Kling 2.6：可灵第一款带声音的模型——语音、歌唱、音效和角色自己的声音

Kling 2.6 是什么

Kling 2.6 是中国公司快手（Kuaishou）的视频模型。Kling 在 2025 年 12 月 3 日发布它，那天是发布周的第三天，比 Kling O1 晚两天。模型的口号是「看见声音，听见画面」：这是 Kling 里第一款把声音和视频一起生成的模型，而不是事后再配。

12 月 16 日，模型学会用选定的声音说话；12 月 17 日，用于迁移动作的 Motion Control 2.6 上线。2026 年 2 月，它由 Kling 3.0 接替。系列总览在 Kling 页面。

在 2026 年 9 月 21 日的 Arena 排名里，Kling 2.6 Pro 位列 48 个视频模型中的第 29 名。

Kling 2.6 能做什么

同一次生成里的声音。 跑一次，画面和完整音轨一起出来。Kling 列出六类声音：

• 画外音和对白；
• 歌唱和说唱；
• 场景的背景声；
• 物体和动作的声音——碎玻璃、篝火噼啪、海浪；
• 混合音效。

声音可以用 Native Audio 开关关掉，关掉以后成片更便宜。

两种模式。 文生视频：场景和声音都从提示词里来。图生视频：照片变成第一帧，再配上声音。Kling 提醒，第二种模式的质量很依赖原图分辨率。

情绪和语气。 提示词里可以指定台词的情绪、语气、语速，甚至音量。

自己的声音（12 月 16 日起）。 上传一段 5–30 秒的录音，只有一个人说话、语调平稳、没有杂音，Kling 就会保存这个声音。一共可以建最多 200 个声音。声音跟在角色名字后面，用 @声音名称 绑到角色上。这个功能只在图生视频里可用。

Motion Control 2.6。 动作迁移模式：模型从一段 3–30 秒的视频里提取人物的动作和表情，搬到图片里的角色身上，一个镜头完成，没有剪辑。细节见可灵动作控制指南。

Kling 2.6 的价格

模式	每秒 Kling 积分
专业，带声音	10
专业，不带声音	5
标准，不带声音	3
自己的声音	+2
Motion Control 2.6（标准 / 专业）	5 / 8

专业模式下，一段 10 秒带声音的成片在 Kling 应用里要 100 积分。

Kling 2.6、3.0 和 4.0 有何不同

	Kling 2.6	Kling 3.0	Kling 4.0
发布	2025.12.03	2026 年 2 月	2026.10.15
时长	5 或 10 秒	最长 15 秒	3–30 秒
声音	有，第一款带声音的模型	有	立体声
语音语言	中文、英文	5 种语言，含口音	—
按镜头分镜	无	有	10 个关键帧
角色自己的声音	录 5–30 秒	带声音的元素	参考里的声音
Arena 名次（2026.09.21）	29	—	—

Kling 2.6 适合做什么

• 只有一句台词的短片——广告语、问候、表情包。
• 音乐片段——10 秒里的一段主歌、副歌或一句说唱。
• 有声音的场景——篝火、海浪、城市、摔碎的餐具，不用去音效库里找。
• 两个角色的对白——Kling 建议正好两个。

• 给照片配上声音并让它动起来——照片变成第一帧，然后开口说话。
• 按参考跳舞——用 Motion Control 2.6。

Kling 2.6 和相近模型

	Kling 2.6	Veo 3.1	MiniMax H3	HappyHorse 1.1
开发者	快手 Kuaishou	Google DeepMind	MiniMax	阿里巴巴
时长	5 或 10 秒	4、6、8 秒	4–15 秒	3–15 秒
声音	有	有	立体声	有
俄语语音	无	—	有	未说明语言
自己的声音	有，录 5–30 秒	无	音频参考	无
Arena 名次（2026.09.21）	29	12–15	8	10（1.0）
在 AI2Face	有	有	有	有

Kling 2.6 的画质不如更新的模型，但仍然是得到短有声视频、并给角色用上自己声音的简单办法。要俄语和 2K，用 MiniMax H3；短片里要更好的声音，用 Veo 3.1。

怎么给 Kling 2.6 写提示词

Kling 给的公式是：场景 + 角色 + 动作 + 声音 + 风格。说短一点：看见什么、发生什么、听见什么。

1. 台词和歌词语写在引号里。
2. 对白里每个角色有自己的标记（「[奶奶]」「[孙子]」），角色的动作写在他的台词前面，声音的语气要分开。
3. 歌唱： 歌词 + 唱法 + 伴奏 + 情绪。说唱： 押韵的句子 + 节奏。
4. 音效： 声源、它的状态和描述，例如「篝火里干树枝的噼啪声」。
5. 背景： 场景 + 声音 + 空间感，比如回声。
6. 英文语音： 普通词用小写，缩写和人名用大写。
7. 一条提示词一个主题。 Kling 建议不要把很多背景声和复杂的语音混在一起。

菜园这一帧的例子：

白天，阳光下的菜园。[Grandma] 戴着草帽，举起一篮番茄，
微笑，用温暖、缓慢的声音说："Look, the first tomatoes this year!"
[Grandson] 拿着洒水壶，笑着，用清脆、很快的声音回答："Can I eat one right now?"
声音：鸟鸣、洒水壶里的水声、轻风。中景，柔光。

在 AI2Face 里使用 Kling 2.6

Kling 2.6 在 AI2Face 的生成器里，和 Kling 3.0、Kling 4.0 放在一起。

1. 注册账号，新账户会得到体验积分。Kling 自己免费给什么，写在 Kling AI 免费 里。
2. 打开生成器，切到视频，选择 Kling 2.6。
3. 上传照片或写下提示词，选择 5 秒或 10 秒，以及画幅。
4. 积分费用在开始前就能看到。套餐积分不会过期，可以用银行卡或加密货币支付。

图生视频的起始帧可以在同一个生成器里做，比如用 Nano Banana Pro。

限制

• 语音只有中文和英文。 其他语言的台词，Kling 会译成英文。
• 只有 5 秒或 10 秒，更长只能走 Motion Control。
• 超过两个角色，按 Kling 的说法，对白质量可能下降。
• 唱歌时的声音不如说话时稳。
• 自己的声音只在图生视频里可用，也不是每条片子都能提取：没有语音的、2.6 之前做的、或者没有声音的，都不行。
• 按照片生成的质量取决于原图分辨率。

总结

Kling 2.6 是 Kling 第一款带声音的模型，到现在仍是得到 5–10 秒成片的最简单办法：一句台词、一首歌或一场有声音的戏，再加上角色自己的声音。要分镜和五种语言的语音，换 Kling 3.0；要最长 30 秒的片子，换 Kling 4.0。如果需要俄语，用 MiniMax H3。这些模型都在同一个 AI2Face 生成器里。