# 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 是快手的视频模型，2025 年 12 月 3 日发布，也是 Kling 系列里第一款原生带声音的模型。一次生成就能做出 5 秒或 10 秒的成片，同时带上语音、歌唱、说唱、音效和背景声；它说中文和英文，从 12 月 16 日起还能用你录的声音给角色配音。2026 年 2 月由 Kling 3.0 接替。在 AI2Face 的生成器里可以使用 Kling 2.6。

开发者: Kuaishou (Kling AI) · 发布时间: 2025-12-03 · 更新于 2026-10-28
URL: https://ai2face.com/zh/models/kling-2-6

## 关键信息

| | |
|---|---|
| 开发者 | 快手 Kuaishou（Kling AI） |
| 发布日期 | 2025 年 12 月 3 日；自己的声音为 2025 年 12 月 16 日 |
| 模式 | 由文字或图片生成带声音的视频 |
| 时长 | 5 秒或 10 秒 |
| 画幅 | 16:9、1:1、9:16 |
| 声音 | 语音、对白、歌唱、说唱、音效、背景声，和视频一起生成 |
| 语音语言 | 中文和英文；其他语言会译成英文再配音 |
| 自己的声音 | 录 5–30 秒，最多 200 个声音，仅限图生视频 |
| Motion Control 2.6 | 从 3–30 秒的视频里迁移动作 |
| 在 AI2Face | 有，在生成器里 |

## 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](/zh/models/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](/zh/models/kling-3-0) 接替。系列总览在 [Kling](/zh/models/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。

![2×2 网格：酒杯在石地上摔碎、夜里带火星的篝火、浪花拍上礁石、说唱歌手对着录音室麦克风](https://ai2face.com/_astro/sound-scenes.DamkD2lj_ISLAH.jpg "Kling 2.6 自己配音的四场戏：玻璃、篝火、海浪和说唱。画面由 Nano Banana Pro 生成")

**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](/zh/blog/kling-motion-control)指南。

![左侧是穿灰色连帽衫、摆出大幅度嘻哈姿势的舞者，右侧是银甲卡通骑士，在城堡庭院里摆出同一个姿势](https://ai2face.com/_astro/motion-ref.DBvj2wOu_2gyBhr.jpg "动作迁移就是这样：视频里的姿势和体态转到图片中的角色身上。画面由 Nano Banana Pro 生成")

## 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](/zh/models/kling-3-0) | [Kling 4.0](/zh/models/kling-4) |
|---|---|---|---|
| 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。

![戴草帽的老妇人提着一篮番茄，在阳光下的菜园里和拿着洒水壶的孙子说话](https://ai2face.com/_astro/two-characters.CvcuFBzF_Z11GTRU.jpg "两个角色是 Kling 2.6 对白的最佳人数：每人有自己的标记和语气。画面由 Nano Banana Pro 生成")

- **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](/zh/models/veo-3-1) | [MiniMax H3](/zh/models/minimax-h3) | [HappyHorse 1.1](/zh/models/happyhorse) |
|---|---|---|---|---|
| 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](/zh/models/kling-3-0)、[Kling 4.0](/zh/models/kling-4) 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](/zh/blog/kling-besplatno) 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](/zh/models/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](/zh/models/kling-3-0)；要最长 30 秒的片子，换 [Kling 4.0](/zh/models/kling-4)。如果需要俄语，用 [MiniMax H3](/zh/models/minimax-h3)。这些模型都在同一个 AI2Face 生成器里。

## 常见问题

### Kling 2.6 能做什么？

用文字或图片生成 5 秒或 10 秒的成片，并且直接带声音：语音、对白、歌唱、说唱、音效和背景声。这是 Kling 里第一款把声音和视频一起生成的模型。

### Kling 2.6 会说中文吗？

会，中文和英文都可以。如果用其他语言写台词，Kling 会译成英文再配音。需要这两种以外的语言时，选支持该语言的模型：MiniMax H3 就会说俄语。

### Kling 2.6 能做几秒？

普通生成是 5 秒或 10 秒。歌曲和对白 Kling 建议用 10 秒，结果更完整、也更稳。Motion Control 2.6 可以复刻最长 30 秒视频里的动作。

### Kling 2.6 怎么收费？

在 Kling 应用里，带声音的专业模式是每秒 10 积分。不带声音时，专业模式每秒 5 积分，标准模式每秒 3 积分。自己的声音每秒再加 2 积分。

### Kling 2.6 和 Kling 3.0 有什么区别？

Kling 3.0 最长 15 秒，而不是 10 秒，能按镜头写分镜，语音从两种语言变成五种，还有带声音的角色元素。Kling 2.6 更简单，做短的有声视频也更便宜。

## 资料来源

- https://kling.ai/quickstart/klingai-video-26-audio-user-guide
- https://x.com/Kling_ai/status/1996238606814593196
- https://kling.ai/quickstart/motion-control-user-guide
- https://kling.ai/feature/ai-motion-control
- https://arena.ai/leaderboard/text-to-video