之一：一次生成最长 15 秒，里面有多镜头分镜、对口型的对白，以及站得住的物理。Motion Control 让它最适合按参考做舞蹈和动作。Kling 4.0 承诺时长翻倍，完整发布后本页会跟上。Kling 已在 AI2Face 可用。如果要 4K，或要短片里更好的声音，用 Veo 3.1 或 Gemini Omni，它们在同一个生成器里。